El mundo de la investigación en IA está en constante cambio y los avances surgen a un ritmo vertiginoso. Pero, ¿dónde están ocurriendo estos avances? Si bien las universidades han sido tradicionalmente el foco de los descubrimientos científicos, se está produciendo un cambio significativo. Cada vez más, las grandes empresas tecnológicas desempeñan un papel fundamental en la investigación de la IA, desdibujando la línea entre la academia y la industria.
En 2019, El 65% de los doctorados en IA que se gradúan en América del Norte optaron por puestos en la industriaun salto significativo desde el 44,4% en 2010. Esta tendencia destaca la creciente influencia de los laboratorios de la industria en la configuración del futuro de la IA.
Para comprender este panorama en evolución, hablé con Shakarim Soltanayevinvestigador científico de Sony Interactive Entertainment y ex ingeniero de investigación de Huawei. Sus ideas arrojan luz sobre las motivaciones, los beneficios y los desafíos de realizar investigaciones sobre IA dentro de una gran empresa y cómo esta interacción con el mundo académico impulsa la innovación.
Por qué las empresas adoptan las publicaciones académicas
Gigantes tecnológicos como Google, Meta, Microsoft y Nvidia publicar investigaciones en conferencias académicas por diversas razones.
«En primer lugar, publicar investigaciones en conferencias puede ser una poderosa herramienta de marketing para las empresas», afirmó Soltanayev. “Estas publicaciones sirven como una forma de marketing indirecto, demostrando la destreza técnica y el compromiso de la empresa para avanzar en este campo. Esto mejora su imagen de marca dentro de la comunidad de investigadores y ante los ojos de clientes, socios e inversores. Estas publicaciones ayudan a las empresas a destacarse de sus competidores y fortalecer su presencia general en el mercado”.
El papel que juega la publicación en la adquisición de talento es vital.
«Las conferencias de primer nivel como NeurIPS y CVPR son un lugar privilegiado para establecer contactos con investigadores e ingenieros destacados y reclutar estudiantes prometedores», dijo Soltanayev. «Al mostrar su trabajo, los laboratorios de investigación como Google Deepmind y Meta AI pueden atraer a las mentes más brillantes en el campo, ya que los mejores talentos a menudo quieren trabajar en problemas innovadores con acceso a recursos y colaboradores de alta calidad».
Una vía de doble sentido: el intercambio de valor
La relación entre la academia y la industria no es unilateral; es un intercambio dinámico de conocimientos y recursos que beneficia a ambas partes.
«Un gran ejemplo de investigación académica que influye directamente en la industria es el desarrollo de la arquitectura de red neuronal convolucional (CNN)», dijo Soltanayev. “Fue iniciado por Yann LeCun y sus colegas en el espacio académico y ha tenido un gran impacto en los productos tecnológicos, particularmente en la visión por computadora. Cuando AlexNet, un modelo basado en CNN, ganó el concurso ImageNet en 2012, provocó una adopción generalizada en la industria. Hoy en día, las CNN tienen una amplia gama de aplicaciones, incluido el reconocimiento de imágenes para la identificación facial y la detección de objetos, imágenes médicas para el diagnóstico de enfermedades y vehículos autónomos para el reconocimiento de objetos en tiempo real”.
Por otro lado, la industria ha contribuido significativamente a la investigación académica de varias maneras.
«Una de las contribuciones más notables es el desarrollo de conjuntos de datos a gran escala y potentes marcos informáticos», afirmó Soltanayev. “Por ejemplo, las empresas han publicado conjuntos de datos masivos, como los de reconocimiento de imágenes, modelos de lenguaje y simulaciones de vehículos autónomos, que se han vuelto fundamentales para la investigación académica. Estos conjuntos de datos proporcionan la escala necesaria para entrenar modelos avanzados de aprendizaje automático, que sería difícil de recopilar de forma independiente para la mayoría de los laboratorios académicos. La industria también impulsa la innovación en hardware y software, con el desarrollo de GPU de NVIDIA y marcos de aprendizaje profundo como TensorFlow de Google y PyTorch de Meta, ahora herramientas estándar en la investigación académica e industrial”.
Diferentes prioridades, diferentes culturas
A medida que avanza la IA, la academia y la industria están tomando caminos diferentes para priorizar y abordar estos desarrollos.
«La principal diferencia entre la investigación académica y la industrial es el enfoque», dijo Soltanayev. “En el mundo académico, la prioridad suele ser cuestiones fundamentales a largo plazo que traspasan los límites del conocimiento. Los investigadores tienen la libertad de explorar ideas sin la presión de una aplicación inmediata. En la industria, la investigación se centra más en resolver problemas del mundo real y crear productos, por lo que el cronograma suele ser más corto y hay más presión para entregar resultados prácticos”.
Las variaciones entre los dos entornos influyen significativamente en la dinámica cultural.
«La academia fomenta la exploración profunda, el pensamiento independiente y la publicación de hallazgos para avanzar en el conocimiento», dijo Soltanayev. “La investigación industrial, por otro lado, es más colaborativa, con equipos que trabajan juntos para convertir rápidamente ideas en productos o soluciones. Si bien la investigación académica a menudo proporciona la base teórica, la investigación industrial impulsa la innovación al aplicar estas ideas en situaciones del mundo real”.
El atractivo de los laboratorios industriales
Entonces, ¿por qué hay más investigadores que siguen carreras en laboratorios industriales en lugar de en instituciones académicas tradicionales, y cuáles son las ventajas y desventajas de cada camino?
«Muchos investigadores eligen trabajar en grandes empresas debido a los atractivos paquetes de compensación», dijo Soltanayev. “Los salarios en los laboratorios industriales suelen ser mucho más altos que los del mundo académico y, a menudo, vienen con beneficios adicionales como seguro médico, planes de jubilación y bonificaciones. En particular, las opciones sobre acciones o las acciones pueden ser un gran atractivo, especialmente en las empresas de tecnología donde las acciones tienen el potencial de aumentar significativamente su valor. Estos incentivos financieros pueden ofrecer una seguridad a largo plazo que es más difícil de lograr en el mundo académico, donde los investigadores pueden enfrentar ciclos de financiación basados en subvenciones y salarios más bajos, especialmente en las primeras etapas de sus carreras. La estabilidad y los beneficios que brindan las grandes empresas, combinados con la oportunidad de trabajar en proyectos bien financiados y de alto impacto, hacen de los laboratorios industriales una opción atractiva para muchos”.
La investigación industrial a menudo se centra en lograr objetivos comerciales específicos y desarrollar nuevos productos, lo que puede limitar la libertad de los investigadores para explorar temas únicamente por el conocimiento.
«Por el contrario, la academia ofrece la posibilidad de llevar a cabo proyectos a largo plazo impulsados por la curiosidad, lo que puede ser profundamente gratificante para aquellos apasionados por la investigación fundamental», dijo Soltanayev. “La academia también fomenta el desarrollo de programas de investigación independientes y la capacidad de orientar y enseñar a la próxima generación de científicos, lo que muchos investigadores encuentran gratificante. Dicho esto, la cultura de “publicar o morir” en el mundo académico puede crear presión para producir artículos con frecuencia, lo que a veces puede limitar la libertad de asumir grandes riesgos o explorar ideas novedosas. Obtener financiación y puestos permanentes también puede ser muy competitivo, lo que aumenta el estrés de una carrera académica”.
La industria ofrece incentivos financieros superiores, seguridad laboral y acceso a recursos para abordar importantes desafíos del mundo real. Por otro lado, la academia ofrece una mayor autonomía intelectual y oportunidades para la investigación autodirigida. Ambos caminos tienen sus propias ventajas y la decisión depende de las motivaciones personales del investigador: si priorizan el impacto y la compensación inmediatos o una exploración más profunda de las ideas fundamentales.
El futuro de la colaboración
Soltanayev visualiza un futuro aún más entrelazado para la academia y la industria.
«Veo que la relación entre la academia y la industria en IA se está volviendo aún más colaborativa», dijo Soltanayev. “En el futuro, espero ver más asociaciones entre universidades y empresas, donde la investigación académica proporcione la base para que la industria se desarrolle, mientras que las empresas proporcionen los datos, la potencia informática y la financiación necesarios para impulsar experimentos y aplicaciones a gran escala. Las empresas seguirán desempeñando un papel importante en la configuración del futuro de la IA, particularmente en la investigación y el desarrollo aplicados. Con sus grandes cantidades de datos y acceso a potentes recursos informáticos, se encuentran en una posición única para acelerar el progreso en el aprendizaje automático, el procesamiento del lenguaje natural y la visión por computadora”.
Las organizaciones mantendrán su influencia en la investigación de la IA contribuyendo a proyectos de código abierto, compartiendo datos y creando nuevas herramientas y marcos. Este entorno cooperativo desempeñará un papel fundamental a la hora de acelerar los avances en la IA y garantizar su progreso responsable. Dado que los límites entre la academia y la industria se vuelven cada vez más confusos, podemos anticipar avances aún más notables en la IA, impulsados por la relación de colaboración entre estas dos entidades influyentes.
