¿Cómo podemos asegurar que algo esté científicamente comprobado? Una respuesta recurrente es que un trabajo se someta a la famosa revisión por pares.
Ésta consiste en que un grupo de expertos en cierto tema analicen un nuevo resultado antes de que éste sea publicado; si pasa el escrutinio, se considera que tiene el rigor suficiente para que la comunidad científica lo considere confiable. Es algo así como un “control de calidad” que todo trabajo científico serio debe pasar.
Pero en varios casos la situación es mucho más complicada. Por ejemplo, el trabajo que vinculaba las vacunas al autismo fue publicado en The Lancet, una de las revistas más prestigiosas en medicina. Naturalmente, esto implicó un meticuloso proceso de revisión por pares; aun así, ahora no tenemos duda de que lo que afirmaba el trabajo es falso, y hace 12 años la misma revista retractó el artículo. Este es sólo un caso que muestra que lo que llamaré el proceso de comprobación científica (PCC) no es tan simple ni directo, ni siquiera en el caso simplificado (y hasta idealizado) que voy a considerar aquí.
Hablar del PCC parece bastante ocioso, pero la pandemia de covid-19 es un triste recordatorio de lo importante que es no perder de vista que el conocimiento científico se adquiere y establece de manera gradual (por eso hablo de un proceso). Recordemos cómo en los primeros meses de la pandemia se nos recomendó desinfectar superficies, y el uso de cubrebocas sólo era sugerido a las personas con síntomas. Dichos consejos no se hicieron por ignorancia, sino con base en el conocimiento que se tenía de otros virus. En cambio, conforme hubo más evidencia de que el mecanismo más eficiente de transmisión del SARS-CoV-2 es por los aerosoles que emitimos, incluso respirando, la invitación de las mismas personas expertas (virólogos, epidemiólogos, especialistas en salud pública) cambió por completo: todos tenemos que usar cubrebocas, los asintomáticos también son contagiosos y las superficies no son un medio preocupante de transmisión.
Desafortunadamente, estamos desacostumbrados a ver a la ciencia corregirse sobre la marcha. De hecho, esta situación es completamente ajena a la imagen que tenemos de la ciencia como una disciplina que nos aporta una lista de verdades del tipo: “La energía no se crea ni se destruye, sólo se transforma”; “La molécula de ADN es una doble hélice formada por cuatro tipos de nucleótidos”; “La Tierra tiene cerca de 4000 millones de años”, etc. Además, aprendemos estos hechos científicos sin contexto alguno, como si estuvieran grabados en piedra y hubieran sido revelados a la humanidad gracias a unas cuantas mentes geniales. Pero al aprender así se omite una parte fundamental de la ciencia: cómo se construyen, refutan, defienden, contrarrefutan, analizan y ponen a prueba estos hechos científicos. Por todo esto, no sorprende que, al avanzar la pandemia, la gente estuviera confundida y perdiera la confianza en las recomendaciones de expertos… Y mejor ni hablar de la situación análoga en el caso de tratamientos (como la hidroxicloroquina y la ivermectina).
Estudiar cómo se van estableciendo los hechos comprobados científicamente es importante en todas las ciencias (y no sólo en medicina). Por lo que ahora quisiera estudiar el PCC desde la perspectiva del “problema de empaquetamiento compacto aleatorio” (PECA), que afortunadamente es un tema menos sensible.
El PECA es un problema geométrico, con importantes consecuencias en física, matemáticas, teoría de la información, y otras áreas. Además, recientemente ha atraído varios reflectores porque apenas a principios de 2022 se propuso una solución a este antiguo problema. La situación ha sido muy polémica para la comunidad de sistemas desordenados, ya que todavía es poco claro si esta solución es correcta o no.
Por otro lado, el PECA es conveniente para explicar el PCC porque, hasta donde sé, no hay ninguna vida en riesgo si la solución resulta ser incorrecta. Así que podemos usarlo tranquilamente para describir qué tan difícil puede ser que se acepte un nuevo resultado como válido científicamente hablando. Otra ventaja del PECA es que permite describir el PCC de manera simple, pues gracias a su carácter matemático es posible saber si se tiene una solución sin necesidad de recurrir a experimentos.
La idea detrás del PECA es muy sencilla: si tienen un baúl y muchas canicas del mismo tamaño, ¿cuál es la disposición aleatoria de las canicas que permite guardar el mayor número de ellas en el baúl? Algo así como lo que se ilustra en la figura 1.
Figura 1. Porción de un empaquetamiento compacto aleatorio. Las esferas están coloreadas de acuerdo con el número de contactos que tienen: de las más oscuras, con casi ningún contacto, hasta las más claras que tienen alrededor de diez
En realidad, el PECA tiene varias partes. Una es encontrar cuál es la disposición de esferas que permite maximizar la densidad del sistema (es decir, maximizar qué proporción del espacio dentro del baúl está ocupada por las canicas). La segunda parte consiste en encontrar el valor de esta densidad máxima y, de hecho, la solución propuesta sólo aborda esta segunda parte.
Aunque parece una pregunta de geómetras con mucho tiempo libre, el PECA (y su posible solución) son importantes en varias áreas, desde modelos de materia granular, que resultan esenciales tanto en la industria (pensemos en gravas, granos de cereales, etc., donde nadie acomoda sus componentes de uno en uno), como en ciencia básica. En particular, en el campo de los sólidos amorfos (como los vidrios), el estudio de empaquetamientos de partículas es fundamental para entender sus propiedades termodinámicas, pues el empaquetamiento compacto aleatorio (ECA) identifica lo que se conoce como transición de fase,1 en la que algunos materiales se vuelven rígidos.
Intuitivamente, la idea es que hemos metido tantas canicas en el baúl que entre ellas forman una estructura estable capaz de soportar una carga.2 Finalmente, el PECA también es relevante para estudiar ciertos modelos de inteligencia artificial, pues así como en el baúl hay un número máximo de canicas que podemos meter, también hay un número máximo de patrones que una red neuronal puede aprender. En algunos casos, esta analogía es tan estrecha que el mismo formalismo matemático para estudiar empaquetamientos se aplica en ciertas clases de redes neuronales.
Para tener una idea de qué tan difícil es resolver el PECA, basta comparar este problema con su versión análoga, donde las esferas están acomodadas ordenadamente. Este otro problema, conocido como la Conjetura de Kepler, se resolvió apenas hace unos cuantos años, después de más de tres siglos de intentos por los mejores matemáticos de cada época. Entonces, si el caso sencillo resultó ser tan complicado, cuánto más lo sería resolver el PECA, donde la aleatoriedad agrega una dificultad considerable.
Por ello, cuando Alessio Zaccone (AZ) publicó el trabajoen el que afirma haber resuelto este problemón, tanto en dos como en tres dimensiones, resultó ser una sensación en la comunidad.
Hay que aclarar que el enfoque de AZ no es una prueba matemática, así que el PECA no está rigurosamente resuelto. Más bien se propuso un método, basado en propiedades físicas, de cómo calcular la densidad del ECA. Según AZ, en tres dimensiones este valor es φ = 0.658963, pero mientras no se tenga una demostración matemática formal, hay una posibilidad razonable de que esté equivocado. En todo caso, este valor es similar, pero notoriamente mayor, a otras estimaciones que se han hecho con simulaciones computacionales,3 de donde sabemos que el valor aproximado es φ = 0.645. Sé que parece una nimiedad, pero en esas décimas puede estar la diferencia entre una teoría consistente de los sólidos amorfos o sólo un cristal mal hecho. Como dicen: el diablo está en los detalles.
Cabe señalar que AZ publicó su resultado en Physical Review Letters, una de las revistas más prestigiosas en física. Por ende, tuvo que pasar por un riguroso proceso de revisión por pares, que podríamos considerar el primer paso del PCC. Ahora, como dichos pares son personas expertas en el tema, nos gustaría pensar que una vez que han avalado un descubrimiento o resultado nuevo, entonces estos pasarían a formar parte del corpus de conocimiento científico. Pero como mencioné al principio, en la práctica no siempre es así.
Una muestra de ello son las tres críticas (o comentarios) al trabajo de AZ, que se publicaron pocos días después, lo cuál es alarmante. En estos comentarios, se analiza a detalle el nuevo resultado argumentando que en realidad hay varios puntos equivocados, o al menos por esclarecer. O sea que en este caso no bastó la revisión por pares para asegurar que el nuevo resultado fuera válido. Desde el punto de vista del PCC, estos comentarios inician un diálogo científico, pues AZ tiene “derecho de réplica”.4 Este diálogo inicial y directo entre las personas que proponen un nuevo resultado y quienes señalan posibles errores puede verse como el segundo paso del PCC. En el caso del PECA, los comentarios5 junto con las respuestas de AZ6 ejemplifican bien qué tipo de intercambio se tiene en esta etapa del PCC.
Sin entrar en detalles, la idea de cada comentario es presentar argumentos para refutar el método que AZ usó en su artículo. Es decir, no se trata de analizar el valor de φ = 0.658963 en sí, sino de identificar posibles fallas en el procedimiento para obtener ese valor. Por ejemplo, algunas de las críticas muestran que, aplicando las mismas técnicas de AZ en otros sistemas y/o en otras dimensiones, se obtienen contradicciones con propiedades bien establecidas en estos otros casos.
Otro aspecto interesante de este caso es que puede verse, por escrito, lo subjetivo que podemos ser las científicas y los científicos. Dado que las críticas se concentran en el método usado por AZ, lo mejor sería que él respondiera sustentando sus resultados con argumentos científicos. En cambio, sus respuestas se enfocan en decir que el método, si bien puede estar equivocado, logra producir resultados correctos.
Por ejemplo, los autores de un comentario argumentan que AZ obtiene un valor de φ sensato, sólo porque en d = 3 hay muy poco margen de error. Y sucede lo mismo hasta en cinco dimensiones, pero en dimensiones mayores se vuelve evidente que el enfoque de AZ produce resultados erróneos. A esto, AZ responde, esencialmente, que su método funciona bien incluso en d = 5. Es decir, está tergiversando la crítica señalada (i.e. que en d ≤ 5 es difícil equivocarse), para que parezca una cualidad.
Pero, por fortuna, la cuestión no depende de opiniones individuales, pues no será ni AZ, ni los autores de los comentarios quienes decidan si la propuesta de solución es correcta o no. Más bien, será la comunidad científica la que lo determinará, pues ahora le corresponde a ella discutir, analizar, o más bien, manosear el nuevo resultado. Para ello, será necesario poner a prueba la solución propuesta por AZ en varios otros escenarios, además de resolver la aparente contradicción con otros resultados ya establecidos.
Esta parte de examinar tan arduamente un nuevo resultado es a lo que yo llamaría la tercera fase del PCC, una parte en la cual la comunidad científica poco a poco identifica que se han cometido errores e indaga a qué se deben. Es aquí donde seguramente se publicarán muchos más trabajos (tanto a favor y en contra de la solución de AZ). Es más, quizás en alguno se logre obtener una solución matemática rigurosa del PECA. Por todo ello, esta etapa es la más ardua, y a veces tensa.
Volviendo al PECA, después de esta tercera parte, la comunidad científica debería tener una comprensión mucho más profunda del problema, y así poder determinar si la densidad del ECA en d = 2 y d = 3 forma parte de esa lista de hechos científicos. Si fuera así, además se habrían expandido los métodos que conocemos para estudiar algunos sistemas desordenados. A su vez, incluso en el caso contrario que la solución fuera errónea y debiera descartarse, el conocimiento científico seguro se habrá enriquecido al encontrar los errores de dicha solución.
Por el momento, apenas vamos, si acaso, en la segunda parte del PCC. Pero algo que resulta fascinante para quienes se interesan en el tema es que se puede ver cómo este proceso se desarrolla en tiempo real: ¡la última respuesta de AZ es de apenas el 3 de mayo!
Aceptar un hecho como científicamente comprobado no es una tarea ni rápida ni sencilla y, sobre todo, no es algo que se acepte como algo escrito sobre piedra (o journals). Más bien, es conocimiento que una comunidad de expertos ha puesto a prueba, cuidadosamente, e incluso ha tratado de refutar (varias veces y con diversas estrategias). Obviamente, esto contrasta totalmente con este mundo de noticias rápidas y verdades on demand. Pero aún así, el PCC es de gran relevancia tanto para quien practica una disciplina científica, como para quien requiere del conocimiento científico en la toma de decisiones (es decir, toda la sociedad). Para terminar, y robando la frase a la responsable de este blog, quisiera enfatizar que es precisamente en las discusiones, análisis y debates donde “está la carnita del quehacer científico”. Así que nos conviene dejar de rehuir, pues de ello depende que la ciencia siga siendo tan confiable y tan estimulante para quienes la practican.
Rafael Díaz Hernández Rojas
Físico y Maestro en Física por la UNAM; y Doctor en Física por la Universidad de Roma “La Sapienza”
Agradezco encarecidamente a Viridiana Carmona, Daniel García y, especialmente, a Tania Alonso por sus comentarios y ayuda al revisar este texto.
1 En física, una transición de fase corresponde a una situación en la cual un material cambia de manera abrupta su comportamiento y desarrolla propiedades nada triviales. Siendo laxo con las analogías, así como sabemos que el agua (al nivel del mar) se convierte en vapor al superar los 100°C, una de las consecuencias de resolver el PECA es que sabríamos el valor exacto de la densidad a la cuál algunos materiales adquieren rigidez. Es decir, este valor de la densidad máxima jugaría el papel de los 100°C en la transición líquido-vapor del agua.
2 Volviendo a la analogía del baúl con las canicas, si metemos muy pocas canicas, claramente apenas movamos el baúl éstas se moverán más o menos libremente. En cambio cuando metemos más y más, al sacudir el baúl sus posiciones cambiarán menos pues tendrán menos espacio para desplazarse. Cuando la densidad es la de un empaquetamiento compacto, las canicas se quedarían inmóviles sin importar qué tanto movamos el baúl, pues por la definición de PECA, no es posible meter ni una canica más, lo que equivale a decir que hemos agotado el volumen libre del sistema, y todos los grados de libertad están bloqueados.
3 La manera más común de estudiar el PECA, y otros problemas relacionados, es a través de simulaciones computacionales. Éstas son muy útiles para explorar varias propiedades de los empaquetamientos y otros muchos sistemas. Sin embargo, como sólo se estudian instancias o casos específicos, estas simulaciones son incapaces de demostrar dichas propiedades de manera general. Por ejemplo, es posible generar ECAs con diversos algoritmos computacionales y con todos ellos obtener valores muy parecidos de la densidad. Pero esto no descarta que puedan existir ECAs de mayor densidad, pero que estén fuera del alcance de los algoritmos actuales.
4 Usualmente, los comentarios y las respectivas respuestas del autor también se publican en la misma revista, aunque en este caso esto aún no ocurre. El objetivo de todo esto es que se haga público que otros expertos consideran que un artículo contiene errores u otras fallas. Y también cómo los autores originales defienden su idea de estas críticas.
5 Los comentarios o críticas pueden encontrarse aquí: de P. Charbonneau y P. Morse; de D. Chen y R. Ni; de R. Blumenfeld; de W. T. Kranz.
6 Las respuestas de AZ están disponibles aquí:Respuesta a Charbonneau y Morse; Respuesta a Chen y Ni; Respuesta a Blumenfeld; Respuesta a Kranz.
Pues justamente debido al Proceso de Comprobación de la Ciencia es que el SNI se ha convertido en un sistema ineficaz y, de hecho, contraproducente. Obtener el SNI a priori es una mala idea. Me explico:
Hasta hace unos tres lustros se obtenía el SNI por méritos más científicos que ahora: la mayoría de los investigadores que tenían este nombramiento estaban en institutos o centros con capacidad para hacer ciencia. Al crecer el sistema y abrirse el abanico incontrolado de posgrados -que han proliferado como hongos-la calidad de la ciencia disminuyó drásticamente. Nos ha superado Brasil, Argentina y Chile.
En los últimos 15 años una gran cantidad de “investigadores” se incorporaron al SNI, sobre todo a instituciones que NO están en condiciones de hacer ciencia de calidad, como la mayoría de universidades estatales y centros de educación superior públicos y privados. Este circulo vicioso no ha hecho mas que crecer. Las estadísticas del conacyt demuestran que hay un crecimiento desmedido de “SNIs 1” a la vez que un estancamiento en ese mismo nivel. La hipertrofia en la base es el síntoma mas evidente de un sistema agotado. Un problema digno de ser analizado por…científicos.
Acceder al SNI se ha vuelto el fin último de la actividad de los investigadores (que no sinónimo de científico). Para lograr acceder hay que publicar. El sistema pide publicaciones de calidad, pero en los hechos la cantidad pesa más. Además, piden mil y un cosas que no inciden directamente en la calidad de la ciencia. Sucede entonces que la simulación crece. Las coautorías por conveniencia crecen. La cantidad de “reviews” crece. La cantidad de libros o capítulos de libro crecen. La cantidad de autores por artículo crece. La cantidad de estudiantes de posgrado crece.
Lo que no crece es el impacto y originalidad de esas publicaciones. Todo esto ocurre cuando la ciencia global acelera su paso día tras día.
Si publico sin rigor, sin impacto, en áreas o temas con poca o nula competencia mundial, si hago “ciencia” intrascendente…no pasa nada. El Proceso de Comprobación de la Ciencia me permite medrar del sistema sin que haya consecuencias. Nadie vendrá a decir que la ciencia que se publica desde México no es de calidad o impacto…para cuando esto suceda ya habré devengado varios años de beca. Obtener el SNI, cuando menos el nivel 1, permite crear la ilusión de que la ciencia crece. La ilusión de que hay científicos.
Por eso el SNI se debe dar a posteriori: si emprendo una carrera científica y en determinado momento me retiro o ya no quiero continuar, entonces solicito un monto de “retiro” con base en la obra comprobada. Un tabulador establecería los montos de retiro acordes a la calidad e impacto de la obra.