Agujeros negros y la ciencia de datos





¬ŅC√≥mo ha sido el d√≠a en que Albert Einstein se vio confrontado con las consecuencias de su teor√≠a general de la relatividad? ¬ŅC√≥mo imaginar√≠a √©l que fuera el aspecto de un agujero negro? Las personas que est√°n familiarizadas con el m√©todo cient√≠fico, ciertamente crean empat√≠a con tal momento de extra√Īeza. Ser√≠a prudente, de hecho, presumir que hab√≠a aspectos para los que la teor√≠a merec√≠a reflexi√≥n. Estos extra√Īos cuerpos celestes, infinitamente densos, podr√≠an resumirse a un artificio matem√°tico susceptible de revisi√≥n. M√°s frecuentemente, cuando un cient√≠fico se enfrenta a una conclusi√≥n tan inusitada, no se sorprender, m√°s tarde, si √©sta se demuestra inv√°lida. Esto, precisamente, por estar superando los l√≠mites de aplicaci√≥n de la teor√≠a, o simplemente por la confrontaci√≥n con los datos. En casos raros, sin embargo, asistimos a una revoluci√≥n en el entendimiento de la realidad que nos rodea – en este caso ante la existencia de agujeros negros.





A trav√©s de los avances computacionales ocurridos en las √ļltimas d√©cadas, y con el progreso de la ciencia de datos propiamente dicha, pudimos imaginar con gran exactitud c√≥mo se aparenta este fen√≥meno. Ejemplo de ello es la pel√≠cula interestelar, de Christopher Nolan, que con el auxilio de las simulaciones realizadas por el f√≠sico Kip Thorne, nos sorprendi√≥ con magn√≠ficas im√°genes de un cuerpo celeste jam√°s visto. Muy avanzamos desde el tiempo en que, sobre todo con l√°piz y papel, se buscaba la comprensi√≥n de un universo que no era explicado por la f√≠sica Newtoniana. El mundo cambi√≥. La imagen rom√°ntica que asociamos a Einstein, de un genio de la f√≠sica que solo creaba teor√≠as brillantes, ya en aquel momento no correspond√≠a de todo a la verdad. La mayor democratizaci√≥n del conocimiento y la interacci√≥n de las organizaciones cient√≠ficas culmin√≥ en la creaci√≥n de equipos interdisciplinarios e internacionales que impulsaron la velocidad de los descubrimientos.

No es un emprendimiento individual, sino que requiere la participaci√≥n de cientos de personas, equipos y saberes distintos, he aqu√≠ que una joven mujer, Katie Bouman, se destaca en el liderazgo de un equipo que logr√≥ la primera visualizaci√≥n de un agujero negro, basado en datos recogidos por una investigaci√≥n emp√≠rica. Al descontar alguna licencia creativa y considerando una menor resoluci√≥n, estos resultados est√°n en l√≠nea con las simulaciones de Kip Thorne. Eventualmente, habr√° quien no entienda la necesidad de esta investigaci√≥n. El m√©todo impone que hay que ver para creer, y ver es importante, ya que las ganancias de ese esfuerzo desbordan hacia la sociedad en que vivimos, con ramificaciones dif√≠ciles de desentra√Īar. Sin embargo, las tecnolog√≠as que nos rodean resultan de estos desarrollos simbi√≥ticos, acad√©micos e industriales, que se retroalimentan y crean soluciones a nuestros problemas, haciendo del mundo imaginado la realidad.

Me parece interesante revertir el proceso e identificar las tecnologías utilizadas. Los métodos y los algoritmos de la ciencia de datos, aquí aplicados, son los mismos que usamos cuando pretendemos segmentar mercados, prever saldos bancarios o planear la producción. Las técnicas utilizadas tienen una base similar y resultan de estos esfuerzos titánicos adaptados a la física del problema en análisis.

El m√©todo utilizado para generar la primera imagen de un agujero negro es sorprendente. Para referencia, se considera que un radiotelescopio capaz de generar una imagen de un objeto que se encuentra tan distante en el espacio, tendr√≠a √©l mismo, de tener una dimensi√≥n semejante a la de la Tierra. Por supuesto, su construcci√≥n no es viable. Lo que Katie Bouman y su equipo llevaron a cabo fue utilizar una red de ocho radiotelescopios repartidos por todo el mundo para recoger fragmentos de la imagen deseada. Con el tiempo, aliado a la rotaci√≥n de la Tierra, iban completando el puzzle. Esta tarea no era, sin embargo, trivial. En una primera instancia, la atm√≥sfera introdujo ruido en la se√Īal. Imagine intentar identificar la m√ļsica que toca en la radio cuando se encuentra en un t√ļnel y apenas oye ruido. En un segundo plano, la recogida se hac√≠a a lo largo del tiempo. Como los cuerpos no son est√°ticos, la uni√≥n de las piezas obliga a que tengamos que deducir el estado del fragmento en los instantes de tiempo que faltan.

En un proyecto de ciencia de datos, es crucial que exista un conjunto de referencias que haga que los algoritmos perciban el tipo de soluciones que se pretenden obtener. Imaginemos que queremos identificar las características de una persona basada en fotografías. A cada imagen de entrenamiento indicamos el resultado que el algoritmo debe buscar Рel género, la edad, el color de los ojos y la longitud del cabello son sólo algunos ejemplos que podremos apuntar. En el caso de un agujero negro, esta tarea es mucho más complicada. De hecho, no es posible indicar a la salida el aspeto del agujero negro, ya que nunca lo vimos. Presumiendo alguna estructura, por lo tanto, contaminar la solución. Para evitar este problema, el entrenamiento se realizó a partir de conjuntos de datos de referencia, siendo estos de los más variados temas. Si los resultados fueran consistentes, habría alguna seguridad de que la imagen retratada era representativa del agujero negro. Sin embargo, cuatro equipos intentaron construir esta imagen. Sin comunicarse unas con otras, para no influir en los resultados que cada uno obtendría, alcanzaron resultados similares, validando así la imagen obtenida.

No mirando las especificidades de la investigaci√≥n, el mismo m√©todo cient√≠fico se aplica a cualquier otro proyecto de ciencia de datos. En efecto, la ciencia aliada a la creatividad es una ventaja competitiva con la que todos los sectores de negocio pueden ambicionar. A las empresas de hoy, nada de lo que es ciencia de datos les deber√≠a ser extra√Īo. El √©xito empresarial en el mundo actual requiere el gusto por si Desafiar la complejidad. Este es el admirable mundo nuevo donde los datos existen, no s√≥lo como registros, pero donde son activamente recogidos y trabajados para que podamos mejorar nuestras empresas, clientes y la sociedad en su conjunto. Dicen que no hay lugar para la emoci√≥n en la ciencia, pero al constatar sus avances continuo a deslumbrarme con cada paso que damos.





Fecha Scientist en Closer, Profesor e Investigador

Nacho Vega

Nacho Vega. Nac√≠ en Cuba pero resido en Espa√Īa desde muy peque√Īito. Tras cursar estudios de Historia en la Universidad Complutense de Madrid, muy pronto me interes√© por el periodismo y la informaci√≥n digital, campos a los que me he dedicado √≠ntegramente durante los √ļltimos 7 a√Īos. Encargado de informaci√≥n pol√≠tica y de sociedad. Colaborador habitual en cobertura de noticias internacionales y de sucesos de actualidad. Soy un apasionado incansable de la naturaleza y la cultura. Perfil en Facebook:¬†https://www.facebook.com/nacho.vega.nacho Email de contacto: nacho.vega@noticiasrtv.com

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *