El giro visual de la Ciencia

Desde sus comienzos la visualización computacional alteró las rutinas científicas convencionales al permitir ver lo que es demasiado pequeño o demasiado grande, e inclusive aquello que sólo existe en la imaginación, sin contrapartida en el mundo real [1].

En una entrada anterior habíamos discutido como las prácticas científicas contemporáneas muestran un notable incremento del uso y la valoración de las representaciones visuales frente a las lingüísticas tanto en publicaciones como en conferencias y libros de texto.

Esta tendencia ha respondido al increíble aumento de la capacidad gráfica de los recursos computacionales que, desde fines de la década de 1980 y en la forma de equipos personales o PCs, pasaron a formar parte del mobiliario usual de los laboratorios. Uno de los resultados cognitivos más impactantes de esta incorporación ha sido advertir que

... el proceso preconsciente de la visión humana puede ser aprovechado y utilizado con un efecto asombroso para sugerir ideas por medio de las representaciones visuales [2].

Y esto no sólo se debe entender en cuanto al valor comunicativo y persuasivo de las imágenes [3] sino también en relación con las prácticas de generación y validación del conocimiento, donde puede advertirse que los recursos visuales permiten identificar relaciones que las fórmulas matemáticas impiden reconocer a “simple” vista. De hecho, este “giro visual” de la ciencia contemporánea ha impactado a tal punto en el trabajo rutinario de los científicos que parecemos ser víctimas actualmente de una obsesiva dependencia de las representaciones visuales [4].

Podemos caracterizar los recursos visuales de la ciencia atendiendo a rasgos como [5]

• su inmutabilidad (ofrecen la impresión de que el resultado de la investigación es durable en el tiempo)
• su escala (permiten observar fenómenos que no serían visibles en otras circunstancias debido a su tamaño, grado de abstracción o duración),
• su combinabilidad (permiten combinar resultados diversos para revelar nuevas conexiones entre fenómenos o piezas de información),
• su transportabilidad (pueden ser incorporados a distintos circuitos de difusión de conocimiento), y
• su poder de persuasión (constituyen un recurso activo en la negociación del conocimiento [3].

Además de estas propiedades es posible distinguir al menos siete tipos de recursos visuales en las prácticas científicas contemporáneas [5]:

• los gráficos,
• los diagramas (similares a los primeros en cuanto al arreglo espacial de sus elementos pero sin ejes cuantitativos ni datos empíricos),
• las fotografías (cuyo naturalismo puede ser persuasivo en la medida en que parecen tener una mayor carga de objetividad que otras formas de representación visual),
• los dibujos esquemáticos (que permiten simplificar las imágenes destacando aspectos considerados relevantes),
• los mapas (a mitad de camino entre los diagramas y las fotografías en cuanto a su grado de abstracción),
• los montajes o híbridos (que extienden la propiedad de la combinabilidad de los recursos visuales anteriores), y
• las visualizaciones computacionales (usualmente simulaciones, es decir modelizaciones o imitaciones de fenómenos por reducción a sus procesos más simples).

En una entrada anterior mencionamos como la irrupción de este último tipo de recurso visual fue advertida quizás por primera vez en un informe de la National Science Foundation de Estados Unidos titulado “Visualization in Scientific Computing” [6] donde se promovía el uso y desarrollo de recursos todavía incipientes como, por ejemplo,

• los gráficos computacionales (Computer Graphics),

• el procesamiento de imágenes (Image Processing)

• el diseño asistido por computadora (Computer-Aided Design),

• la interacción humano-computadora (Human-Computer Interaction)

• el procesamiento de señales (Signal Processing).

No obstante, el informe advertía sobre uno de los principales problemas que traía aparejado el uso de estas nuevas herramientas informáticas: el llamado “dilema de la información sin interpretación”. Dicho dilema ponía en evidencia que frecuentemente el caudal de información producido por medios técnicos como satélites, escaners médicos, y computadoras superaba la capacidad de procesamiento y comprensión de datos de los científicos y técnicos.

A pesar de ello, ya desde sus comienzos la visualización computacional alteró las rutinas científicas convencionales puesto que, tal como decíamos al comienzo de esta entrada, la misma permite a los científicos ver lo que es demasiado pequeño o demasiado grande, e inclusive aquello que sólo existe en su imaginación, sin contrapartida en el mundo real [7]. Tal vez esta sea la capacidad visual más impactante de las nuevas herramientas informáticas, y a la misma dedicaremos la entrada de la próxima semana [8].

1. En la imagen se muestra una visualización computacional sin contrapartida en el mundo real. Se trata del término de interferencia entre las amplitudes de emisión electrónica con trayectoria cercana y lejana en la autoionización del nivel 21S de un átomo de Helio por impacto de un protón moviéndose con una unidad atómica de velocidad. Los ejes horizontal y vertical corresponden a las componentes de la velocidad paralela y perpendicular a la dirección de movimiento del proyectil. Se utilizó una aproximación de onda distorsionada del continuo CDW. Resultado sin publicar.
2. Richard Gregory, citado por R. M. Friedhoff and W. Benzon: Visualization. The second computer revolution (New York: Freeman, 1989) 8.
3. B. Latour: Drawing things together, en Lynch, M. y Woolgar, S. (eds), Representation in scientific practice (Cambridge, MA: MIT Press, 1990).
4. W. M. Roth and M. K. McGinn: Graphing: Cognitive ability or practice?, Science Education, 81, 91 (1997).
5. A. M. Reising y R. O. Barrachina: Las visualizaciones computacionales en las rutinas científicas contemporáneas: aspectos epistemológicos de nuevos formatos representacionales, en H Faas y H Severgnini (Editores): "Epistemología e Historia de la Ciencia: Selección de trabajos de las XVIII Jornadas", Vol. 14, (Área de Filosofía del Centro de Investigaciones "María Saleme Burnichon" de la Facultad de Filosofía y Humanidades, Universidad Nacional de Córdoba, Córdoba, 2008) ISBN 978-950-33-0669-7. Varias de las ideas expuestas aquí se han tomado y adaptado de este artículo.
6. B. H. McCormick, T. A. DeFanti and M. D. Brown, eds.: Visualization in Scientific Computing, Computer Graphics 21 (1987).
7. A. A. Araya: The Hidden Side of Visualization, Techné: Research in Philosophy and Technology, 7, 2 (2003).
8. La última animación muestra la distribución final del momento relativo electrón-positrón en la ionización de moléculas de Hidrógeno por impacto de positrones de 50 keV. El centro de masa del par electrón-positrón es emitido a 45 grados de la dirección inicial de movimiento del proyectil (con una incerteza de 5 grados) . El cálculo fue realizado con la técnica de Monte Carlo de Trayectorias Clásicas. Ver R. O. Barrachina and J. Fiol: Classical Trajectory Monte Carlo Calculation of the Fully Differential Cross Section for Positron Impact Ionization Collisions, Journal of Physics: Conference Series 199, 012022 5pp (2010).