El camino directo a la ciencia

A pesar de todos los caprichos y debilidades de la naturaleza humana, el método científico nos ha permitido construir un corpus de conocimientos cada vez más ramificado y fiable. Por muchas mentiras, amenazas, argumentos divinos o financieros que se hayan utilizado, la demostración verificable siempre acaba separando lo que funciona de lo que es esquivo y de los intereses creados. A veces, errores honestos u observaciones perturbadas confunden un campo, pero el rigor del método acaba por restablecer los hechos, desentrañar el misterio o descubrir un nuevo campo de investigación.

El conocimiento científico se construye sobre las herramientas y los conocimientos de los que vinieron antes. Einstein no podría haber dado con su teoría hace 3.000 años. Hizo falta el experimento de Michelson-Morley sobre la velocidad de la luz y las ecuaciones de Lorentz resultantes para que dedujera su famosa teoría. Hubo muchos otros antes que él que allanaron el camino a los descubrimientos. La química, la física y la biología siguen todas este camino de lentos avances y saltos inesperados.

La historia de la ciencia ilustra claramente el método que hay que seguir para aprenderla: dominar las bases, progresar poco a poco, no tolerar la incertidumbre ni la duda.

Y la inteligencia artificial

Puede que sepamos calcular, pero la mayoría de las veces utilizamos una hoja de cálculo o una calculadora para hacer nuestros cálculos. Un ingeniero puede saber derivar e integrar, pero utilizará un ordenador para la mayoría de sus necesidades, y pondrá a prueba los resultados en simulaciones y verificaciones. Eso está bien para las aplicaciones, pero ¿es lo mismo para la investigación? Un programador debe conocer bien los principios matemáticos, su utilidad y sus limitaciones si quiere programar correctamente sus herramientas.

Personalmente, sigo a oscuras cuando trato de entender la programación paralela y los superordenadores cuánticos. Quienes desarrollan estas herramientas pueden pedir a sus ordenadores que encuentren mejores métodos, pero el hecho es que tendrán que proporcionarles las cartillas necesarias, una dirección, una visión de lo que quieren.

Por ejemplo, el mono azulejo aperiódico fue desarrollado por un equipo de investigadores con ayuda de la inteligencia artificial. Sin ella, la demostración habría sido muy difícil. El reto consistía en encontrar una baldosa cuyo ensamblaje no produjera una regularidad cristalina que se repitiera. El problema tenía miles de años.

Una vez encontrada la solución, es fácil decir "deberíamos haber pensado en eso" y ahí es precisamente donde la IA necesita nuestra contribución. Le damos el problema y le proporcionamos las reglas, los datos y todo lo que necesita para resolverlo. La conectamos a la realidad. Si la conexión es mala, el resultado será el mismo.

Puedes teorizar y argumentar todo lo que quieras, pero sólo a través de la experimentación sabrás si la teoría o la explicación son válidas. La propia inteligencia artificial está sometida a prueba: mientras sus predicciones se verifiquen, confiamos en ella; en cuanto la experimentación demuestre lo contrario, su valor decae y recurrimos a la inteligencia humana para detectar las causas del fallo. De ahí la necesidad de comprender los principios, las reglas y las relaciones en juego.

Una aplicación de química molecular aplicada como 3D-QSAR ilustra bien este fenómeno: su reputación crece a medida que se verifican sus predicciones; sus resultados mejoran a medida que sus diseñadores comprenden mejor las relaciones entre observaciones y estructuras. Sin dominio de los fundamentos, no hay progreso posible.

La enseñanza de las ciencias tiene el deber de despertar el interés y la curiosidad desde el principio, pero sobre todo de inculcar las bases y los principios y hacerlos progresar hasta un dominio adecuado, en función de las ambiciones expresadas y de las necesidades de cada alumno. La inteligencia artificial tiene ciertamente el potencial de aumentar nuestras capacidades, pero no puede hacer mucho sin nuestras habilidades.

Ilustración: ALLVISIONN - DepositPhotos

Referencias

Portal de historia de la ciencia - https://fr.wikipedia.org/wiki/Portail:Histoire_des_sciences

Un monotilo aperiódico - David Smith, Joseph Samuel Myers, Craig S. Kaplan, Chaim Goodman-Strauss
https://arxiv.org/abs/2303.10798

Pavimentación aperiódica de una sola baldosa sin vuelco -https://les-mathematiques.net/vanilla/discussion/2334577/pavage-aperiodique-a-tuile-unique-sans-retournement

Hacer la pregunta correcta es la mitad de la batalla
https://blogs.mediapart.fr/wawa/blog/200123/poser-la-bonne-question-cest-la-moitie-de-savoir

3D-QSAR - https://www.3d-qsar.com/