Posiblemente el paradigma más actual dentro del campo de la ciencia, y en concreto, dentro del campo de la informática: el uso de los datos. Hoy en día todo son datos: una cuenta bancaria, las fotos en Instagram, datos fiscales, la monitorización de un aerogenerador, un robot o hasta incluso las zapatillas que me compré ayer son datos.
Se encuentra presente en todos los aspectos de la vida, pero yo me centraré en el uso que se le está dando dentro de mi disciplina, la ingeniería.
La ingeniería es una disciplina que aprovecha las leyes de la física para desarrollar y ejecutar aplicaciones prácticas en la vida real, abarca desde la rama más antigua y práctica (ingeniería civil) hasta una de la más modernas (ingeniería electrónica). Es una ciencia cambiante, que tiene que adaptarse al entorno, va avanzando de revolución en revolución. Uno de los mayores cambios en el mundo de la ingeniería es el uso de inteligencia artificial.
Desde la aparición de los ordenadores y herramientas computacionales la ingeniería ha avanzado a pasos de gigante. El desarrollo de equipos informáticos cada vez más potentes ha ido mejorando el procesado de datos, hasta tal punto que se puede hacer cualquier simulación o modelado de un sistema real en un ordenador.
¡Somos capaces de replicar la realidad en un ordenador! No solo se queda ahí, actualmente estamos en el punto de desarrollar algoritmos que interpretan los datos procedentes de estas simulaciones y conseguir generar conocimiento automáticamente. Inteligencia artificial.
Hoy en día ya no vemos un sistema físico por sus atributos mecánicos (masas, centros de gravedad, inercias, rozamientos...), sino como un conjunto de datos los cuales pueden ser interpretados con herramientas computacionales y dar cualquier tipo de resultados deseables.
Casi como el paradigma de la mecánica cuántica, la cual supuso un cambio de interpretación en la propagación de la luz. La luz paso de ser una partícula o una onda a ser las 2 cosas a la vez, y a partir de ahí, todo eran ondas.
Con la inteligencia artificial y algoritmos de Machine Learning ya no necesitamos saber que es lo que se está analizando. Ahora volcamos una cantidad ingente de datos a una red neuronal para que nos devuelva la serie de datos que necesitamos. Las fotos ya no son fotos, ahora son vectores de datos con la intensidad y color de cada pixel que lo componen.
Dependiendo de las manos en las que caigan, el uso de datos puede suponer un avance o un retroceso en la ciencia. Ya no es necesario fabricar un prototipo o construir en madera un mecanismo estilo da Vinci,
ahora lo podemos modelar en un portátil y moverlo a nuestras anchas.
Podemos incluso hasta desarrollar un algoritmo que me prediga el estado
de dicho mecanismo en un instante de tiempo en concreto. Podemos predecir fallos futuros en maquinarias solo con monitorizarlas. Podemos preguntarle a ChatGPT sobre una pregunta del examen. Podemos escribir un artículo de investigación con inteligencia artificial.
En resumidas cuentas, el paradigma de los datos es un fenómeno que lo estamos viviendo in-situ, en nuestro día a día. Se encontraría en la fase de ciencia revolucionaria dentro del esquema de Kuhn, todavía no se ha establecido como ciencia normal, necesita una serie de mejoras y un adecuado enfoque de sus aplicaciones.
