Enchufa2

El pasado jueves, leí en Microsiervos La velocidad del Sol, una anotación donde aparece un curioso vídeo sobre el sistema solar. En dicho vídeo, básicamente se argumenta que el modelo heliocéntrico (aquel que todos tenemos en la cabeza cuando pensamos en el sistema solar), con los planetas dando vueltas alrededor del Sol, es incorrecto porque la realidad no es tal. En su lugar, propone un modelo que añade la velocidad con la que el propio sistema solar en su conjunto se mueve alrededor del centro de nuestra galaxia. Veamos el vídeo (basta con los dos primeros minutos):

De acuerdo, el modelo propuesto es precioso al ser animado en 3D, pero ¿cómo que el modelo heliocéntrico es incorrecto? La única diferencia entre ellos es que el primero omite la velocidad orbital del sistema solar, o dicho de otro modo, el modelo heliocéntrico fija como punto de referencia el centro de masas del sistema. ¿Qué tiene eso de incorrecto? De acuerdo que hay un sistema más grande que podemos considerar, pero, de la misma forma, nuestra galaxia se mueve con respecto a sus vecinas. ¿Dónde ponemos el punto de referencia entonces? Porque en algún lugar hay que ponerlo…

Hay que tener mucho cuidado al hacer modelos (Carlos Chordá lo cuenta muy bien), eso es indudable, porque un mal modelo puede llegar a cargarse nuestra percepción de la realidad. Según mi modo de ver, un buen modelo debe cumplir tres condiciones fundamentales que se adivinan en el título de esta entrada:

1. Debe ser correcto, para empezar.
2. Debe ser adecuado para el propósito para el que se concibe.
3. No debe caer en simplificaciones excesivas que acaben por distorsionar la realidad.

Por ejemplo, podemos discutir si el modelo geocéntrico —el que tiene la Tierra como centro del sistema solar— es correcto o no. En realidad, podemos escoger el punto que nos dé la gana como referencia de nuestro modelo. Desde el punto de vista estrictamente matemático, será más complejo, pero correcto al fin y al cabo: se trata de una simple traslación del eje de coordenadas. Ahora bien, desde el punto de vista físico, no tiene ningún sentido: solo tiene sentido escoger el centro de masas del propio sistema (o, si acaso, de un sistema mayor, como hace en el vídeo). Para mí, esto es lo que cuenta (recordemos que estamos hablando de física), por eso afirmo tajantemente que el modelo geocéntrico se puede tachar directamente como incorrecto. Pero, aun asumiendo como correcto el modelo geocéntrico —aunque solo sea matemáticamente—, cualquiera puede darse cuenta de que es absolutamente inadecuado para satisfacer su misión: facilitar la comprensión del movimiento de los planetas.

¿Qué hay del sistema heliocéntrico? Resulta matemáticamente y físicamente correcto. No veo qué duda puede haber al respecto. Y no solo eso, sino que es muy adecuado para su propósito; mucho más, opino, que el modelo propuesto en el vídeo. Este último sirve muy bien al propósito de visualizar el movimiento global del sistema solar a través de la galaxia, pero no puede competir con el modelo heliocéntrico a la hora de comprender el comportamiento de los planetas.

Si hay algo que se le puede achacar al modelo heliocéntrico —y no menos al propuesto en el vídeo—, precisamente tiene que ver con mi tercera condición. Y es que ambos cometen una simplificación que a menudo lastra nuestra concepción del sistema solar: las diferencias relativas, tanto del tamaño de los planetas como de las distancias que los separan. Ese sí es un problema y no la omisión de la velocidad orbital alrededor del centro de nuestra galaxia.

Repito: hay que tener mucho cuidado con los modelos. Pero no solo al implantarlos, sino también al desecharlos; la simplicidad no tiene por qué ser sinónimo de incorrección.

Como muchos sabréis, la ciencia tiene un sistema de transmisión del conocimiento que funciona al mismo tiempo como mecanismo de reconocimiento del mérito investigador. Ampliamente conocidas son sus ventajas, pero menos sus miserias. Yo pertenezco a una rama de la ciencia relativamente joven: las ciencias de la computación. Y no sé si es porque tengo demasiado idealizada la ciencia en general, o las demás ramas en particular; no sé si mi visión parte de un desconocimiento de los otros campos; pero me da la sensación de que en mi área, en general, se pisotea el método científico más a menudo de lo esperable, por decirlo de una manera suave.

Hace unas semanas, charlando con el gran @Sonicando en Madrid precisamente sobre las miserias de este sistema que tenemos en ciencia, yo le comentaba: «Lo que envidio de vuestro campo [la biología molecular en su caso] es la reproducibilidad de los resultados». Y conforme lo decía, él me miraba como sorprendido y negaba con la cabeza de forma tajante: «Ya no me fío de nada de lo que lea en un paper hasta que no lo haga yo mismo», replicó él. De acuerdo, es cierto que en muchas ocasiones no se obtendrá lo que afirmaba el paper en cuestión al realizar tú mismo el experimento (por negligencia del tipo que sea, más o menos grave, en eso ya no me meto), pero también es cierto que en biología, y en otros campos, son muy estrictos —en general— detallando la metodología de sus experimentos. Y a eso iba yo: podrá salir bien o  podrá salir una cosa completamente distinta, pero tienes en tus manos la información necesaria para repetir ese experimento y confirmarlo o refutarlo en un momento dado.

En ciencias de la computación, por alguna razón —y de nuevo, en general—, todo es mucho más difuso. Lo más normal es encontrarse con trabajos que afirman haber aplicado este o aquel nuevo método en un determinado campo y que ha conseguido una mejora determinada con respecto a los métodos anteriores. De acuerdo. ¿Y cómo se ha implementado ese nuevo método? ¿Cómo se ha aplicado? En definitiva, ¿dónde está el código para que yo mismo pueda verificar que lo que dices es verdad?

Es algo básico y tremendamente sencillo en nuestro campo: es solo un programa, un pedazo de código; así de simple. Y sin embargo, hay cientos y cientos de papers publicados en revistas de prestigio que adolecen de este principio tan elemental, lo cual me resulta increíble. En el mejor de los casos, tal código existe y se puede tener acceso a él, pero está lleno de errores y ¡ni siquiera compila! (uno de mis compañeros y troll, oficial y oficioso, de este blog tiene mucho que contar acerca de esto). ¿Cómo demonios se supone que han llevado a cabo la investigación asociada entonces?

Todo esto viene a colación de un fantástico artículo del blog de Jeff Leek, bioestadístico de la Johns Hopkins Bloomberg School of Public Health, titulado Statisticians and computer scientists – if there is no code, there is no paper. En él, comenta que, a partir de ahora, va a tener en cuenta un nuevo criterio a la hora de revisar los papers o CV de candidatos que pasen por sus manos: la presencia o no de código que soporte los supuestos logros. Aplaudo desde aquí su determinación. La investigación en ciencias de la computación no podría sino mejorar si esta práctica se extendiese.