Miedo a perderse: ¿cómo mantener una buena actitud hacia la investigación en la academia en la era del rápido éxito comercial proveniente de la industria?

Actualmente estoy estudiando la transmisión de información en redes neuronales biológicas en una universidad (bastante prestigiosa), en concreto, la interacción entre las neuronas y las células gliales que las rodean. La mayor parte de mi investigación trata sobre el modelado y la simulación de estas celdas como ecuaciones dinámicas. Se espera que, a través de una mejor comprensión teórica del cerebro, algún día esta línea de investigación nos permita construir biocomputadoras que superen con creces cualquier modelo de software existente en la actualidad. Hay muchas más cosas que el cerebro puede hacer pero las máquinas no, por ejemplo, la conciencia, la memoria selectiva, la imaginación.

Sin embargo, en los últimos años me doy cuenta de que me estoy desilusionando cada vez más con mi propósito de hacer investigación de posgrado, y varios de mis colegas comparten mi desilusión.

Esta desilusión está impulsada específicamente por el rápido éxito comercial que disfrutan las industrias debido al advenimiento del poder de cómputo y los datos exponencialmente aumentados (junto con muchos otros factores). Por ejemplo, la informática portátil, AR para juegos, reconocimiento de voz e imagen y robots personales, etc. Hay cuatro "tendencias" que me distraen continuamente de comprometerme por completo con mi investigación.

1. Parece que la mayoría de las investigaciones innovadoras se realizan en laboratorios de investigación de grandes empresas tecnológicas como Google, Baidu, Facebook o en los principales hospitales, en lugar de universidades. Estas empresas tienen el dinero, los recursos, las relaciones públicas, la infraestructura y la agregación de cerebros para producir productos verdaderamente innovadores, y sus productos tienden a tener un impacto mayor y más inmediato en la vida de las personas. No ayuda que las revistas históricamente académicas publiquen estas historias de éxito de forma regular .

2. Las personas en la industria disfrutan de manera lenta pero segura de un mayor y más inmediato reconocimiento de nombre en comparación con las personas en la academia. De hecho, parece que los investigadores de la industria son vistos como más "exitosos" en comparación con sus contrapartes estrictamente académicas (especialmente aquellos sin el prestigioso título de "Profesor de la Compañía-X"). Muchas empresas muestran con orgullo su lista de investigadores (¡ nada menos que en sitios web bien mantenidos !). Claro, la fama no debería ser la motivación para producir buena ciencia. Pero todos deseamos que los resultados de nuestra investigación puedan ser reconocidos más ampliamente.

3. La escalera de la academia a la industria es demasiado alta y cada vez es más alta. Muchos trabajos de la industria (incluso en trabajos de simulación) requieren años de experiencia industrial, principalmente en codificación y escritura de software. Estas habilidades no se enfatizan en muchos de los departamentos de investigación fuera de las ciencias de la computación. Saber cómo realizar computación paralela en C++ no es una habilidad esencial para crear simulaciones claras y bien razonadas o gráficos de apoyo, ni para avanzar en el estado de la investigación y, en última instancia, en el conocimiento humano. Por lo tanto, incluso un graduado con un doctorado, se verá en una desventaja significativa como alguien que comenzó y esta tendencia no disminuye. En resumen, las habilidades transferibles que se obtienen gracias a la experiencia en la industria superan con creces a las que se pueden adquirir en el mundo académico.

4. Dinero (junto con interesantes oportunidades de investigación). Por ejemplo, según algunos salarios autoinformados , los trabajos de aprendizaje automático están pagando 100k - 200k e incluso 600k en los extremos altos. Si bien el dinero nunca ha sido un fuerte motivador para mí, parece que con este tipo de financiamiento, cualquier tipo de investigación podría acelerarse en gran medida sin el estrés de solicitar subvenciones y buscar becas que paguen 1/4 de lo que puede obtener. con tener un trabajo en una empresa que potencialmente hace su propia investigación interesante.

Tenga en cuenta que este no es un argumento de por qué uno debe abandonar la investigación y unirse a la industria sobre la base de su éxito, sino más bien alinear el conjunto de habilidades o la investigación con fines industriales/comerciales en lugar de realizar el tipo de investigación sin demanda industrial. La simulación de sistemas biológicos y el análisis de modelos dinámicos relacionados no tienen tanta demanda como los conocimientos de ingeniería de software o aprendizaje automático, no estoy seguro de si esta tendencia cambiará alguna vez.

He escuchado muchos argumentos en contra de estos puntos. Por ejemplo, la investigación en la industria tiende a estar impulsada por el producto y, en última instancia, no contribuye en nada al avance del conocimiento.

O gran parte del éxito comercial disfrutado recientemente es el resultado de la ingeniería sin la ciencia detrás de ellos.

O que estamos en la cúspide de un ciclo exagerado y que las cosas eventualmente se calmarán, ya que por cada historia de éxito hay cientos de fracasos.

O lo que cree mi supervisor: una buena investigación es independiente de dónde se produzca.

Pero me resulta difícil reconocer las tendencias cada vez más injustas y no puedo evitar sentir que los académicos están devaluados. ¿Será alguna vez reconocida (durante nuestra vida) la investigación que realizamos en las universidades? ¿O tener un impacto comparable al que tienen las industrias de manera regular? ¿Se pueden utilizar mejor mis talentos y estoy perdiendo el tiempo? ¿Debería cambiar mi investigación directamente para buscar habilidades que sean más valiosas en la industria? ¿Debería dejar la escuela de posgrado y trabajar en la industria a tiempo completo?

Estas preguntas me distraen de centrarme en mi investigación, especialmente en los aspectos más teóricos, y descubro que constantemente tomo decisiones que se desvían de mis objetivos de investigación, como participar en clases que forman la base de estos productos comerciales. Mi copia de "la geometría del tiempo biológico" de Winfree está acumulando polvo lentamente, mientras que la copia "Cómo programar en Python" está al lado de mi cama. ¿Cómo puedo mantener una buena actitud hacia la investigación mientras veo todos estos éxitos rápidos que disfrutan las empresas grandes y bien financiadas?