¿Cómo saben los mejores investigadores cuál de sus ideas funcionará?

Antes de continuar, permítanme declarar en primer lugar que soy alguien que no está inclinado hacia la investigación fundamental. Actualmente trabajo en Investigación y Desarrollo en la industria del automóvil, pero la industria y la academia tienen diferentes condiciones climáticas y de frontera.

Hablando de investigación fundamental, ¿cómo dice que una idea es factible?
1. Basado en tu intuición
2. Basado en tu experiencia
Todos los investigadores fundamentales se encuentran en algún lugar entre 1 y 2.

Hasta donde entiendo, los investigadores experimentados observan los casos que son similares a la idea que se está considerando. Si muestra signos de similitud.

Sabes que todas las grandes teorías que estudiamos hoy son las mayores desviaciones de las que existían en su momento. Si sus resultados son decepcionantes, se siente mal, ¿no muestra eso la imagen real de un investigador? El hecho de que obtenga ideas en sí mismo lo califica como creador de ideas. Necesitas trabajar al revés, ¿si funciona? ¿Por qué debería haber funcionado? ¡Y vuelves a tu idea en el proceso junto con un recorrido visual de las cosas en las que eres débil! Desarrolle los conceptos, mantenga las cosas flexibles. Asegúrese de que la idea perseguida en una dirección tenga la flexibilidad para cambiar de dirección rápidamente. Bueno, esa fue una respuesta bastante genérica. Podría evitarlo. De todos modos, gracias por el A2A.

En mi humilde opinión, si uno sabe de antemano que la idea funcionaría o no, es una de las mejores cosas para seguir adelante para seguir trabajando. Los investigadores trabajan en la idea que tienen en mente y tratan de representarla tanto en los aspectos teóricos como prácticos. En el proceso de cumplir con la idea, aprenden mucho y posiblemente la idea mejora y, a veces, empeora (mi experiencia). Tengo muchas ideas pero me falta conocimiento, ya que casi toda la idea que tengo necesita un mayor modelo matemático. Y eso me llevó a aprender cosas nuevas que resultan ser los requisitos previos. Yo (no soy un investigador principal, solo un investigador común con gran entusiasmo) casi no sé si mi idea funcionará o no antes, pero finalmente, cuando comencé a trabajar en ellos, algunos fracasaron, casi no he tenido éxito en absoluto. Y una cosa más: solo unos pocos investigadores indígenas como Don Knuth saben que su idea funcionará o no. Pero para la investigación hay que ser coherente y se necesita casi una vida para tener una gran idea o una teoría totalmente nueva sobre cualquier cosa.

Nadie sabe de antemano qué cosas funcionarán. Por lo tanto, debe probar muchas cosas y priorizar los proyectos correctamente. Haga que los proyectos fáciles de alta rentabilidad (‘fruta baja’) sean su máxima prioridad Los proyectos que son difíciles / caros y tienen poca rentabilidad potencial deben evitarse.

Pero debe reevaluar los proyectos regularmente.

A medida que gane más experiencia y aprenda a trabajar de manera más eficiente, las cosas que antes parecían difíciles se volverán más fáciles. Esto podría hacerlos una prioridad más alta. A medida que avanza el campo, las cosas que alguna vez parecieron una gran recompensa ahora pueden ser aburridas. Esto debería hacerlos de menor prioridad.

Por lo tanto, mientras trabajas duro para probar tantas cosas como sea posible, también debes trabajar para aumentar tu conjunto de habilidades y recursos (lo que facilitará las cosas difíciles), y también mantenerte al día con lo que otros están haciendo (lo que te hará mejor capaz de evaluar los pagos del proyecto).

No hay descanso Nunca has terminado

No creo que lo hagan. Simplemente tienen tantas ideas y colaboradores trabajadores que están dispuestos a trabajar en ellas que suficientes ideas funcionan que parece muy productivo, y nunca descubrimos las que no lo hicieron.

No soy un investigador principal … apenas soy un investigador todavía … (solo un estudiante graduado muy junior). Pero lo que hago es intentar, en base a conceptos y documentos generalmente aceptados que leo, presentar ideas que deberían producir algo, si los experimentos se realizan técnicamente correctamente, solo porque nadie ha investigado eso (al menos de esa manera) y debería ser interesante / útil para alguien (al menos en la academia y preferiblemente también fuera de la investigación fundamental), aunque la importancia dependerá de los resultados. Cuando obtengo resultados que no encajan con la idea original, vuelvo a la literatura para ver cómo aún se pueden racionalizar y para quién pueden ser importantes, y trato de dar forma a la historia para su publicación en torno a eso. Ayuda que el campo declarado de mi asesor sea amplio, por lo que es difícil obtener algo que no se ajuste a ninguna parte del mismo, y se me permite dejar que solo una parte relativamente pequeña de mi trabajo termine en mi tesis. Por lo tanto, los únicos resultados para “cancelar” son aquellos que son irreproducibles y con errores de medición demasiado grandes (hay lugares para publicarlos también, pero no queremos o necesitamos avergonzarnos así).

More Interesting

No estudié ciencias de la computación en los grados 11 y 12, pero ahora deseo estudiar ciencias de la computación en el Manipal Institute of Technology. ¿Es una buena decisión hacerlo?

¿Qué puedes hacer en la escuela de posgrado para aumentar tus posibilidades de conseguir un trabajo académico, además de hacer una buena investigación?

El aprendizaje profundo es muy importante en la visión por computadora. ¿Hay algún otro tema de investigación que valga la pena estudiar en visión artificial? ¿Qué son?

Concurrencia (informática): ¿Cuáles son algunas desventajas de usar CAS (Comparar e intercambiar)?

Si tuviera la oportunidad de investigar cualquier tema de la ciencia, ¿cuál sería?

¿Cuáles son las diferencias entre "personas teóricas" y "personas de sistemas" en CS?

¿Cuáles son las mayores diferencias entre la programación con fines científicos (por ejemplo, para modelos en física o economía) y la programación para la web?

¿Cuáles son los pasos para hacer captura de movimiento?

¿Cuáles son algunos de los problemas de investigación más difíciles en la arquitectura de computadoras ahora?

¿En qué medida la reciente gran donación de Brendan Iribe, CEO de Oculus VR, al departamento de informática de la Universidad de Maryland (UMD) ayudará al departamento? Si se usa correctamente, ¿puede UMD convertirse en uno de los 5 mejores lugares para la informática?

¿Cuáles son algunos temas interesantes para la investigación que combinan el conocimiento de la energía eólica / solar (energía limpia) y el aprendizaje automático?

¿Qué investigación de vanguardia se está haciendo en el dominio de los sistemas operativos?

¿Cuánto se gasta en investigación de computación cuántica en los Estados Unidos?

¿Cuáles son algunos aspectos de investigación basados ​​en aplicaciones de big data?

¿Cuáles son algunas de las ventajas de usar modelos de proceso gaussianos frente a redes neuronales?