Lo que la investigación me enseñó que los papers no

Mi primera semana en ICAI Research implementé una arquitectura U-Net desde cero, siguiendo un paper. En el paper funcionaba perfectamente. En mis datos, el modelo convergía hacia zero-loss sin aprender nada útil. La diferencia: el paper no mencionaba que sus datos habían sido preprocesados durante seis meses.

Esto me enseñó algo que sigo aplicando: los papers son mejores resultados. Los autores publican cuando algo funciona, y en la configuración exacta en que funciona. Todo lo que salió mal durante meses de iteración está comprimido en "we found that X was crucial."

No digo que los papers no sean útiles. Son esenciales. Pero aprendí a leerlos como mapas de un terreno que alguien recorrió antes que yo, no como instrucciones GPS. El terreno puede haber cambiado. Mis datos no son los suyos. Mi hardware tampoco.

Lo que más me costó fue aprender a fallar con rigor. Un experimento fallido bien documentado vale más que diez éxitos sin registro. Cuando algo no funciona, la pregunta útil no es "¿por qué no funciona?" sino "¿qué me está diciendo esto sobre el problema?"

Eso es lo que intento preservar cuando documento código ahora: no solo el qué, sino el porqué de las cosas que no parecen tener sentido a primera vista. Alguien —yo en seis meses— lo va a necesitar.