Deducir e inducir: Durante siglos estos dos m\u00e9todos de conocimiento cient\u00edfico se han complementado. Sin embargo, con la llegada de los algoritmos adaptativos, se avecina un cisma.<\/p>\n<\/p><\/div>\n<\/div>\n
<\/p>\n Decano Mouhtaropoulos\/Getty<\/span><\/p>\n<\/div>\n<\/figcaption><\/figure>\n <\/p>\n \u00bfQu\u00e9 es m\u00e1s importante, anticipar las cosas o explicarlas? Esta es una vieja pregunta en la ciencia. Y la respuesta com\u00fan a eso es: ambos son importantes; La mejor manera de anticipar el curso de las cosas es comprender su relaci\u00f3n causal, y viceversa. Hasta ahora, al menos, esta ha sido la r\u00e9plica predeterminada. Hoy no.<\/p>\n <\/p>\n David Krakauer, director del Instituto de Investigaci\u00f3n de la Complejidad de Santa Fe, habla de un \u00abcisma\u00bb entre explicaci\u00f3n y predicci\u00f3n<\/a>: \u00abEst\u00e1 surgiendo un cisma en la empresa de investigaci\u00f3n cient\u00edfica. Est\u00e1, por un lado, el esp\u00edritu humano, la fuente de toda narraci\u00f3n, teor\u00eda y explicaci\u00f3n que atesora nuestra especie. Y luego est\u00e1n las m\u00e1quinas. Sus algoritmos poseen un poder predictivo asombroso, pero su funcionamiento interno sigue siendo radicalmente opaco para el observador humano (…) Nos enfrentamos a la elecci\u00f3n de qu\u00e9 tipo de conocimiento es m\u00e1s significativo, as\u00ed como cu\u00e1l de los dos tipos conduce al desarrollo cient\u00edfico. progresar en el camino\u00bb.<\/p>\n <\/p>\n Eso suena muy dramatizado, pero Krakauer llega al coraz\u00f3n de la situaci\u00f3n actual de la ciencia: las dos corrientes principales de los tiempos modernos se est\u00e1n distanciando, el estilo de investigaci\u00f3n dirigido por la teor\u00eda y el dirigido por la experiencia emp\u00edrica. Para explicar una peque\u00f1a digresi\u00f3n hist\u00f3rica.<\/p>\n <\/p>\n <\/p>\n El primer estilo encontr\u00f3 su primera obra maestra en la teor\u00eda universal y fundamental de la naturaleza de Isaac Newton, quien Philosophiae naturalis Principia Mathematica<\/em>. Una catedral de teor\u00edas dise\u00f1ada en lenguaje matem\u00e1tico, apoyada sobre los s\u00f3lidos pilares de unos principios universales. Esto cre\u00f3 un nuevo ideal de conocimiento: la deducci\u00f3n de arriba hacia abajo, es decir, la conclusi\u00f3n de los principios fundamentales de la naturaleza al caso individual. Durante tres siglos inspirar\u00eda logros sin precedentes en f\u00edsicos, desde Newton a Laplace, Boltzmann, Maxwell, Hertz, Einstein, Planck, Schr\u00f6dinger hasta la b\u00fasqueda actual de una \u00abteor\u00eda del todo\u00bb.<\/p>\n <\/p>\n El segundo estilo opera de abajo hacia arriba. Comienza emp\u00edricamente con observaciones, experimentos, datos, y trata de abstraer, de \u00abinducir\u00bb, patrones generales a partir de ellos. Francis Bacon es considerado el fundador filos\u00f3fico, raz\u00f3n por la cual el estilo de investigaci\u00f3n tambi\u00e9n se conoce como \u00abbaconiano\u00bb. Al principio no se afirm\u00f3 tanto en mec\u00e1nica y astronom\u00eda como en \u00e1reas que resultaron m\u00e1s resistentes a la matematizaci\u00f3n: \u00f3ptica, calor, qu\u00edmica, biolog\u00eda, geolog\u00eda. Y utiliz\u00f3 un arsenal t\u00e9cnico de aparatos mec\u00e1nicos, microscopios, telescopios, bar\u00f3metros, term\u00f3metros, bombas de aire, detectores de electricidad, aparatos qu\u00edmicos. B\u00e1sicamente, el \u00e9xito de la ciencia moderna se debe al extraordinario golpe de suerte de una cooperaci\u00f3n exitosa entre los dos estilos de investigaci\u00f3n: la \u00abperspectiva del cerebro\u00bb te\u00f3rica y la \u00abperspectiva del equipo\u00bb emp\u00edrica. Krakauer ve esta cooperaci\u00f3n en peligro.<\/p>\n <\/p>\n <\/p>\n La ciencia atraviesa actualmente el umbral de una nueva era, la del estilo de investigaci\u00f3n guiado por algoritmos. Las redes neuronales pueden manejar una inmensa cantidad de par\u00e1metros. Aprender\u00e1 a reconocer relaciones y patrones a partir de vol\u00famenes de datos. Su desempe\u00f1o ya es impresionante. En este sentido, puede verse como una continuaci\u00f3n de las ciencias baconianas con medios m\u00e1s potentes. Pero los algoritmos tambi\u00e9n interfieren con el estilo basado en la teor\u00eda.<\/p>\n <\/p>\n Un equipo de ETH Zurich lo cre\u00f3 recientemente.<\/a> un \u00abagente\u00bb artificialmente inteligente que aprendi\u00f3 a simplificar el c\u00e1lculo de las \u00f3rbitas planetarias cambiando de perspectiva geoc\u00e9ntrica a helioc\u00e9ntrica. \u00bfHizo un \u00abcambio copernicano\u00bb? El estudio es bastante notable desde un punto de vista algor\u00edtmico. Plantea la esperanza de que la inteligencia artificial se teorice a s\u00ed misma.<\/p>\n <\/p>\n Los investigadores escriben: \u00abNuestro trabajo proporciona un primer paso para responder a la pregunta de si los m\u00e9todos tradicionales utilizados por los f\u00edsicos para crear modelos de la naturaleza resultan autom\u00e1ticamente de datos experimentales, sin conocimientos f\u00edsicos y matem\u00e1ticos previos\u00bb. En lenguaje sencillo: la red neuronal aprende la f\u00edsica en s\u00ed misma si la alimenta con el material de datos \u00abcorrecto\u00bb, tal vez m\u00e1s f\u00edsica de la que se puede esperar que la gente acepte. Ya poder en los medios<\/a> el t\u00e9rmino ciencia \u00abpost-te\u00f3rica\u00bb \u200b\u200bestaba dando vueltas.<\/p>\n <\/p>\n\u00bfQu\u00e9 ser\u00eda del mundo sin la teor\u00eda? Una pizarra en el CERN en Ginebra muestra c\u00e1lculos sobre f\u00edsica de part\u00edculas.<\/h2>\n
Una exitosa cooperaci\u00f3n de dos estilos de investigaci\u00f3n<\/span><\/h2>\n
Los algoritmos reconocen patrones mejor que los humanos<\/span><\/h2>\n
![\"Isaac](\"https:\/\/img.nzz.ch\/2023\/04\/24\/723ec119-b9cd-487d-8c33-969ff20f3d7a.jpeg?width=654&height=849&fit=bounds&quality=75&auto=webp&crop=3693,4796,x0,y0\")
<\/div>Isaac Newton (1643-1727) fue un maestro en discernir los principios fundamentales de la naturaleza.<\/h2>\n