Te voy a contar un secreto. Pero debes prometer que no se lo dirás a nadie. ¿Bueno?
Si bien los equipos de investigación en las principales empresas tecnológicas se centran en los problemas científicos no resueltos, sus “canales de distribución” son las conferencias. ¿Qué tienen todas las conferencias?
Los plazos de entrega. Todas esas personas brillantes luchan por hacer todo lo que hay que hacer y presentar un documento bien escrito a tiempo, porque hay muchas cosas que hacer.
- ¿Cuál es la explicación de la causa de la explosión y desaparición del gradiente de red neuronal recurrente RNN?
- ¿Por qué las redes neuronales profundas no pueden extraer la estacionalidad de las series de tiempo?
- ¿Es posible aplicar la localización de objetos sin tener regiones de caja en la verdad básica?
- ¿Cómo se usa Machine Learning en las diferentes etapas de los sitios web de comercio electrónico (compras en línea)?
- ¿Debo usar bibliotecas de python como Scikit-learn para ML que tienen algoritmos estándar implementados (considerando que soy un novato en el aprendizaje automático)?
Pero más investigadores pueden probar más hipótesis, y darles herramientas para hacerlo hace que sea más fácil explorar más juntos. La ciencia se trata de colaboración, no de 1000x retornos.
FAIR podría quedarse con Torch para ellos. Google podría quedarse con TensorFlow para ellos. En lugar de 8000 personas en NIPS 2016, serían 80, y todas serían de uno de sus equipos. ¿Cuánto lograrían de esa manera?
En cualquier momento dado, el número exacto de científicos en el mundo “no es suficiente”.