El Big Data y el mito de una ciencia sin teoría

El proceso de formulación de una hipótesis, seguida por su comprobación experimental y por su reformulación de acuerdo con los resultados experimentales obtenidos, forman el núcleo conceptual utilizado por el método científico tradicional para generar conocimiento consistente. Pero, en la actualidad, algunos investigadores han hecho notar que la generación de cantidades masivas de información podría volver obsoleto el método científico basado en hipótesis y en teorías que pueden ser refutadas o comprobadas por resultados experimentales.

Estos macrodatos representan conjuntos de datos tan grandes que las aplicaciones informáticas tradicionales de procesamiento y los procedimientos habitualmente usados para encontrar patrones repetitivos dentro de esos datos no son suficientes para tratar con ellos. Y su manipulación implica la necesidad de algoritmos sofisticados y de nuevas herramientas estadísticas para encontrar, dentro de estas cantidades masivas de datos, información significativa que pueda ser transformada en conocimiento.

El autor de esta revisión busca analizar el problema desde el punto de vista epistemológico, para responder algunas preguntas clave:

• ¿Es la investigación basada en datos un modo válido de generación de conocimiento, o representa sobre todo una herramienta para identificar información potencialmente útil?
   
• Dada la cantidad disponible de datos científicos, ¿es hoy posible descartar el papel de las conjeturas teóricas y de las hipótesis?
   
• ¿Reemplazará este nuevo modo de reunir información las formas antiguas de hacerlo?

La ciencia basada en macrodatos renueva la primacía del razonamiento inductivo, en la forma de un empirismo fundado en una tecnología

La idea de relegar las hipótesis a un papel secundario no es, sin embargo, nueva. El concepto que el conocimiento científico no debería estar fundamentado en ideas preconcebidas, sino en datos obtenidos a través de la experimentación, ya había sido sostenido en el siglo XVII por Francis Bacon, considerado el padre del método científico. El filósofo sostuvo que la anteposición de una premisa a un resultado experimental reducía la amplitud analítica, que trataba de ceñir las conclusiones a esa premisa, lo que implicaba, argumentó, una limitación del razonamiento deductivo.

La ciencia basada en macrodatos renueva la primacía del razonamiento inductivo, en la forma de un empirismo fundado en una tecnología capaz de explorar datos masivos y de extraer información en forma automatizada, con la convicción que este abordaje conduce a nuevos descubrimientos, sin la participación de una hipótesis previa.

Para los sostenedores de este modelo, los procesos inductivos y la manipulación estadística de grandes cantidades de datos descubren correlaciones, patrones y leyes, sin necesidad de una teoría previa. Este abordaje puede ser visto como un generador de hipótesis, en contraste con las pruebas de hipótesis características de la ciencia clásica.

En el centro de este abordaje está el uso de algoritmos inductivos que tienen la particularidad de generar inferencias, que son modificadas por nuevos algoritmos, en un proceso de razonamiento indefinido. Los mejores algoritmos inductivos son capaces de evolucionar y de “aprender”, lo que refina las exploraciones y extracciones de datos subsiguientes. El proceso no está impulsado por una hipótesis determinada. Estas técnicas han producido resultados valiosos en campos como la bioinformática, los ecosistemas y las micromatrices genómicas.

Algunos expertos sostienen que los macrodatos van a producir un cambio radical en la ciencia, y mencionan 3 innovaciones clave que los macrodatos introducen:

1. El volumen sin precedentes de datos disponibles garantiza un análisis de máxima inclusión, sin necesidad de enfocarse en porciones acotadas de datos. Se elimina la preocupación por el tamaño muestral y por las técnicas de aleatorización.
    
2. Los macrodatos disminuyen los requerimientos de exactitud y de precisión de los datos analizados, disminuyen los errores de medición y reflejan mejor la complejidad de los fenómenos naturales.
    
3. Los macrodatos ponen un fuerte énfasis en las correlaciones entre los datos como herramienta heurística para hallar asociaciones no esperables por la sola acción del azar.