Más allá de los patrones y las correlaciones en Astronomía: de los datos al “understanding”

JULIÁN REYNOSO; ANDRÉS A. ILCIC

Córdoba

Congreso; Segundas Jornadas de Epistemología e Historia de la Astronomía; 2023

Observatorio Astronómico; Facultad de Filosofía y Humanidades

La ola del _big data_ parece haber menguado pero, como suele ser el caso con las olas, no se puede dejar de prestar atención a la segunda. Con la irrupción de la IA en el centro del escenario y el renovado foco en los métodos automatizados y de _machine learning_, pareciera que muchas de las promesas sobre la potencialidad de estas herramientas para tomar las enormes bases de datos que ya se encuentran disponibles en y someterlas a procedimientos computacionales para obtener nuevo conocimiento se han revalidado.La astronomía, en este sentido, pareciera ser una candidata ideal para beneficiarse de tales promesas si prestamos atención a los desarrollos en métodos de captura y recolección de datos, sumados a las colecciones históricas ya disponibles. Existe ya un campo relativamente consolidado de estudio bajo el término "astroinformática", rindiendo homenaje a las ideas de Jim Gray.Cabe preguntarse, sin embargo, cuáles son los supuestos epistemológicos que dan sustento tales promesas. En particular, queremos focalizar nuestra atención en la manera en la que el concepto de "dato" es caracterizado, dado que es una noción que se utiliza como "primitiva", en tanto rara vez es definida, pero al mismo tiempo pareciera cargar con una gran responsabilidad. Un dato por sí solo, aislado, es incapaz de proveer información o nuevo conocimiento, sino que debe ser considerado en la constelación de herramientas -tanto teóricas como informáticas- en las que nace y se puede interpretar.Estas herramientas informáticas tienen una capacidad extraordinaria para procesar vastos volúmenes de datos, reduciendo la intervención humana vía automatización y facilitan la tarea de encontrar patrones y correlaciones [1]. Ahora bien, ¿equivale esto a obtener nuevos conocimientos?Nuestra propuesta en o presente tratado apunta a cuestion este vinculo tan trar patrones y correlaciones y la generación de nuevo conocimiento. Si bien es innegable que esa capacidad facilita en gran manera la labor de quienes llevan adelante las investigaciones, sostendremos que el establecer esos patrones y cor- relaciones no es el final de la investigación, sino que es necesario que también tengan sentido. La noción de understanding puede proveer el marco necesario para dar cuenta de la manera en la que se pueden generar nuevos insights en las investigaciones.Referencias[1] S. Sen, S. Agarwal, P. Chakraborty, and K. P. Singh, ‘Astronomical big data processing using machine learning: A comprehensive review’, _Exp Astron_, vol. 53, no. 1, pp. 1–43, Feb. 2022, doi: 10.1007/s10686-021-09827-4.