El trabajo científico, en su forma moderna, se ha convertido en uno de los inventos que permitió el desarrollo del progreso. Antes de que su forma se desarrollara en el siglo XVII, los resultados del trabajo se transmitían de forma privada en cartas, de manera efímera en conferencias o en grandes cantidades, en libros. No había lugar para la discusión pública del progreso gradual. Al dejar espacio en sus páginas para describir experimentos individuales o pequeños avances técnicos, las revistas crearon el caos de una ciencia en expansión. Desde entonces, los científicos comenzaron a parecerse a los insectos sociales: avanzaban constantemente, con un zumbido como una manada de abejas.
Las primeras obras, en cierto sentido, eran más legibles que las de hoy. Eran menos especializados, más directos, cortos y menos formales. El matanálisis fue inventado poco antes. El conjunto completo de datos sobre el tema en estudio podría caber en una placa en una página. Todos los cálculos relacionados con los resultados se realizaron a mano y también se pudieron verificar.
Cuanto más difícil se vuelve la ciencia, más difícil es informar sus resultados. El trabajo de hoy es más largo que nunca y está lleno de jerga y varias designaciones simbólicas. Dependen de un conjunto de programas informáticos que producen datos, limpian los datos, crean gráficos y procesan modelos estadísticos. Y estos programas a veces se escriben tan descuidadamente y se centran tanto en el resultado que también contribuyen a la crisis de repetibilidad, es decir, el trabajo no hace frente a su tarea principal: informar sobre el descubrimiento realizado es lo suficientemente simple como para que alguien más pueda hacerlo también .
Quizás valga la pena culpar al hábito del papel en el que se imprimen los papeles. Los métodos científicos evolucionan a la velocidad del software; sobre todo, los físicos, biólogos, químicos, geólogos e incluso antropólogos y psicólogos deben dominar lenguajes de programación y paquetes de programas "
datalogical ". Y aunque la principal forma de transmitir resultados científicos no ha cambiado en los últimos 400 años. Por supuesto, el trabajo se puede publicar en Internet, pero sigue siendo texto e imágenes ubicadas en la página.
¿Qué pasaría si hoy desarrollamos un estándar de trabajo científico desde cero? Recientemente hablé con
Bret Victor , un investigador que trabajó en Apple en los primeros prototipos de la interfaz de usuario para iPad, y ahora dirige su propio laboratorio en Auckland, California, estudiando el futuro de los sistemas informáticos. Victor siempre ha creído que los científicos aún no aprovechan al máximo la computadora. "La situación no es muy diferente de la imprenta y la evolución de los libros", dijo. Después de Guttenberg, las imprentas se utilizaron principalmente para reproducir la caligrafía bíblica. Se necesitaron casi 100 años de mejoras técnicas y conceptuales para inventar un libro moderno. "Hubo un período completo durante el cual las personas tenían una nueva tecnología de impresión y la usaban para reproducir medios viejos".
Victor mostró lo que se puede lograr cuando rehizo un artículo de la revista escrito por Dunak Watts y Stephen Strogatz, "La dinámica colectiva de las redes de mundos pequeños". Lo eligió porque es uno de los trabajos más frecuentemente citados en toda la ciencia, y porque es un modelo para una presentación clara de la información. (Strogac es mejor conocido como el autor de la columna The Elements of Mathematics en The New York Times).
El trabajo de Watts-Strogac describió descubrimientos clave de la misma manera que la mayoría de los demás: en texto, imágenes, símbolos matemáticos. Y, como en la mayoría de los trabajos, estos descubrimientos son muy difíciles de digerir, a pesar de una descripción clara. Los lugares más difíciles para trabajar eran aquellos que describían procedimientos o algoritmos, porque el lector tenía que asumir el "papel de la computadora", como dijo Víctor, tratando de mantener una imagen de lo que estaba sucediendo en su mente, siguiendo los pasos del algoritmo.
Después de la revisión de Víctor, el texto explicativo comenzó a alternarse con diagramas interactivos que ilustran cada paso. En esta versión, fue posible rastrear la operación del algoritmo usando un ejemplo. Incluso podrías controlarlo.
Strogac admiraba la opción de Victor. Más tarde me dijo que lamentaba que en matemáticas durante cientos de años haya sido una tradición escribir obras de la manera más estricta y formal posible, a menudo incluso omitiendo las claves visuales que los matemáticos usan para hacer sus descubrimientos.
Stogac estudia la dinámica no lineal y el caos, sistemas que son propensos a la sincronización o la autoorganización: el parpadeo de las luciérnagas, el tictac de los metrónomos, los impulsos eléctricos de las células cardíacas. La clave es que tales sistemas funcionan en ciclos, y Strogac visualiza esto a través de puntos en un círculo: cuando el punto vuelve al punto de partida, es un parpadeo de una luciérnaga o un disparo de una célula cardíaca. "Durante casi 25 años, he estado haciendo pequeñas animaciones por computadora de puntos que se ejecutan en círculos, con colores que indican su frecuencia", dijo. "Los rojos son lentos, los violetas son rápidos ... Todos estos puntos están girando en mi computadora, he estado haciendo esto todo el día", dijo. Soy mucho mejor capturando patrones en puntos de colores que se ejecutan en la pantalla que en 500 series de tiempo. Del mismo modo, veré poco, porque en realidad no se ve así en absoluto. Estudio procesos dinámicos, por lo que su presentación también debe ser dinámica ".
Los programas son medios dinámicos, pero el papel no lo es. En este sentido, parece extraño que los estudios como los de Strogac dedicados a los sistemas dinámicos se distribuyan tan a menudo en papel sin la ventaja de los puntos giratorios, ya que fueron precisamente estos puntos los que lo ayudaron a ver lo que vio y pudieron ayudar a ver Esto es para el lector.
Este es todo el problema de la comunicación científica: hoy en día, los resultados científicos se encuentran a menudo utilizando computadoras. Las ideas son complejas, dinámicas, no es fácil capturarlas con una mirada interna. Y aunque la herramienta más popular para difundir los resultados sigue siendo PDF, simulando literalmente una hoja de papel. Probablemente podamos llegar a algo mejor.
Stephen Wolfram publicó su primer trabajo científico a la edad de 15 años. Al final de sus estudios en el instituto, ya había publicado 10 trabajos, y a la edad de 20 años, en 1980, ya había completado su doctorado en física de partículas en el Instituto de Tecnología de California. Su súper arma era el uso activo de una computadora en aquellos días en que los científicos más serios consideraban que el trabajo informático estaba por debajo de su dignidad. "En ese momento, probablemente ya usaba el álgebra computacional en el mundo", dijo en una entrevista. Fue muy conveniente, podía hacer todos los cálculos en la computadora. Me divertí publicando fórmulas particularmente ornamentadas en mis trabajos científicos ".
Con la creciente ambición de su investigación, llevó cada vez más el software existente a los límites de las posibilidades. Para un proyecto, tuvo que usar media docena de herramientas de software diferentes. "Pasé mucho tiempo uniéndolo todo", dijo. "Y decidí que debía intentar crear un sistema único que hiciera todo lo que necesitaba, uno que pudiera crecer para siempre". Y en lugar de continuar sus actividades académicas, Wolfram decidió crear Wolfram Research y crear un entorno informático ideal para los científicos. El titular de Forbes el 18 de abril de 1988 decía: "El genio de la física entra en Biz" [Un científico mago golpeó el negocio].
En el centro del sistema Mathematica, como la compañía llamó a su producto principal, hay un bloc de notas en el que puede escribir comandos en una línea y ver los resultados en otra. Escribe "1/6 + 2/5" y él te dará "17/30". Pídale que multiplique polinomios, y él obedecerá. Mathematica es capaz de matanálisis, teoría de números, geometría, álgebra. Tiene funciones para contar reacciones químicas y filtrar datos genéticos. Su base de datos contiene todas las imágenes de Rembrandt, y ella puede darle un diagrama de la dispersión de su paleta a tiempo. Se incorporan modelos de mecánica orbital y podrá calcular qué tan lejos puede planear el F / A-18 Hornet si sus motores se apagan a una altitud de 10,000 km. El Bloc de notas en Mathematica no es solo un registro de los cálculos del usuario, sino una transcripción de su conversación con el oráculo que todo lo sabe. Tungsteno llama a los cuadernos cuidadosamente escritos "ensayos computacionales".
La interfaz del portátil fue una creación de Theodore Gray, inspirada al trabajar con el antiguo editor de código para Apple. La mayoría de los entornos de programación le permiten ejecutar código línea por línea o todos a la vez. Apple Editor le permitió seleccionar cualquier parte del código y ejecutarlo solo. Gray transfirió estos conceptos básicos a Mathematica, y el propio Steve Jobs lo ayudó a mejorar el diseño. El Bloc de notas está diseñado para convertir la programación científica en un ejercicio interactivo en el que los comandos individuales se pueden corregir y reiniciar decenas y cientos de veces, aprendiendo de los resultados de los experimentos computacionales, lo que le permite llegar a una comprensión más profunda de los datos.
El Bloc de notas es especialmente bueno para hacer frente a sus tareas debido a su capacidad para dibujar gráficos, imágenes y hermosas fórmulas matemáticas, a pesar de que todo esto responde dinámicamente a los cambios en el código. En Mathematica, puede ingresar la grabación de voz, aplicar filtros matemáticos complejos a las grabaciones de audio y visualizar la onda de sonido resultante. Al arrastrar los parámetros con el mouse, puede cambiar su apariencia y ver qué filtros funcionan mejor cuando se juega con ellos. La capacidad del paquete para manejar fácilmente tantas tareas computacionales diferentes en una interfaz simple es el resultado de "literalmente siglos de trabajo", dice Gray.
La visión que subyace al trabajo ha sido repetida muchas veces por Wolfram en sus conferencias, entradas de blog, presentaciones y comunicados de prensa. No solo haciendo un buen software, sino creando un punto de inflexión en la clase de ciencias. A mediados del siglo XVII, Gottfried Leibniz desarrolló un sistema de registros de integrales y derivados (los conocidos ∫ y dx / dt), que hicieron mecánicas las complejas ideas del análisis matemático. Leibniz creía que símbolos similares en una aplicación más amplia podrían crear un "álgebra de pensamientos". Desde entonces, los lógicos y lingüistas han estado soñando con un lenguaje universal que pueda eliminar la ambigüedad y convertir la solución de problemas complejos en una especie de matanálisis.
La carrera de Wolfram consiste en constantes intentos de incorporar todo el conocimiento del mundo en Mathematica, y luego ponerlo a disposición a través de Wolfram Alpha, el "motor de conocimiento computacional" de la compañía, detrás de muchas oportunidades para responder preguntas de asistentes electrónicos como Siri y Alexa. Este es el intento de Wolfram de crear Interlingua, un lenguaje de programación que es igualmente comprensible tanto para las personas como para las máquinas: el álgebra de todo.
La tarea es característicamente ambiciosa. En la década de 1990, Wolfram a veces se burlaba del público con comentarios de que, en el proceso de creación de su empresa, estaba trabajando en un proyecto científico revolucionario. La expectativa creció. Finalmente, llegó el proyecto: un libro enorme, el grosor de un bloque de cemento y casi el mismo peso, con un título eterno: "
Ciencia de un nuevo tipo ".
Esto resultó ser un estudio detallado realizado con los cuadernos de Mathematica, patrones sorprendentemente complejos creados por los procesos computacionales más simples: autómatas celulares. El estudio se realizó simplemente por el bien de la investigación y para comprender cómo las reglas simples pueden generar fenómenos naturales complejos, por ejemplo, un tornado o un patrón de concha de molusco. Estos estudios, publicados por Wolfram sin edición independiente, fueron acompañados por constantes recordatorios de su importancia.
Cuanto más te encuentras con el tungsteno, más se parece a su estilo. En un artículo de 1988 sobre él, Forbes trató de llegar a las raíces de este fenómeno: “Como Harry Wulf, ex director del prestigioso Instituto de Estudios Avanzados (en Princeton), donde Wolfram era uno de los científicos senior más jóvenes a los 23 años, dijo que tenía "Dificultades cultivadas en el carácter, respaldadas por un sentimiento de soledad, aislamiento y singularidad".
Cuando uno de los asistentes de Wolfram anunció un descubrimiento matemático significativo en la conferencia, que era una parte clave del "Nuevo tipo de ciencia", Wolfram amenazó con demandarlo si se publicaba el trabajo. "En ningún grupo de investigación serio se le permitirá a un joven investigador hablar sobre lo que está haciendo el senior", dijo en ese momento. Otros científicos criticaron el enorme libro de Wolfram por basarse en otros trabajos, pero no los mencionaron. "Él insinúa que es el autor de las ideas principales que han sido la idea central de la teoría de los sistemas complejos durante los últimos 20 años", dijo un investigador a la revista Times Higher Education en 2002.
El elogio de tungsteno parece aún más sorprendente, ya que es completamente opcional. Sus logros hablan por sí mismos, si los dejara hacerlo. Mathematica logró el éxito casi inmediatamente después del lanzamiento. Los usuarios llevan mucho tiempo esperando ese producto; En las universidades, el programa se ha vuelto tan común como Microsoft Word. Wolfram, por otro lado, utilizó ingresos estables para contratar ingenieros y expertos adicionales en diversos campos, alimentando cada vez más información a su programa insaciable. Hoy, Mathematica sabe sobre la anatomía del pie y las leyes de la física, sobre la música, la sistemática de las coníferas y las principales batallas de la Primera Guerra Mundial. Wolfram mismo ayudó a enseñar su programa de escritura arcaica de números griegos.
Todo este conocimiento es "calculado". Si lo desea, puede indicar con x la ubicación de la
batalla en el Somme , y con y la lluvia diaria en 1916 dentro de un radio de 50 km desde este lugar, y Mathematica calculará si hubo más muertes durante las batallas de la Primera Guerra Mundial cuando estaba lloviendo.
"Noté una tendencia interesante", escribió Wolfram en una publicación de blog. - Elija cualquier área X, desde arqueología hasta zoología. Entonces, la "X computacional" se conectará con ella, que ya existe o está naciendo. Y esto se considera el futuro de este campo ". Wolfram argumenta que cuanto mejor dominen los expertos en estos campos los métodos computacionales, más se expandirá el área abierta. El cuaderno en Mathematica puede convertirse en un acelerador de la ciencia, ya que puede dar lugar a un nuevo estilo de pensamiento". Es muy interesante observarlo. "Él dice," cómo ocurre la misma transición que tuvo lugar en el siglo XVII, cuando las personas tuvieron la oportunidad de leer registros matemáticos. Esto se convierte en una forma de comunicación, que tiene una característica muy importante: la capacidad de nuevo comienzo ".
La idea es que un "trabajo científico" de este tipo puede tener el mismo dinamismo que Strogac y Victor querían (diagramas interactivos intercalados con texto) con la ventaja adicional de que todo el código que genera estos diagramas y todos los datos serán accesibles para el lector quien puede mirarlos y jugar con ellos. “Honestamente, cuando escribes algo tan simple y entendible en el idioma Wolfram en un cuaderno, no hay lugar para el engaño. Hay lo que es, y funciona de la manera en que funciona. No hay forma de ajustar el resultado ”, dice Wolfram.
Escribir un trabajo en el cuaderno de Mathematica significa revelar tanto los resultados como los métodos de su trabajo; y trabajo científico, y todo lo que has hecho para escribirlo. Como resultado, será más fácil para los lectores no solo entenderlo, sino también reproducirlo (o no reproducirlo). Cuando millones de científicos de todo el mundo hacen su contribución a la ciencia gradualmente, la única forma de convertir todo este trabajo en algo importante será permitir que otros construyan algo de manera confiable sobre la base de estas contribuciones. "Eso es lo que el trabajo científico realizado en forma de ensayos computacionales puede lograr", dijo Wolfram.
Wolfram dice que está sorprendido de que los ensayos informáticos no hayan ganado popularidad. Recuerda su trabajo con Elsevier, el gigante de las publicaciones científicas, a principios de la década de 1980. "Elsevier me contrató para consultar sobre algo como" cómo será el futuro de las publicaciones científicas ". Esto fue antes del advenimiento de los cuadernos de Mathematica, pero los empujó a hablar desde aproximadamente la misma área. “Hace unos años, volví a hablar con alguien de la gerencia de la compañía. Y en esa reunión, me di cuenta: ¡oh Dios mío, dije exactamente lo mismo hace 35 años!
Hablé con Theodore Gray, quien dejó Wolfram Research para convertirse en escritor. Dijo que su trabajo en el cuaderno en particular estaba motivado por sus sentimientos, que ya se habían formado bien en la década de 1990, "que, obviamente, toda comunicación científica y todos los trabajos técnicos que utilizaban datos o matemáticas o modelos o gráficos o esquemas o algo así, no es necesario publicar en papel. Era bastante obvio para 1990 ", dijo.
"Durante los últimos 29 años, el hecho de que, con la excepción de algunas personas que entendieron esto, la comunidad en su conjunto no ha adoptado este enfoque, se ha percibido con horror y sorpresa", dijo. "Es literalmente imposible calcular cuánto se ha perdido, cuánto tiempo perdido, cuántos resultados se malinterpretan o se tergiversan".
A principios de 2001, Fernando Pérez se dio cuenta de que estaba aproximadamente en la misma posición que Wolfram hace 20 años. Era un físico graduado que llevó sus herramientas al límite de sus capacidades. Usó un montón de sistemas, y Mathematica entre ellos, y parecía que completar cada tarea requería cambiar de una herramienta a otra. Él recuerda que en su escritorio había 6-7 libros diferentes sobre programación. Quería crear un entorno unificado para la informática científica.Pero en lugar de comenzar a abrir una empresa, encontró a dos científicos, un oceanógrafo alemán y un estudiante graduado en ciencias de la computación de Caltech, que pensaban aproximadamente en la misma dirección. Todos se enamoraron de Python, un lenguaje de programación de propósito general de código abierto, y de forma independiente comenzaron a crear herramientas para simplificar el trabajo con el lenguaje para los científicos: herramientas que simplificaron el trabajo con conjuntos de datos y gráficos, fomentando más estilos de programación de investigación. .Pérez reunió tres proyectos en uno y tomó el control sobre él. Desde el principio, el proyecto IPython (quiero decir interactivo) fue de código abierto. El programa no era solo gratuito, cualquiera podía estudiar su código y arreglarlo, haciendo su contribución a la causa común. Esta decisión fue tomada intencionalmente. "Estaba interesado tanto en el aspecto ético de poder compartir mi trabajo con otros", dijo Pérez, un nativo de Colombia, donde el acceso a los programas comerciales era más difícil, "y una motivación epistemológica". Él creía que si la ciencia necesita ser abierta, entonces las herramientas utilizadas para trabajar con ella deberían estar abiertas. El software comercial, cuyo código fuente no se podía leer legalmente, era la "antítesis de la idea de la ciencia", cuyo propósito es abrir la caja negra de la naturaleza.Por lo tanto, se utilizó Python. La versión básica del lenguaje no es tan poderosa como Wolfram Language, que ejecuta Mathematica. Pero si Mathematica aprovecha sus capacidades del trabajo del ejército de programadores, la columna vertebral de Python es compatible con una biblioteca masiva de características adicionales (procesamiento de imágenes, creación de música, IA, análisis de lenguaje, gráficos) creadas por una comunidad de personas que contribuyen al código abierto de forma gratuita. Python se convirtió en el estándar de facto para la informática científica, ya que los desarrolladores de código abierto como Pérez crearon herramientas útiles para ello; Python se sintió atraído por los desarrolladores porque era el estándar de facto para la informática científica. Las comunidades de lenguajes de programación, como cualquier red social, prosperan o mueren gracias al poder de estos circuitos de retroalimentación.La idea de una interfaz de bloc de notas para IPython fue tomada de Mathematica. Pérez admiraba cómo los cuadernos de Mathematica fomentaban un estilo de trabajo de investigación. "Era posible esbozar algo, porque así es como razonas sobre una tarea, así es como la entiendes". Los cuadernos de computación “resaltan la idea de la narración viva. Puede reflexionar sobre el proceso y utilizar eficazmente la computadora como, si lo desea, un socio informático y de reflexión ”.En lugar de desarrollar una aplicación independiente dedicada, sin mencionar la edad, el equipo de IPython: Pérez se unió a Brian Granger, profesor de física en la Universidad Politécnica de California en San Luis Obispo y Min Reagan-Kelly, Candidato de Ciencias de la Universidad de California, Berkeley, trabajando en el campo de la física computacional, hizo cuadernos en forma de páginas web simples. La interfaz carece de la belleza de las obras de Steve Jobs y su complejidad. Pero al usar la web, IPython recibió complementos gratuitos: cada vez que Google, Apple o un programador aleatorio lanzaban una nueva herramienta de gráficos o publicaban un código matemático mejorado, esta mejora se adjuntaba a IPython. "Todo valió la pena", dijo Pérez.El trabajo que anuncia la primera detección confirmada de ondas gravitacionales se publicó de la manera tradicional, en forma de PDF, pero completo con un cuaderno de IPython . En el cuaderno, puede realizar un seguimiento de todo el trabajo que generó todos los gráficos para el artículo. Todos pueden ejecutar el código ellos mismos, corregirlo, como quieran, jugar con cálculos para comprender mejor cómo funcionan. En cierto punto en el cuaderno, la narración llega a la parte donde la señal generada por las ondas gravitacionales se convierte en sonido, y puedes reproducirla en el navegador, escuchar lo que los científicos escucharon por primera vez, el gorgoteo de dos agujeros negros colisionando."Creo que la comunidad científica ha adoptado esta herramienta, y ya se considera universal", dice Theodore Gray sobre el grupo Pérez. "Pero Mathematica aún no ha llegado a tal adopción". En Github en el dominio público publicado ya 1.3 millones de tales portátiles. Son utilizados por Google, Bloomberg y NASA; AI músicos, profesores e investigadores; y "en casi todos los países de la Tierra".
Cada vez, IPython eligió una ruta de desarrollo que incluía algo más, y como resultado, ya no se llama IPython. El proyecto pasó a llamarse Jupyter en 2014 para enfatizar que funciona no solo con Python.
El cuaderno Jupyter es similar al cuaderno Mathematica, solo adecuado para cualquier lenguaje de programación. Puede hacer un bloc de notas para Python, o C, o R, o Ruby, o JavaScript, o Julia. Cualquiera puede crear soporte de Jupyter para su lenguaje de programación. Hoy es compatible con más de 100 idiomas.
Theodore Gray, quien diseñó la interfaz para el cuaderno original de Mathematica, dijo que una vez intentó hacer su apoyo a otros lenguajes de programación en aras del experimento. "Nada salió de esto", me dijo. - La compañía no estaba interesada en apoyar esto. Y si necesita admitir muchos idiomas, no puede hacerlo con el mismo cuidado ”.
El
ensayo de 1997 de Eric Raymond titulado "
La catedral y el bazar " se ha convertido, en cierto sentido, en el documento principal del movimiento moderno de código abierto. Rechaza la opinión de que el software complejo debe construirse como una catedral, "cuidadosamente diseñado por magos individuales o pequeños equipos de magos que trabajan de forma aislada". La experiencia de Raymond como uno de los gerentes de desarrollo de kernel de Linux le ha enseñado que "un gran bazar ruidoso con varios objetivos y enfoques", que define los proyectos de código fuente, es una ventaja. "El hecho de que tal estilo de bazar funcione y funcione bien fue un shock", escribió. Con su ensayo, trató de explicar por qué "el mundo de Linux no solo no se separó de los malentendidos, sino que parece seguir de un gran logro a otro a una velocidad que los constructores de la catedral apenas pueden imaginar".
Mathematica estaba en desarrollo mucho antes de la experiencia Linux de Raymond, y ha estado en desarrollo desde hace muchos años. Esta es la quintaesencia de la catedral, y sus constructores aún son escépticos sobre el bazar. "Siempre hay espacio para el caos", dice Gray sobre los sistemas de código abierto. - El número de partes móviles es enorme, y diferentes partes controlan diferentes grupos. Nunca logrará reunirlos en un sistema integrado de la misma manera que es posible en un solo producto comercial, con el único maníaco en el medio, por así decirlo ”.
El maníaco, naturalmente, es Stephen Wolfram. Gray señaló que bajo Mussolini los trenes estaban funcionando según lo previsto. "La analogía es mala", dijo, pero "estoy a favor de la presencia de un maníaco en el medio". Mathematica Notebook es un producto más cohesivo y pulido, en su mayor parte porque cada decisión pasó por la mente de un genio obstinado. "Vi a estos tipos de Jupyter", me dijo Wolfram, "y están en promedio al nivel de lo que teníamos en los años 90". Él dice que cortan esquinas. "Y realmente estamos tratando de hacerlo bien".
Pero es difícil para la comunidad científica anunciar software comercial. Aunque Wolfram Research ha estado distribuyendo un programa de bloc de notas gratuito durante años, y aunque la mayoría de las universidades importantes tienen una licencia que permite a sus estudiantes y maestros usar Mathematica libremente, puede ser demasiado para los editores optar por el formato PDF abierto a favor de un producto comercial. "Hasta ahora, la situación es la siguiente: si intenta enviar un cuaderno de Mathematica a la revista, se quejarán: no tenemos Mathematica, este es un programa muy costoso, dénos algo más estándar".
El hecho de que Wolfram, tanto una persona como una empresa, exalte intrusivamente la superioridad del producto, su necesidad, de modo que incluso Gray lo compare con los adherentes del crossfit, que no se puede conectar, tampoco ayuda. Después de todo, este es el mismo Stephen Wolfram, quien nombró su libro sobre su trabajo en autómatas celulares, "Una ciencia de un nuevo tipo". En su
publicación sobre ciencia computacional, escribe: "En el centro de los ensayos computacionales se encuentra la idea de expresar pensamientos computacionales usando Wolfram Language".
Tal vez esto sea así, tal vez las computadoras portátiles de computación pueden arraigarse solo si son compatibles con un solo superlenguaje, o una empresa con mucho dinero y sustancialmente interesado en su trabajo. Pero es posible que lo contrario sea cierto. Los esfuerzos integrados, aunque más caóticos, pueden ser más confiables, así como la única forma de ganar la confianza de la comunidad científica.
Wolfram no nota mucho fuera de Wolfram, y quizás por esta razón el cuaderno de Mathematica permanece bastante opaco, y su oponente, aunque secundario y simplificado, pero abierto, parece estar conquistando el mundo.
Pasará algún tiempo antes de que las computadoras portátiles reemplacen el PDF en revistas científicas, ya que esto significará un cambio en la estructura de incentivos de la ciencia misma. Hasta que las revistas comiencen a exigir a los científicos que les envíen cuadernos, y hasta que la distribución gratuita de su trabajo y datos sea una forma de ganar prestigio o recibir financiación, es probable que las personas hagan todo como antes.
Hablé con un neurocientífico que se convirtió en programador y contribuyó a Jupyter, y me dijo que el profesor que dirigía el laboratorio donde solía trabajar era originalmente un electrofisiólogo: midió la actividad de las neuronas a través de electrodos implantados. "Obtener esos datos es un proyecto tan costoso y costoso", dijo que nadie lo compartirá nunca. "Recopila una porción de datos y puede procesarlos hasta el final de su carrera".
"En esta etapa, ninguna persona razonable argumentará que la práctica de la investigación científica está experimentando un cambio", escribió Pérez, el creador de Jupyter, en una publicación de blog de 2013. La ciencia utiliza cada vez más la informática y las habilidades necesarias para convertirse en un buen científico, cada vez más atractivo en la industria. Las universidades están perdiendo a las mejores personas que organizan sus startups, además de irse a Google y Microsoft. "Ante mis ojos, muchos colegas talentosos han abandonado el mundo académico en la última década, desesperados", escribió, "y no puedo recordar a ninguno de ellos que no hubiera estado contento con esto muchos años después".
Pérez me contó historias sobre científicos que sacrificaron carreras académicas por el desarrollo de software, ya que el desarrollo de software no era inútil en su campo de estudio. El creador de matplotlib, probablemente la herramienta de gráficos más utilizada en los artículos científicos, fue un postdoctorado en neurobiología, pero tuvo que abandonar el mundo académico por el bien de la industria. Lo mismo sucedió con el creador de NumPy, la herramienta de cálculo numérico ahora popular. Pérez dijo: "Recibí comentarios inequívocos de muchos colegas y camaradas de alto rango que dijeron: Deja de hacer esto, pasas tu carrera y tu talento". Sin vergüenza, me aconsejaron "volver a la física, a las matemáticas, a escribir artículos".
Pero los que quedan hacen progresos. Pérez recientemente consiguió un trabajo en el Departamento de Estadística de Berkeley. Un día después de nuestra conversación, se suponía que debía enseñar a los estudiantes mayores sobre ciencia de datos, de acuerdo con un programa construido completamente en los cuadernos de Python y Jupyter. "La versión de este curso para estudiantes más jóvenes, creo, atrajo a 1,200 estudiantes", dijo. "Fue el curso de más rápido crecimiento en la historia de la Universidad de California en Berkeley". Y todo esto se basa en herramientas de código abierto ".
Aquellos que buscan mejorar la práctica de los estudios científicos también sueñan con mejorar sus resultados. La grabación de Leibniz, que facilitó la grabación del matanálisis, amplió el espacio de lo imaginable. Los mayores desafíos científicos de la actualidad a menudo son acertijos computacionales: cómo integrar miles de millones de bases emparejadas en los datos del genoma, y 10 veces más datos
proteómicos , y datos históricos de pacientes, y resultados farmacológicos en una base de datos coherente de cómo alguien se enfermó ¿Y qué hay que hacer para ayudarlo? ¿Cómo, en la práctica, abordar una corriente interminable de nuevos datos sobre temperatura y precipitación, oceanografía, actividad volcánica y sísmica? ¿Cómo crear y comprender mapas de las conexiones neuronales del cerebro pensante? Si equipa a los científicos con computadoras portátiles o algunas versiones más avanzadas de ellas, puede ayudar a elevar sus mentes al nivel de problemas que no están disponibles en la actualidad.
En un momento, Pérez me dijo que el proyecto Jupyter honró a Galileo, quizás el primer científico en el sentido moderno. El logotipo de Jupyter es una versión abstracta de los dibujos originales de Galileo que representan las lunas de Júpiter. "Galileo no tenía a dónde ir para comprar un telescopio", dijo Pérez. "Tenía que hacer la suya".