Entre más y mejor conocemos la naturaleza y el Universo a nuestro alrededor, más nos damos cuenta de lo mucho que falta por entender.
En la era de la información y las comunicaciones se ha hecho más notorio el hecho de que como decía Newton:
via GIPHY
Desde que comenzó el proyecto científico en los años 1600, se reconoció que para entender el mundo (y para manipularlo haciendo más fácil nuestra vida y la de otros animales que comparten con nosotros el planeta), es necesario observarlo y experimentar con él.
400 años después de que hiciéramos los primeros experimentos científicos (una de las ideas más notables de la historia) millones de ojos miran el mundo y extraen datos de él a un ritmo apabullante. Desde inmensos instrumentos del tamaño de catedrales (por ejemplo los detectores del acelerador de partículas en el LHC) hasta pequeñas cámaras instaladas en las selvas a través del planeta o en cajas espaciales de todos los tamaños (satélites), recogen cada año aproximadamente el doble de los datos que la humanidad había acumulado sobre el mundo el año anterior.
No hay que engañarse: datos no es lo mismo que información
Tan solo en 2019, por ejemplo, la cantidad de datos recabados por todos los instrumentos científicos del planeta sumaron el doble de los datos recogidos por instrumentos y observadores desde el año 3000 a.e.c. (antes de la era común (a.e.c.); la fecha es un poco arbitraria, pero se corresponde más o menos con el tiempo en el que posiblemente inventamos la escritura y empezamos a registrar datos sobre el mundo). En un solo año duplicamos nuestra “cuenta de datos” de los últimos 5019 años. Y el año entrante la hazaña se repetirá.
Para convertir los números, fotos, señales (datos crudos) que los científicos recogen a diario, en patrones, leyes, claves para entender la naturaleza (información) hace falta un esfuerzo monumental: el otro 50 % del esfuerzo científico o lo que para algunos es en realidad el 99 % de la empresa.
Para entender la diferencia entre los datos y la información podemos pensar en una analogía gastronómica.
Los científicos son los pasteleros del intelecto humano.
Por un tiempo se llegó a considerar la posibilidad de que las máquinas nos sacarían del embrollo en el que nuestra ambición nos había metido (todavía hay muchos que lo piensan así.)
Muy rápido se dieron cuenta, sin embargo, que enseñar a las máquinas a reconocer patrones no era tan fácil. No hay que olvidar que a cualquiera (incluso a una máquina imbécil) le toma muy poco tiempo aprender a sumar, pero reconocer el humor en un rostro aparentemente inexpresivo o el nombre de una medicina en una fórmula médica escrita a mano por un médico perito, le tomó a la evolución natural un par de millones de años.
via GIPHY
Es justamente frente a este problema donde inventamos la ciencia ciudadana.
Hay otra manera de resolver el problema de la acumulación de datos científicos y la escasez de expertos para “cocinarlos”.
Piensen en la siguiente estrategia:
- Los científicos recaban los datos ¡muchos datos!
- Los datos son compartidos públicamente a una gran comunidad de entusiastas y no entusiastas (normalmente en un sitio en internet de acceso público).
- Los científicos “entrenan” a los ciudadanos en la búsqueda de patrones (un entrenamiento que no pasa de ser más que una descripción general de lo que se está buscando y la manera como debe reportarse).
- Los entusiastas convertidos en científicos ciudadanos, dedican un poco de su tiempo (o mucho en algunos casos) a la tarea de los científicos.
Esta es una de las formas más sencillas y populares de ciencia ciudadana que conocemos. Para hacerse a una idea de cómo funciona, pero mejor, para participar en uno de los casi 100 proyectos que se han construido sobre estas líneas, pueden visitar Zooniverse
Estas son preguntas que están todavía en el tintero. Pero no hay duda de que la ciencia ciudadana representa una verdadera ruptura respecto a las formas tradicionales de hacer ciencia; aquellas en las que es necesario contar con una preparación académica normalmente reservada para unos pocos. Una ciencia en la que la investigación discurre vertical y jerárquicamente: un genio dicta los problemas mientras unos umpa lumpas (entre los que el menos educado tiene un doctorado) recogen datos y tratan de exprimir de ellos la información que contienen.
La forma clásica de hacer ciencia no está escalando bien. No está respondiendo con la velocidad adecuada a los retos que nos impone el crecimiento exponencial de nuestra capacidad para recoger datos sobre el Universo.
Sea que el modelo descrito antes funcione a largo plazo o sea que debamos pensar en otro modelo ¡la ciencia del futuro necesita la participación de todos nosotros!
Nota aclaratoria
Este texto compromete la opinión del autor que lo realiza; este no refleja necesariamente la posición del Programa de Divulgación Científica o de la Universidad Pontificia Bolivariana.
