Focos
Investigador científico (IA), Investigador científico en aprendizaje automático, Investigador en IA, Investigador posdoctoral en IA, Investigador en investigación aplicada, Investigador en informática, Investigador en computación cognitiva, Teórico de la inteligencia artificial, Catedrático investigador en IA, Investigador científico principal
La arquitectura de transformadores en la que se basan los chatbots actuales, los modelos de difusión que sustentan los generadores de imágenes con IA y las técnicas de aprendizaje por refuerzo que permiten a los ordenadores dominar juegos complejos: todos ellos comenzaron de la misma manera: como una idea que un investigador puso por escrito y que luego pasó meses, a veces años, comprobando si realmente funcionaba, fracasando cientos de veces en el proceso. Convertir ideas audaces sobre cómo podría funcionar la inteligencia en resultados contrastados y publicados es la labor del investigador científico en IA.
A diferencia de los ingenieros, que crean productos que la gente utiliza directamente, los investigadores en inteligencia artificial trabajan en laboratorios de investigación, ya sea en universidades o en divisiones de investigación especializadas de empresas tecnológicas, planteando preguntas que nadie ha respondido aún de forma exhaustiva. Formulan hipótesis originales sobre cómo podría comportarse un nuevo algoritmo o una nueva arquitectura, diseñan experimentos minuciosos para poner a prueba esas ideas y plasman sus hallazgos en artículos que se someten a un riguroso proceso de revisión por pares antes de ser difundidos al mundo. A lo largo de este proceso, colaboran estrechamente con otros investigadores, estudiantes de posgrado y, en ocasiones, con ingenieros que ayudan a llevar una idea prometedora más allá de un pequeño experimento.
Mediante el uso de teoría matemática avanzada, la programación en Python y marcos de trabajo como PyTorch o JAX, así como el acceso a clústeres informáticos de investigación, los investigadores en inteligencia artificial amplían los límites de lo que esta tecnología es capaz de hacer. Sus trabajos publicados suelen convertirse, años más tarde, en la base sobre la que se asientan los ingenieros, los equipos de producto y sectores enteros, lo que significa que un artículo que hoy parece puramente académico puede acabar dando forma a la tecnología que todo el mundo utilizará mañana.
- Ser de los primeros del mundo en descubrir si una nueva idea funciona realmente
- Aportar investigaciones que puedan marcar el futuro de todo un campo, y no solo de un producto concreto
- Disponer de la libertad intelectual necesaria para abordar cuestiones profundas y abiertas
- Publicar trabajos en los que otros investigadores se basarán durante los próximos años
Horario de trabajo
La mayoría de los investigadores en inteligencia artificial trabajan a tiempo completo, aunque el horario suele ser más flexible y autónomo que en los puestos centrados en el desarrollo de productos, con períodos intensos de trabajo concentrado antes de las fechas límite de las principales conferencias. El trabajo se realiza principalmente frente al ordenador o en la pizarra, y se divide entre la lectura de artículos, el diseño de experimentos, la programación y el intercambio de ideas con los colaboradores. Los investigadores son contratados por universidades como profesores, por laboratorios de investigación de grandes empresas tecnológicas, por organismos de investigación gubernamentales o por institutos de investigación sin ánimo de lucro.
Funciones típicas
- Formulación de preguntas de investigación e hipótesis originales
- Diseñar y llevar a cabo experimentos para probar nuevos algoritmos o arquitecturas
- Leer y evaluar de forma crítica los trabajos de investigación publicados recientemente
- Redacción de artículos para su presentación en congresos y revistas con revisión por pares
- Presentación de resultados en congresos académicos y del sector
- Colaborar con otros investigadores y estudiantes de doctorado en proyectos comunes
- Orientación a investigadores noveles, estudiantes o becarios
- Solicitar financiación para la investigación o subvenciones para respaldar los trabajos en curso
- Revisar los artículos de otros investigadores como parte del proceso de revisión por pares
- Desarrollo de prototipos de nuevas ideas teóricas
- Llevar registros detallados de los experimentos y los resultados
- Participar en seminarios de investigación y grupos de lectura
Responsabilidades adicionales
- Formar parte de los comités de programa de congresos que deciden qué trabajos se publican
- Asesorar a empresas o startups sobre cómo se aplica la investigación más reciente a productos reales
- Impartir clases o dar conferencias como ponente invitado sobre temas relacionados con la inteligencia artificial
- Contribuir a las publicaciones de código abierto de código de investigación
- Mantenerse al día en un corpus bibliográfico amplio y en rápido crecimiento
- Comunicar resultados complejos a partes interesadas sin conocimientos técnicos o al público en general
- Dirigir un pequeño equipo de investigadores o estudiantes en proyectos de mayor envergadura
El día a día de un investigador en inteligencia artificial suele empezar con la lectura, ya sea de un artículo recién publicado relacionado con un proyecto en curso o de las notas de un experimento que ha finalizado durante la noche. Para determinar si un resultado es significativo o si solo se trata de ruido, a menudo es necesario reflexionar con detenimiento y sin prisas.
Normalmente, dedico el mediodía a diseñar o perfeccionar experimentos, a escribir código para probar una nueva idea o a analizar los cálculos matemáticos que explican por qué algo podría funcionar o no. Gran parte de este tiempo conlleva una incertidumbre real, ya que la mayoría de los experimentos en investigación de vanguardia no tienen éxito al primer, segundo o incluso décimo intento. A menudo surgen debates con colaboradores o estudiantes, en los que resolvemos juntos un problema que nos tiene atascados o discutimos qué puede significar un resultado sorprendente.
Las tardes suelen dedicarse a la redacción, ya sea redactando un apartado de un artículo, preparando una ponencia para un congreso o revisando el borrador de un compañero antes de su presentación. Los investigadores también dedican tiempo a seminarios o grupos de lectura, lo que les permite mantenerse en contacto con una comunidad global que publica constantemente nuevas ideas y reflexionar sobre qué líneas de investigación merece la pena seguir explorando y cuáles son callejones sin salida.
Habilidades sociales
- Una profunda curiosidad intelectual
- Sentirse cómodo ante la incertidumbre y los fracasos repetidos
- Pensamiento crítico riguroso y escéptico
- Paciencia para proyectos a largo plazo que pueden tardar meses o años en dar sus frutos
- Excelentes habilidades de comunicación escrita y oral
- Creatividad a la hora de plantear preguntas de investigación totalmente nuevas
- Colaboración entre disciplinas e instituciones
- Resiliencia ante el rechazo de artículos y de propuestas de subvención no subvencionadas
- Una atención minuciosa a los detalles metodológicos
- Independencia y autonomía a la hora de elegir qué objetivos perseguir
- Capacidad para explicar conceptos técnicos complejos en términos sencillos
Habilidades técnicas
- Matemáticas avanzadas, incluyendo álgebra lineal, probabilidad y optimización
- Conocimiento profundo de la teoría del aprendizaje automático
- Programación en Python y marcos de aprendizaje profundo como PyTorch, JAX o TensorFlow
- Diseño experimental y análisis estadístico
- Redacción científica y técnica para su publicación
- Revisión bibliográfica y metodología de investigación
- Conocimiento de entornos informáticos de alto rendimiento y de investigación
- Control de versiones y prácticas de investigación reproducible
- Amplios conocimientos especializados en un subcampo específico, como el aprendizaje por refuerzo o los modelos generativos
- Capacidad para leer, analizar críticamente y desarrollar ideas a partir de artículos académicos complejos
- Investigador académico: Trabaja como profesor, combinando la investigación con la docencia y la orientación a los estudiantes
- Investigador científico en el sector: trabaja en un laboratorio corporativo de inteligencia artificial dedicado a la investigación fundamental a largo plazo.
- Investigador científico aplicado: Tiende un puente entre la investigación de vanguardia y las aplicaciones prácticas de los productos
- Investigador en IA teórica: se centra en los fundamentos matemáticos de cómo y por qué funcionan los métodos de IA
- Investigador en aprendizaje por refuerzo: estudia cómo los sistemas aprenden mediante el ensayo, el error y la recompensa
- Investigador en IA generativa: estudia modelos que generan texto, imágenes, audio o vídeo
- Investigador en seguridad y alineación de la IA: estudia cómo hacer que los sistemas avanzados de IA sean seguros, íntegros y controlables
- Universidades y departamentos de investigación académica
- Laboratorios corporativos de investigación en inteligencia artificial de las principales empresas tecnológicas
- Organismos de investigación gubernamentales y laboratorios nacionales
- Institutos de investigación sobre IA sin ánimo de lucro
- Organizaciones de investigación en materia de defensa y seguridad nacional
- Instituciones de investigación científica en campos como la biología o la física que aplican métodos de inteligencia artificial
- Centros de investigación médica y hospitales que llevan a cabo investigaciones basadas en la inteligencia artificial
- Centros de estudio especializados en políticas de inteligencia artificial y su impacto social
- Startups creadas en torno a un avance específico en el ámbito de la investigación
- Centros de cálculo científico e instalaciones de supercomputación
- Asociaciones profesionales de investigación y editoriales académicas
- Colaboraciones internacionales en materia de investigación en las que participan varias instituciones
Para convertirse en investigador en inteligencia artificial suele ser necesario cursar varios años de estudios de posgrado —a menudo, entre cinco y siete años para obtener un doctorado— antes de conseguir un puesto de investigador a tiempo completo, y el camino puede parecer largo en comparación con las vías más directas para acceder a puestos de ingeniería. A lo largo de este proceso, la mayoría de los investigadores se enfrentan a repetidos rechazos, ya sea por parte de congresos que rechazan un artículo presentado o de comités de subvenciones que deniegan la financiación de un proyecto propuesto, y aprender a seguir adelante a pesar de esos rechazos forma parte del trabajo.
La competencia por los puestos de investigación más codiciados, sobre todo en los mejores laboratorios y universidades, es intensa, y la presión por seguir publicando trabajos significativos —lo que a veces se resume como «publicar o perecer»— puede suponer una gran carga a lo largo de toda una carrera. Muchas ideas prometedoras simplemente no funcionan, y los investigadores deben estar dispuestos a dedicar meses a un proyecto que, en última instancia, no dé lugar a nada publicable.
El ritmo al que avanza la literatura científica es abrumador, ya que cada año se publican miles de nuevos artículos en todos los subcampos de la inteligencia artificial. Mantenerse realmente al día, en lugar de limitarse a echar un vistazo a los titulares, requiere un esfuerzo constante y real, y a los investigadores que se quedan atrás les puede resultar difícil seguir contribuyendo de forma significativa a áreas que evolucionan a gran velocidad.
- Investigación sobre las leyes de escala y las capacidades emergentes que aparecen en modelos de gran envergadura
- Cada vez se presta más atención a la interpretabilidad, con el objetivo de comprender qué ocurre realmente en el interior de las redes neuronales
- Ampliación de la investigación sobre seguridad y alineación de la IA a medida que los modelos ganan en capacidad
- Investigación sobre modelos base multimodales que combinan texto, imágenes, audio y vídeo
- El creciente interés por modelos más pequeños y eficientes, junto con otros cada vez más grandes
- El crecimiento continuo de la ciencia abierta y la cultura de los preprints a través de plataformas como arXiv
- Mayor atención a la reproducibilidad y al rigor ante la preocupación por los resultados exagerados
- Reforzar la colaboración entre los laboratorios académicos y los departamentos de investigación de las empresas
- La creciente atención del público y de los responsables políticos hacia la investigación en inteligencia artificial y sus implicaciones sociales
- El auge de la investigación interdisciplinar que aplica la inteligencia artificial a la biología, la química y la física
Muchos investigadores en inteligencia artificial crecieron apasionados por las olimpiadas matemáticas, las ferias de ciencias, el ajedrez o cualquier actividad que recompensara el razonamiento profundo y paciente ante un problema difícil. A menudo eran el tipo de niño que seguía preguntando «¿por qué?» mucho después de que todos los demás hubieran pasado a otra cosa, y que disfrutaba de verdad quedándose atascado en un problema en lugar de sentirse frustrado por él.
Otros encontraron su motivación leyendo sobre ciencia y descubrimientos, experimentando con la programación o con acertijos lógicos, o debatiendo ideas simplemente por el placer de ponerlas a prueba. La comodidad de no saber aún la respuesta, unida a un entusiasmo genuino por descubrirla con el tiempo, a menudo les llevó directamente a una carrera profesional centrada en la investigación original.
Para convertirse en investigador en inteligencia artificial suele ser necesario contar con un doctorado en informática, inteligencia artificial, matemáticas o un campo estrechamente relacionado, ya que la mayoría de los puestos de investigación exigen que los candidatos hayan dirigido ya un proyecto de investigación original, desde la formulación de la pregunta hasta su publicación. Algunos puestos de investigación aplicada admiten a candidatos con un máster y una sólida experiencia demostrada en investigación, pero los puestos que requieren una mayor intensidad investigadora, especialmente en el ámbito académico, casi siempre exigen una formación a nivel de doctorado.
Los estudiantes pueden cursar asignaturas relacionadas con temas como:
- Cálculo avanzado y álgebra lineal
- Probabilidad y estadística
- Algoritmos y teoría computacional
- Aprendizaje automático
- Aprendizaje profundo
- Métodos de investigación
- Matemáticas discretas
- Lógica y filosofía de la ciencia
- Redacción científica y técnica
- Teoría de la optimización
Dado que las carreras de investigación se basan en un historial de trabajos originales, la experiencia práctica en investigación reviste una importancia enorme, a menudo mayor que la mera formación académica. Participar en un proyecto de investigación durante la carrera, publicar un artículo mientras se es estudiante o elaborar una tesis de envergadura proporciona a los estudiantes una prueba fehaciente de que son capaces de desarrollar el tipo de pensamiento independiente y riguroso que exige el campo.
- Cursa las asignaturas de matemáticas y ciencias más avanzadas que haya, como cálculo y estadística
- Únete a un equipo de matemáticas, a una olimpiada de ciencias o a un club dedicado a la investigación
- Aprende a programar y empieza a leer material introductorio sobre inteligencia artificial y aprendizaje automático
- Busca un mentor de investigación, ya sea un profesor, un catedrático o una comunidad en línea.
- Intenta llevar a cabo un proyecto de investigación independiente, aunque sea pequeño, de principio a fin
- Participa en ferias de ciencias o concursos de investigación que premien el pensamiento original
- Lee artículos de investigación, incluso los más difíciles, e intenta resumir la idea principal con tus propias palabras
- Practica la redacción clara y precisa, ya que la investigación depende de una buena comunicación de las ideas
- Busca unas prácticas de investigación o un puesto en un laboratorio mientras estudias en la universidad
- Asiste a charlas o seminarios impartidos por investigadores, ya sea en persona o en línea
- Plantéate realizar una tesis de grado o un proyecto de investigación de fin de carrera
- Habla con estudiantes de posgrado y profesores sobre lo que implica realmente la trayectoria investigadora
- Excelentes oportunidades de investigación para los estudiantes universitarios, más allá de las asignaturas del plan de estudios
- Profesores que publican activamente en congresos de IA que conoces, como NeurIPS o ICML
- Acceso a recursos informáticos suficientes para realizar experimentos reales de aprendizaje automático
- Un historial de titulados que acceden a programas de doctorado de prestigio o a puestos de investigación
- Clases con un número reducido de alumnos o seminarios que permiten una orientación personalizada
- Ayuda para asistir o presentar ponencias en congresos académicos
- Una cultura de investigación colaborativa, en lugar de una puramente competitiva
- Oportunidades de financiación para estudios de posgrado, ya que los programas de doctorado suelen estar financiados
- La compatibilidad con el tutor, es decir, un mentor cuyos intereses de investigación coincidan realmente con los tuyos
- Un programa de estudios sólido, tanto en lo que se refiere a los fundamentos teóricos como a la aplicación práctica
- Oportunidades para ser coautor de un artículo antes de terminar la carrera
- Redes de antiguos alumnos o profesionales vinculadas a los principales laboratorios de investigación y universidades
- Publica o colabora en la redacción de un artículo de investigación lo antes posible, aunque sea modesto.
- Realizar una tesis de máster o una tesis doctoral de gran calidad en la que se muestre un trabajo original
- Solicita prácticas de investigación en los principales laboratorios de IA y universidades mientras cursas tus estudios
- Crea una presencia pública compartiendo código, entradas de blog o charlas sobre tu investigación
- Asistir a congresos académicos y presentar ponencias en ellos para crear una red de investigación
- Busca un director de investigación cuyo trabajo te apasione de verdad, no solo por ser famoso.
- Si vienes de un programa de doctorado, envía tu candidatura a un amplio abanico de puestos posdoctorales.
- Practica cómo presentar tu investigación de forma clara tanto a expertos como a personas sin conocimientos especializados
- Establece contactos con investigadores en activo a través de congresos, seminarios y comunidades en línea
- Prepárate para mudarte, ya que los puestos de investigación de alto nivel se concentran en unos pocos centros
- Destaca tu capacidad para trabajar de forma autónoma y seguir adelante a pesar de los experimentos fallidos
- Si la trayectoria académica pura no es lo que más te conviene, plantéate puestos de investigación aplicada en empresas.
- Crear un historial de publicaciones coherente en congresos y revistas de prestigio
- Acepta un puesto de posdoctorado para ampliar tus conocimientos antes de acceder a un puesto fijo
- Desarrollar una identidad investigadora o una especialidad bien definida que otros investigadores reconozcan
- Orientar a estudiantes de posgrado, investigadores noveles o becarios
- Conseguir financiación para la investigación o subvenciones que permitan llevar a cabo proyectos más amplios y ambiciosos
- Crea una sólida red profesional a través de congresos y colaboraciones
- A medida que tu trayectoria profesional vaya creciendo, asume el liderazgo de un equipo de investigación o de un laboratorio
- Aspirar a puestos de catedrático con posibilidad de obtener la titularidad, investigador principal o cargos de dirección en laboratorios de investigación
Sitios web:
- arXiv.org - arxiv.org
- NeurIPS - neurips.cc
- ICML - icml.cc
- ICLR - iclr.cc
- Artículos con código - paperswithcode.com
- Distill.pub - distill.pub
- Investigación de Google DeepMind - deepmind.google/research
- Anthropic Research - anthropic.com/research
- Instituto Allen para la Inteligencia Artificial (AI2) - allenai.org
- MIT CSAIL - csail.mit.edu
- Biblioteca Digital de la ACM - dl.acm.org
- Asociación para el Avance de la Inteligencia Artificial (AAAI) - aaai.org
- Hugging Face - huggingface.co
Libros:
- «Inteligencia artificial: un enfoque moderno», de Stuart Russell y Peter Norvig
- «Deep Learning», de Ian Goodfellow, Yoshua Bengio y Aaron Courville
- Aprendizaje por refuerzo: una introducción, deRichard S. Sutton y Andrew G. Barto
- «El algoritmo maestro», de Pedro Domingos
- «Genius Makers », de Cade Metz
Si descubres que la profesión de investigador en inteligencia artificial no es lo tuyo, tus habilidades para el razonamiento riguroso, las matemáticas y la resolución autónoma de problemas te serán de gran utilidad en muchas profesiones relacionadas.
- Ingeniero de aprendizaje profundo
- Ingeniero de aprendizaje automático
- Científico de datos
- Profesor universitario
- Analista de políticas de IA
- Periodista o escritor científico
- Matemático aplicado
- Ingeniero de software
- Responsable del programa de investigación
Fuente de noticias
Empleos destacados
Cursos y herramientas en línea