ილია სეგალოვიჩის სახელობის პრემია. სიუჟეტი კომპიუტერული მეცნიერების შესახებ და პუბლიკაციების გაშვება

დღეს ჩვენ ვიწყებთ ილია სეგალოვიჩის სახელობის სამეცნიერო ჯილდოს ისეგი. იგი დაჯილდოვდება კომპიუტერული მეცნიერების დარგში მიღწევებისთვის. ბაკალავრიატის და ასპირანტურის სტუდენტები შეუძლია დაჯილდოვდეს საკუთარი განაცხადი ან დაასახელონ სამეცნიერო ხელმძღვანელები. ლაურეატებს აკადემიური საზოგადოებისა და Yandex-ის წარმომადგენლები აირჩევენ. შერჩევის ძირითადი კრიტერიუმები: პუბლიკაციები და პრეზენტაციები კონფერენციებზე, ასევე წვლილი საზოგადოების განვითარებაში.

პირველი დაჯილდოების ცერემონია აპრილში გაიმართება. ჯილდოს ფარგლებში ახალგაზრდა მეცნიერები მიიღებენ 350 ათას რუბლს, გარდა ამისა, მათ შეეძლებათ საერთაშორისო კონფერენციაზე წასვლა, მენტორთან მუშაობა და სტაჟირების გავლა Yandex-ის კვლევით განყოფილებაში. სამეცნიერო ხელმძღვანელები მიიღებენ 700 ათას რუბლს.

დაჯილდოების დაწყებასთან დაკავშირებით, გადავწყვიტეთ, აქ Habré-ზე ვისაუბროთ კომპიუტერული მეცნიერების სამყაროში წარმატების კრიტერიუმებზე. Habr-ის ზოგიერთი მკითხველი უკვე იცნობს ამ კრიტერიუმებს, ზოგს კი შესაძლოა მცდარი შთაბეჭდილება ჰქონდეს მათზე. დღეს ჩვენ გადავლახავთ ამ ხარვეზს - შევეხებით ყველა ძირითად თემას, მათ შორის სტატიებს, კონფერენციებს, მონაცემთა ნაკრებებს და სამეცნიერო იდეების სერვისებში გადატანას.

კომპიუტერული მეცნიერების დარგის მეცნიერთათვის წარმატების მთავარი კრიტერიუმია მათი სამეცნიერო ნაშრომის გამოქვეყნება ერთ-ერთ წამყვან საერთაშორისო კონფერენციაზე. ეს არის პირველი „გამშვები პუნქტი“ მკვლევარის ნაშრომის ამოცნობისთვის. მაგალითად, ზოგადად მანქანათმცოდნეობის სფეროში განასხვავებენ მანქანათმცოდნეობის საერთაშორისო კონფერენციას (ICML) და ნერვული ინფორმაციის დამუშავების სისტემების კონფერენციას (NeurIPS, ყოფილი NIPS). არსებობს მრავალი კონფერენცია ML-ის კონკრეტულ სფეროებზე, როგორიცაა კომპიუტერული ხედვა, ინფორმაციის მოძიება, მეტყველების ტექნოლოგია, მანქანური თარგმანი და ა.შ.

რატომ გამოაქვეყნეთ თქვენი იდეები

ადამიანებს, რომლებიც შორს არიან კომპიუტერული მეცნიერებისგან, შეიძლება ჰქონდეთ მცდარი წარმოდგენა, რომ ჯობია ყველაზე ღირებული იდეების საიდუმლოდ შენახვა და მათი უნიკალურობით სარგებლობის მოპოვება. თუმცა, რეალურად ჩვენს სფეროში სიტუაცია საპირისპიროა. მეცნიერის ავტორიტეტი ფასდება მისი ნაშრომების მნიშვნელობით, იმის მიხედვით, თუ რამდენად ხშირად არის ციტირებული მისი სტატიები სხვა მეცნიერების მიერ (ციტირების ინდექსი). ეს მისი კარიერის მნიშვნელოვანი მახასიათებელია. მკვლევარი პროფესიული კიბეზე მაღლა აწევს, თავის საზოგადოებაში უფრო პატივცემული ხდება, მხოლოდ იმ შემთხვევაში, თუ ის მუდმივად აწარმოებს ძლიერ ნაშრომს, რომელიც გამოქვეყნდება, გახდება ცნობილი და საფუძველს უქმნის სხვა მეცნიერთა მუშაობას.

ბევრი საუკეთესო სტატია (შესაძლოა უმეტესობა) არის მსოფლიოს სხვადასხვა უნივერსიტეტებისა და კომპანიების მკვლევარების თანამშრომლობის შედეგი. მკვლევარის კარიერაში მნიშვნელოვანი და ძალიან ღირებული მომენტია, როდესაც მას ეძლევა შესაძლებლობა, საკუთარი გამოცდილებიდან გამომდინარე, თავად მოიძიოს და გამოასწოროს იდეები - მაგრამ ამის შემდეგაც, მისი კოლეგები აგრძელებენ მას ფასდაუდებელ დახმარებას. მეცნიერები ერთმანეთს ეხმარებიან იდეების განვითარებაში, სტატიების თანამშრომლობით დაწერაში - და რაც უფრო დიდია მეცნიერის წვლილი მეცნიერებაში, მით უფრო ადვილია მისთვის თანამოაზრეების პოვნა.

დაბოლოს, ინფორმაციის სიმჭიდროვე და ხელმისაწვდომობა ახლა იმდენად დიდია, რომ სხვადასხვა მკვლევარებს ერთდროულად ძალიან მსგავსი (და მართლაც ღირებული) სამეცნიერო იდეები აქვთ. თუ თქვენ არ გამოაქვეყნებთ თქვენს იდეას, სხვისი თითქმის აუცილებლად გამოაქვეყნებს მას თქვენთვის. "გამარჯვებული" ხშირად ის კი არ არის, ვინც ინოვაცია ცოტა ადრე მოიფიქრა, არამედ ის, ვინც ცოტა ადრე გამოაქვეყნა. ან - ვინც მოახერხა იდეის მაქსიმალურად სრულად, ნათლად და დამაჯერებლად გამოვლენა.

სტატიები და მონაცემთა ნაკრები

ასე რომ, სამეცნიერო სტატია აგებულია იმ მთავარი იდეის გარშემო, რომელსაც მკვლევარი გვთავაზობს. ეს იდეა არის მისი წვლილი კომპიუტერულ მეცნიერებაში. სტატია იწყება იდეის აღწერით, რომელიც ჩამოყალიბებულია რამდენიმე წინადადებით. ამას მოჰყვება შესავალი, რომელიც აღწერს შემოთავაზებული ინოვაციის დახმარებით მოგვარებული პრობლემების სპექტრს. აღწერა და შესავალი ჩვეულებრივ იწერება მარტივი ენით, რომელიც გასაგებია ფართო აუდიტორიისთვის. შესავლის შემდეგ აუცილებელია მათემატიკური ენაზე წარმოდგენილი ამოცანების ფორმალიზება და მკაცრი აღნიშვნის შემოღება. შემდეგ, შემოღებული ნოტაციების გამოყენებით, თქვენ უნდა შექმნათ მკაფიო და ყოვლისმომცველი განცხადება შემოთავაზებული ინოვაციის არსის შესახებ და დაადგინოთ განსხვავებები წინა, მსგავსი მეთოდებისგან. ყველა თეორიული მტკიცება ან უნდა იყოს გამყარებული ადრე შედგენილ მტკიცებულებებზე მითითებით, ან დამოუკიდებლად დადასტურებული. ეს შეიძლება გაკეთდეს გარკვეული ვარაუდებით. მაგალითად, შეგიძლიათ დაამტკიცოთ იმ შემთხვევისთვის, როდესაც არის უსასრულო რაოდენობის სასწავლო მონაცემები (აშკარად მიუწვდომელი სიტუაცია) ან ისინი სრულიად დამოუკიდებლები არიან ერთმანეთისგან. სტატიის ბოლოს მეცნიერი საუბრობს ექსპერიმენტულ შედეგებზე, რომელთა მიღებაც მან შეძლო.

იმისათვის, რომ კონფერენციის ორგანიზატორების მიერ დაკომპლექტებულმა რეცენზენტებმა დაამტკიცეს ნაშრომი, მას უნდა ჰქონდეს ერთი ან მეტი ატრიბუტი. ძირითადი ფაქტორი, რომელიც ზრდის დამტკიცების შანსებს, არის შემოთავაზებული იდეის სამეცნიერო სიახლე. ხშირად სიახლეს აფასებენ უკვე არსებულ იდეებთან მიმართებაში – და მის შეფასებაზე მუშაობას ახორციელებს არა რეცენზენტი, არამედ თავად სტატიის ავტორი. იდეალურ შემთხვევაში, ავტორმა სტატიაში დეტალურად უნდა თქვას არსებული მეთოდების შესახებ და, თუ შესაძლებელია, წარმოადგინოს ისინი, როგორც მისი მეთოდის განსაკუთრებული შემთხვევები. ამრიგად, მეცნიერი აჩვენებს, რომ მიღებული მიდგომები ყოველთვის არ მუშაობს, რომ მან განაზოგადა ისინი და შესთავაზა უფრო ფართო, მოქნილი და, შესაბამისად, უფრო ეფექტური თეორიული ფორმულირება. თუ სიახლე უდაოა, წინააღმდეგ შემთხვევაში რეცენზენტები აფასებენ სტატიას არც თუ ისე მკაფიოდ - მაგალითად, მათ შეიძლება თვალი დახუჭონ ცუდ ინგლისურზე.

სიახლის გასაძლიერებლად, სასარგებლოა შედარება არსებულ მეთოდებთან ერთ ან რამდენიმე მონაცემთა ნაკრებში. თითოეული მათგანი უნდა იყოს ღია და მიღებული აკადემიურ გარემოში. მაგალითად, არსებობს ImageNet სურათების საცავი და ისეთი ინსტიტუტების მონაცემთა ბაზები, როგორიცაა სტანდარტებისა და ტექნოლოგიების შეცვლილი ეროვნული ინსტიტუტი (MNIST) და CIFAR (კანადის გაფართოებული კვლევის ინსტიტუტი). სირთულე იმაში მდგომარეობს, რომ ასეთი „აკადემიური“ მონაცემთა ნაკრები ხშირად განსხვავდება შიგთავსის სტრუქტურით იმ რეალური მონაცემებისგან, რომლებსაც ინდუსტრია ეხება. განსხვავებული მონაცემები ნიშნავს შემოთავაზებული მეთოდის განსხვავებულ შედეგებს. მეცნიერები, რომლებიც ნაწილობრივ მუშაობენ ინდუსტრიაში, ცდილობენ გაითვალისწინონ ეს და ზოგჯერ ჩასვან პასუხისმგებლობის შეზღუდვები, როგორიცაა „ჩვენს მონაცემებზე შედეგი არის ასეთი და ასეთი, მაგრამ საჯარო მონაცემთა ბაზაში – ასეთი და ასეთი“.

ეს ხდება, რომ შემოთავაზებული მეთოდი მთლიანად "მორგებულია" ღია მონაცემთა ბაზაზე და არ მუშაობს რეალურ მონაცემებზე. თქვენ შეგიძლიათ ებრძოლოთ ამ საერთო პრობლემას ახალი, უფრო წარმომადგენლობითი მონაცემთა ნაკრების გახსნით, მაგრამ ხშირად ჩვენ ვსაუბრობთ კერძო კონტენტზე, რომლის გახსნის უფლება კომპანიებს უბრალოდ არ აქვთ. ზოგიერთ შემთხვევაში, ისინი ახორციელებენ (ზოგჯერ რთულ და მტკივნეულ) მონაცემების ანონიმიზაციას - ისინი აშორებენ ნებისმიერ ფრაგმენტს, რომელიც მიუთითებს კონკრეტულ პიროვნებაზე. მაგალითად, ფოტოებზე სახეები და რიცხვები წაშლილია ან გაუგებარი ხდება. გარდა ამისა, იმისათვის, რომ მონაცემთა ნაკრები არა მხოლოდ ყველასთვის ხელმისაწვდომი იყოს, არამედ გახდეს სტანდარტი მეცნიერთა შორის, რომელზედაც მოსახერხებელია იდეების შედარება, აუცილებელია არა მხოლოდ მისი გამოქვეყნება, არამედ ცალკე ციტირებული სტატიის დაწერა. ის და მისი უპირატესობები.

უარესია, როდესაც შესწავლილ თემაში არ არის ღია მონაცემთა ნაკრები. მაშინ მიმომხილველს შეუძლია მიიღოს მხოლოდ ავტორის მიერ წარმოდგენილი შედეგები რწმენაზე. თეორიულად, ავტორს შეეძლო მათი გადაჭარბებაც კი და შეუმჩნევლად დარჩენა, მაგრამ აკადემიურ გარემოში ეს ნაკლებად სავარაუდოა, რადგან ეწინააღმდეგება მეცნიერთა აბსოლუტური უმრავლესობის სურვილს, განავითარონ მეცნიერება.

ML-ის რიგ სფეროებში, მათ შორის კომპიუტერული ხედვის ჩათვლით, ასევე ხშირია ბმულების მიმაგრება კოდზე (ჩვეულებრივ GitHub-ზე) სტატიებთან ერთად. თავად სტატიები ან შეიცავს ძალიან მცირე კოდს ან არის ფსევდოკოდი. და აქ, ისევ, სირთულეები წარმოიქმნება, თუ სტატიას წერს კომპანიის მკვლევარი და არა უნივერსიტეტიდან. ნაგულისხმევად, კორპორაციაში ან გაშვებაში დაწერილი კოდი იარლიყით NDA. მკვლევარებმა და მათმა კოლეგებმა დიდი შრომა უნდა იმუშაონ აღწერილ იდეასთან დაკავშირებული კოდის გამოყოფისთვის შიდა და რა თქმა უნდა დახურული საცავებიდან.

გამოქვეყნების შანსი ასევე დამოკიდებულია არჩეული თემის აქტუალურობაზე. აქტუალობა დიდწილად ნაკარნახევია პროდუქტებითა და სერვისებით: თუ კორპორაცია ან სტარტაპი დაინტერესებულია ახალი სერვისის აშენებით ან არსებულის გაუმჯობესებით სტატიის იდეის საფუძველზე, ეს არის პლუსი.

როგორც უკვე აღვნიშნეთ, კომპიუტერული მეცნიერების ნაშრომები იშვიათად იწერება მარტო. მაგრამ, როგორც წესი, ერთ-ერთი ავტორი სხვებზე ბევრად მეტ დროსა და ძალისხმევას ხარჯავს. მისი წვლილი სამეცნიერო სიახლეში უდიდესია. ავტორთა ჩამონათვალში პირველად არის მითითებული ასეთი ადამიანი - და მომავალში, სტატიის მითითებისას, მათ შეუძლიათ მხოლოდ მისი ხსენება (მაგალითად, "ივანოვი და სხვები" - "ივანოვი და სხვები" ლათინურიდან თარგმნილი). თუმცა უაღრესად ღირებულია სხვების წვლილიც – სხვაგვარად შეუძლებელია ავტორების სიაში მოხვედრა.

განხილვის პროცესი

ნაშრომების მიღება ჩვეულებრივ ჩერდება კონფერენციამდე რამდენიმე თვით ადრე. სტატიის გაგზავნის შემდეგ, რეცენზენტებს აქვთ 3-5 კვირა მის წასაკითხად, შესაფასებლად და კომენტარისთვის. ეს ხდება ერთი ბრმა სისტემის მიხედვით, როდესაც ავტორები ვერ ხედავენ რეცენზენტების სახელებს, ან ორმაგი ბრმა, როდესაც თავად რეცენზენტები ვერ ხედავენ ავტორების სახელებს. მეორე ვარიანტი უფრო მიუკერძოებლად ითვლება: რამდენიმე სამეცნიერო ნაშრომმა აჩვენა, რომ ავტორის პოპულარობა გავლენას ახდენს რეცენზენტის გადაწყვეტილებაზე. მაგალითად, მან შეიძლება ჩათვალოს, რომ მეცნიერი, რომელსაც აქვს უკვე გამოქვეყნებული სტატიების დიდი რაოდენობა, აპრიორი უფრო მაღალი რეიტინგის ღირსია.

უფრო მეტიც, ორმაგი ბლაინდის შემთხვევაშიც, რეცენზენტი ალბათ გამოიცნობს ავტორს, თუ ისინი მუშაობენ იმავე სფეროში. გარდა ამისა, განხილვის დროს სტატია შესაძლოა უკვე გამოქვეყნდეს arXiv მონაცემთა ბაზაში, სამეცნიერო ნაშრომების ყველაზე დიდ საცავში. კონფერენციის ორგანიზატორები ამას არ კრძალავენ, მაგრამ გვირჩევენ arXiv-ის პუბლიკაციებში განსხვავებული სათაურის და განსხვავებული რეფერატის გამოყენებას. მაგრამ თუ სტატია იქ იყო განთავსებული, მისი პოვნა მაინც არ გაჭირდება.

ყოველთვის არის რამდენიმე მიმომხილველი, რომელიც აფასებს სტატიას. ერთ-ერთ მათგანს ენიჭება მეტარეფერენტის როლი, რომელმაც მხოლოდ კოლეგების განაჩენები უნდა გადახედოს და საბოლოო გადაწყვეტილება მიიღოს. თუ რეცენზენტები არ ეთანხმებიან სტატიას, მეტა მიმომხილველსაც შეუძლია მისი წაკითხვა სისრულისთვის.

ზოგჯერ, რეიტინგისა და კომენტარების განხილვის შემდეგ, ავტორს აქვს შესაძლებლობა შევიდეს დისკუსიაში რეფერენტთან; არის შანსიც კი დაარწმუნოს იგი გადაწყვეტილების შეცვლაში (თუმცა, ასეთი სისტემა ყველა კონფერენციაზე არ მუშაობს და განაჩენზე სერიოზულად გავლენის მოხდენა კიდევ ნაკლებადაა შესაძლებელი). დისკუსიაში სხვა სამეცნიერო ნაშრომებს ვერ მიმართავთ, გარდა სტატიაში უკვე ნახსენები. თქვენ შეგიძლიათ მხოლოდ „დაეხმაროთ“ მიმომხილველს უკეთ გაიგოს სტატიის შინაარსი.

კონფერენციები და ჟურნალები

კომპიუტერული მეცნიერების სტატიები უფრო ხშირად იგზავნება კონფერენციებზე, ვიდრე სამეცნიერო ჟურნალებში. ეს იმიტომ ხდება, რომ ჟურნალის პუბლიკაციებს აქვთ მოთხოვნები, რომელთა შესრულებაც უფრო რთულია და თანატოლთა განხილვის პროცესს შეიძლება თვეები ან წლებიც კი დასჭირდეს. კომპიუტერული მეცნიერება ძალიან სწრაფად მოძრავი სფეროა, ამიტომ ავტორებს, როგორც წესი, არ სურთ ამდენი ხანი დაელოდონ გამოქვეყნებას. თუმცა, სტატია, რომელიც უკვე მიღებულია კონფერენციისთვის, შეიძლება შემდეგ დაემატოს (მაგალითად, უფრო დეტალური შედეგების წარმოდგენით) და გამოქვეყნდეს ჟურნალში, სადაც სივრცის შეზღუდვები არც თუ ისე მკაცრია.

ღონისძიებები კონფერენციაზე

კონფერენციაზე დამტკიცებული სტატიების ავტორების დასწრების ფორმატს ადგენენ რეცენზენტები. თუ სტატიას მწვანე შუქი ეძლევა, მაშინ ყველაზე ხშირად გამოყოფთ პლაკატის სტენდი. პლაკატი არის სტატიკური სლაიდი სტატიის შეჯამებით და ილუსტრაციებით. ზოგიერთი საკონფერენციო დარბაზი სავსეა პლაკატების გრძელი რიგებით. ავტორი დროის მნიშვნელოვან ნაწილს თავის პოსტერთან ატარებს, ესაუბრება სტატიით დაინტერესებულ მეცნიერებს.

მონაწილეობის ოდნავ უფრო პრესტიჟული ვარიანტია ელვისებური საუბარი. თუ რეცენზენტები თვლიან, რომ სტატია სწრაფი მოხსენების ღირსია, ავტორს ეძლევა დაახლოებით სამი წუთი ფართო აუდიტორიასთან სასაუბროდ. ერთის მხრივ, ელვისებური საუბარი კარგი შესაძლებლობაა მოუყვეთ თქვენი იდეის შესახებ არა მხოლოდ მათ, ვინც საკუთარი ინიციატივით დაინტერესდა პოსტერით. მეორეს მხრივ, პროაქტიული პოსტერის სტუმრები უფრო მომზადებულები და უფრო ჩაძირულები არიან თქვენს კონკრეტულ თემაში, ვიდრე დარბაზში მყოფი საშუალო მსმენელი. ამიტომ, სწრაფ მოხსენებაში, თქვენ ჯერ კიდევ უნდა გქონდეთ დრო ხალხის განახლებისთვის.

ჩვეულებრივ, ელვისებური საუბრის ბოლოს ავტორები ასახელებენ პოსტერის ნომერს, რათა მსმენელებმა იპოვონ და უკეთ გაიგონ სტატია.

ბოლო, ყველაზე პრესტიჟული ვარიანტია პლაკატი პლუს იდეის სრულფასოვანი პრეზენტაცია, როდესაც ამბის მოყოლაზე ჩქარობა აღარ არის საჭირო.

მაგრამ, რა თქმა უნდა, მეცნიერები - მათ შორის დამტკიცებული სტატიების ავტორები - მოდიან შემდეგ კონფერენციაზე არა მხოლოდ გამოსაჩენად. პირველ რიგში, ისინი აშკარა მიზეზების გამო იპოვიან თავიანთ სფეროსთან დაკავშირებულ პლაკატებს. და მეორეც, მათთვის მნიშვნელოვანია კონტაქტების სიის გაფართოება მომავალში ერთობლივი აკადემიური მუშაობის მიზნით. ეს არ არის ნადირობა - ან, ყოველ შემთხვევაში, მისი პირველი ეტაპი, რომელსაც ყოველ შემთხვევაში მოჰყვება იდეების ურთიერთსასარგებლო გაცვლა, განვითარება და ერთობლივი მუშაობა ერთ ან რამდენიმე სტატიაზე.

ამავდროულად, ტოპ კონფერენციაზე პროდუქტიული ქსელი რთულია თავისუფალი დროის სრული ნაკლებობის გამო. თუ პრეზენტაციებზე და პოსტერებზე დისკუსიებში გატარებული მთელი დღის შემდეგ მეცნიერმა შეინარჩუნა ძალა და უკვე გადალახა ჯეტ-ლაგი, მაშინ ის მიდის ერთ-ერთ წვეულებაზე. მათ კორპორაციები მასპინძლობენ – შედეგად, წვეულებებს ხშირად უფრო სანადირო ხასიათი აქვს. ამავდროულად, ბევრი სტუმარი იყენებს მათ არა ახალი სამუშაოს საპოვნელად, არამედ, ისევ და ისევ, ქსელში ჩართვისთვის. საღამოს აღარ არის მოხსენებები და პლაკატები - უფრო ადვილია თქვენთვის საინტერესო სპეციალისტის „დაჭერა“.

იდეიდან წარმოებამდე

კომპიუტერული მეცნიერება ერთ-ერთია იმ მცირე ინდუსტრიებიდან, სადაც კორპორაციებისა და სტარტაპების ინტერესები მჭიდროდ არის დაკავშირებული აკადემიურ გარემოსთან. NIPS, ICML და სხვა მსგავსი კონფერენციები იზიდავს უამრავ ადამიანს ინდუსტრიიდან და არა მხოლოდ უნივერსიტეტებიდან. ეს დამახასიათებელია კომპიუტერული მეცნიერების სფეროსთვის, მაგრამ პირიქით, სხვა მეცნიერებების უმეტესობისთვის.

მეორეს მხრივ, სტატიებში წარმოდგენილი ყველა იდეა დაუყოვნებლივ არ მიდის სერვისების შექმნაზე ან გაუმჯობესებაზე. ერთი კომპანიის ფარგლებშიც კი, მკვლევარს შეუძლია სამსახურის კოლეგებს შესთავაზოს იდეა, რომელიც არის გარღვევა სამეცნიერო სტანდარტებით და მიიღოს უარი მის განხორციელებაზე მრავალი მიზეზის გამო. ერთ-ერთი მათგანი აქ უკვე ნახსენებია - ეს არის განსხვავება „აკადემიურ“ მონაცემთა ნაკრებს შორის, რომელზედაც დაიწერა სტატია და რეალურ მონაცემებს შორის. გარდა ამისა, იდეის განხორციელება შეიძლება შეფერხდეს, მოითხოვოს დიდი რაოდენობით რესურსები ან გააუმჯობესოს მხოლოდ ერთი ინდიკატორი სხვა მეტრიკის გაუარესების ფასად.

სიტუაციას იხსნის ის ფაქტი, რომ ბევრი დეველოპერი თავად არის ცოტა მკვლევარი. ისინი ესწრებიან კონფერენციებს, საუბრობენ ერთსა და იმავე ენაზე აკადემიკოსებთან, გვთავაზობენ იდეებს, ზოგჯერ მონაწილეობენ სტატიების შექმნაში (მაგალითად, კოდის წერაში), ან თავად მოქმედებენ როგორც ავტორები. თუ დეველოპერი ჩაეფლო აკადემიურ პროცესში, მიყვება რა ხდება კვლევით განყოფილებაში, ერთი სიტყვით - თუ მეცნიერთა მიმართ კონტრმოძრაობას ავლენს, მაშინ მცირდება სამეცნიერო იდეების ახალ სერვის შესაძლებლობებად გადაქცევის ციკლი.

ყველა ახალგაზრდა მკვლევარს ვუსურვებთ წარმატებებს და დიდ წარმატებებს მათ საქმიანობაში. თუ ამ პოსტმა ახალი არაფერი გითხრა, შეიძლება უკვე გამოაქვეყნე ტოპ კონფერენციაზე. დარეგისტრირდით პრემია თავად და დაასახელეთ სამეცნიერო ხელმძღვანელები.

წყარო: www.habr.com