You are on page 1of 40

Esta es la traducción del documento How To Do Research In the MIT AI Lab.

AI Working Paper 316 October, 1988 Cómo investigar en el MIT AI Lab Por: Por muchos estudiantes de posgrado, actuales, antiguos y honorarios del MIT AI Lab David Chapman, Editor Septiembre, 1988. Abstract: Este documento tiene el propósito ambicioso de explicar cómo se investiga. Damos algunas heurísticas que pueden ser útiles para aprender las habilidades necesarias para investigar (leer, escribir y programar) y para aprender y disfrutar el proceso en si mismo (metodología, selección del tema y director, y factores emocionales). Copyright 1987, 1988 por los autores Los Working Papers del laboratorio de A. I. se producen para circulación interna, y pueden contener información que es, por ejemplo, demasiado preliminar o demasiado detallada para publicación formal. No están pensados para ser papers que puedan ser referenciados en literatura. 1. Contenido 1. Introducción 1. ¿Qué es esto? 2. ¿Para quién es? 3. ¿Cómo lo uso? 2. Leyendo IA 3. Conectándose 4. Aprendiendo Otros Campos 5. Libreta de Notas

6. Escribir 7. Charlas 8. Programación 9. Director 10. La Tesis 11. Metodología de la Investigación 12. Factores Emocionales 13. Notas Finales

Contenido
Introducción
¿Qué es esto? No hay receta que garantice éxito en la investigación. Este documento recolecta un conjunto de principios informales para tomar consejos que pueden ayudar. ¿Para quién es? Este documento fue escrito para los nuevos estudiantes de posgrado del laboratorio de AI del MIT. Sin embargo, esto puede ser útil para otros que hacen investigación en AI en otras instituciones. Incluso personas en otros campos han encontrado parte de esto útil. ¿Cómo lo uso? Esto es muy largo para leerlo de una vez. Es mejor hojearlo. La mayoría de las personas encuentran que es útil hojearlo todo para ver que contiene y luego retornar a las secciones cuando es pertinente para su actual problema de investigación. El documento está dividido en 2 grandes categorías. Las primeras secciones hablan acerca de las habilidades concretas que se necesitan: lectura, escritura, programación, etc. Las secciones posteriores hablan acerca del proceso de investigación: a qué se parece, como se inicia, como escoger un asesor y tema, y como manejar lo emocional. La mayoría de los lectores han reportado que estas secciones posteriores son a largo plazo más útiles e interesantes que las anteriores.

La sección 2 es acerca de adquirir experiencia en la lectura de IA Esta apunta a las revistas más importantes y da algunos trucos sobre como leer. La 3 es acerca de hacerse miembro de la comunidad de AI: cómo conectarse a redes de personas que te mantendrán actualizado sobre lo que está pasando y qué necesitas leer. La 4 es acerca de aprender campos relacionados a la AI. Tú querrás tener una comprensión básica de varios de estos y probablemente una comprensión a fondo de uno o dos. La 5 es acerca de mantener un cuaderno de investigación. La 6 es acerca de escribir artículos y tesis; acerca de escribir y usar comentarios sobre borradores; y acerca de ser publicado. La 7 es acerca de dar charlas. La 8 es acerca de programación. La programación en AI puede ser diferente de las clases de investigación a las que estas acostumbrado. La 9 es acerca de la elección más importante de tu carrera como estudiante de posgrado: tu director de tesis. Diferentes directores tienen diferentes estilos; esta sección te da algunas heurísticas para encontrar alguien que se acople a tu estilo. Un director es un recurso que necesitas saber como usar; esta sección te dice como. La 10 es acerca de la tesis. Tu tesis, ocupará la mayor parte de tu tiempo durante la mayor parte de tu carrera como estudiante de posgrado. La sección da consejos en la escogencia de un tema y cómo evitar perder el tiempo. La 11 esta sobre la metodología de investigación Esta sección en su mayor parte no ha sido escrita todavía. La 12 es tal vez la sección más importante: es acerca de los factores emocionales en el proceso de investigación. Esto te dice como tratar con fracasos, como fijar objetivos, como conseguir despegar, como evitar inseguridad, mantener la auto-estima, y disponer de entretenimiento en el proceso. Este documento está aun en estado de desarrollo; nosotros aceptamos contribuciones y comentarios. Algunas secciones están muy incompletas. [Las anotaciones entre

corchetes e itálica indican algunas de las principales faltantes.] Nosotros apreciamos las contribuciones; envíe sus ideas y comentarios a Zvona@ai.ai.mit.edu.

Leyendo IA
La mayoría de los investigadores pasan más de la mitad de su tiempo leyendo. Se puede aprender mucho más rápido del trabajo del trabajo de otras personas que del propio. Esta sección habla acerca de la lectura de AI; la sección 4 cubre lecturas acerca de otros temas. El momento de iniciar la lectura es ahora. Una vez que comienzas seriamente a trabajar en tu tesis tendrás menos tiempo, y tus lecturas tendrán que ser más enfocadas a tu área de investigación. Durante tus primeros 2 años, estarás más que todo haciendo tareas y aprendiendo sobre AI en general. Para esto bastará leer libros y artículos publicados en revistas. (Después, deberás leer principalmente borradores; ver sección 3.) La cantidad de cosas que necesitas leer para tener bases sólidas en el campo puede parecer intimidante, pero ya que la AI es todavía un campo pequeño, en un par de años puedes leer una fracción sustancial de los artículos importantes que han sido publicados. Lo que es un poco difícil es saber cuales son. Hay algunas bibliografías que son útiles: por ejemplo, las listas de lecturas de los cursos de AI. La lista de lecturas para los quals (TODO: traducción correcta de quals) de AI en otras universidades, particularmente Stanford, también son útiles, y te brindan un punto de vista menos parroquial. Si estas interesado en un área en particular, acude a un estudiante de grado más avanzado en esta sub-área y pregúntale cuales son los 10 artículos más importantes y mira si el te los puede prestar para que los fotocopies. Recientemente han aparecido unas buenas colecciones de artículos revisados de subcampos, publicados particularmente por Morgan-Kauffman. El laboratorio de IA tienen tres series de publicaciones internas, los working papers, memos, y reportes técnicos, en orden creciente de formalidad. Ellos están disponibles sobre estantes en el octavo piso de la sala de recreación. Revisa lo que se ha hecho en los últimos 2 años y saca copias de los que se vean remotamente interesantes. Además, el hecho de que una parte de ellos son papers importantes

y viceversa. Hay muchas revistas de AI. leer un poco aquí y allá. La primera es ver si hay algo de interés. o "AIJ". .hace que sea políticamente correcto leerlos para estar actualizado sobre que están haciendo las personas en tu laboratorio. Pero gran parte de lo impreso es realmente aburrido. también referenciada como "The journal of Artificial Intelligence". Los artículos sobre Robótica son en su mayoría sobre dinámica. para saber qué es lo que los autores realmente hicieron. Machine Learning es la fuente más importante sobre este tema. así que vale la pena buscar en las publicaciones de los últimos años. La International Journal of Computer Vision (IJCV) es nueva y hasta el momento ha sido interesante. La Inteligencia Computacional es un nuevo competidor que vale la pena revisar. y podrías pasar todo el tiempo leyéndolas. Los artículos de AI tienen abstracts. que supuestamente dicen lo que ellos contienen. Vale la pena ir a tu librería de Ciencias de la Computación de cada año y revisar los reportes técnicos en AI del años anterior en otras universidades y leer los que se vean interesantes. Lo que el autor cree interesante acerca de su trabajo puede no ser interesante para ti. puedes decidir si entrar a la segunda fase o no. Hay tres fases para la lectura de cada uno. IEEE Robotics and Automation tiene ocasionalmente artículos buenos. La mayoría de los papers de 15 páginas podrían ser reescritos como artículos de una página. La principal revista sobre central-systems es Artificial Intelligence. La segunda fase es encontrar la parte del artículo que tiene las cosas útiles. y la introducción son buenos lugares para buscar. Si todo esto falla. Finalmente. solo unas cuantas valen la pena. pero en realidad no es así. así que tienes que hojearlo. No puedes darte el lujo de leer todos los artículos que te llegan. La tabla de contenidos. Afortunadamente. IEEE PAMI es tal vez la revista mejor establecida sobre visión: 2 o 3 artículos interesantes por revista. La mayoría de los artículos realmente importantes en AI algún día llegan a AIJ. Toca buscar la página que tiene lo interesante. Leer artículos es una habilidad que requiere práctica. A menudo esta está escondida en donde no debería estar. puedes regresar y leer todo el artículo hasta el final si te parece importante. conclusiones. tal vez te toque hojear todo el contenido. Una vez hayas imaginado de qué trata el paper en general y cual es la supuesta contribución. Las Ciencias Cognitivas también imprimen un número considerable de artículos de AI importantes.

y es meritorio leer. Conectándose Después del primer o segundo año. Esto puede ser desconcertante. la mayoría de las veces. tendrás alguna idea acerca del subárea en la que vas a trabajar. La mayoría de laboratorios de AI son tristemente aislados. las dificultades recurrentes que aparecen en la investigación del autor. y así sucesivamente. "¿Como puedo usar esto?". pero no hasta al menos un año después que la gente cool lo sabe. en incluso antes. En este momento. es que la lectura del libro o artículo en cuestión puede haber hecho que tu amigo piense algo útil acerca de tu tema de investigación catalizando una línea de pensamiento que se estaba formando en su cabeza.?" Comprender los resultados que han sido presentados no es lo mismo que comprender el artículo. "¿Qué tal si .. ¿hay algún problema conmigo? ¿estoy perdiéndome de algo?. Otras instituciones tienen diferentes formas de pensar acerca de los problemas.Lee con una pregunta en mente. A menudo algunas personas te pasarán un libro o artículo y te dirán que debes leerlo porque es. los problemas que se ven en el horizonte. si las suposiciones y formalizaciones son realistas. tomar seriamente. los puntos políticos que el artículo toca. las direcciones que el trabajo sugiere. las elecciones hechas por el autor (muchas de ellas implícitas). Si estás interesado en un área y lees unos artículos sobre ella. Es una buena idea enlazar tu lectura a la programación. a) la cosa más brillante escrita y/o b) porque aplica a tu investigación. trata de implementar versiones de juguete de los programas descritos. es importante conectarse con la red secreta de circulación de papers. La mayor parte de la comprensión esta en entender las motivaciones. "¿Hace esto realmente hace lo que el autor afirma?". Los trabajos que marcan el camino eventualmente se convierten en papers publicados. La verdad. y referenciar su trabajo. Usualmente cuando lo lees encontrarás que no es tan brillante o vagamente aplicable. Esto te da una compresión más concreta.. Es en esta red informal en donde está la acción real. aun si crees saber qué esta mal en el. . Las personas a menudo muy comúnmente leen y citan trabajo hecho sólo en su propia universidad.

Ellos creen que la idea es buena. AIJ tiene aproximadamente dos años de retorno. Joe revisa el documento y lo envía a AAAI. o aun mejor. No es una pregunta en verdad. Estos grupos se reúnen cada una o dos semanas para discutir un paper que todo el mundo ha leído.Esto significa que la gente cool tiene un año avanzado de trabajo con las nuevas ideas. pero es más probable que la obtuvieron de la red secreta de circulación de papers. ellos le entregan copias a sus amigos para fotocopiar. hacen que la idea de Jo aparezca en forma de journal casi tres años después de que ella la tuvo y casi tanto tiempo después de que la gente cool supo de la idea. aparece primero en una versión impresa recortada de cinco páginas (es todo lo que la AAAI permite). De manera que la gente cool casi nunca se entera de su área por los artículos publicados en los journals. A Jo Cool se le ocurre una buena idea. esos salen muy tarde. Los amigos le entregan copias a sus amigos. y así sucesivamente. Inscribete en las que consideres interesantes. sino una sugerencia de algo para leer que probablemente es relevante. que con los retrazos debidos a a la revisión de los pares y a la publicación. Seis meses más tarde. Eventualmente Jo mejora su programa y escribe una versión revisada (basada en la realimentación de la versión de la AAAI) y la envía al Journal de AI. de forma que ella escribe el borrador de un paper acerca de esto. ¿Cómo se entera la gente cool de una idea nueva? Tal vez ellos la escuchan en una conferencia. es probable que no te den una evaluación de tu idea. Así es como la cosa funciona. y solicita comentarios. "¿Has leído X?". Siempre que hables acerca de una idea que has tenido con alguien que conoce el campo. Tu también. Ella programa una implementación a toda velocidad y más o menos funciona. pídele a esta persona la referencia completa. puedes ser una persona cool. El laboratorio tiene muchos grupos de discusión informales en varios subcampos. Pero si no has leído X. Ella quiere saber si la idea es buena. . pero que digan. Muchos meses más tarde. así que además de decirle a Joe cuáles son los problemas con su idea. de manera que envía papers con la idea a diez amigos. Aquí hay algunas de las heurísticas para establecer contacto: Hay muchas listas de correo que discuten sub-campos de la IA como conexionismo o visión. pídele que te preste el paper y sácale una copia.

Lleva notas de las referencias interesantes. De forma análoga. A algunos si les importa. a algunas personas no les importa si revisas sus archivadores. ve a la biblioteca y búscalas. distribuye copias del borrador a las personas que puedan estar interesadas. (Esto tiene un problema potencial: el plagio es raro en AI. Puedes mirarlos buscando algo interesante. No supongas que lo leerán en el journal espontáneamente. C cita a D. Puedes poner algo como "Por favor. Sé el puente entre dos grupos de personas interesantes trabajando en problemas similares que no se hablan mucho y de repente muchos papers interesantes pasarán por tu escritorio. diferentes laboratorios de IA. pero pasa. Asegúrate de preguntar antes de hacerlo. B cita a C y D. Cuando notes que un paper es citado sucesivamente entonces vale la pena leerlo. Estas son las personas del laboratorio que tienen becas y tienen archivadores organizados. Puedes hacer un "grafo de referencias" de citaciones cuando estás bien metido en un tema interesante. no cite ni copie" en la página inicial como una medida profiláctica parcial). Si haces muchos borradores -deberías si es para un journal. Ocasionalmente es más rápido y más confiable buscar papers ahí que en la biblioteca. envía copias a todos aquellos que creas puedan estar interesados. Es decir. de forma que no te tomes las cosas tan a pecho cuando veas que sólo algunas de las copias que distribuiste vuelven con comentarios. leer los papers que ellos van a leer pronto. Las publicaciones internas (memos y reportes técnicos) tienen menor probabilidad de ser leídos. y así sucesivamente. has una nota. diferentes áreas académicas. De vez en cuando. suelen estar apilados ahí y desaparecer regularmente. Se espera que tu director sea la excepción. Trata con aquellas personas que parezcan amigables y conectadas.Algunas personas no les importa si lees su escritorio. Trata de intercambiar papers con personas de diferentes grupos de investigación. Cuando termines un paper. Cuando un paper cite algo que parece ser interesante. Un grafo de referencias es una red de citaciones: el paper A cita al paper B y el C.sólo algunos lectores leerán más de uno de ellos. Los . Es mucho mejor si puedes hacer conexiones con personas diferentes. Siempre que escribas algo. La mayoría de las personas no leen la mayoría de papers que les dan.

descubrirás que casi todos los papers presentados en cualquier conferencia son aburridos o tontos. comprendiendo una aproximación con gran profundidad. Hay un grupo informal que se reúne a almorzar en el séptimo piso al medio día. Invitate tu mismo y ve con ellos. presentarte nuevas personas. Esto pasa cuando se trata con diferentes escuelas o aproximaciones. entonces trata de hablar con ellos acerca de las cosas increíbles o tontas sobre las que has estado leyendo. Sal. Una de ellas es que con frecuencia hay dos grupos de personas trabajando en el mismo tema y no se conocen. Habla con las personas. ¿Por qué ir? Para conocer gente en el mundo que está afuera del laboratorio. Esto lleva inevitablemente a hablar sobre lo que se puede hacer después). En algún momento comenzarás a ir a conferencias científicas. Puedes encontrar que ya casi terminas de hacer un grafo cuando de pronto aparece una nueva sección. Con frecuencia. ¿Cómo conocer estas personas? Si te gustó el paper de alguien acércate.grafos de referencias tienen propiedades extrañas. Esas personas pueden hablar a otros sobre tu trabajo. (Hay razones interesantes para esto que no son relevantes ahora). Las personas tienen a trabajar en el laboratorio de noche. y así. Consigue trabajos de verano en otros laboratorios. contarte acerca de las atmósferas y personalidades en algún lugar. . y entonces van a comer en grupos sueltos. Es más valioso comprender cuantas diferentes aproximaciones como sea posible. diciendo algo como "Me gustó mucho tu paper".haste unas tarjetas. Probablemente ellos han estado en lugares a los que te gustaría ir y probablemente te pueden conseguir los contactos adecuados. digamos porque sientes que no tienes ninguna. invitarte a dar charlas. Cuando lo hagas. Si tratas mucho con personas de afuera -haciendo demos o yendo a conferencias. (Si eres tímido para hablar de tus ideas con otros estudiantes. y has una pregunta. Has que tu nombre sea fácil de recordar. Cuéntales en qué andas y pregúntales que andan haciendo. Una buena forma de conseguir trabajos de verano en otros laboratorios es preguntándole a estudiantes de posgrado senior cómo lograrlo. Esto te acerca a muchas personas que probablemente tienen una manera diferente de ver cosas. ayudarte a encontrar trabajos de verano.

Busca cual es la mejor publicación (journal) del campo. aprovecha la literatura gratis que encuentres Ahora. Leer un libro. Ve a las charlas. la filosofía argumentos rigurosos. No es mala idea. Ve a la oficina de posgrados. Las matemáticas progresan con teoremas.Aprendiendo Otros Campos En otros tiempos era posible investigar en Inteligencia Artificial sin saber nada más. pero puede darte una visión equivocada del campo. Las posibilidades computacionales por si mismas no proveen suficientes límites con respecto a lo que la inteligencia es. revisa los últimos años y sigue el árbol de referencias. por ejemplo. Relacionate con estudiantes de posgrado del campo. Averigua quien es el más famoso en el campo y lee sus libros. Hay algunas formas de aprender un campo del que no se sabe mucho: Hacer un posgrado. Luego. se puede obtener un sólido aprendizaje en uno o dos campos diferentes a la IA. sino que los ha tomado de otros campos. y generalmente tienen una gran proporción de palabras por contenido. En el trascurso de los seis años aproximados que toma obtener un PhD en el MIT. la ingeniería se preocupa por el funcionamiento correcto y confiable de un objeto. y parece que algunas personas todavía lo hacen. Compara el catalogo de cursos de Harvard. Otros campos relacionados entregan otras restricciones. pero los libros están usualmente atrasados. con respecto a los campos relacionados con la IA que debes conocer Las ciencias de la . etc. lee las carteleras. Otra razón para aprender otros campos es que la IA no tiene sus propios estándares de excelencia investigativa. tal vez hablando con alguien que lo domine. y tener al menos alguna comprensión de muchos más de ellos. Pero cada vez es más necesario que las investigaciones buenas requieran conocimientos de muchos otros campos relacionados. pero con frecuencia no es la más eficiente. Revisa departamentos que no sean MIT. Esta es usualmente la forma más rápida de ver lo que está pasando. la sicología demanda experimentos reproducibles. los datos experimentales que se pueden obtener de la sicología. Otros campos pueden dar nuevas herramientas para el pensamiento y nuevas formas de observar la inteligencia. Esta es la forma más sólida. Puedes encontrar los anuncios de ellas en la cartelera del departamento. y el dominio de ellos es valioso para evaluar el trabajo de otros y para desarrollar y defender el propio. Todos estos criterios se aplican en ocasiones a los trabajos en IA. leer ampliamente muchos otros campos. MIT te dará una visión muy diferente en lingüística o sicología.

Es casi seguro que los cursos introductorios de posgrado que debes ver por obligación no te den una comprensión adecuada. Todo el mundo necesita saber algo de esto. necesitas un arma apuntando a tu cabeza en forma de curso. Aprende todas las matemáticas temprano. arquitectura. etc. Además sugiere modelos para una arquitectura cognitiva. álgebra. Molly Potter enseña un buen curso introductorio en el MIT La Developmental psychology es vital si vas a trabajar en aprendizaje. y similares. pero los practicantes tienen metas diferentes y hacen experimentos en lugar de hacer programas. sistemas. mientras puedas. Es crítica para el trabajo con visión y robótica. Necesitas ser capaz de leer teoremas. Algo de estadística y probabilidad es generalmente útil. así que ir a escuchar las clases no es suficiente. geometría diferencial y topología enseñaran habilidades que se necesitan con frecuencia. el trabajo en la adquisición del lenguaje infantil pone algunas restricciones el las teorías del procesamiento lingüístico.computación es la tecnología con la que trabajamos. Uno o dos cursos de posgrado en el departamento de matemáticas del MIT es probablemente suficiente. Muy pocas personas pueden aprender matemáticas por si mismas. Es generalmente útil porque te da alguna idea de las cosas que deberían ser fáciles o difíciles para una inteligencia como la humana. Para el trabajo en percepción y robótica. pero en Stanford y en otros lados es la forma dominante de pensar sobre la mente. pero tienen un potencial . La sicología cognitiva comparte la visión de la IA. así que debes aprender lo suficiente para poder defender por ti mismo una opinión. Los otros campos se aprenden con más facilidad posteriormente Las ciencias de la computación se basan en: matemáticas discretas. necesitas matemáticas continuas y discretas. y la habilidad de probarlos impresionará a la mayoría de las personas del campo. Susan Carey tiene un curso de posgrado bueno en el MIT. Las formas mas "suaves" de sicología como el sicoanálisis y la sicología social han afectado menos la IA. así que tendrás que leer mucho más de lo que te piden. Para sistemas centrales no es directamente relevante. Tosas las áreas de las ciencias de la computación son relevantes : ciencia-teoría. y necesitas resolver los problemas. Por ejemplo. No se usa demasiado en el MIT. pero te enseña formas útiles de pensar. Es probable que lo más importante por saber son las matemáticas. La lógica es muy importante si vas a trabajar en razonamiento. teoría de grafos. lenguajes. Unas bases sólidas en análisis.

títulos de secciones. es una manera de documentar lo que usted ha hecho. así que pueden ser registradas de manera aleatoria. Escribir . posibles soluciones. y en realidad. Aunque no es literalmente acerca de libros de notas. fragmentos de texto. experimente. Escriba especulaciones. es cierto. Tome nota de lo que lee y de las futuras referencias de interés. Tanto las "ciencias" sociales como la sociología y la antropología pueden tener roles similares. Por otro lado. Algunas personas hacen un resumen mensual para una fácil referencia. Trabaje a través de posibles soluciones allí. aún cuando no tiene intención de hacer un paper de esto. Te toca aprender por tu cuenta. Revisa en Harvard: Para los estudiantes del MIT es fácil registrar clases allí. Es posible que tenga uno en el laboratorio y uno en su casa. usted puede encontrar que escribir el titulo del documento. problemas actuales en su trabajo. Puede ser que lo mantenga en línea o en varios libros de notas. es difícil diferenciar lo bueno de lo malo en estos campos sin la ayuda de alguien competente que esté adentro. Libreta de Notas Muchos científicos mantienen cuadernos de notas sobre su investigación. describe la forma en la que el pensamiento creativo emerge de la acumulación de fragmentos de ideas. Lea las notas hechas periódicamente. Esto hace la vida mucho más fácil. Recuerde que nadie excepto usted lo leerá. resúmenes. (Tal vez cambie de opinión más tarde). Puede encontrar útil leer el libro "Notebooks of the mind". Tenga en cuenta que diferentes sistemas trabajan para diferentes personas. de Vera Johnson-Steiner. Son útiles para tener muchas perspectivas. Usted también debería hacerlo. Probablemente te han dicho esto en todas las clases de ciencia desde quinto grado. Desafortunadamente. ya que dan formas muy diferentes se pensar acerca de lo que son las personas. Las anotaciones hechas pueden frecuentemente ser la espina dorsal del paper.significativo. Registre sus ideas en el cuaderno tan pronto como se le ocurran.

Usted se encontrará sin darse cuenta absorbiendo el estilo del autor. En la academia existe una máxima "pública o muere". pero la mayoría de los estudiantes de nuestro laboratorio publican antes de graduarse. Jacques Barzun's Simple and Direct: A Rhetoric for Writers (Harper and Row.Hay muchas razones para escribir. Si usted escribe bien. ¡más personas leerán su trabajo! En IA es muy duro hacer todo por sí mismo. Si su trabajo beneficiará a otra persona además de usted. lea libros que estén bien escritos. . esto comienza en serio cuando usted se hace profesor. Anotar sus ideas es la mejor forma para corregirlas. Usualmente encontrará que lo que parecía perfecto en su cabeza está hecho un lío incoherente sobre el papel. Claire Cook's The MLA's Line By Line (Houghton Mifflin) versa sobre darle sentido a la oración. El aprender a escribir bien requiere hacerlo continuamente. No hay manera de hacerlo dramáticamente mejor y rápidamente. Cualquier cosa digna de hacer es también digna de hacerla bien. Esta es una responsabilidad básica de la investigación. entonces debe publicarlo. Constantemente se necesita realimentarse de conceptos de otras personas. Escribir mucho más que eso le da a usted práctica. 1985) trata acerca de la composición. además requiere tomar seriamente la crítica de lo que usted ha escrito. En muchas áreas y en la escuela. pensando en modo segundo plano (background) acerca de las dinámicas de la sintaxis. dependiendo de su departamento. Los comentarios acerca de sus publicaciones son una de las mejores formas de realimentación. durante años. Lea libros acerca de cómo escribir: Strunk and White's Elements of Style da las bases acerca de lo que debe hacer y no hacer. Cuando escriba un documento. Publicar y distribuir documentos es buena política y buena publicidad al mismo tiempo. Usted requiere escribir una o dos tesis durante sus estudios de posgrado: un PhD y quizás un Ms.

En una conversación no todo calza perfectamente. Si usted "no puede" escribir el texto. Escriba algo sencillo al principio y vaya arreglándolo sucesivamente. Pero como a medida que usted consigue mejorar. La escritura es un proceso de eliminar errores. incluso si parece basura. Escribir cartas es una buena práctica. pocos esperan que lo que usted diga en una sola locución sea todo lo que hay que decir o la última palabra en el intercambio. El perfeccionismo puede también conducir al depuramiento sin fin de un paper perfectamente adecuado. Otra causa del bloqueo del escritor son expectativas poco realistas de lo fácil que es escribir. no se frustre si descubre que sólo escribe una página al día. después de que usted sepa lo que dice el documento realmente. Escriba lo que se le viene a la mente.) Piense en el documento que se está escribiendo como una frase en una conversación que tiene con gente en ese campo. El comenzar con algo simple permite surgir ideas y continuar con el flujo de la escritura. La mayoría de los documentos técnicos serían mejorados si el estilo fuera más parecido a las cartas para una amiga. El perfeccionismo puede conducir al bloqueo del escritor: lo que usted comienza a escribir no parece lo suficientemente bueno. Si encuentra complicado ser sencillo. pruebe girar la perilla del contraste de su PC de tal forma que no pueda ver lo que está escrito. Usualmente debería comenzar con la sustancia del documento y escribir generalmente de último la introducción. vuelve a girar la perilla y convierta lo que ha escrito en algo con sentido. y puede parecer una distracción para hacer el trabajo real. escriba una oración. En realidad usted sufrirá del bloqueo del escritor en algún punto. Después de que tenga gran cantidad de texto escrito. avanza más rápido. La escritura es un trabajo duro y toma mucho tiempo. Mantener un diario es también una manera de practicar la escritura (y le deja experimentar más el estilo que los . y usted se acerca al arte.Escribir resulta a veces complicado. El bloqueo del escritor tiene muchas fuentes y ninguna cura segura. Ésta es una pérdida de tiempo. Hágalo más y más detallado hasta que sea fácil escribir las subsecciones siguientes. Otro error es imaginarse que todo puede ser escrito en orden. (puede también ser una manera deliberada de evitar hacer la investigación. usted puede disfrutar mucho el proceso para su propia inspiración.

solo dígalo. Usted escribirá a menudo una cláusula u oración o párrafo que usted sabe está incorrecto. Sus lectores son buenas personas. Una vez que usted sepa qué decir. Si usted escribe algo torpe y no puede repararlo. no se disculpe por sintetizar su propio trabajo. Asegúrese que lo que dice es una buena idea. No solo explique cómo se construye su sistema y lo que hace. Si su programa soluciona el problema X en 10 ms. . ¡Asegúrese que usted mismo sabe que es! Entonces calcule cómo decirlo en pocas oraciones. pero tiene la mayoría de las macros que usted desea. Esto sucede menos con la práctica. Cerciórese de que su paper tenga una idea. Muchos resúmenes (abstracts) tratan acerca de lo que generalmente es el artículo y prometen una idea sin decir cuál es. Haga que el lector descubra fácilmente lo que usted ha hecho. Haga cuidadosamente el resumen a mano. Ambas prácticas tienen otros beneficios substanciales. también explique porqué trabaja y porqué es interesante. Por el contrario. Conozca lo que usted quiere decir. la honradez y el amor propio son suficientes. en todos los niveles de la organización del párrafo para todo el documento. Usted tiene que retirarse y reescribir todo nuevamente. Si eso no es suficiente. usted puede pedir prestado probablemente código a alguien que haya deseado la misma cosa. probablemente no está seguro de lo que realmente desea decir. Es una trampa común pasar más tiempo realizando la macro del trabajo que dedicárselo al contenido. La mayoría de los sitios (incluyendo el MIT) mantienen una biblioteca de extensiones escritas localmente. pero usted no estará en capacidad de encontrar una manera de repararlo. No se trata de "vender" lo qué usted ha hecho con grandes palabras o grandes pretensiones.documentos técnicos). Ponga la materia atractiva arriba. Éste es el factor más duro e importante de escribir claramente. diga al lector porqué este lo resuelve tan rápido. El LaTeX es imperfecto. Esto sucede porque se ha quedado acorralado y ninguna opción lógica puede permitirle salir. Evite esto.

si dura más. comparta con sus amigos. Esto no es apropiado para la IA. No confíe en el lector para hacer cualquier deducción. Usted consigue personas que se toman el tiempo de escribir comentarios en sus documentos escribiendo comentarios en los de ellos. es una buena idea crear el hábito de escribir explicando informalmente en el documento que ha hecho y ha aprendido en los primeros meses. suprima el primer párrafo o las primeras oraciones. Usted encontrará probablemente que eran generalidades libres de contenido. Los documentos formales son particularmente difíciles de escribir claramente. Si usted espera para escribir hasta haber terminado todo el trabajo. usted está siendo perfeccionista. Una vez que usted comience a trabajar en un proyecto de investigación. Comience con el contenido de su cuaderno de investigación. práctica en la escritura. usted perderá la mayoría de los beneficios. y que una oración mucho mejor introductoria se puede encontrar en el final del primer párrafo o el principio del segundo. y así sucesivamente). desde un working paper del Laboratorio de IA a un artículo en un Journal. ni las más obvias. Así entre más comentarios . claridad de pensamiento. Haga una docena de copias y délas a la gente que es probable estar interesada (¡incluyendo su director!). su estándar de la elegancia es decir lo menos posible y hacer el trabajo del lector tan duro como sea posible. Esta práctica tiene la mayoría de las ventajas para escribir un artículo formal (comentarios. pero en una escala más pequeña y con mucho menos trabajo invertido. Después de que usted haya escrito un documento. Una vez que usted haga parte de la Red Secreta de Circulación de Papers. no para máquinas. No imite los textos matemáticos. Éste no es algo que debe juzgar. No es bastante que su argumento esté correcto.Escriba para la gente. Escriba "Borrador no para citaciones" en la cubierta. Que usted explique cómo trabajaba el frobnitz en un pie de página sobre la hoja siete no es una justificación cuando el lector esté confundido por su introducción sin la explicación adicional en la página veintitrés. A menudo. Tome dos días para escribir. encontrará que la gente le da copias de los proyectos sobre los cuales ella desea comentarios. si su trabajo va bien. estos papers informales se pueden utilizar más adelante como la espina dorsal de un paper más formal. además de esto deber ser fácil seguirlo. Obtener comentarios sobre sus papers es extremadamente valioso.

Es útil pensar cómo usted reaccionaría a la crítica de su propio artículo cuando la proporcione a otros. o si no entonces en una frase. . puntuación. argumentos que hacen falta. una vez para obtener las ideas. aprender a criticar los artículos de la gente ayudará a su propia escritura. Si una cierta torpeza en su texto significa que tienen que volver al inicio del párrafo. Para escribir comentarios realmente útiles. o que la organización total del artículo es incorrecta. seguirá la línea de menos resistencia. faltas de ortografía. Por otra parte. fijándose solo en una palabra si es posible. usando por ejemplo comas de más. Hay una variedad de clases de comentarios. La gente incurre en equivocaciones gramaticales constantemente. elocuencia. Usted puede también corregir la gramática. Escribir comentarios útiles en un documento es un arte. contenido irrelevante. o en su defecto una oración. y los pasajes confusos. Hay comentarios sobre la presentación y comentarios sobre contenido. palabras que faltan. Tome el tiempo para proporcionar sugerencias constructivas. redundancia. Esto no contribuye en nada al autor. Errores tipográficos de corrección de copias.usted haga a documentos de otras personas. o que tienen que repensar el tema central de toda la sección. No escriba críticas destructivas como "basura" sobre el artículo. más favores serán debidos a usted y todo esto a través de una política de buena escritura. dicción. y así sucesivamente. y la segunda vez para marcarlas. Aprenda los símbolos estándares para corregir copias. y qué se puede hacer. Si alguien está incurriendo en la misma equivocación repetidamente. no sólo lo marque una vez. porqué la persona lo está haciendo. El autor. Entonces explique esto explícitamente en una página o en persona. Intente calcular cual es el patrón. Los comentarios sobre la presentación varían en alcance. Después organice los comentarios: ideas de servicio varias escalas de cláusulas a través de oraciones y párrafos a las secciones y a los capítulos. al incorporar sus comentarios. diga esto en mayúsculas con el fin de que no pueden ignorarlo. tome tiempo para explicarle el problema explícitamente. usted necesita leer el artículo dos veces.

para un borrador final. problemas potenciales. Es a menudo apropiado enviar un reporte temprano conferencia y una versión final más larga a un journal.Los comentarios sobre contenido son más difíciles de caracterizar. y los retrasos por comentarios al borrador son menores que los retrasos inherentes a la publicación. Usted no tiene que tomar todas las sugerencias que usted recibe. usted quiere sobre todo comentarios sobre contenido y la organización. pero usted debe tomarlas seriamente. Cerciórese de que sea legible. La mayoría de las publicaciones tienen una "información para los autores" o un resumen de una página de lo que desean. Consiga e incorpore los comentarios. Se rechazan los papers porque son incomprensibles o desorganizados tan a menudo como los que no tienen nada decir. Cortar partes de un documento es particularmente doloroso. a una . tal vez quiera especificar cuales son los más útiles. Lealos. no hay mucha competición en la IA. Haga que los borradores circulen por un tiempo antes de enviarlos al journal. Resista la tentación de apresurar un resultado en la publicación. usted desea sobre todo comentarios sobre los detalles de la presentación. Usted puede sugerir las extensiones a las ideas del autor. "Usted debe leer X porque Y" es siempre un comentario útil. Para un primer borrador. expresiones de admiración. Al solicitar comentarios sobre un documento. cosas sobre las cuales pensar. Este seguro haber sometido el artículo a través de un corrector ortográfico antes de pedir comentarios. Las principales publicaciones eligen papers premiados con base a la excelencia del contenido y de la presentación entre los aceptados. Lea algunas ediciones anteriores del journal o de las conferencias a la que usted envía el paper para cerciorarse de que el estilo y el contenido de su paper son los apropiados. Léalo. pero generalmente lo mejora. errores. A menudo si usted se encuentra con una sugerencia opuesta es porque mientras precisa un problema genuino en su artículo la solución sugerida es poco atractiva.

pierdes. y usted tiene que revisarlos. Los árbitros deben ser provechosos. Si usted obtiene un informe desagradable del árbitro. puede conseguir a menudo sugerencias excelentes. la escritura de papers toma siempre mucho más tiempo del que usted espera. no es fácil saber en cual lado del proceso de revisión se encuentra. los reportes técnicos son casi siempre versiones revisadas de tesis. Puedes publicar uno de estos documentos internos obteniendo una forma en el departamento de publicaciones y haciendo que dos profesores lo firmen. Los working papers suelen ser muy informales. como una versión corta de la conferencia y una versión larga para el journal. y con el árbitro a través del redactor. no destruidos). Los MIT AI memos son generalmente de alta calidad.Los papers que son rechazados no deben desanimarle. listos para ser publicados. sea cortés. De hecho. Usted no tiene que acatar todas. Ellos son una buena forma de hacer que se hagan muchas copias de papers que quieres enviar a muchos colegas. El resultado es que aún trabajará sobre un paper años después de haberlo escrito por primera vez. En cualquier caso. debe perseverar hasta obtener su publicación. Pero con un journal. Muchos meses después lo recibe con comentarios. Sin embargo. Pero desde los journals. Si te lo devuelven. cuando ya el . usted puede discutir a menudo con el redactor. Entonces meses después de la comprobación vuelve para la corrección. No espere mucha realimentación de parte del árbitro para la conferencia. (Los papers son rechazados. Para conseguir tiempo de retorno rápido. Si usted publica varias formas del paper. No hay tiempo para la contemplación o para la interacción. las conferencias deben ser revisadas rápidamente. y darse cuenta de que se requiere una negociación adicional. El proceso de revisión se diferencia ampliamente entre los journals y las conferencias. debe quejarse al programa o al redactor. Usted va a trabajar las personas cuyos papers revisa en una comunidad por el resto de su vida profesional. ésta puede pasar a través de varios rounds. los papers para la publicación tienen una forma particularmente recurrente de esta enfermedad. usted lo envía para la publicación. Después de que usted finalmente acabe un papers. Como todo en la investigación. pero si no las hace debería explicar porqué.

Componer una charla es más fácil que componer un paper. El además da una charla cada enero que simultáneamente ilustra y describe sus heurísticas. y la mayoría de las cosas que dijimos acerca de escribir. y tal vez para un trabajo. Puedes comenzar tu vida de posgrado como un conferenciante muy malo. y algunas personas notan que componer una charla es una buena manera de . Esto sugiere una investigues en algo que no te apasione completamente no sea difícil conseguir una publicación. les puedas dar un tour y una charla de 60 segundos en frente de cada robot. o quieres ser uno bueno. da charlas acerca de tus cosas voluntariamente. Algunas formas de aprender y practicar: Patrick Winston tiene un excelente paper corto acerca de como dar charlas. Si los estudiantes consejeros tienen reuniones regulares. esto le encantará a tu familia y a tus amigos que no estudian IA. (Usualmente. da una charla voluntariamente. respeto. practicas y practicas. son ciertas para las charlas. Charlas Las charlas son otra forma de comunicación con tus colegas. dando charlas a grupos de personas. toma un curso para hablar en público. Si sientes que eres un conferenciante muy malo. Aprende lo suficiente acerca de los proyectos de robótica del laboratorio para que cuando tu familia o tus amigos de afuera vengan. Una clase introductoria a la actuación es útil también. Ellos no se impresionaran tanto con los detalles de tu proyecto de maestría). y terminar como una mente brillante si practicas. La habilidad para hablar no es innata. Si tienes algo que pueda convertirse en un memo de AI o un paper para una conferencia.tema se ha heurística: no de forma que ser peor de lo vuelto supremamente aburrido. El laboratorio de AI del MIT tiene una serie de charlas semiformales llamadas Seminario periódico (Revolving Seminar). La habilidad para estar de pie frente a una audiencia y dar una charla sin que la gente se duerma es crucial en términos de reconocimiento. El dolor puede que supones.

o con una videocámara es otra opción. estimar la longitud de la charla completa. Las charlas nunca deberían sobrepasar la hora (aunque con frecuencia lo hacen). Los estudios sobre el efecto del contexto en la memoria sugieren que recordaras mejor lo que vas a decir si practicas en el mismo auditorio. El laboratorio tiene las tres. la idea debe ser extremadamente clara y no puede tener teoría complicada adicional. haz una de las charlas de práctica con media docena de amigos y pide observaciones. En una de una hora la idea puede ser presentada en contexto. En una de 20 minutos o más corta. y de depurar tus ideas. . y algunas de las cosas feas pueden ser reveladas. puedes divertirte analizando lo que el conferenciante está haciendo mal. Arrinconar a un amigo y tratar de explicar tus ideas más recientes es una buena forma de mejorar tus habilidades comunicativas. Practicar con un espejo. Mira las charlas de otras personas. (Mike Brady contó una vez que las mayoría de sus mejores papers comenzaron como charlas). Practica la charla en un salón vacío. Ellas te pueden ayudar a depurar tu voz y el lenguaje corporal. una grabadora. más tiempo tendrás para comunicarte. preferiblemente el mismo en el que vas a dictarla. Algunas cosas claves para recordar en la planeación y ejecución de una charla: Solamente puedes presentar una "idea" o "tema" en una charla. y si la charla resulta aburrida. Cada práctica te permite depurar las partes mecánicas de la charla: Lo que hay que decir en cada diapositiva. Ir a estas charlas es una buena forma de entrar en contacto con áreas que no te son familiares. Mientras menos tiempo gastes moviendo el equipo torpemente. mover los cobertores suavemente. Hay muchas charlas dadas por personas que visitan el MIT. En una de 30 o 45 minutos la idea puede requerir algo de elaboración o algo de soporte. (Ir a los seminarios es además una forma de curar la compra compulsiva de golosinas a la mitad de la tarde). Para una charla relativamente formal -especialmente tu Examen Oral.expresar sus ideas. sincronizar las notas y las diapositivas.

sino que aprender a programar te da intuiciones cruciales acerca de lo que es computacionalmente posible. también conocidas como diapositivas. la letra está muy pequeña. y hay personas importantes en la IA que nunca han escrito un programa importante. Las charlas de AI están usualmente acompañadas por transparencias. toda la programación de IA se ha hecho en Common Lisp. La programación de IA involucra técnicas que son muy diferentes a aquellas usadas en programación de sistemas o para otras aplicaciones. esencialmente. No apuntes a la transparencia si es posible apuntar a la pantalla. No trates de comprimir todo lo que sabes en una charla. Ellos no están solamente esperando una excusa para atacarte. Si no lo sabes. Incluye dibujos siempre que sea posible. no la toques porque se moverá. Programación No todas las tesis de IA llevan código. Aprender un lenguaje no es aprender a programar. Si debes apuntar a la transparencia. y se sentirán más cómodos si tu estas relajado. en idioma inglés. Nota del traductor: Hay buenos consejos para preparar charlas en la página http://www. La tasa varía de acuerdo a la persona. apréndelo. . No te pares en frente de la pantalla. Esta es la mayor fuente de restricciones que la IA contribuye a las ciencias cognitivas. Si no puedes leer fácilmente tus diapositivas estando de pie y dejándolas en el piso. No es solamente que la mayoría del trabajo en IA requiera escribir programas. Toma por lo menos un minuto por diapositiva. pero un error común es pensar que puedes hacerlo más rápido y seguir siendo claro. Usa pocas palabras y letra grande. Necesitas tocar solamente los puntos claves de tus ideas. dejando por fuera los detalles. y lo que no.html.Las personas del auditorio quieren estar allí. ellos quieren aprender lo que tienes que decir. En el MIT. No se puede.dk/~danvy/talk. En esta página se encuentran las diapositivas de "una charla sobre hacer charlas". de todas maneras.brics. pero para aproximarte por primera vez a la IA debes ser capaz de programar.

También aprenderás cómo no se debe escribir código cuando te topes con páginas de código incoherente sin documentar. un sistema de frames con herencia. portable. Luego lee la tercera edición del libro de Lisp de Horn. sucesivamente. pero enseña algunas de las técnicas. Y así. hagan algo de ruido con respecto a lo horrible que es su estilo de programación y que el programa no funciona como ellos quieren. lo que sea que te emocione. Esto toma mucho tiempo. Aprenderás muchos trucos que no habías pensado y que no están en los libros. Mucha de la cultura de Lisp se aprende de otras personas. Usa las abstracciones de datos correctas a menos que haya una razón buena para no hacerlo. Algunas personas trabajan bien escribiendo código juntas. de manera que la mayoría de lo que escribes sea Common Lisp. un compilador optimizador con análisis de flujo. un sistema unificador de reglas. programar. Pregunta a media docena de estudiantes de posgrado senior si te pueden dar el código fuente de sus programas. y no leer es la mejor forma de aprender a programar. Al fin. y leer y entender completamente el código de otro puede tomar tanto tiempo como escribirlo tu mismo. como: Un sistema de mantenimiento de verdades (truth maintenance system). tiene muchos programas bonitos de AI. Es extremadamente útil leer el código de otras personas. deberías escribir tus propias versiones de muchos programas básicos para la IA. y que luego te den el código de todas maneras. un sistema de aprendizaje basado en explicaciones (explanation-based learner). algunos interpretes con diferentes sabores. de Sussman y Abelson (SICP) y haciendo algunos de los ejercicios. Todas las cosas estándares aburridas de la clase de ingeniería de software son ciertas para la programación de IA. Probablemente.Puedes comenzar leyendo Structure and Interpretation of Computer Programs. o mira si puedes hacer que alguien critique tu código. Extender una versión real existente es también una alternativa . Aprovecha las oportunidades de trabajar con programadores con más experiencia. Durante las primeros años. Aparta las gráficas del resto de tu código. muchos métodos de búsqueda. Lee el código cuidadosamente. depende mucho de las personalidades. se quejen un poco. así que separa algunas semanas de tu primer o segundo semestre para hacer esto. Puedes escribir versiones funcionales de estos en algunos días. Comenta tu código. El libro no es acerca de programación de IA en si. un planificador de medios y objetivos.

(Luego lo depurarás una y otra vez por las próximas seis semanas. pero el área es menos tolerante de lo que una vez fue con estas ligerezas). Eventualmente. pero recuerda que comprender el código de otros toma mucho tiempo. Contrariamente a lo que la mayoría de los otros programadores puede hacer. Esto es en parte porque los programas de AI raramente funcionan. y te puede dar luces acerca de o que está mal si no tiene la funcionalidad que necesitas. o que lo hicieron tan bien que es muy ineficiente.) Algunas veces. Solamente cuando escribes estas cosas. Algunas veces es mejor escribir algo propio. y cuando no. cuales son los problemas de eficiencia y otras cosas. generalmente. pero así son las cosas. digamos. los programadores de IA pocas veces pueden compartir código (La visión es una excepción). y jugar con las partes internas del sistema operativo ha llevado mucha gente a abandonar su tesis y su carrera (Por otro lado. La función del consejero es ser el representante del departamento ante ti: decirte cuales son los requisitos oficiales.poderosa. Como los papers. en su área. escribiendo macros y librerías. (Muchos programas famosos de IA solo funcionaban en los tres ejemplos de la tesis del autor. con intuición de cuando son útiles. puedes diseñar e implementar un algoritmo mantenedor de verdades (TMS) propio. Es aquí donde haber hecho la media docena de programas del párrafo anterior resulta ser útil. Los académicos son simples de describir. Escribir código hasta que sea perfecto. A cada estudiante de posgrado se le asigna un profesor como consejero académico. los académicos y los de tesis. en una tarde. revisar tu caso si te estás demorando demasiado en satisfacer estos requisitos y aprobar tu calendario de clases. por lo que comenzaremos con ellos. tal vez eso es lo que realmente querías hacer para ganarte la vida). Usar el intérprete de reglas "estándar" X puede ser muy útil al principio. las puedes entender. hacer un paquete estándar puede resultar siendo una tesis. los programas pueden ser pulidos exageradamente. Si . Tal vez puedas modificarlo. haciendo todo máximamente abstracto. aunque esto depende de las cargas de los consejeros. La otra razón es que los programas de AI usualmente se ensamblan de prisa sin que la generalización máxima sea una preocupación. Director En el MIT hay dos clases de directores.

los estudiantes de posgrado también. si no excitante. La IA se aprende de otros. ¿Qué tan en serio quieres tomar a tu director? La mayoría sugerirán temas para las tesis regularmente.todo va bien. La relación director-dirigido es necesariamente personal. la mayoría de las cuales no van a ningún lado. Hay mucho conocimiento informal de los aspectos técnicos del campo y del proceso de investigación que no están publicados en ningún lado. Diferentes directores tienen estilos muy diferentes. Debes saber si trabajas mejor independientemente o con estructura. solo tendrás que verlo dos veces al año. pero pueden ser muy útiles dándote ideas una vez tengas uno. Se puede depender de algunos que producen sugerencias que si se llevan a cabo con juicio. puede . Por otro lado. ellos te dirán que hacer. Otros no hablarán contigo más de dos veces en el semestre. ¿Qué tanta dirección quieres? Algunos directores te darán problema de tesis bien definido. pero si a una de diez se le trabaja con visión. ¿Qué tanto soporte emocional deseas? Algunos pueden dar más que otros. Muchos profesores son personas muy excéntricas. casi con certeza producirán una tesis aceptable. Acá hay algunos parámetros para considerar. más importante que el tema de investigación de la tesis. ellos pueden defenderte. El director de tesis es la persona que supervisa tu investigación. Otros lanzan docenas de ideas. La elección del director de tesis es la más importante que harás como estudiante de posgrado. y te dirán que trabajes en él. si tienes problemas. te explicarán una aproximación. Si te quedas atascado. representándote ante el departamento o indicando fuentes de ayuda. Otros puede que no te ayuden en nada a seleccionar el tema. el día del registro. Pueden sugerir papers para leer y darte ejercicios y proyectos de práctica. ¿Qué tanta presión quieres? Algunos directores ejercerán más que otros. ¿Qué tanto contacto quieres? A algunos directores les gusta una reunión semanal con reportes de progreso. y tus peculiaridades y las del director deben corresponder lo suficiente para que puedan trabajar juntos.

¿Peleará tu director en contra del sistema por ti? Algunos directores pueden mantener al departamento y otras entidades hostiles lejos de ti. Si eliges un director de este tipo. ¿Que clase de grupo de investigación provee el director? Algunos profesores crean un entorno en el que todos los estudiantes trabajan bastante juntos. . pero esto no tiene porqué reflejar la realidad. Pero algunos sólo aceptan supervisar tesis en su propia área de interés. y tal vez quieras tener relaciones de trabajo con dos o más profesores. Esto te da un gran grupo con quién hablar del problema como un todo. profesores de razonamiento han supervisado tesis de visión. ¿Será esto útil para ti? ¿Te caen bien los estudiantes de tu director? Algunos estudiantes logran construir relaciones de trabajo importantes con estudiantes de otros grupos de investigación. de manera que esto puede ser muy importante. tendrás un solo director.resultar en un trabajo innovador. ¿Quieres co-supervisión? Algunos proyectos de tesis integran varias áreas de IA. ¿Aceptará el director dirigir una tesis con un tema por fuera de su área de investigación? Debe ser más importante para los dos poder trabajar juntos que el tema en el que están trabajando. tu trabajo ayudará a ello. incluso si no están trabajando en el mismo proyecto. te toca actuar como el filtro. El sistema funciona en contra de algunos estudiantes (notablemente mujeres y excentricos). Oficialmente. ¿Quieres trabajar en una parte de un proyecto más grande? Algunos profesores dividen un sistema grande para ser construido por partes y asignan las partes a estudiantes individuales. ¿Querrá y podrá tu director promover tu trabajo en conferencias y similares? Esta es parte de su trabajo. Los profesores de robótica en el MIT han supervisado tesis en física cualitativa y en modelamiento cognitivo. Muchos profesores se reúnen con sus estudiantes semanalmente o dos veces a la semana. y puede hacer una gran diferencia en tu carrera. Esto es común en profesores nuevos que están tratando de ser contratados permanentemente.

Otra consecuencia es que. Asegurate de que hablas con más de un estudiante de un director en particular debido a que cada director tiene un gran espectro de estilos de trabajo y niveles de éxito en la interacción con sus estudiantes. Puede que te confunda una sola muestra. Trata de estimar como son. Una es que la fama de un profesor y por lo tanto su contratación permanente depende del éxito de sus estudiantes. Habla con todos los profesores que puedas durante el primer semestre. Esto significa que los profesores están muy motivados para que los estudiantes les hagan un buen trabajo. hasta principios del segundo. Acá hay algunas heurísticas de como proseguir: Lee los resúmenes de investigación del laboratorio. Buscar un director de tesis es una de las más importantes prioridades durante tu primer año como estudiante de posgrado. y no por personas con doctorado. La mayoría de las reuniones de los grupos de investigación de los profesores están abiertas para los nuevos estudiantes de posgrado. Lee los papers recientes de los profesores cuyo trabajo parece interesante. La IA es una disciplina rara en la que la mayoría del trabajo útil se hace por estudiantes de posgrado. en que están interesados. Esto tiene varias consecuencias. en un buen grado la forma que toma la tesis se debe a los directores. y para darles una buena dirección y apoyo. Habla tanto con los estudiantes dirigidos por un año y por siete años también. la dirección y el .El rango de estos parámetros varía entre universidades. y cual parece ser su estilo de investigación y supervisión. y dan una buena idea de lo que es trabajar con ellos. que con frecuencia están ocupados dirigiendo. Te da una descripción de aproximadamente una página de lo que están haciendo los profesores y estudiantes de posgrado. En el MIT se le da a los estudiantes más libertades que las que otras universidades pueden dar. Habla con los estudiantes de los directores en potencia preguntándoles qué tal es trabajar con ellos. por más tarde.

crecimiento del campo como un todo depende bastante de los directores que los estudiantes de posgrado escojan. El Computer Science Women's Report. Es posible que encuentres presiones sexistas. y esto puede funcionar para las personas que son independientes. comentarios. sean tus directores oficiales o no. Pero probablemente no es una buen idea seguir esta ruta hasta que no hayas completado por lo menos un trabajo supervisado. El puede interpretar "Quisiera trabajar usted" como "por favor entregueme un proyecto bien especificado". No dejes que la mala comunicación te lleve a un punto en el que pierdas un año patinando cuando querías una dirección cercana o laborando en algo que no es realmente lo que quieres. u otro tipo de presión en tus relaciones con otros estudiantes. disponible en el cuarto de documentación del LCS también es relevante. Cuando hayas escogido un director y decidido que quieres trabajar con él o ella. Probablemente puedas encontrar muchas personas con cosas diferentes para ofrecerte. La red puede incluir estudiantes de posgrado y profesores de tu propio laboratorio o de otros. o "Tengo algunas cosas que me gustaría hacer y quiero que me las firmes cuando yo haya terminado". y que te pierdas en el espacio exterior. Asegurare de que se entere. racistas. Crea tu propia red. sin que lo estés haciendo. . porque es muy fácil que tu mismo creas que estás avanzando (y que también lo crea tu director). u otra cosa. ODSA del MIT publica un afiche llamado "STOP Harrassment" con consejos y recursos. sabiduría. Es importante lograr que varias personas revisen tu trabajo con regularidad. y no con la de tu director también. Si pasa. o peor. No dependas por completo de tu director para consejos. Tiene la ventaja de lidiar solo con tu propia neurosis. Algunos estudiantes el el laboratorio tienen un director sólo de nombre. pide ayuda. o incluso a encontrar un tema. en vez de la propia escritura de la tesis. y conexiones. La Tesis Tu tesis ocupará la mayor parte del tiempo en tu carrera de posgrado. o a menos de que estés seguro de no necesitar un director y de que tienes una red de soporte sólida. La mayoría del tiempo estará dedicado a la investigación. con tu director. profesores.

El requisito esencial de la tesis de maestría es que. demuestre maestría: que realmente comprendes el estado del arte en la sub-area y que eres capaz de operar en ese nivel. Muchos de nosotros nos cansamos en nuestro trabajo de maestría. Esto no es necesariamente algo bueno. y eso hace la carrera de posgrado demasiado larga. Para tener una idea de lo que es una tesis de maestría. Recuerda que las fáciles de conseguir son aquellas que fueron publicadas o que se convirtieron en reportes técnicos porque alguien pensó que extendían el estado del arte. literalmente. de manera que muchas tesis de maestría de hecho contribuyen algo significativo al campo. El programa de Ciencias de la Computación está recomendando a los estudiantes que reduzcan este período. y tal vez la mitad se publican. Esto va en contra de la intención preparatoria de la tesis de maestría. Nada de esto es necesario. Hay un machismo substancial sobre las tesis en nuestro laboratorio. de todas formas. No se requiere extender el estado del arte. querrás salir a toda prisa. Las tesis de doctorado deben extender el estado del arte. toma de dos a tres años hacer una tesis de doctorado. No es raro que una tesis defina una nueva sub-area. El otro factor es que hacer investigación que contribuya al campo toma al menos dos años. Si el tema de una tesis de maestría resulta ser demasiado difícil. de nuevo. Trata de leer algunas de las aceptadas pero no publicadas. La investigación a nivel de doctorado es demasiado difícil para comenzar sin entrenamiento. El tiempo promedio desde la entrada hasta la terminación de la tesis de maestría es dos años y medio. una para la maestría y otra para el doctorado. En general. lee muchas de las recientes. o que creen un problema y lo resuelvan. Muchas personas toman un año o dos para recuperarse de la tesis de maestría y encontrar un . de manera que se nota que las tesis de maestría en el MIT con frecuencia son mejores que las de doctorado. tampoco se requiere que la tesis de maestría sea publicable. Las tesis de doctorado deben tener la suficiente calidad para ser publicables. Todas las tesis aceptadas se pueden encontrar en una de las bibliotecas del MIT. pero cuando ya lleves siete años en el laboratorio.La tesis de maestría está diseñada como una práctica para la tesis de doctorado. porque hicieron más de lo que se necesitaba en una tesis de maestría. El machismo del MIT está presente. puede dividirse en dos partes. de manera que muchas tesis de doctorado son el trabajo definitivo en una sub-area por muchos años. en otras palabras. Tal vez ahora no sientas la prisa.

pero puede apuntar el camino. y una regla de oro frecuentemente confirmada es que durará hasta un año después de que ya no la quieras ni ver. Escribir una tesis de doctorado generalmente toma como un año. Tu tema debe ser uno que te apasione. Resolver la IA primero en anchura es un error común. Ellos han hecho mucho y lo han echado a perder. Nada más te permitirá seguir adelante. Una imagen. ¿cuál es el subproyecto de lógico a 10 años?. Es bueno usar este tiempo para hacer algo diferente. principio. y ¿cuál es el sub-proyecto lógico a un . Tal vez quieras salvar al mundo de los usos estúpidos de los computadores. Si tu visión es un proyecto de 50 años. Todo al tiempo. como ser un asistente de enseñanza. y continuará hasta que des por terminada la tesis. Un tema de tesis que no converse con la literatura será muy grande o muy vago. Tu visión personal son los motivos para ser un científico.tema para el doctorado. y nadie podrá comprenderlo. Elegir un tema es la parte más difícil e importante del trabajo de tesis. Tiene que hablar de sus problemas y sus preguntas. La parte más difícil es averiguar como cortar tu problema en partes solubles mientras se deja lo suficientemente grande para que siga siendo interesante. Ellos han tenido buenas aproximaciones y han sido increíblemente ciegos. Muchas personas han dado lo mejor de sí y lo han escrito. aun si toca explicar lo que está mal en ellas. Una visión siempre es algo grande. Puede ser de muchas formas. Han sido héroes y cobardes. Resolver el problema es usualmente más fácil en comparación con averiguar cuál es el problema. Notarás que debes limitar tu tema continuamente. Un buen tema de tesis simultáneamente expresará una visión personal y conversará con la literatura. Tu tesis no puede alcanzar lo que visionas. aprender un campo diferente o comenzar una banda de rock and roll. Tal vez quieres construir un computador al que le puedas hablar. Tal vez quieras fundar colonias en el espacio. Al mismo tiempo. Encontrar un tema es un proceso gradual. Tal vez quieras demostrar la unidad de todas las cosas. idea o meta que realmente te importe. Tu trabajo será manejable si entra en conversación con los otros. no un evento discreto. la ciencia es una conversación.

que hagan que la tesis sea más excitante. Debe cumplir los requisitos del título y en esto deben estar de acuerdo tu director y tu. pero vale la pena probar. Cambiar de campo te da algo de amplitud. especialmente si el tema del tamaño requerido por una tesis de doctorado resulta obvio durante el curso de tu maestría. También puede resultar que ningún profesor pueda supervisar el campo con el que te sientes bien. pero se te ocurren ideas sobre otra cosa. Debería tener varias extensiones que impliquen riesgos. la búsqueda del tema para tu tesis se reduce. sucesivamente. Para un tema de doctorado es posible continuar con el mismo de la maestría. Esto reduce el riesgo. ¿cual es el componente que más parece el corazón? Un parámetro importante es que tanto riesgo estés dispuesto a tolerar. Usualmente hay un compromiso entre lo ostentoso del trabajo final y el riesgo que involucra producirlo. Un tema ideal para la tesis se puede organizar como se guarda un telescopio. Elegir un tema de maestría puede ser más difícil que elegir un tema de doctorado. tal vez extendiendo o tomando ese trabajo como base. Quedarse en el mismo campo simplifica las cosas y es probable que tome uno o dos años para el tiempo total de graduación. Debe tener una parte central y debes estar seguro de que puedes terminarla. Esto no es siempre cierto. porque tiene que ser escogido cuando no sabes mucho y antes de que hayas adquirido confianza en ti mismo. No todos los temas cumplen con este criterio. porque la IA tiene un gran radio de ideas sin explorar por investigadores. o cambiar de sub-área. Algunas personas notan que trabajar en varios proyectos de tesis potenciales les ayuda a terminar los que funcionan y a abandonar los que fallan. . Tal vez sólo estás interesado en un sub-campo en particular. Otros encuentran que el desperdicio de trabajo en esto es muy grande y eligen un solo tema antes de comenzar a trabajar. Pero esto te puede dejar "encasillado". si resultan. También puede ocurrir que no hay un tema para trabajar en ese campo. y en este caso.año? Si tu visión es una vasta estructura.

o sugieren heurísticas nuevas con soluciones para problemas que son muy difíciles o difíciles de caracterizar. Si no sabes para dónde vas. Haslo para ti. Las tesis raras exploran territorios nuevos. de todas maneras. Esto pasa cuando parece que cuando vas por la mitad del proceso de hacer tu tema específico y concreto. No todas las tesis del laboratorio son sobre IA. Además. Las tesis predeterminadas resuelven problemas bien delimitados. te puede ir muy mal. así tu director no se muestre interesado. el parecido es sólo superficial. Cuando estés trabajando en ello. Debes estar preparado para cambiar el test si las circunstancias cambian radicalmente. deberías poder responder la pregunta. Una vez tengas un tema de tesis. tiene que ser trabajo original. dónde situarse en este espectro es algo que va con el estilo personal. Esto está bien. Por otro lado. es normal leer el paper de otra persona y entrar en pánico porque parece resolver el problema de tu tesis. Típicamente. incluso si es un poco vago. Algunas son sobre hardware o lenguajes de programación. Puedes formular un test de terminación explícito. de un párrafo y de cinco minutos. Si tienen diferentes expectativas y no lo saben. Hay suficientes problemas afuera y no hay necesidad de competir. debes ser capaz de explicar simplemente cómo cada parte de tu teoría y de tu implementación aportan algo a tu meta. terminarás vagando en círculos. . Ambas son valiosas.Los temas pueden ubicarse en un espectro que va de lo excentrico a lo predeterminado. ¿Cuál es el la tesis de tu tesis? ¿Qué estás tratando de mostrar? Debes tener respuestas de una frase. como un conjunto de ejemplos que tu teoría o programa será capaz de manejar. no te tomarán con seriedad. Una vez hayas seleccionado el tema. debes asegurarte de que acuerdas con tu director lo que constituye la terminación del proyecto. de manera que muestra el paper a alguien inteligente que conozca tu trabajo y preguntale que piensa. no es una buena idea trabajar al mismo tiempo en algo en lo que otra persona esté trabajando. exploran fenómenos que no se han investigado antes. y aun peor. Sin importar lo que hagas. La sección "trabajo futuro" de los papers son una buena fuente para temas de tesis.

Explora cuidadosamente algunos ejemplos concretos antes de hacer una teoría abstracta. Por ejemplo. como proceder. hacking de interfaces de usuario. ¡contribuye!] Una metodología de investigación define lo que es esta actividad. Hay un problema muy conocido llamado "Evitación de la tesis". Algunas de las actividades que se deben evitar (a menos que sean cruciales para la tesis) : diseño de lenguajes. Para tener éxito en IA. Los métodos son herramientas. y qué constituye el éxito. La IA es acerca de hackear". optimizar demasiado el código. Esto es definitivamente una forma semi consciente de dejar de trabajar en la tesis. las cuales se enfrentan en guerras religiosas. "Los filósofos sólo hablan. Por ejemplo. tienes que ser bueno en métodos técnicos y tienes que desconfiar de ellos. como medir el progreso. en el que puedes encontrarte de repente arreglando errores extraños en sistemas operativos obsoletos. Hay muchas formas de perder mucho tiempo durante la tesis. La metodología de IA es un lío enredado. inventar nuevos formalismos. Has ejemplos. Ten cuidado con lo que haces. Diferentes metodologías definen distintas escuelas. burocracia. construcción de herramientas. (Este documento es un ejemplo de evitación de la tesis por parte de sus autores). No se deje llevar por slogans que ponen unos por encima de los otros: "La investigación en IA necesita bases firmes". Cualquier trabajo que no sea crucial para tu tesis debe ser minimizado. tú debes ser capaz de probar teoremas y debes dudar acerca de si el teorema realmente prueba algo. Muchas personas del MIT Metodología de la Investigación [Esta sección está incompleta. Por favor. y sentir que es algo realmente fascinante y de suprema importancia.Trata una versión simplificada de la tesis primero. Uselos. posiblemente irrelevante para algún . La mayoría de los buenos trabajos en IA balancean delicadamente diferentes metodologías. "Tu tienes que saber lo que es computado antes de preguntar como". tú debes transitar en una linea fina entre mucha teoría. no permita que lo usen.

. Algunos trabajos son orientados a ejemplos. y luego intentas imaginar y construir una teoría verificable. Lee la forma en la que otras personas atacaron problemas similares y habla con ellas acerca de la forma en la que ellas procedieron en casos específicos. intentando explicar fenómenos específicos. o tratar con él su forma bruta. Es fácil cansarse. También es útil compartirlas con los demás. la cual es difícilmente formalizable pero más cercana a la realidad? Tomar el primer enfoque conduce a un resultado claro (cuando se tiene éxito) que usualmente será aburrido o no considerará los problemas reales." ¿Deberías tomar tiempo para formalizar el problema hasta cierto grado (por ejemplo. debe buscar un sabio balance. Cualquier trabajo. y más. las cuales pueden representar una incoherencia de soluciones ad-hoc. agravaciones.problema real. e implementaciones voluminosas. depresiones y triunfos por los que pasas mientras investigas son partes necesarias del proceso. Las metodologías son sociales. Algunos trabajos son como la ingeniería: tratas de hacer un algoritmo mejor para resolver problemas. Los mejores trabajos combinan todas estas formas de trabajar. formalizando subproblemas que piden a gritos ser formalizados mientras se mantiene una visión general. La mayoría se va por frustración con la tesis. para probar que no es abordable). Algunos son como las matemáticas: juegas con formalismos. lo hacen voluntariamente. Observas cómo la gente aprende aritmética. probar cosas acerca de ellos. intentando entender sus propiedades. Usualmente te encuentras con decisiones en investigación que crean una línea entre lo "ordenado" y lo "desordenado. Esta sección trata de explicar cómo puede pasar y de dar algunas heurísticas que pueden ayudar. Algunos trabajos son como la ciencia. En el MIT. cómo salta el canguro. Algunos se van porque pueden hacer más dinero en la industria. como trabaja el cerebro. sólo una fracción pequeña de los estudiantes que comienzan programas de PhD en IA terminan. la mayoría de aquellos que no terminan. Penosamente. o por razones personales. y cualquier persona. El segundo enfoque corre el riesgo de volverse un montón de hacks. Soldado advertido no muere en guerra: usualmente es útil saber que las tragedias particulares. Factores Emocionales Investigar es difícil.

Verás que muchas de las ideas que tuviste. Verás que tu tasa de progreso variará mucho. Si piensas en tu investigación en modo background (segundo plano). Otras veces te quedarás varado. Las pocas personas que parecen tener éxito consistente. Si tu proyecto no puede fallar. sacando papers año tras año. Es difícil lidiar con los proyectos fallidos. Notarás que ellos usualmente tienen varios proyectos al tiempo. así que toma como un acto de fe que coleccionar los primeros fracasos será útil más tarde. es desarrollo. Esta es la parte emocionante que mantiene a la gente en el área. En tu carrera. serán lo que necesitas para resolver un problema completamente diferente años más tarde. no investigación. y sentirás que no puedes hacer nada por un largo tiempo. mucho. al principio puedes pensar . (Algunos añaden. Es difícil vivir con esto. o mirando vitrinas en Harvard Square. mucho más de lo que parece que debería. cuando lo que en verdad hace la falla es probar que tienes la valentía de hacer algo difícil. La regla de oro dice que cualquier subtarea tomará tres veces más de lo que esperas. acumularás muchos fallos. Algunas veces verás que puedes hacer en una semana lo mismo que en los tres meses anteriores. las ideas llegarán. o incluso partecitas del código escrito. Los proyectos que resultan usualmente han fallado repetidamente. Las personas exitosas en IA son más persistentes que brillantes. y muchas aproximaciones equivocadas llevaron al éxito final. "Aun cuanto tienes esta regla en cuenta".Todas las investigaciones involucran riesgos. Puedes sentir que nunca harás algo que valga la pena. La mayoría de los éxitos en investigación ocurren en la ducha. Este efecto sólo resulta ser obvio cuando has acumulado una pila bien grande de fracasos. Es muy importante tener el "gusto" para poder diferenciar entre las ideas superficialmente buenas y las verdaderamente importantes. han fallado tanto como los demás. formas de pensar. La investigación siempre toma. en el metro. y sólo algunos resultan.) Parte crucial del proceso es hacer que tu investigación sea parte de tu vida diaria. Es fácil interpretar la falla de un proyecto como tu falla personal. Pero cada uno de ellos representa mucho trabajo que haces en las sub-tareas del el proyecto principal.

puede que nunca llegues a hacer algo productivo. El miedo al fracaso puede hacer que el trabajo sea más difícil. Necesitas estar ahí. averigua si no estás evitando probar tus ideas. no puedas hacer nada. La posibilidad de descubrir que muchos meses de trabajo han sido en vano puede ser lo que te esté deteniendo. Estos sentimientos probablemente no son ciertos. si fuiste admitido como estudiante en el MIT. Ten en cuenta que la habilidad para investigar es una habilidad que se aprende. promete trabajar una hora al día. Si estás realmente varado. semanalmente y mensualmente. tienes lo que necesita. Puedes decirle a tu director. No hay forma de evitar esto.que no tienes aquello que se necesita para ser un investigador. . Es difícil arrancar el trabajo en la mañana. Dos formas de alcanzar las metas son registrarlas en tu libreta de apuntes o decirle a alguien más. Como el bloqueo del escritor. ten en cuenta que las fallas y el trabajo perdido son parte del proceso. "no puedes" hacer nada de trabajo. Algunas veces puedes quedar totalmente bloqueado. Si encuentras que inexplicablemente. Comienza en la mañana con trabajo de verdad. Puedes lograr hacer más trabajo si regularmente te colocas metas a corto y a mediano plazo. sin lograr hacer nada por una semana o más. Trabaja en subproblemas para coger el ritmo otra vez. Después de varios días. Tratar de anticipar demasiado y tener metas muy grandes lleva a la parálisis. Deja algo fácil o algo divertido sin terminar en las noches para que tengas algo con lo que puedas comenzar en las mañanas. por ejemplo. Puedes llegar a un ciclo de realimentación positiva en el que las dudas acerca de tu habilidad para investigar se consuman tu entusiasmo y de hecho. Si comienzas leyendo tu e-mail. tal vez hallas recobrado el ritmo. Puedes hacer un pacto con un amigo intercambiando metas semanales y hacer algún juego tratando de cumplirlas. hay muchas causas y no hay soluciones únicas. y mantener una gran tolerancia por los bajos resultados. y no una genialidad innata. y es más fácil seguir una vez has comenzado.

es fácil que te duermas en los laureles si no te comunicas constantemente con otros investigadores. que se recomienda aún a las personas que odian los libros de auto-ayuda. Es importante recibir realimentación y apoyo esas veces. Muchas cosas pueden ayudar con la inseguridad acerca del progreso. El reconocimiento puede ayudar. Lo más importante es. lo que te hará sentir bien. que es cuando menos quieres hablar de tu trabajo. has hecho algo. probablemente. Esto es normal. probablemente contribuyan ideas útiles. papers publicados y similares. Corrige con frecuencia estas estimaciones con la realimentación de otras personas. Un factor que hace que la IA sea más difícil que otros tipos de trabajo es que no hay estándares generalmente aceptados de progreso o para la evaluación de trabajos. Otra es que puede que frecuentemente tengas dudas acerca de tu avance. En matemáticas. Por un lado. lo que te puede generar inseguridad. la aceptación de tu tesis. sub-campos. por otro. hablar con tantas personas como puedas acerca de tus ideas y obtener su realimentación. En el MIT se pone más énfasis en la calidad de las implementaciones que en otras universidades. . el trabajo es el refugio cuando todo lo demás anda mal. redundante e incoherente". Una consecuencia de esto es que no puedes mantener contentos a todos todo el tiempo. has hecho algo emocionante. Otros quedan inhabilitados para trabajar cuando andan confundidos en la vida por otra razón. Tiene técnicas invaluables para lograr llegar a la acción productiva. si pruebas un teorema. a algunos les puede gustar. Es común que la estimación de tu trabajo oscile entre "la mejor historia alguna vez contada" y "tonta. La mayoría de las personas notan que su vida personal y la habilidad para investigar interactúan.Lee el libro de Alan Lakien. y si es uno que otros no han podido probar. diferentes practicantes. pero hay muchas variaciones incluso dentro del laboratorio. Si realmente estas varado. y las universidades ponen énfasis en diferentes criterios. Una estadística informal sugiere que aproximadamente la mitad de los estudiantes en el laboratorio ven uno en algún punto durante sus carreras de posgrado. puede ser útil visitar un sicólogo. La IA ha adoptado estándares de disciplinas similares y tiene algunos propios. Esto es especialmente cierto cuando las cosas no están yendo bien. Para algunos. Debido a que los estándares de progreso son tan engañosos.

es importante que salgas al mundo real. construyendo sistemas y siendo coautores de papers. o incorrecto. Es fácil pensar que . Cada estudiante que llega al laboratorio ha sido seleccionado de entre algunos 400 aspirantes. pero probablemente no son obvias para nadie más. lo que trae la satisfacción de un trabajo bien hecho. Explicar tu trabajo a muchos extraños te ayudará a tener en cuenta lo difícil que es entender lo que a ti te parece trivial. Aunque la IA es un asunto individual. hace menos relevante estos problemas. Escríbelo. Algunos investigadores notan que trabajan mejor colaborando con otros. lo que te dice que eres experto en algo. Colaborar con alguien por fuera del laboratorio. "Si lo puedo hacer. Mis ideas son completamente obvias. Una parte importante y común del progreso científico es la evaluación crítica constante. Por otro. en un trabajo de verano por ejemplo. Por un lado. el laboratorio ha aceptado tesis de dos personas. Esto nos hace confiados. Muchas personas llegan al laboratorio de IA del MIT luego de ser las personas más brillantes en sus universidades. en donde no todo el mundo es brillante. obvio. es trivial. y algo de incertidumbre acerca de la importancia del trabajo es una parte inevitable del proceso. Esto puede ser un serio golpe a tu auto-estima el primer año o algo así. Un trabajo de consultoría afuera es perfecto para mantener el balance. alguien te paga por ser experto. y que pasaron por periodos en los que sentían que lo que hacían era irrelevante. Las desventajas de esto recaen en la asignación del crédito y la competencia con el coautor." Pueden ser obvias en retrospectiva. En una entrevista reciente a un grupo de científicos premios Nobel se les pregunto acerca de la falta de confianza en si mismos: ¿fue siempre claro para ellos que su trabajo era brillante? La respuesta unánime (de un grupo de aproximadamente 50 personas) fue que estas personas constantemente sentían dudas acerca del valor.Es fácil no ver el progreso que ya has logrado. tan solo para encontrar personas aquí que parecen un orden de magnitud más inteligentes. Para obtener una visión más realista de ti mismo. Al menos en un caso. pero estar rodeado de gente inteligente tiene sus ventajas: puede haber alguien amigable refutando todas las ideas no-brillantes antes de que pases pena en público. descubrirás que ellos realmente necesitan de tu ayuda. una buena fracción de las personas trabajan juntas. o de lo correcto de sus trabajos.

Un mes después de haber completado un proyecto como una tesis. "Disturbing the Universe" de Freeman Dyson. Mr. probablemente encontrarás que parece extremadamente inútil. aunque. Es un dolor la mayoría de las veces. puedes verlo como un juego. Hacerlo vale la pena. Feynmann!". pensarás "Hey! Que inteligente! Buen trabajo!" Notas Finales . "Surely You Are Joking. de todas maneras. de Richard Feynmann. que es siempre el caso. que la investigación tome más tiempo de lo que esperabas. Este efecto es es resultado de aburrirte y cansarte tratando el problema. Las mejores investigaciones se hacen de esta manera. y "The Double Helix" de Jim Watsons. se requiere de visión para lograr progreso en un campo tan confuso. y que no puedas hacer todo por ti mismo. tomándote menos en serio puedes conservar el espíritu del juego en tu investigación. pero si el problema es el adecuado para ti. Para obtener una idea de lo que es investigar. usualmente es doloroso y algunas veces toma un año o algo por el estilo. La principal es la pasión por los problemas. que tu tesis no va a resolver el gran problema. y de poder ver que en retrospectiva las cosas pudieron hacerse mejor. disfrutando el proceso. "A Mathematician's Apology" de George Hardy. pero se debe alcanzar un balance sobre que tan en serio se toma el trabajo. Notarás que cuando vuelvas a verlo uno o dos años después. Las buenas son: "Advice to a Young Scientist" de Bateson. Haces esto porque no podrías vivir de otra manera. La otra razón para la buena investigación es la diversión. No tomes en serio este sentimiento. Hay al menos dos razones emocionales que hacen que las personas toleren la parte dolorosa de investigar. Debes enfrentar el hecho de que todo lo que puedes hacer es contribuir un poco a una parte de una sub-área. cuando todo sea menos familiar. Esto hace que algunos tengan severas crisis de confianza en si mismos. No hay nada malo con esto. El problema potencial es descubrir problemas más complicados de lo que esperabas. y una fuente de inspiración y consuelo en los ratos de duda.uno es el que va a resolver un problema de una vez por todas. Hay un gran potencial para el agotamiento. es útil leer una de las autobiografías de los científicos más brillantes. Esto requiere rehacer radicalmente la propia auto-evaluación. Estas dos maneras no son incompatibles.

Los tres últimos son estudiantes de la Universidad del Magdalena. Nos gustaría agradecer a todas las personas que nos entregaron la sabiduría que deseamos transmitir en este documento (y quienes. de hecho. y comentarios de Phil Agre. Rod Brooks. Dan Huttenlocher. Eric Grimson. Kaaren Bock. por John Backus y "How to Get a PhD in AI. Jim Howe. Jonathan Amsterdam." por Alan Bundy. Bruce Donald. Alan Bawden. Muchas personas del MIT. David Chapman. La traducción fue hecha por Nelson Castillo. nos guiaron en nuestras tesis). and Gordon Plotkin. Ken Haase. Daniel Weise. Danny Bobrow. Algunas de las ideas presentes se sacaron de "On Being a Researcher". Leslie Kaelbling. Jeff Shrager. Patrick Sobalvarro. . and Ramin Zabih. Julio Alcázar y Jhon Acosta. Mike Lowry. Jim Davis. Ken Forbus. Ben du Boulay. Jennifer Brooks. texto. Henry Gómez. Jeff Anton.Este documento reúne ideas. especialmente nuestros directores.