2017: Investigador en IA en la tarea

Un investigador en IA diseña, entrena y evalúa los algoritmos que permiten al software reconocer imágenes, generar lenguaje, planificar y tomar decisiones — normalmente una forma de aprendizaje automático, en la que un modelo mejora en una tarea procesando grandes cantidades de datos en lugar de seguir reglas escritas a mano por una persona. El trabajo abarca laboratorios universitarios que inventan nuevas arquitecturas, grupos de investigación corporativos que escalan las ya probadas, y especialistas que dedican una carrera a una franja estrecha, como cómo aprende un modelo a partir de muy pocos datos.

El campo es más joven de lo que la mayoría asume: la expresión «inteligencia artificial» se acuñó en 1955 para un taller de verano de 1956 en Dartmouth College, y desde entonces el trabajo ha pasado dos veces por auge e «invierno» — periodos en los que la financiación se derrumbó tras incumplirse las primeras promesas. El enfoque dominante de hoy, el aprendizaje profundo, pasó décadas como posición minoritaria antes de que un concurso de reconocimiento de imágenes en 2012 y un artículo de 2017 sobre «atención» reordenaran toda la disciplina en torno a redes neuronales cada vez más grandes entrenadas con cada vez más datos.

La investigación en IA es inusual entre las profesiones de este sitio porque su objeto y su instrumento son la misma tecnología. Herramientas construidas a partir de la propia producción del campo ya redactan revisiones de literatura, proponen experimentos y escriben código para ejecuciones de entrenamiento, y unos pocos laboratorios intentan abiertamente automatizar partes del propio proceso de investigación. Qué sobrevive a esa presión, y qué no, es la pregunta que el resto de este perfil intenta responder con honestidad más que con tranquilidad.