Importante es siempre una pregunta que exige una audiencia. Las preguntas más importantes para fines financieros, sociales, políticos, intelectuales y educativos probablemente serán diferentes. Además, diferentes grupos dentro de esas audiencias no estarán todos de acuerdo. Es como la ciencia del clima: la gran mayoría (97%) de los científicos del clima está de acuerdo en que estamos experimentando un cambio climático global provocado por el hombre y que habrá consecuencias graves y mortales. Sin embargo, si les preguntas qué hacer, obtendrás diferentes respuestas. No son respuestas “incorrectas” o “correctas”, pero hacen hincapié en diferentes cuestiones.
Aquí están los míos:
- Educación: ¿Cómo educamos a un número suficiente para satisfacer la demanda? Ahora, de repente, tenemos una afluencia enorme y sostenida de estudiantes, pero no está claro que sean suficientes para satisfacer la demanda, y no tenemos suficientes educadores para enseñarles. Esto es en realidad lo que investigo (algo en pedagogía, pero más en tratar de responder la pregunta de “quién enseñará”).
- Sesgo: el sesgo impregna la informática; es inherente a nuestros grupos (falta de diversidad), nuestros datos, nuestros algoritmos … parece que estamos perpetuando bastante inequidad social. Eso es malo para nosotros y para el mundo. A veces siento que soy parte de “carbón limpio”, y tal vez soy parte de un campo que está haciendo más daño que bien.
- Seguridad y privacidad: a medida que confiamos en los sistemas informáticos, y especialmente en los sistemas en red, no sabemos cómo proteger esos sistemas desde un punto de vista técnico o sociotécnico. Aparentemente, no hubo muertes causadas directamente por el malware WannaCry reciente (mayo de 2017), pero el software no malicioso ha matado a las personas, por lo que parece que hay una amenaza existencial potencial aquí.
- “Ciencia” de datos: no podemos saberlo con certeza, ya que gran parte de la ciencia de datos se realiza a puerta cerrada, pero mucha gente sospecha que no es científica; El modelo de referencia puede ser que los científicos de datos reciben muchos datos y se les dice que desarrollen conclusiones, y se saltan los pasos de desarrollar rigurosamente y evaluar / evaluar hipótesis. Para algunos propósitos, legítimamente, la correlación está lo suficientemente cerca de la causalidad como para ser procesable, pero cuando comenzamos a creer que las conclusiones de este enfoque son verdaderas, nos encontramos con un mundo de malos resultados. Un indicador es la falta de contratación de investigadores de ciencias sociales, que sabrían cómo formular y evaluar preguntas. Alguien sugirió aquí que este es un problema no resuelto, y rara vez llamo a otras respuestas, pero eso simplemente no es correcto. Los científicos sociales han estado utilizando métodos cuantitativos durante casi un siglo.
- IA adversaria: como ejemplo del n. ° 4, existe una creciente investigación en “IA adversaria”, el desarrollo de enfoques para algoritmos, modelos y herramientas comprometedores (con el objetivo de hacerlo públicamente, antes de que los malos puedan), generalmente aplicados Modelos / herramientas de aprendizaje automático (ML). Dos ejemplos de investigaciones recientes incluyen la derrota del frenado automático de detección de peatones en vehículos actuales y planeados (sorprendentemente fácil) y la confusión intencional de los algoritmos de etiquetado de imágenes. El primero es más fácil de imaginar como caótico; podría causar un accidente, o podría causar el colapso de todo un futuro mundo de vehículos autónomos, al menos momentáneamente / periódicamente (piense en los camiones en Logan , no en el ataque de automóviles autónomos mucho más humorístico en Fate of the Furious ) Sin embargo, este último podría resultar igualmente peligroso; Como un simple ejemplo, imagine un avión no tripulado de ataque utilizando la tecnología de reconocimiento facial. Incluso si hay un humano en el circuito, es posible interrumpir un sistema basado en ese humano tomando decisiones limitadas.
Sin embargo, esta es mi lista. No puedes tenerlo. Oh, puedes investigar cualquiera de estos (¡eres bienvenido!), Pero las preguntas más importantes / interesantes para mí no serán las mismas para ti. Le recomiendo que use esta pregunta, sus respuestas y otras investigaciones (incluidos sus cursos y lecturas) como puntos de partida, pero lo que necesitamos desesperadamente en CS es que un mayor número de personas ingresen con sus propias preguntas / ideas interesantes. No hacemos un gran trabajo enseñando creatividad (aunque a menudo es mucho mejor de lo que se nos da crédito).
- ¿Cómo debe un junior de Ingeniería de Software llegar a un Científico de Investigación?
- ¿Cuál es el campo mejor pagado en informática?
- ¿Cuáles son los temas de actualidad en la investigación de Arquitectura de Computadores?
- ¿Cuáles son los mejores métodos y herramientas para diseñar una interfaz para una aplicación de investigación científica?
- ¿Cuáles son los temas candentes en la investigación en nanomecánica?