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

AI Working Paper 316 October, 1988 Cmo 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 propsito ambicioso de explicar cmo se investiga. Damos algunas heursticas que pueden ser tiles para aprender las habilidades necesarias para investigar (leer, escribir y programar) y para aprender y disfrutar el proceso en si mismo (metodologa, seleccin del tema y director, y factores emocionales). Copyright 1987, 1988 por los autores Los Working Papers del laboratorio de A. I. se producen para circulacin interna, y pueden contener informacin que es, por ejemplo, demasiado preliminar o demasiado detallada para publicacin formal. No estn pensados para ser papers que puedan ser referenciados en literatura. 1. Contenido 1. Introduccin 1. Qu es esto? 2. Para quin es? 3. Cmo lo uso? 2. Leyendo IA 3. Conectndose 4. Aprendiendo Otros Campos 5. Libreta de Notas

6. Escribir 7. Charlas 8. Programacin 9. Director 10. La Tesis 11. Metodologa de la Investigacin 12. Factores Emocionales 13. Notas Finales

Contenido
Introduccin
Qu es esto? No hay receta que garantice xito en la investigacin. Este documento recolecta un conjunto de principios informales para tomar consejos que pueden ayudar. Para quin es? Este documento fue escrito para los nuevos estudiantes de posgrado del laboratorio de AI del MIT. Sin embargo, esto puede ser til para otros que hacen investigacin en AI en otras instituciones. Incluso personas en otros campos han encontrado parte de esto til. Cmo lo uso? Esto es muy largo para leerlo de una vez. Es mejor hojearlo. La mayora de las personas encuentran que es til hojearlo todo para ver que contiene y luego retornar a las secciones cuando es pertinente para su actual problema de investigacin. El documento est dividido en 2 grandes categoras. Las primeras secciones hablan acerca de las habilidades concretas que se necesitan: lectura, escritura, programacin, etc. Las secciones posteriores hablan acerca del proceso de investigacin: a qu se parece, como se inicia, como escoger un asesor y tema, y como manejar lo emocional. La mayora de los lectores han reportado que estas secciones posteriores son a largo plazo ms tiles e interesantes que las anteriores.

La seccin 2 es acerca de adquirir experiencia en la lectura de IA Esta apunta a las revistas ms importantes y da algunos trucos sobre como leer. La 3 es acerca de hacerse miembro de la comunidad de AI: cmo conectarse a redes de personas que te mantendrn actualizado sobre lo que est pasando y qu necesitas leer. La 4 es acerca de aprender campos relacionados a la AI. T querrs tener una comprensin bsica de varios de estos y probablemente una comprensin a fondo de uno o dos. La 5 es acerca de mantener un cuaderno de investigacin. La 6 es acerca de escribir artculos 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 programacin. La programacin en AI puede ser diferente de las clases de investigacin a las que estas acostumbrado. La 9 es acerca de la eleccin ms importante de tu carrera como estudiante de posgrado: tu director de tesis. Diferentes directores tienen diferentes estilos; esta seccin te da algunas heursticas para encontrar alguien que se acople a tu estilo. Un director es un recurso que necesitas saber como usar; esta seccin te dice como. La 10 es acerca de la tesis. Tu tesis, ocupar la mayor parte de tu tiempo durante la mayor parte de tu carrera como estudiante de posgrado. La seccin da consejos en la escogencia de un tema y cmo evitar perder el tiempo. La 11 esta sobre la metodologa de investigacin Esta seccin en su mayor parte no ha sido escrita todava. La 12 es tal vez la seccin ms importante: es acerca de los factores emocionales en el proceso de investigacin. 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 est aun en estado de desarrollo; nosotros aceptamos contribuciones y comentarios. Algunas secciones estn muy incompletas. [Las anotaciones entre

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

Leyendo IA
La mayora de los investigadores pasan ms de la mitad de su tiempo leyendo. Se puede aprender mucho ms rpido del trabajo del trabajo de otras personas que del propio. Esta seccin habla acerca de la lectura de AI; la seccin 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 tendrs menos tiempo, y tus lecturas tendrn que ser ms enfocadas a tu rea de investigacin. Durante tus primeros 2 aos, estars ms que todo haciendo tareas y aprendiendo sobre AI en general. Para esto bastar leer libros y artculos publicados en revistas. (Despus, debers leer principalmente borradores; ver seccin 3.) La cantidad de cosas que necesitas leer para tener bases slidas en el campo puede parecer intimidante, pero ya que la AI es todava un campo pequeo, en un par de aos puedes leer una fraccin sustancial de los artculos importantes que han sido publicados. Lo que es un poco difcil es saber cuales son. Hay algunas bibliografas que son tiles: por ejemplo, las listas de lecturas de los cursos de AI. La lista de lecturas para los quals (TODO: traduccin correcta de quals) de AI en otras universidades, particularmente Stanford, tambin son tiles, y te brindan un punto de vista menos parroquial. Si estas interesado en un rea en particular, acude a un estudiante de grado ms avanzado en esta sub-rea y pregntale cuales son los 10 artculos ms importantes y mira si el te los puede prestar para que los fotocopies. Recientemente han aparecido unas buenas colecciones de artculos revisados de subcampos, publicados particularmente por Morgan-Kauffman. El laboratorio de IA tienen tres series de publicaciones internas, los working papers, memos, y reportes tcnicos, en orden creciente de formalidad. Ellos estn disponibles sobre estantes en el octavo piso de la sala de recreacin. Revisa lo que se ha hecho en los ltimos 2 aos y saca copias de los que se vean remotamente interesantes. Adems, el hecho de que una parte de ellos son papers importantes

hace que sea polticamente correcto leerlos para estar actualizado sobre que estn haciendo las personas en tu laboratorio. Hay muchas revistas de AI, y podras pasar todo el tiempo leyndolas. Afortunadamente, solo unas cuantas valen la pena. La principal revista sobre central-systems es Artificial Intelligence, tambin referenciada como "The journal of Artificial Intelligence", o "AIJ". La mayora de los artculos realmente importantes en AI algn da llegan a AIJ, as que vale la pena buscar en las publicaciones de los ltimos aos. Pero gran parte de lo impreso es realmente aburrido. La Inteligencia Computacional es un nuevo competidor que vale la pena revisar. Las Ciencias Cognitivas tambin imprimen un nmero considerable de artculos de AI importantes. Machine Learning es la fuente ms importante sobre este tema. IEEE PAMI es tal vez la revista mejor establecida sobre visin: 2 o 3 artculos interesantes por revista. La International Journal of Computer Vision (IJCV) es nueva y hasta el momento ha sido interesante. Los artculos sobre Robtica son en su mayora sobre dinmica; IEEE Robotics and Automation tiene ocasionalmente artculos buenos. Vale la pena ir a tu librera de Ciencias de la Computacin de cada ao y revisar los reportes tcnicos en AI del aos anterior en otras universidades y leer los que se vean interesantes. Leer artculos es una habilidad que requiere prctica. No puedes darte el lujo de leer todos los artculos que te llegan. Hay tres fases para la lectura de cada uno. La primera es ver si hay algo de inters. Los artculos de AI tienen abstracts, que supuestamente dicen lo que ellos contienen, pero en realidad no es as; as que tienes que hojearlo, leer un poco aqu y all, para saber qu es lo que los autores realmente hicieron. La tabla de contenidos, conclusiones, y la introduccin son buenos lugares para buscar. Si todo esto falla, tal vez te toque hojear todo el contenido. Una vez hayas imaginado de qu trata el paper en general y cual es la supuesta contribucin, puedes decidir si entrar a la segunda fase o no. La segunda fase es encontrar la parte del artculo que tiene las cosas tiles. La mayora de los papers de 15 pginas podran ser reescritos como artculos de una pgina; Toca buscar la pgina que tiene lo interesante. A menudo esta est escondida en donde no debera estar. Lo que el autor cree interesante acerca de su trabajo puede no ser interesante para ti, y viceversa. Finalmente, puedes regresar y leer todo el artculo hasta el final si te parece importante.

Lee con una pregunta en mente. "Como puedo usar esto?", "Hace esto realmente hace lo que el autor afirma?", "Qu tal si ...?" Comprender los resultados que han sido presentados no es lo mismo que comprender el artculo. La mayor parte de la comprensin esta en entender las motivaciones, las elecciones hechas por el autor (muchas de ellas implcitas), si las suposiciones y formalizaciones son realistas, las direcciones que el trabajo sugiere, los problemas que se ven en el horizonte, las dificultades recurrentes que aparecen en la investigacin del autor, los puntos polticos que el artculo toca, y as sucesivamente. Es una buena idea enlazar tu lectura a la programacin. Si ests interesado en un rea y lees unos artculos sobre ella, trata de implementar versiones de juguete de los programas descritos. Esto te da una compresin ms concreta. La mayora de laboratorios de AI son tristemente aislados. Las personas a menudo muy comnmente leen y citan trabajo hecho slo en su propia universidad. Otras instituciones tienen diferentes formas de pensar acerca de los problemas, y es meritorio leer, tomar seriamente, y referenciar su trabajo, aun si crees saber qu esta mal en el. A menudo algunas personas te pasarn un libro o artculo y te dirn que debes leerlo porque es, a) la cosa ms brillante escrita y/o b) porque aplica a tu investigacin. Usualmente cuando lo lees encontrars que no es tan brillante o vagamente aplicable. Esto puede ser desconcertante. hay algn problema conmigo? estoy perdindome de algo?. La verdad, la mayora de las veces, es que la lectura del libro o artculo en cuestin puede haber hecho que tu amigo piense algo til acerca de tu tema de investigacin catalizando una lnea de pensamiento que se estaba formando en su cabeza.

Conectndose
Despus del primer o segundo ao, tendrs alguna idea acerca del subrea en la que vas a trabajar. En este momento, en incluso antes, es importante conectarse con la red secreta de circulacin de papers. Es en esta red informal en donde est la accin real. Los trabajos que marcan el camino eventualmente se convierten en papers publicados, pero no hasta al menos un ao despus que la gente cool lo sabe.

Esto significa que la gente cool tiene un ao avanzado de trabajo con las nuevas ideas. Cmo se entera la gente cool de una idea nueva? Tal vez ellos la escuchan en una conferencia; pero es ms probable que la obtuvieron de la red secreta de circulacin de papers. As es como la cosa funciona. A Jo Cool se le ocurre una buena idea. Ella programa una implementacin a toda velocidad y ms o menos funciona, de forma que ella escribe el borrador de un paper acerca de esto. Ella quiere saber si la idea es buena, de manera que enva papers con la idea a diez amigos, y solicita comentarios. Ellos creen que la idea es buena, as que adems de decirle a Joe cules son los problemas con su idea, ellos le entregan copias a sus amigos para fotocopiar. Los amigos le entregan copias a sus amigos, y as sucesivamente. Muchos meses ms tarde, Joe revisa el documento y lo enva a AAAI. Seis meses ms tarde, aparece primero en una versin impresa recortada de cinco pginas (es todo lo que la AAAI permite). Eventualmente Jo mejora su programa y escribe una versin revisada (basada en la realimentacin de la versin de la AAAI) y la enva al Journal de AI. AIJ tiene aproximadamente dos aos de retorno, que con los retrazos debidos a a la revisin de los pares y a la publicacin, hacen que la idea de Jo aparezca en forma de journal casi tres aos despus de que ella la tuvo y casi tanto tiempo despus de que la gente cool supo de la idea. De manera que la gente cool casi nunca se entera de su rea por los artculos publicados en los journals; esos salen muy tarde. Tu tambin, puedes ser una persona cool. Aqu hay algunas de las heursticas para establecer contacto: Hay muchas listas de correo que discuten sub-campos de la IA como conexionismo o visin. Inscribete en las que consideres interesantes. Siempre que hables acerca de una idea que has tenido con alguien que conoce el campo, es probable que no te den una evaluacin de tu idea, pero que digan, "Has ledo X?". No es una pregunta en verdad, sino una sugerencia de algo para leer que probablemente es relevante. Pero si no has ledo X, pdele a esta persona la referencia completa, o aun mejor, pdele que te preste el paper y scale una copia. El laboratorio tiene muchos grupos de discusin informales en varios subcampos. Estos grupos se renen cada una o dos semanas para discutir un paper que todo el mundo ha ledo.

Algunas personas no les importa si lees su escritorio. Es decir, leer los papers que ellos van a leer pronto, suelen estar apilados ah y desaparecer regularmente. Puedes mirarlos buscando algo interesante. Asegrate de preguntar antes de hacerlo. A algunos si les importa. Trata con aquellas personas que parezcan amigables y conectadas. De forma anloga, a algunas personas no les importa si revisas sus archivadores. Estas son las personas del laboratorio que tienen becas y tienen archivadores organizados. Ocasionalmente es ms rpido y ms confiable buscar papers ah que en la biblioteca. Siempre que escribas algo, distribuye copias del borrador a las personas que puedan estar interesadas. (Esto tiene un problema potencial: el plagio es raro en AI, pero pasa. Puedes poner algo como "Por favor, no cite ni copie" en la pgina inicial como una medida profilctica parcial). La mayora de las personas no leen la mayora de papers que les dan, de forma que no te tomes las cosas tan a pecho cuando veas que slo algunas de las copias que distribuiste vuelven con comentarios. Si haces muchos borradores -deberas si es para un journal- slo algunos lectores leern ms de uno de ellos. Se espera que tu director sea la excepcin. Cuando termines un paper, enva copias a todos aquellos que creas puedan estar interesados. No supongas que lo leern en el journal espontneamente. Las publicaciones internas (memos y reportes tcnicos) tienen menor probabilidad de ser ledos. Es mucho mejor si puedes hacer conexiones con personas diferentes. Trata de intercambiar papers con personas de diferentes grupos de investigacin, diferentes laboratorios de IA, diferentes reas acadmicas. S el puente entre dos grupos de personas interesantes trabajando en problemas similares que no se hablan mucho y de repente muchos papers interesantes pasarn por tu escritorio. Cuando un paper cite algo que parece ser interesante, has una nota. Lleva notas de las referencias interesantes. De vez en cuando, ve a la biblioteca y bscalas. Puedes hacer un "grafo de referencias" de citaciones cuando ests bien metido en un tema interesante. Un grafo de referencias es una red de citaciones: el paper A cita al paper B y el C, B cita a C y D, C cita a D, y as sucesivamente. Cuando notes que un paper es citado sucesivamente entonces vale la pena leerlo. Los

grafos de referencias tienen propiedades extraas. Una de ellas es que con frecuencia hay dos grupos de personas trabajando en el mismo tema y no se conocen. Puedes encontrar que ya casi terminas de hacer un grafo cuando de pronto aparece una nueva seccin. Esto pasa cuando se trata con diferentes escuelas o aproximaciones. Es ms valioso comprender cuantas diferentes aproximaciones como sea posible. Con frecuencia, comprendiendo una aproximacin con gran profundidad. Sal. Habla con las personas. Cuntales en qu andas y pregntales que andan haciendo. (Si eres tmido para hablar de tus ideas con otros estudiantes, digamos porque sientes que no tienes ninguna, entonces trata de hablar con ellos acerca de las cosas increbles o tontas sobre las que has estado leyendo. Esto lleva inevitablemente a hablar sobre lo que se puede hacer despus). Hay un grupo informal que se rene a almorzar en el sptimo piso al medio da. Las personas tienen a trabajar en el laboratorio de noche, y entonces van a comer en grupos sueltos. Invitate tu mismo y ve con ellos. Si tratas mucho con personas de afuera -haciendo demos o yendo a conferencias- haste unas tarjetas. Has que tu nombre sea fcil de recordar. En algn momento comenzars a ir a conferencias cientficas. Cuando lo hagas, descubrirs que casi todos los papers presentados en cualquier conferencia son aburridos o tontos. (Hay razones interesantes para esto que no son relevantes ahora). Por qu ir? Para conocer gente en el mundo que est afuera del laboratorio. Esas personas pueden hablar a otros sobre tu trabajo, invitarte a dar charlas, contarte acerca de las atmsferas y personalidades en algn lugar, presentarte nuevas personas, ayudarte a encontrar trabajos de verano, y as. Cmo conocer estas personas? Si te gust el paper de alguien acrcate, diciendo algo como "Me gust mucho tu paper", y has una pregunta. Consigue trabajos de verano en otros laboratorios. Esto te acerca a muchas personas que probablemente tienen una manera diferente de ver cosas. Una buena forma de conseguir trabajos de verano en otros laboratorios es preguntndole a estudiantes de posgrado senior cmo lograrlo. Probablemente ellos han estado en lugares a los que te gustara ir y probablemente te pueden conseguir los contactos adecuados.

Aprendiendo Otros Campos

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

computacin es la tecnologa con la que trabajamos. Es casi seguro que los cursos introductorios de posgrado que debes ver por obligacin no te den una comprensin adecuada, as que tendrs que leer mucho ms de lo que te piden. Tosas las reas de las ciencias de la computacin son relevantes : ciencia-teora, arquitectura, sistemas, lenguajes, etc. Es probable que lo ms importante por saber son las matemticas. Es crtica para el trabajo con visin y robtica. Para sistemas centrales no es directamente relevante, pero te ensea formas tiles de pensar. Necesitas ser capaz de leer teoremas, y la habilidad de probarlos impresionar a la mayora de las personas del campo. Muy pocas personas pueden aprender matemticas por si mismas, necesitas un arma apuntando a tu cabeza en forma de curso, y necesitas resolver los problemas, as que ir a escuchar las clases no es suficiente. Aprende todas las matemticas temprano, mientras puedas. Los otros campos se aprenden con ms facilidad posteriormente Las ciencias de la computacin se basan en: matemticas discretas, lgebra, teora de grafos, y similares. La lgica es muy importante si vas a trabajar en razonamiento. No se usa demasiado en el MIT, pero en Stanford y en otros lados es la forma dominante de pensar sobre la mente, as que debes aprender lo suficiente para poder defender por ti mismo una opinin. Uno o dos cursos de posgrado en el departamento de matemticas del MIT es probablemente suficiente. Para el trabajo en percepcin y robtica, necesitas matemticas continuas y discretas. Unas bases slidas en anlisis, geometra diferencial y topologa ensearan habilidades que se necesitan con frecuencia. Algo de estadstica y probabilidad es generalmente til. La sicologa cognitiva comparte la visin de la IA, pero los practicantes tienen metas diferentes y hacen experimentos en lugar de hacer programas. Todo el mundo necesita saber algo de esto. Molly Potter ensea un buen curso introductorio en el MIT La Developmental psychology es vital si vas a trabajar en aprendizaje. Es generalmente til porque te da alguna idea de las cosas que deberan ser fciles o difciles para una inteligencia como la humana. Adems sugiere modelos para una arquitectura cognitiva. Por ejemplo, el trabajo en la adquisicin del lenguaje infantil pone algunas restricciones el las teoras del procesamiento lingstico. Susan Carey tiene un curso de posgrado bueno en el MIT. Las formas mas "suaves" de sicologa como el sicoanlisis y la sicologa social han afectado menos la IA, pero tienen un potencial

significativo, ya que dan formas muy diferentes se pensar acerca de lo que son las personas. Tanto las "ciencias" sociales como la sociologa y la antropologa pueden tener roles similares. Son tiles para tener muchas perspectivas. Te toca aprender por tu cuenta. Desafortunadamente, es difcil diferenciar lo bueno de lo malo en estos campos sin la ayuda de alguien competente que est adentro. Revisa en Harvard: Para los estudiantes del MIT es fcil registrar clases all.

Libreta de Notas
Muchos cientficos mantienen cuadernos de notas sobre su investigacin. Usted tambin debera hacerlo. Probablemente te han dicho esto en todas las clases de ciencia desde quinto grado, y en realidad, es cierto. Tenga en cuenta que diferentes sistemas trabajan para diferentes personas; experimente. Puede ser que lo mantenga en lnea o en varios libros de notas. Es posible que tenga uno en el laboratorio y uno en su casa. Registre sus ideas en el cuaderno tan pronto como se le ocurran. Recuerde que nadie excepto usted lo leer, as que pueden ser registradas de manera aleatoria. Escriba especulaciones, problemas actuales en su trabajo, posibles soluciones. Trabaje a travs de posibles soluciones all. Tome nota de lo que lee y de las futuras referencias de inters. Lea las notas hechas peridicamente. Algunas personas hacen un resumen mensual para una fcil referencia. Las anotaciones hechas pueden frecuentemente ser la espina dorsal del paper. Esto hace la vida mucho ms fcil. Por otro lado, usted puede encontrar que escribir el titulo del documento, resmenes, ttulos de secciones, fragmentos de texto, es una manera de documentar lo que usted ha hecho, an cuando no tiene intencin de hacer un paper de esto. (Tal vez cambie de opinin ms tarde). Puede encontrar til leer el libro "Notebooks of the mind", de Vera Johnson-Steiner. Aunque no es literalmente acerca de libros de notas, describe la forma en la que el pensamiento creativo emerge de la acumulacin de fragmentos de ideas.

Escribir

Hay muchas razones para escribir. Usted requiere escribir una o dos tesis durante sus estudios de posgrado: un PhD y quizs un Ms, dependiendo de su departamento. Escribir mucho ms que eso le da a usted prctica. En la academia existe una mxima "pblica o muere". En muchas reas y en la escuela, esto comienza en serio cuando usted se hace profesor, pero la mayora de los estudiantes de nuestro laboratorio publican antes de graduarse. Publicar y distribuir documentos es buena poltica y buena publicidad al mismo tiempo. Anotar sus ideas es la mejor forma para corregirlas. Usualmente encontrar que lo que pareca perfecto en su cabeza est hecho un lo incoherente sobre el papel. Si su trabajo beneficiar a otra persona adems de usted, entonces debe publicarlo. Esta es una responsabilidad bsica de la investigacin. Si usted escribe bien, ms personas leern su trabajo! En IA es muy duro hacer todo por s mismo. Constantemente se necesita realimentarse de conceptos de otras personas. Los comentarios acerca de sus publicaciones son una de las mejores formas de realimentacin. Cualquier cosa digna de hacer es tambin digna de hacerla bien. Lea libros acerca de cmo escribir: Strunk and White's Elements of Style da las bases acerca de lo que debe hacer y no hacer. Claire Cook's The MLA's Line By Line (Houghton Mifflin) versa sobre darle sentido a la oracin. Jacques Barzun's Simple and Direct: A Rhetoric for Writers (Harper and Row, 1985) trata acerca de la composicin. Cuando escriba un documento, lea libros que estn bien escritos, pensando en modo segundo plano (background) acerca de las dinmicas de la sintaxis. Usted se encontrar sin darse cuenta absorbiendo el estilo del autor. El aprender a escribir bien requiere hacerlo continuamente, durante aos, adems requiere tomar seriamente la crtica de lo que usted ha escrito. No hay manera de hacerlo dramticamente mejor y rpidamente.

Escribir resulta a veces complicado, y puede parecer una distraccin para hacer el trabajo real. Pero como a medida que usted consigue mejorar, avanza ms rpido, y usted se acerca al arte, usted puede disfrutar mucho el proceso para su propia inspiracin. En realidad usted sufrir del bloqueo del escritor en algn punto. El bloqueo del escritor tiene muchas fuentes y ninguna cura segura. El perfeccionismo puede conducir al bloqueo del escritor: lo que usted comienza a escribir no parece lo suficientemente bueno. La escritura es un proceso de eliminar errores. Escriba algo sencillo al principio y vaya arreglndolo sucesivamente. El comenzar con algo simple permite surgir ideas y continuar con el flujo de la escritura. Si usted "no puede" escribir el texto, escriba una oracin. Hgalo ms y ms detallado hasta que sea fcil escribir las subsecciones siguientes. Si encuentra complicado ser sencillo, pruebe girar la perilla del contraste de su PC de tal forma que no pueda ver lo que est escrito. Escriba lo que se le viene a la mente, incluso si parece basura. Despus de que tenga gran cantidad de texto escrito, vuelve a girar la perilla y convierta lo que ha escrito en algo con sentido. Otro error es imaginarse que todo puede ser escrito en orden. Usualmente debera comenzar con la sustancia del documento y escribir generalmente de ltimo la introduccin, despus de que usted sepa lo que dice el documento realmente. Otra causa del bloqueo del escritor son expectativas poco realistas de lo fcil que es escribir. La escritura es un trabajo duro y toma mucho tiempo; no se frustre si descubre que slo escribe una pgina al da. El perfeccionismo puede tambin conducir al depuramiento sin fin de un paper perfectamente adecuado. sta es una prdida de tiempo. (puede tambin ser una manera deliberada de evitar hacer la investigacin.) Piense en el documento que se est escribiendo como una frase en una conversacin que tiene con gente en ese campo. En una conversacin no todo calza perfectamente; pocos esperan que lo que usted diga en una sola locucin sea todo lo que hay que decir o la ltima palabra en el intercambio. Escribir cartas es una buena prctica. La mayora de los documentos tcnicos seran mejorados si el estilo fuera ms parecido a las cartas para una amiga. Mantener un diario es tambin una manera de practicar la escritura (y le deja experimentar ms el estilo que los

documentos tcnicos). Ambas prcticas tienen otros beneficios substanciales. Es una trampa comn pasar ms tiempo realizando la macro del trabajo que dedicrselo al contenido. Evite esto. El LaTeX es imperfecto, pero tiene la mayora de las macros que usted desea. Si eso no es suficiente, usted puede pedir prestado probablemente cdigo a alguien que haya deseado la misma cosa. La mayora de los sitios (incluyendo el MIT) mantienen una biblioteca de extensiones escritas localmente. Conozca lo que usted quiere decir. ste es el factor ms duro e importante de escribir claramente. Si usted escribe algo torpe y no puede repararlo, probablemente no est seguro de lo que realmente desea decir. Una vez que usted sepa qu decir, solo dgalo. Haga que el lector descubra fcilmente lo que usted ha hecho. Ponga la materia atractiva arriba, en todos los niveles de la organizacin del prrafo para todo el documento. Haga cuidadosamente el resumen a mano. Asegrese que lo que dice es una buena idea. Asegrese que usted mismo sabe que es! Entonces calcule cmo decirlo en pocas oraciones. Muchos resmenes (abstracts) tratan acerca de lo que generalmente es el artculo y prometen una idea sin decir cul es. No se trata de "vender" lo qu usted ha hecho con grandes palabras o grandes pretensiones. Sus lectores son buenas personas; la honradez y el amor propio son suficientes. Por el contrario, no se disculpe por sintetizar su propio trabajo. Usted escribir a menudo una clusula u oracin o prrafo que usted sabe est incorrecto, pero usted no estar en capacidad de encontrar una manera de repararlo. Esto sucede porque se ha quedado acorralado y ninguna opcin lgica puede permitirle salir. Usted tiene que retirarse y reescribir todo nuevamente. Esto sucede menos con la prctica. Cercirese de que su paper tenga una idea. Si su programa soluciona el problema X en 10 ms, diga al lector porqu este lo resuelve tan rpido. No solo explique cmo se construye su sistema y lo que hace, tambin explique porqu trabaja y porqu es interesante.

Escriba para la gente, no para mquinas. No es bastante que su argumento est correcto, adems de esto deber ser fcil seguirlo. No confe en el lector para hacer cualquier deduccin, ni las ms obvias. Que usted explique cmo trabajaba el frobnitz en un pie de pgina sobre la hoja siete no es una justificacin cuando el lector est confundido por su introduccin sin la explicacin adicional en la pgina veintitrs. Los documentos formales son particularmente difciles de escribir claramente. No imite los textos matemticos; su estndar de la elegancia es decir lo menos posible y hacer el trabajo del lector tan duro como sea posible. Esto no es apropiado para la IA. Despus de que usted haya escrito un documento, suprima el primer prrafo o las primeras oraciones. Usted encontrar probablemente que eran generalidades libres de contenido, y que una oracin mucho mejor introductoria se puede encontrar en el final del primer prrafo o el principio del segundo. Si usted espera para escribir hasta haber terminado todo el trabajo, usted perder la mayora de los beneficios. Una vez que usted comience a trabajar en un proyecto de investigacin, es una buena idea crear el hbito de escribir explicando informalmente en el documento que ha hecho y ha aprendido en los primeros meses. Comience con el contenido de su cuaderno de investigacin. Tome dos das para escribir, si dura ms, usted est siendo perfeccionista. ste no es algo que debe juzgar; comparta con sus amigos. Escriba "Borrador no para citaciones" en la cubierta. Haga una docena de copias y dlas a la gente que es probable estar interesada (incluyendo su director!). Esta prctica tiene la mayora de las ventajas para escribir un artculo formal (comentarios, claridad de pensamiento, prctica en la escritura, y as sucesivamente), pero en una escala ms pequea y con mucho menos trabajo invertido. A menudo, si su trabajo va bien, estos papers informales se pueden utilizar ms adelante como la espina dorsal de un paper ms formal, desde un working paper del Laboratorio de IA a un artculo en un Journal. Una vez que usted haga parte de la Red Secreta de Circulacin de Papers, encontrar que la gente le da copias de los proyectos sobre los cuales ella desea comentarios. Obtener comentarios sobre sus papers es extremadamente valioso. Usted consigue personas que se toman el tiempo de escribir comentarios en sus documentos escribiendo comentarios en los de ellos. As entre ms comentarios

usted haga a documentos de otras personas, ms favores sern debidos a usted y todo esto a travs de una poltica de buena escritura. Por otra parte, aprender a criticar los artculos de la gente ayudar a su propia escritura. Escribir comentarios tiles en un documento es un arte. Para escribir comentarios realmente tiles, usted necesita leer el artculo dos veces, una vez para obtener las ideas, y la segunda vez para marcarlas. Si alguien est incurriendo en la misma equivocacin repetidamente, no slo lo marque una vez. Intente calcular cual es el patrn, porqu la persona lo est haciendo, y qu se puede hacer. Entonces explique esto explcitamente en una pgina o en persona. El autor, al incorporar sus comentarios, seguir la lnea de menos resistencia, fijndose solo en una palabra si es posible, o si no entonces en una frase, o en su defecto una oracin. Si una cierta torpeza en su texto significa que tienen que volver al inicio del prrafo, o que tienen que repensar el tema central de toda la seccin, o que la organizacin total del artculo es incorrecta, diga esto en maysculas con el fin de que no pueden ignorarlo. No escriba crticas destructivas como "basura" sobre el artculo. Esto no contribuye en nada al autor. Tome el tiempo para proporcionar sugerencias constructivas. Es til pensar cmo usted reaccionara a la crtica de su propio artculo cuando la proporcione a otros. Hay una variedad de clases de comentarios. Hay comentarios sobre la presentacin y comentarios sobre contenido. Los comentarios sobre la presentacin varan en alcance. Errores tipogrficos de correccin de copias, puntuacin, faltas de ortografa, palabras que faltan, y as sucesivamente. Aprenda los smbolos estndares para corregir copias. Usted puede tambin corregir la gramtica, diccin, elocuencia, y los pasajes confusos. La gente incurre en equivocaciones gramaticales constantemente, usando por ejemplo comas de ms; tome tiempo para explicarle el problema explcitamente. Despus organice los comentarios: ideas de servicio varias escalas de clusulas a travs de oraciones y prrafos a las secciones y a los captulos; redundancia; contenido irrelevante; argumentos que hacen falta.

Los comentarios sobre contenido son ms difciles de caracterizar. Usted puede sugerir las extensiones a las ideas del autor, cosas sobre las cuales pensar, errores, problemas potenciales, expresiones de admiracin. "Usted debe leer X porque Y" es siempre un comentario til. Al solicitar comentarios sobre un documento, tal vez quiera especificar cuales son los ms tiles. Para un primer borrador, usted quiere sobre todo comentarios sobre contenido y la organizacin; para un borrador final, usted desea sobre todo comentarios sobre los detalles de la presentacin. Este seguro haber sometido el artculo a travs de un corrector ortogrfico antes de pedir comentarios. Usted no tiene que tomar todas las sugerencias que usted recibe, pero usted debe tomarlas seriamente. Cortar partes de un documento es particularmente doloroso, pero generalmente lo mejora. A menudo si usted se encuentra con una sugerencia opuesta es porque mientras precisa un problema genuino en su artculo la solucin sugerida es poco atractiva. Cercirese de que sea legible. Se rechazan los papers porque son incomprensibles o desorganizados tan a menudo como los que no tienen nada decir. Haga que los borradores circulen por un tiempo antes de enviarlos al journal. Consiga e incorpore los comentarios. Resista la tentacin de apresurar un resultado en la publicacin; no hay mucha competicin en la IA, y los retrasos por comentarios al borrador son menores que los retrasos inherentes a la publicacin. Lea algunas ediciones anteriores del journal o de las conferencias a la que usted enva el paper para cerciorarse de que el estilo y el contenido de su paper son los apropiados. La mayora de las publicaciones tienen una "informacin para los autores" o un resumen de una pgina de lo que desean. Lalo. Las principales publicaciones eligen papers premiados con base a la excelencia del contenido y de la presentacin entre los aceptados. Lealos. Es a menudo apropiado enviar un reporte temprano conferencia y una versin final ms larga a un journal. a una

Los papers que son rechazados no deben desanimarle, debe perseverar hasta obtener su publicacin. (Los papers son rechazados, no destruidos). El proceso de revisin se diferencia ampliamente entre los journals y las conferencias. Para conseguir tiempo de retorno rpido, las conferencias deben ser revisadas rpidamente. No hay tiempo para la contemplacin o para la interaccin. Si te lo devuelven, pierdes. Pero con un journal, usted puede discutir a menudo con el redactor, y con el rbitro a travs del redactor. Los rbitros deben ser provechosos. Si usted obtiene un informe desagradable del rbitro, debe quejarse al programa o al redactor. No espere mucha realimentacin de parte del rbitro para la conferencia. Pero desde los journals, puede conseguir a menudo sugerencias excelentes. Usted no tiene que acatar todas, pero si no las hace debera explicar porqu, y darse cuenta de que se requiere una negociacin adicional. En cualquier caso, no es fcil saber en cual lado del proceso de revisin se encuentra, sea corts. Usted va a trabajar las personas cuyos papers revisa en una comunidad por el resto de su vida profesional. Los MIT AI memos son generalmente de alta calidad, listos para ser publicados. De hecho, los reportes tcnicos son casi siempre versiones revisadas de tesis. Los working papers suelen ser muy informales. Ellos son una buena forma de hacer que se hagan muchas copias de papers que quieres enviar a muchos colegas. Puedes publicar uno de estos documentos internos obteniendo una forma en el departamento de publicaciones y haciendo que dos profesores lo firmen. Como todo en la investigacin, la escritura de papers toma siempre mucho ms tiempo del que usted espera. Sin embargo, los papers para la publicacin tienen una forma particularmente recurrente de esta enfermedad. Despus de que usted finalmente acabe un papers, usted lo enva para la publicacin. Muchos meses despus lo recibe con comentarios, y usted tiene que revisarlos. Entonces meses despus de la comprobacin vuelve para la correccin. Si usted publica varias formas del paper, como una versin corta de la conferencia y una versin larga para el journal, sta puede pasar a travs de varios rounds. El resultado es que an trabajar sobre un paper aos despus de haberlo escrito por primera vez, cuando ya el

tema se ha heurstica: no de forma que ser peor de lo

vuelto supremamente aburrido. Esto sugiere una investigues en algo que no te apasione completamente no sea difcil conseguir una publicacin. El dolor puede que supones.

Charlas
Las charlas son otra forma de comunicacin con tus colegas, y la mayora de las cosas que dijimos acerca de escribir, son ciertas para las charlas. La habilidad para estar de pie frente a una audiencia y dar una charla sin que la gente se duerma es crucial en trminos de reconocimiento, respeto, y tal vez para un trabajo. La habilidad para hablar no es innata. Puedes comenzar tu vida de posgrado como un conferenciante muy malo, y terminar como una mente brillante si practicas, practicas y practicas, dando charlas a grupos de personas. Algunas formas de aprender y practicar: Patrick Winston tiene un excelente paper corto acerca de como dar charlas. El adems da una charla cada enero que simultneamente ilustra y describe sus heursticas. Si sientes que eres un conferenciante muy malo. o quieres ser uno bueno, toma un curso para hablar en pblico. Una clase introductoria a la actuacin es til tambin. Si los estudiantes consejeros tienen reuniones regulares, da charlas acerca de tus cosas voluntariamente. El laboratorio de AI del MIT tiene una serie de charlas semiformales llamadas Seminario peridico (Revolving Seminar). Si tienes algo que pueda convertirse en un memo de AI o un paper para una conferencia, da una charla voluntariamente. Aprende lo suficiente acerca de los proyectos de robtica del laboratorio para que cuando tu familia o tus amigos de afuera vengan, les puedas dar un tour y una charla de 60 segundos en frente de cada robot. (Usualmente, esto le encantar a tu familia y a tus amigos que no estudian IA; Ellos no se impresionaran tanto con los detalles de tu proyecto de maestra). Componer una charla es ms fcil que componer un paper, y algunas personas notan que componer una charla es una buena manera de

expresar sus ideas. (Mike Brady cont una vez que las mayora de sus mejores papers comenzaron como charlas). Practica la charla en un saln vaco, preferiblemente el mismo en el que vas a dictarla. 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. Cada prctica te permite depurar las partes mecnicas de la charla: Lo que hay que decir en cada diapositiva, mover los cobertores suavemente, sincronizar las notas y las diapositivas, estimar la longitud de la charla completa. Mientras menos tiempo gastes moviendo el equipo torpemente, ms tiempo tendrs para comunicarte. Practicar con un espejo, una grabadora, o con una videocmara es otra opcin. El laboratorio tiene las tres. Ellas te pueden ayudar a depurar tu voz y el lenguaje corporal. Para una charla relativamente formal -especialmente tu Examen Oral, haz una de las charlas de prctica con media docena de amigos y pide observaciones. Mira las charlas de otras personas. Hay muchas charlas dadas por personas que visitan el MIT. Ir a estas charlas es una buena forma de entrar en contacto con reas que no te son familiares, y si la charla resulta aburrida, puedes divertirte analizando lo que el conferenciante est haciendo mal. (Ir a los seminarios es adems una forma de curar la compra compulsiva de golosinas a la mitad de la tarde). Arrinconar a un amigo y tratar de explicar tus ideas ms recientes es una buena forma de mejorar tus habilidades comunicativas, y de depurar tus ideas. Algunas cosas claves para recordar en la planeacin y ejecucin de una charla: Solamente puedes presentar una "idea" o "tema" en una charla. En una de 20 minutos o ms corta, la idea debe ser extremadamente clara y no puede tener teora complicada adicional. En una de 30 o 45 minutos la idea puede requerir algo de elaboracin o algo de soporte. En una de una hora la idea puede ser presentada en contexto, y algunas de las cosas feas pueden ser reveladas. Las charlas nunca deberan sobrepasar la hora (aunque con frecuencia lo hacen).

Las personas del auditorio quieren estar all; ellos quieren aprender lo que tienes que decir. Ellos no estn solamente esperando una excusa para atacarte, y se sentirn ms cmodos si tu estas relajado. Toma por lo menos un minuto por diapositiva. La tasa vara de acuerdo a la persona, pero un error comn es pensar que puedes hacerlo ms rpido y seguir siendo claro. No se puede. No trates de comprimir todo lo que sabes en una charla. Necesitas tocar solamente los puntos claves de tus ideas, dejando por fuera los detalles. Las charlas de AI estn usualmente acompaadas por transparencias, tambin conocidas como diapositivas. Usa pocas palabras y letra grande. Si no puedes leer fcilmente tus diapositivas estando de pie y dejndolas en el piso, la letra est muy pequea. Incluye dibujos siempre que sea posible, No te pares en frente de la pantalla. No apuntes a la transparencia si es posible apuntar a la pantalla. Si debes apuntar a la transparencia, no la toques porque se mover. Nota del traductor: Hay buenos consejos para preparar charlas en la pgina http://www.brics.dk/~danvy/talk.html. En esta pgina se encuentran las diapositivas de "una charla sobre hacer charlas", en idioma ingls.

Programacin
No todas las tesis de IA llevan cdigo, y hay personas importantes en la IA que nunca han escrito un programa importante, pero para aproximarte por primera vez a la IA debes ser capaz de programar. No es solamente que la mayora del trabajo en IA requiera escribir programas, sino que aprender a programar te da intuiciones cruciales acerca de lo que es computacionalmente posible, y lo que no. Esta es la mayor fuente de restricciones que la IA contribuye a las ciencias cognitivas. En el MIT, esencialmente, toda la programacin de IA se ha hecho en Common Lisp. Si no lo sabes, aprndelo. Aprender un lenguaje no es aprender a programar, de todas maneras. La programacin de IA involucra tcnicas que son muy diferentes a aquellas usadas en programacin de sistemas o para otras aplicaciones.

Puedes comenzar leyendo Structure and Interpretation of Computer Programs, de Sussman y Abelson (SICP) y haciendo algunos de los ejercicios. El libro no es acerca de programacin de IA en si, pero ensea algunas de las tcnicas. Luego lee la tercera edicin del libro de Lisp de Horn; tiene muchos programas bonitos de AI. Al fin, programar, y no leer es la mejor forma de aprender a programar. Mucha de la cultura de Lisp se aprende de otras personas. Algunas personas trabajan bien escribiendo cdigo juntas; depende mucho de las personalidades. Aprovecha las oportunidades de trabajar con programadores con ms experiencia, o mira si puedes hacer que alguien critique tu cdigo. Es extremadamente til leer el cdigo de otras personas. Pregunta a media docena de estudiantes de posgrado senior si te pueden dar el cdigo fuente de sus programas. Probablemente, se quejen un poco, hagan algo de ruido con respecto a lo horrible que es su estilo de programacin y que el programa no funciona como ellos quieren, y que luego te den el cdigo de todas maneras. Lee el cdigo cuidadosamente. Esto toma mucho tiempo, y leer y entender completamente el cdigo de otro puede tomar tanto tiempo como escribirlo tu mismo, as que separa algunas semanas de tu primer o segundo semestre para hacer esto. Aprenders muchos trucos que no habas pensado y que no estn en los libros. Tambin aprenders cmo no se debe escribir cdigo cuando te topes con pginas de cdigo incoherente sin documentar. Todas las cosas estndares aburridas de la clase de ingeniera de software son ciertas para la programacin de IA. Comenta tu cdigo. Usa las abstracciones de datos correctas a menos que haya una razn buena para no hacerlo. Aparta las grficas del resto de tu cdigo, de manera que la mayora de lo que escribes sea Common Lisp, portable. Y as, sucesivamente. Durante las primeros aos, deberas escribir tus propias versiones de muchos programas bsicos para la IA, como: Un sistema de mantenimiento de verdades (truth maintenance system), un planificador de medios y objetivos, un sistema unificador de reglas, algunos interpretes con diferentes sabores, un compilador optimizador con anlisis de flujo, un sistema de frames con herencia, muchos mtodos de bsqueda, un sistema de aprendizaje basado en explicaciones (explanation-based learner), lo que sea que te emocione. Puedes escribir versiones funcionales de estos en algunos das. Extender una versin real existente es tambin una alternativa

poderosa. Solamente cuando escribes estas cosas, las puedes entender, con intuicin de cuando son tiles, y cuando no; cuales son los problemas de eficiencia y otras cosas. Contrariamente a lo que la mayora de los otros programadores puede hacer, los programadores de IA pocas veces pueden compartir cdigo (La visin es una excepcin). Esto es en parte porque los programas de AI raramente funcionan. (Muchos programas famosos de IA solo funcionaban en los tres ejemplos de la tesis del autor, pero el rea es menos tolerante de lo que una vez fue con estas ligerezas). La otra razn es que los programas de AI usualmente se ensamblan de prisa sin que la generalizacin mxima sea una preocupacin. Usar el intrprete de reglas "estndar" X puede ser muy til al principio, y te puede dar luces acerca de o que est mal si no tiene la funcionalidad que necesitas, o que lo hicieron tan bien que es muy ineficiente. Tal vez puedas modificarlo, pero recuerda que comprender el cdigo de otros toma mucho tiempo. Algunas veces es mejor escribir algo propio. Es aqu donde haber hecho la media docena de programas del prrafo anterior resulta ser til. Eventualmente, puedes disear e implementar un algoritmo mantenedor de verdades (TMS) propio, digamos, en una tarde. (Luego lo depurars una y otra vez por las prximas seis semanas, pero as son las cosas.) Algunas veces, hacer un paquete estndar puede resultar siendo una tesis. Como los papers, los programas pueden ser pulidos exageradamente. Escribir cdigo hasta que sea perfecto, haciendo todo mximamente abstracto, escribiendo macros y libreras, y jugar con las partes internas del sistema operativo ha llevado mucha gente a abandonar su tesis y su carrera (Por otro lado, tal vez eso es lo que realmente queras hacer para ganarte la vida).

Director
En el MIT hay dos clases de directores, los acadmicos y los de tesis. Los acadmicos son simples de describir, por lo que comenzaremos con ellos. A cada estudiante de posgrado se le asigna un profesor como consejero acadmico, generalmente, en su rea, aunque esto depende de las cargas de los consejeros. La funcin del consejero es ser el representante del departamento ante ti: decirte cuales son los requisitos oficiales, revisar tu caso si te ests demorando demasiado en satisfacer estos requisitos y aprobar tu calendario de clases. Si

todo va bien, solo tendrs que verlo dos veces al ao, el da del registro. Por otro lado, si tienes problemas, ellos pueden defenderte, representndote ante el departamento o indicando fuentes de ayuda. El director de tesis es la persona que supervisa tu investigacin. La eleccin del director de tesis es la ms importante que hars como estudiante de posgrado, ms importante que el tema de investigacin de la tesis. La IA se aprende de otros. Hay mucho conocimiento informal de los aspectos tcnicos del campo y del proceso de investigacin que no estn publicados en ningn lado. Muchos profesores son personas muy excntricas, los estudiantes de posgrado tambin. La relacin director-dirigido es necesariamente personal, y tus peculiaridades y las del director deben corresponder lo suficiente para que puedan trabajar juntos. Diferentes directores tienen estilos muy diferentes. Ac hay algunos parmetros para considerar. Qu tanta direccin quieres? Algunos directores te darn problema de tesis bien definido, te explicarn una aproximacin, y te dirn que trabajes en l. Si te quedas atascado, ellos te dirn que hacer. Otros puede que no te ayuden en nada a seleccionar el tema, pero pueden ser muy tiles dndote ideas una vez tengas uno. Debes saber si trabajas mejor independientemente o con estructura. Qu tanto contacto quieres? A algunos directores les gusta una reunin semanal con reportes de progreso. Pueden sugerir papers para leer y darte ejercicios y proyectos de prctica. Otros no hablarn contigo ms de dos veces en el semestre. Qu tanta presin quieres? Algunos directores ejercern ms que otros. Qu tanto soporte emocional deseas? Algunos pueden dar ms que otros. Qu tan en serio quieres tomar a tu director? La mayora sugerirn temas para las tesis regularmente. Se puede depender de algunos que producen sugerencias que si se llevan a cabo con juicio, casi con certeza producirn una tesis aceptable, si no excitante. Otros lanzan docenas de ideas, la mayora de las cuales no van a ningn lado, pero si a una de diez se le trabaja con visin, puede

resultar en un trabajo innovador. Si eliges un director de este tipo, te toca actuar como el filtro. Que clase de grupo de investigacin provee el director? Algunos profesores crean un entorno en el que todos los estudiantes trabajan bastante juntos, incluso si no estn trabajando en el mismo proyecto. Muchos profesores se renen con sus estudiantes semanalmente o dos veces a la semana. Ser esto til para ti? Te caen bien los estudiantes de tu director? Algunos estudiantes logran construir relaciones de trabajo importantes con estudiantes de otros grupos de investigacin. Quieres trabajar en una parte de un proyecto ms grande? Algunos profesores dividen un sistema grande para ser construido por partes y asignan las partes a estudiantes individuales. Esto te da un gran grupo con quin hablar del problema como un todo. Quieres co-supervisin? Algunos proyectos de tesis integran varias reas de IA, y tal vez quieras tener relaciones de trabajo con dos o ms profesores. Oficialmente, tendrs un solo director, pero esto no tiene porqu reflejar la realidad. Aceptar el director dirigir una tesis con un tema por fuera de su rea de investigacin? Debe ser ms importante para los dos poder trabajar juntos que el tema en el que estn trabajando. Los profesores de robtica en el MIT han supervisado tesis en fsica cualitativa y en modelamiento cognitivo; profesores de razonamiento han supervisado tesis de visin. Pero algunos slo aceptan supervisar tesis en su propia rea de inters. Esto es comn en profesores nuevos que estn tratando de ser contratados permanentemente; tu trabajo ayudar a ello. Pelear tu director en contra del sistema por ti? Algunos directores pueden mantener al departamento y otras entidades hostiles lejos de ti. El sistema funciona en contra de algunos estudiantes (notablemente mujeres y excentricos), de manera que esto puede ser muy importante. Querr y podr tu director promover tu trabajo en conferencias y similares? Esta es parte de su trabajo, y puede hacer una gran diferencia en tu carrera.

El rango de estos parmetros vara entre universidades. En el MIT se le da a los estudiantes ms libertades que las que otras universidades pueden dar. Buscar un director de tesis es una de las ms importantes prioridades durante tu primer ao como estudiante de posgrado, por ms tarde, hasta principios del segundo. Ac hay algunas heursticas de como proseguir: Lee los resmenes de investigacin del laboratorio. Te da una descripcin de aproximadamente una pgina de lo que estn haciendo los profesores y estudiantes de posgrado. Lee los papers recientes de los profesores cuyo trabajo parece interesante. Habla con todos los profesores que puedas durante el primer semestre. Trata de estimar como son, en que estn interesados, y cual parece ser su estilo de investigacin y supervisin. Habla con los estudiantes de los directores en potencia preguntndoles qu tal es trabajar con ellos. Asegurate de que hablas con ms de un estudiante de un director en particular debido a que cada director tiene un gran espectro de estilos de trabajo y niveles de xito en la interaccin con sus estudiantes. Puede que te confunda una sola muestra. Habla tanto con los estudiantes dirigidos por un ao y por siete aos tambin. La mayora de las reuniones de los grupos de investigacin de los profesores estn abiertas para los nuevos estudiantes de posgrado, y dan una buena idea de lo que es trabajar con ellos. La IA es una disciplina rara en la que la mayora del trabajo til se hace por estudiantes de posgrado, y no por personas con doctorado, que con frecuencia estn ocupados dirigiendo. Esto tiene varias consecuencias. Una es que la fama de un profesor y por lo tanto su contratacin permanente depende del xito de sus estudiantes. Esto significa que los profesores estn muy motivados para que los estudiantes les hagan un buen trabajo, y para darles una buena direccin y apoyo. Otra consecuencia es que, en un buen grado la forma que toma la tesis se debe a los directores, la direccin y el

crecimiento del campo como un todo depende bastante de los directores que los estudiantes de posgrado escojan. Cuando hayas escogido un director y decidido que quieres trabajar con l o ella, Asegurare de que se entere. El puede interpretar "Quisiera trabajar usted" como "por favor entregueme un proyecto bien especificado", o "Tengo algunas cosas que me gustara hacer y quiero que me las firmes cuando yo haya terminado", u otra cosa. No dejes que la mala comunicacin te lleve a un punto en el que pierdas un ao patinando cuando queras una direccin cercana o laborando en algo que no es realmente lo que quieres. No dependas por completo de tu director para consejos, sabidura, comentarios, y conexiones. Crea tu propia red. Probablemente puedas encontrar muchas personas con cosas diferentes para ofrecerte, sean tus directores oficiales o no. Es importante lograr que varias personas revisen tu trabajo con regularidad, porque es muy fcil que tu mismo creas que ests avanzando (y que tambin lo crea tu director), sin que lo ests haciendo, y que te pierdas en el espacio exterior. La red puede incluir estudiantes de posgrado y profesores de tu propio laboratorio o de otros. Es posible que encuentres presiones sexistas, racistas, u otro tipo de presin en tus relaciones con otros estudiantes, profesores, o peor, con tu director. Si pasa, pide ayuda. ODSA del MIT publica un afiche llamado "STOP Harrassment" con consejos y recursos. El Computer Science Women's Report, disponible en el cuarto de documentacin del LCS tambin es relevante. Algunos estudiantes el el laboratorio tienen un director slo de nombre, y esto puede funcionar para las personas que son independientes. Tiene la ventaja de lidiar solo con tu propia neurosis, y no con la de tu director tambin. Pero probablemente no es una buen idea seguir esta ruta hasta que no hayas completado por lo menos un trabajo supervisado, o a menos de que ests seguro de no necesitar un director y de que tienes una red de soporte slida.

La Tesis
Tu tesis ocupar la mayor parte del tiempo en tu carrera de posgrado. La mayora del tiempo estar dedicado a la investigacin, o incluso a encontrar un tema, en vez de la propia escritura de la tesis.

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

tema para el doctorado. Es bueno usar este tiempo para hacer algo diferente, como ser un asistente de enseanza, aprender un campo diferente o comenzar una banda de rock and roll. Escribir una tesis de doctorado generalmente toma como un ao, y una regla de oro frecuentemente confirmada es que durar hasta un ao despus de que ya no la quieras ni ver. Elegir un tema es la parte ms difcil e importante del trabajo de tesis. Un buen tema de tesis simultneamente expresar una visin personal y conversar con la literatura. Tu tema debe ser uno que te apasione. Nada ms te permitir seguir adelante. Tu visin personal son los motivos para ser un cientfico. Una imagen, principio, idea o meta que realmente te importe. Puede ser de muchas formas. Tal vez quieres construir un computador al que le puedas hablar. Tal vez quieras salvar al mundo de los usos estpidos de los computadores. Tal vez quieras demostrar la unidad de todas las cosas. Tal vez quieras fundar colonias en el espacio. Una visin siempre es algo grande. Tu tesis no puede alcanzar lo que visionas, pero puede apuntar el camino. Al mismo tiempo, la ciencia es una conversacin. Muchas personas han dado lo mejor de s y lo han escrito. Ellos han hecho mucho y lo han echado a perder. Ellos han tenido buenas aproximaciones y han sido increblemente ciegos. Han sido hroes y cobardes. Todo al tiempo. Tu trabajo ser manejable si entra en conversacin con los otros. Tiene que hablar de sus problemas y sus preguntas, aun si toca explicar lo que est mal en ellas. Un tema de tesis que no converse con la literatura ser muy grande o muy vago, y nadie podr comprenderlo. La parte ms difcil es averiguar como cortar tu problema en partes solubles mientras se deja lo suficientemente grande para que siga siendo interesante. Resolver la IA primero en anchura es un error comn. Notars que debes limitar tu tema continuamente. Encontrar un tema es un proceso gradual, no un evento discreto, y continuar hasta que des por terminada la tesis. Resolver el problema es usualmente ms fcil en comparacin con averiguar cul es el problema. Si tu visin es un proyecto de 50 aos, cul es el subproyecto de lgico a 10 aos?, y cul es el sub-proyecto lgico a un

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

Los temas pueden ubicarse en un espectro que va de lo excentrico a lo predeterminado. Las tesis raras exploran territorios nuevos, exploran fenmenos que no se han investigado antes, o sugieren heursticas nuevas con soluciones para problemas que son muy difciles o difciles de caracterizar. Las tesis predeterminadas resuelven problemas bien delimitados. Ambas son valiosas; dnde situarse en este espectro es algo que va con el estilo personal. La seccin "trabajo futuro" de los papers son una buena fuente para temas de tesis. Sin importar lo que hagas, tiene que ser trabajo original. Adems, no es una buena idea trabajar al mismo tiempo en algo en lo que otra persona est trabajando. Hay suficientes problemas afuera y no hay necesidad de competir. Por otro lado, es normal leer el paper de otra persona y entrar en pnico porque parece resolver el problema de tu tesis. Esto pasa cuando parece que cuando vas por la mitad del proceso de hacer tu tema especfico y concreto. Tpicamente, el parecido es slo superficial, de manera que muestra el paper a alguien inteligente que conozca tu trabajo y preguntale que piensa. No todas las tesis del laboratorio son sobre IA. Algunas son sobre hardware o lenguajes de programacin. Esto est bien. Una vez tengas un tema de tesis, incluso si es un poco vago, deberas poder responder la pregunta, Cul es el la tesis de tu tesis? Qu ests tratando de mostrar? Debes tener respuestas de una frase, de un prrafo y de cinco minutos. Si no sabes para dnde vas, no te tomarn con seriedad, y aun peor, terminars vagando en crculos. Cuando ests trabajando en ello, debes ser capaz de explicar simplemente cmo cada parte de tu teora y de tu implementacin aportan algo a tu meta. Una vez hayas seleccionado el tema, debes asegurarte de que acuerdas con tu director lo que constituye la terminacin del proyecto. Si tienen diferentes expectativas y no lo saben, te puede ir muy mal. Puedes formular un test de terminacin explcito, como un conjunto de ejemplos que tu teora o programa ser capaz de manejar. Haslo para ti, de todas maneras, as tu director no se muestre interesado. Debes estar preparado para cambiar el test si las circunstancias cambian radicalmente.

Trata una versin simplificada de la tesis primero. Has ejemplos. Explora cuidadosamente algunos ejemplos concretos antes de hacer una teora abstracta. Hay muchas formas de perder mucho tiempo durante la tesis. Algunas de las actividades que se deben evitar (a menos que sean cruciales para la tesis) : diseo de lenguajes, hacking de interfaces de usuario, inventar nuevos formalismos, optimizar demasiado el cdigo, construccin de herramientas, burocracia. Cualquier trabajo que no sea crucial para tu tesis debe ser minimizado. Hay un problema muy conocido llamado "Evitacin de la tesis", en el que puedes encontrarte de repente arreglando errores extraos en sistemas operativos obsoletos, y sentir que es algo realmente fascinante y de suprema importancia. Esto es definitivamente una forma semi consciente de dejar de trabajar en la tesis. Ten cuidado con lo que haces. (Este documento es un ejemplo de evitacin de la tesis por parte de sus autores). Muchas personas del MIT

Metodologa de la Investigacin
[Esta seccin est incompleta. Por favor, contribuye!] Una metodologa de investigacin define lo que es esta actividad, como proceder, como medir el progreso, y qu constituye el xito. La metodologa de IA es un lo enredado. Diferentes metodologas definen distintas escuelas, las cuales se enfrentan en guerras religiosas. Los mtodos son herramientas. Uselos, no permita que lo usen. No se deje llevar por slogans que ponen unos por encima de los otros: "La investigacin en IA necesita bases firmes", "Los filsofos slo hablan, La IA es acerca de hackear", "Tu tienes que saber lo que es computado antes de preguntar como". Para tener xito en IA, tienes que ser bueno en mtodos tcnicos y tienes que desconfiar de ellos. Por ejemplo, t debes ser capaz de probar teoremas y debes dudar acerca de si el teorema realmente prueba algo. La mayora de los buenos trabajos en IA balancean delicadamente diferentes metodologas. Por ejemplo, t debes transitar en una linea fina entre mucha teora, posiblemente irrelevante para algn

problema real, e implementaciones voluminosas, las cuales pueden representar una incoherencia de soluciones ad-hoc. Usualmente te encuentras con decisiones en investigacin que crean una lnea entre lo "ordenado" y lo "desordenado." Deberas tomar tiempo para formalizar el problema hasta cierto grado (por ejemplo, para probar que no es abordable), o tratar con l su forma bruta, la cual es difcilmente formalizable pero ms cercana a la realidad? Tomar el primer enfoque conduce a un resultado claro (cuando se tiene xito) que usualmente ser aburrido o no considerar los problemas reales; El segundo enfoque corre el riesgo de volverse un montn de hacks. Cualquier trabajo, y cualquier persona, debe buscar un sabio balance, formalizando subproblemas que piden a gritos ser formalizados mientras se mantiene una visin general. Algunos trabajos son como la ciencia. Observas cmo la gente aprende aritmtica, como trabaja el cerebro, cmo salta el canguro, y luego intentas imaginar y construir una teora verificable. Algunos trabajos son como la ingeniera: tratas de hacer un algoritmo mejor para resolver problemas. Algunos son como las matemticas: juegas con formalismos, intentando entender sus propiedades, probar cosas acerca de ellos. Algunos trabajos son orientados a ejemplos, intentando explicar fenmenos especficos. Los mejores trabajos combinan todas estas formas de trabajar, y ms. Las metodologas son sociales. 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 especficos.

Factores Emocionales
Investigar es difcil. Es fcil cansarse. Penosamente, slo una fraccin pequea de los estudiantes que comienzan programas de PhD en IA terminan. En el MIT, la mayora de aquellos que no terminan, lo hacen voluntariamente. Algunos se van porque pueden hacer ms dinero en la industria, o por razones personales. La mayora se va por frustracin con la tesis. Esta seccin trata de explicar cmo puede pasar y de dar algunas heursticas que pueden ayudar. Soldado advertido no muere en guerra: usualmente es til saber que las tragedias particulares, agravaciones, depresiones y triunfos por los que pasas mientras investigas son partes necesarias del proceso. Tambin es til compartirlas con los dems.

Todas las investigaciones involucran riesgos. Si tu proyecto no puede fallar, es desarrollo, no investigacin. Es difcil lidiar con los proyectos fallidos. Es fcil interpretar la falla de un proyecto como tu falla personal, cuando lo que en verdad hace la falla es probar que tienes la valenta de hacer algo difcil. Las pocas personas que parecen tener xito consistente, sacando papers ao tras ao, han fallado tanto como los dems. Notars que ellos usualmente tienen varios proyectos al tiempo, y slo algunos resultan. Los proyectos que resultan usualmente han fallado repetidamente, y muchas aproximaciones equivocadas llevaron al xito final. En tu carrera, acumulars muchos fallos. Pero cada uno de ellos representa mucho trabajo que haces en las sub-tareas del el proyecto principal. Vers que muchas de las ideas que tuviste, formas de pensar, o incluso partecitas del cdigo escrito, sern lo que necesitas para resolver un problema completamente diferente aos ms tarde. Este efecto slo resulta ser obvio cuando has acumulado una pila bien grande de fracasos, as que toma como un acto de fe que coleccionar los primeros fracasos ser til ms tarde. La investigacin siempre toma, mucho, mucho ms de lo que parece que debera. La regla de oro dice que cualquier subtarea tomar tres veces ms de lo que esperas. (Algunos aaden, "Aun cuanto tienes esta regla en cuenta".) Parte crucial del proceso es hacer que tu investigacin sea parte de tu vida diaria. La mayora de los xitos en investigacin ocurren en la ducha, en el metro, o mirando vitrinas en Harvard Square. Si piensas en tu investigacin en modo background (segundo plano), las ideas llegarn. Las personas exitosas en IA son ms persistentes que brillantes. Es muy importante tener el "gusto" para poder diferenciar entre las ideas superficialmente buenas y las verdaderamente importantes. Vers que tu tasa de progreso variar mucho. Algunas veces vers que puedes hacer en una semana lo mismo que en los tres meses anteriores. Esta es la parte emocionante que mantiene a la gente en el rea. Otras veces te quedars varado, y sentirs que no puedes hacer nada por un largo tiempo. Es difcil vivir con esto. Puedes sentir que nunca hars algo que valga la pena; al principio puedes pensar

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

Lee el libro de Alan Lakien, que se recomienda an a las personas que odian los libros de auto-ayuda. Tiene tcnicas invaluables para lograr llegar a la accin productiva. La mayora de las personas notan que su vida personal y la habilidad para investigar interactan. Para algunos, el trabajo es el refugio cuando todo lo dems anda mal. Otros quedan inhabilitados para trabajar cuando andan confundidos en la vida por otra razn. Si realmente estas varado, puede ser til visitar un siclogo. Una estadstica informal sugiere que aproximadamente la mitad de los estudiantes en el laboratorio ven uno en algn punto durante sus carreras de posgrado. Un factor que hace que la IA sea ms difcil que otros tipos de trabajo es que no hay estndares generalmente aceptados de progreso o para la evaluacin de trabajos. En matemticas, si pruebas un teorema, has hecho algo; y si es uno que otros no han podido probar, has hecho algo emocionante. La IA ha adoptado estndares de disciplinas similares y tiene algunos propios; diferentes practicantes, sub-campos, y las universidades ponen nfasis en diferentes criterios. En el MIT se pone ms nfasis en la calidad de las implementaciones que en otras universidades, pero hay muchas variaciones incluso dentro del laboratorio. Una consecuencia de esto es que no puedes mantener contentos a todos todo el tiempo. Otra es que puede que frecuentemente tengas dudas acerca de tu avance, lo que te puede generar inseguridad. Es comn que la estimacin de tu trabajo oscile entre "la mejor historia alguna vez contada" y "tonta, redundante e incoherente". Esto es normal. Corrige con frecuencia estas estimaciones con la realimentacin de otras personas. Muchas cosas pueden ayudar con la inseguridad acerca del progreso. El reconocimiento puede ayudar; la aceptacin de tu tesis, papers publicados y similares. Lo ms importante es, probablemente, hablar con tantas personas como puedas acerca de tus ideas y obtener su realimentacin. Por un lado, probablemente contribuyan ideas tiles, por otro, a algunos les puede gustar, lo que te har sentir bien. Debido a que los estndares de progreso son tan engaosos, es fcil que te duermas en los laureles si no te comunicas constantemente con otros investigadores. Esto es especialmente cierto cuando las cosas no estn yendo bien, que es cuando menos quieres hablar de tu trabajo. Es importante recibir realimentacin y apoyo esas veces.

Es fcil no ver el progreso que ya has logrado. "Si lo puedo hacer, es trivial. Mis ideas son completamente obvias." Pueden ser obvias en retrospectiva, pero probablemente no son obvias para nadie ms. Explicar tu trabajo a muchos extraos te ayudar a tener en cuenta lo difcil que es entender lo que a ti te parece trivial. Escrbelo. En una entrevista reciente a un grupo de cientficos 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 unnime (de un grupo de aproximadamente 50 personas) fue que estas personas constantemente sentan dudas acerca del valor, o de lo correcto de sus trabajos, y que pasaron por periodos en los que sentan que lo que hacan era irrelevante, obvio, o incorrecto. Una parte importante y comn del progreso cientfico es la evaluacin crtica constante, y algo de incertidumbre acerca de la importancia del trabajo es una parte inevitable del proceso. Algunos investigadores notan que trabajan mejor colaborando con otros. Aunque la IA es un asunto individual, una buena fraccin de las personas trabajan juntas, construyendo sistemas y siendo coautores de papers. Al menos en un caso, el laboratorio ha aceptado tesis de dos personas. Las desventajas de esto recaen en la asignacin del crdito y la competencia con el coautor. Colaborar con alguien por fuera del laboratorio, en un trabajo de verano por ejemplo, hace menos relevante estos problemas. Muchas personas llegan al laboratorio de IA del MIT luego de ser las personas ms brillantes en sus universidades, tan solo para encontrar personas aqu que parecen un orden de magnitud ms inteligentes. Esto puede ser un serio golpe a tu auto-estima el primer ao o algo as, 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 pblico. Para obtener una visin ms realista de ti mismo, es importante que salgas al mundo real, en donde no todo el mundo es brillante. Un trabajo de consultora afuera es perfecto para mantener el balance. Por un lado, alguien te paga por ser experto, lo que te dice que eres experto en algo. Por otro, descubrirs que ellos realmente necesitan de tu ayuda, lo que trae la satisfaccin de un trabajo bien hecho. Cada estudiante que llega al laboratorio ha sido seleccionado de entre algunos 400 aspirantes. Esto nos hace confiados. Es fcil pensar que

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

Notas Finales

Este documento rene ideas, texto, y comentarios de Phil Agre, Jonathan Amsterdam, Jeff Anton, Alan Bawden, Danny Bobrow, Kaaren Bock, Jennifer Brooks, Rod Brooks, David Chapman, Jim Davis, Bruce Donald, Ken Forbus, Eric Grimson, Ken Haase, Dan Huttenlocher, Leslie Kaelbling, Mike Lowry, Patrick Sobalvarro, Jeff Shrager, Daniel Weise, and Ramin Zabih. Nos gustara agradecer a todas las personas que nos entregaron la sabidura que deseamos transmitir en este documento (y quienes, de hecho, nos guiaron en nuestras tesis), especialmente nuestros directores. Algunas de las ideas presentes se sacaron de "On Being a Researcher", por John Backus y "How to Get a PhD in AI," por Alan Bundy, Ben du Boulay, Jim Howe, and Gordon Plotkin. Muchas personas del MIT.

La traduccin fue hecha por Nelson Castillo, Henry Gmez, Julio Alczar y Jhon Acosta. Los tres ltimos son estudiantes de la Universidad del Magdalena.