En una entrada anterior mencionamos las visualizaciones computacionales utilizadas por la Ciencia, y destacamos que pueden referirse tanto a objetos reales como a fenómenos que no son visibles en sí mismos, como las construcciones matemáticas o las relaciones abstractas entre piezas de información. Atendiendo a esto, Agustín Araya [2] ha denominado “científica” a la primera forma de visualización e “informática” a la segunda. Sin embargo, esta terminología no parece adecuada, atendiendo al uso creciente de visualizaciones basadas en resultados computacionales propiamente dichos que, tal como ocurre usualmente en el estudio de sistemas dinámicos, no tienen una relación directa con sistemas físicos reales aunque tienen un carácter científico indiscutible.
Más allá de este tipo de distinciones en cuanto al tipo de sistema o proceso que las genera, ontológicamente tanto la “visualización informática” como la “visualización científica” son imágenes proyectadas sobre una superficie plana -una pantalla de computadora-, compuesta por elementos luminosos puntuales llamados “píxeles”. Cada píxel se caracteriza por dos variables. Por un lado, su posición en el espacio de la pantalla, definida por un par ordenado de números naturales en un conjunto que ha ido creciendo desde los 320 x 200 píxeles de las primeras tarjetas gráficas CGA (acrónimo inglés de Color Graphics Adapter) de IBM, hasta las actuales resoluciones de 2048 x 1536 píxeles o más. Por el otro, su color, expresado en proporción de rojo, verde y azul en una escala de hasta 24 Bits, lo cual equivale aproximadamente a 224 (o sea 16.7 millones) colores. Vemos que aún en su forma más básica, la visualización computacional, ya sea que se trate de una imagen estática o dinámica, es una colección de píxeles cuyo caudal de información supera por mucho la capacidad humana y deja al científico “a merced de un inconquistable infinito” [2].
Ahora bien, ¿cómo es que se obtiene una visualización computacional? Pues mediante operaciones informáticas, a partir de una teoría, un experimento o una simulación. Veamos un ejemplo: A partir de las ecuaciones de una teoría dada, generé un “programa” en lenguaje Fortran que dio lugar a tablas de datos en formato “ASCII” (acrónimo inglés de American Standard Code for Information Interchange). Luego, a través de un programa comercial "traduje" esas tablas en imágenes y las uní para formar una visualización computacional animada, tal como se muestra aquí [3].
En un gráfico bidimensional, con la velocidad y el ángulo de emisión de los electrones en ambos ejes coordenados, se muestra la intensidad (o número de electrones emitidos por unidad de tiempo) representada en base a una convención de colores. A falta de una dimensión gráfica extra, utilicé el tiempo para representar la orientación de la molécula, donde el ángulo azimutal respecto del eje de la colisión varía en 5 grados por cada paso de la animación. Esta visualización representa una propuesta [4,5] (basada en el proceso de autoionización que sigue a la doble captura de los electrones de una molécula de Hidrógeno por una partícula alfa rápida) para realizar un “experimento imposible” imaginado por Richard Feynman [6] en 1963 como ejemplo de la naturaleza ondulatoria de la materia. Esta propuesta fue llevada a la práctica por un grupo experimental en Caen, Francia [7], donde también se generaron visualizaciones computacionales a partir de las señales registradas por los equipos.
Vemos aquí como los científicos usamos “las representaciones visuales de datos de manera interactiva por medio de la computadora [con el objeto de] ampliar nuestro horizonte cognitivo” [8]. En este sentido implica usar la informática para aumentar las capacidades y potencialidades en el procesamiento de la información y configura un estilo de análisis que utiliza a la visión para pensar.
Este procedimiento de generación de imágenes pone de manifiesto, además, que al interactuar con una visualización computacional los científicos tendemos a desentendernos de las fórmulas, tablas o programas que le dieron origen. Tal como ha indicado Araya, cuando las visualizaciones computacionales “cobran vida”, aquello a lo que se refieren tiende a desaparecer dado que encontramos a estos entes mucho más amigables que a sus referentes, en tanto podemos crearlos, verlos, manipularlos y pensar con ellos [2]. De este modo nos sumergimos en un mundo donde la visualización se confunde con los modelos, fenómenos u objetos que les dieron origen; un mundo en el cual las nociones convencionales de referencia dan lugar a más complejas nociones de ambigüedad [2], puesto que, independientemente de que el fenómeno estudiado tenga características visuales o no, las visualizaciones computacionales tienden a representarlo como un objeto visual con forma, color, textura y movimiento, volviendo visible lo que no necesariamente lo es. Consecuentemente, lejos de constituir un resultado estático y acabado, la visualización computacional constituye un producto sujeto a una constante manipulación, ya que podemos rotarla, modificar su escala, deformarla, eliminar información espuria o innecesaria, incorporar nuevos datos, cambiar su color, textura o iluminación, etc.
Esta interacción que atribuye versatilidad a la visualización computacional, también pone de manifiesto que se trata de una “ilusión de realidad” independiente del tiempo y el espacio.
Más allá de este tipo de distinciones en cuanto al tipo de sistema o proceso que las genera, ontológicamente tanto la “visualización informática” como la “visualización científica” son imágenes proyectadas sobre una superficie plana -una pantalla de computadora-, compuesta por elementos luminosos puntuales llamados “píxeles”. Cada píxel se caracteriza por dos variables. Por un lado, su posición en el espacio de la pantalla, definida por un par ordenado de números naturales en un conjunto que ha ido creciendo desde los 320 x 200 píxeles de las primeras tarjetas gráficas CGA (acrónimo inglés de Color Graphics Adapter) de IBM, hasta las actuales resoluciones de 2048 x 1536 píxeles o más. Por el otro, su color, expresado en proporción de rojo, verde y azul en una escala de hasta 24 Bits, lo cual equivale aproximadamente a 224 (o sea 16.7 millones) colores. Vemos que aún en su forma más básica, la visualización computacional, ya sea que se trate de una imagen estática o dinámica, es una colección de píxeles cuyo caudal de información supera por mucho la capacidad humana y deja al científico “a merced de un inconquistable infinito” [2].
Ahora bien, ¿cómo es que se obtiene una visualización computacional? Pues mediante operaciones informáticas, a partir de una teoría, un experimento o una simulación. Veamos un ejemplo: A partir de las ecuaciones de una teoría dada, generé un “programa” en lenguaje Fortran que dio lugar a tablas de datos en formato “ASCII” (acrónimo inglés de American Standard Code for Information Interchange). Luego, a través de un programa comercial "traduje" esas tablas en imágenes y las uní para formar una visualización computacional animada, tal como se muestra aquí [3].
En un gráfico bidimensional, con la velocidad y el ángulo de emisión de los electrones en ambos ejes coordenados, se muestra la intensidad (o número de electrones emitidos por unidad de tiempo) representada en base a una convención de colores. A falta de una dimensión gráfica extra, utilicé el tiempo para representar la orientación de la molécula, donde el ángulo azimutal respecto del eje de la colisión varía en 5 grados por cada paso de la animación. Esta visualización representa una propuesta [4,5] (basada en el proceso de autoionización que sigue a la doble captura de los electrones de una molécula de Hidrógeno por una partícula alfa rápida) para realizar un “experimento imposible” imaginado por Richard Feynman [6] en 1963 como ejemplo de la naturaleza ondulatoria de la materia. Esta propuesta fue llevada a la práctica por un grupo experimental en Caen, Francia [7], donde también se generaron visualizaciones computacionales a partir de las señales registradas por los equipos.
Vemos aquí como los científicos usamos “las representaciones visuales de datos de manera interactiva por medio de la computadora [con el objeto de] ampliar nuestro horizonte cognitivo” [8]. En este sentido implica usar la informática para aumentar las capacidades y potencialidades en el procesamiento de la información y configura un estilo de análisis que utiliza a la visión para pensar.
Este procedimiento de generación de imágenes pone de manifiesto, además, que al interactuar con una visualización computacional los científicos tendemos a desentendernos de las fórmulas, tablas o programas que le dieron origen. Tal como ha indicado Araya, cuando las visualizaciones computacionales “cobran vida”, aquello a lo que se refieren tiende a desaparecer dado que encontramos a estos entes mucho más amigables que a sus referentes, en tanto podemos crearlos, verlos, manipularlos y pensar con ellos [2]. De este modo nos sumergimos en un mundo donde la visualización se confunde con los modelos, fenómenos u objetos que les dieron origen; un mundo en el cual las nociones convencionales de referencia dan lugar a más complejas nociones de ambigüedad [2], puesto que, independientemente de que el fenómeno estudiado tenga características visuales o no, las visualizaciones computacionales tienden a representarlo como un objeto visual con forma, color, textura y movimiento, volviendo visible lo que no necesariamente lo es. Consecuentemente, lejos de constituir un resultado estático y acabado, la visualización computacional constituye un producto sujeto a una constante manipulación, ya que podemos rotarla, modificar su escala, deformarla, eliminar información espuria o innecesaria, incorporar nuevos datos, cambiar su color, textura o iluminación, etc.
Esta interacción que atribuye versatilidad a la visualización computacional, también pone de manifiesto que se trata de una “ilusión de realidad” independiente del tiempo y el espacio.
- Independiente del tiempo en tanto que es “replicable” y emerge de programas que lo son en esencia.
- Independiente del espacio en tanto que puede “migrar” de una computadora a otra e incluso residir en la Web, sin ubicación definida o reconocible.
- 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.
- A. A. Araya: The Hidden Side of Visualization, Techné: Research in Philosophy and Technology, 7, 2 (2003).
- R. O. Barrachina and M. Zitnik: Young's interference effect in the autoionization of atoms colliding with molecules, Journal of Physics B, 37, 3847 (2004).
- R. O. Barrachina: Special Report: Atomic Realization of the Young Single Electron Interference process in Individual Autoionization Collisions, XXIV Conference on Photonic, Electronic and Atomic Collisions ICPEAC (Rosario, Argentina, 2005).
- R. O. Barrachina: Invited talk: Young electron interference effects in atomic ionization collisions, 3rd Conference on Elementary Processes in Atomic Systems, CEPAS (Miskolc, Hungría, 2005).
- R. P. Feynman, R. B. Leighton and M. Sands: “The Feynman Lecture on Physics” vol 3, (Addison-Wesley, 1963).
- J.-Y. Chesnel, A. Hajaji, R. O. Barrachina and F. Frémont: “Young-Type Experiment Using a Single-Electron Source and an Independent Atomic-Size Two-Center Interferometer”, Physical Review Letters, 98, 100403 (2007).
- S. K. Card, J. D. Mackinlay and B. Shneiderman: Readings in Information Visualization: Using Vision to Think (San Francisco: Morgan Kaufmann Publishers, 1999).
No hay comentarios:
Publicar un comentario