Dada la explosión de ‘big data’ en los últimos años, y la necesidad de trabajadores calificados que puedan 1) dedicar una ardua cantidad de tiempo (léase: años) a resolver un problema, 2) tener un gran dominio de las estadísticas, y 3) programa (elija un idioma, cualquier idioma, pero R es un gran candidato), tiene sentido que los estudiantes graduados en ciencias cognitivas refuercen las mismas habilidades que han reforzado durante décadas. La principal diferencia es la aplicación: si seguirán utilizando estas habilidades en el entorno académico. También hay algunas otras habilidades que son relevantes para el sector académico en comparación con la industria, que he dibujado en el diagrama de Venn a continuación.
NOTA: solo hablo en términos de que ‘industria’ es el ‘analista de investigación’ o ‘científico de datos’ típico en el que muchos doctores eligen convertirse en lugar de optar por permanecer en el mundo académico. Esta no es de ninguna manera una lista exclusiva de las habilidades que deben adquirir los estudiantes de posgrado, sino simplemente una heurística para dar una idea de los tipos generales de habilidades que parecen más útiles (según mi experiencia y amigos que han seguido trayectorias similares y han querido seguir investigando).
- ¿Cómo saben los animales que eres amable con ellos?
- ¿En qué se diferencia la búsqueda de respuestas de tarea en Google de buscar respuestas de tarea en un libro, cómo afecta esto a los estudiantes?
- En promedio, ¿cuántas veces debe alguien experimentar disonancia cognitiva antes de cambiar sus puntos de vista?
- ¿Qué porcentaje de la energía corporal utiliza el cerebro y varía con la inteligencia (o actividad cognitiva)?
- ¿Cuál es el valor de las arquitecturas cognitivas que no conducen a AGI?