[Breves] Un Windows ligero para el PC de la abuela

Uso dos ordenadores portátiles, uno con Linux (Ubuntu) y otro con Windows XP. Me atrae el software libre, obviamente, y casi todo lo que tengo funcionando en ambos aparatos entra en esa categoría. Aún así, algunas aplicaciones pesadas o de cálculo intensivo son de pago y las ejecutamos remotamente en un servidor mediante escritorio remoto o similar. Y para hacer esto con más eficacia llevaba un tiempo buscando un sistema operativo ligero que nos devolviera a los tiempos de terminal contra mainframe. En Linux esto está razonablemente bien resuelto pero en Windows faltaban piezas.
Y hace dos o tres días me he enterado de una versión de Windows XP surgida el año pasado y pensada para funcionar sobre ordenadores viejos: Windows Fundamentals for Legacy PCs. Las necesidades no son muchas: 128 MB de RAM, un procesador Pentium, 1 Gb de disco y tarjeta de red y aunque dice que está pensado para funcionar en modo terminal parece que no es cierto, que funciona sin problemas de forma autónoma.
Podrán encontrar más información en la wikipedia o en la propia Microsoft. También he encontrado una zona de descarga vía bitTorrent en este enlace donde pueden obtener una imagen del CD de instalación (eso sí, paciencia: 575 Mb) ¿Clientes de bitTorrent? Yo estoy usando en estos momentos Ktorrent desde Ubuntu pero hay unos cuantos clientes libres para Windows como, por poner un ejemplo, Azureus. Para que WFLPC funcione es necesaria una clave pero leo que pueden usar la misma que la de su WXP normal. Como estoy en fase de descarga aún no me ha dado tiempo a probarlo, ya les contaré si resucito algún PC fósil.

Infecciones benéficas

Donde no está de más que un hongo infectado te penetre en las células

Dichanthelium lanuginosum es una gramínea sin nada que llame la atención, una hierba más entre muchas. Pero Yellowstone nunca defrauda. Y nuestra protagonista de hoy crece en este Parque sobre suelos geotérmicos cuya temperatura supera los 50 ºC durante unos meses al año. Otras plantas en similares condiciones se marchitan y mueren sin resistirse demasiado. Pero esta no.
Hace unos años, una tal Regina S. Redman decidió examinar esta peculiar capacidad de superviviencia. Analizando la gramínea lo primero que encontraron fue un hongo endófito en las raíces, hojas, tallos y semillas de Dichantelium (¿se acuerdan de la babosa fotosintética?). El análisis del ADN mostró que era una especie de Curvularia que, además, se mostró incapaz de crecer o reproducirse independientemente de la planta a más de 40 ºC. La conclusión de esta etapa era que Curvularia vivía exclusivamente dentro de las células de Dichantelium y allí sí parecía poder reproducirse sin problemas.

La siguiente etapa de experimentos fue más interesante aún: se esterilizaron semillas de Dichantelium para generar plantas libres del hongo endófito. Luego se plantaron y, tras germinar, una parte fue inoculada artificialmente con el hongo y otra no. En los días posteriores se observó que ambos tipos de plantas no se diferenciaban demasiado en crecimiento ni desarrollo cuando se las mantenía a temperaturas moderadas. Luego, sus raíces fueron sometidas a temperaturas desde 50 a 65 ºC durante ciclos de varios días. A 50 ºC las plantas libres de hongos se marchitaban y sufrían clorosis (falta de clorofila). A 65 ºC todas murieron. Las plantas simbióticas sobrevivieron a ambas pruebas.
Al analizar las plantas supervivientes, se vió que el hongo estaba en todas ellas: ambos simbiontes habían sobrevivido al calor y, de alguna manera, se habían protegido mutuamente.
Aunque los mecanismos que permitían la mutua protección seguían siendo desconocidos parecía que el esquema general había sido descrito de forma más o menos completa. Pero no, la naturaleza es barroca y en este caso no se conformó con simples endosimbiosis.

Desde bastantes años antes se conocía la existencia de virus en los hongos. Los genomas de los virus fúngicos se caracterizan por una doble cadena de ARN que se denomina dsRNA y que no se presenta en los propios hongos. Por tanto, detectar su presencia es un buen indicador de infección vírica. Lo que sigue se lo pueden suponer: el hongo Curvularia, simbionte de Dichantelum, estaba siempre infectado por un virus. Lograron aislarlo y se vió que tomaba la forma de partículas esféricas de unos 27 nm de diámetro.

CThTV, Curvularia Thermal Tolerance Virus

Los siguientes experimentos eran obvios y les comento directamente los resultados: las plantas simbiontes con hongos pero libres de virus no resistieron los ciclos de calor 65 ºC durante 10 horas diarias durante 2 semanas y cayeron tal como lo habían hecho las plantas libres de hongos. Los simbiontes planta-hongo-virus soportaron perfectamente que les cocieran las raíces.

Estamos ante un caso de triple simbiosis donde un virus que infecta un hongo que infecta una planta confiere protección ante el estrés térmico a todos los componentes del grupo siendo todos los simbiontes necesarios. He querido comentarlo para que se vea con claridad que la simbiosis entre organismos hace extraños compañeros y que la riqueza de relaciones entre organismos vivos y no tan vivos nos provee de sorprendentes ejemplos. Por cierto, el mecanismo por el cual todo esto funciona no se ha descubierto aún.
El virus ha sido bautizado como CThTV (Curvularia Thermal Tolerance Virus) y su ficha puede consultarse en esta página de ICTVdB - The Universal Virus Database. Sólo le falta un pase por Gran Hermano para hacerse famoso.

Un par de referencias:
Luis M. Márquez et al., 2006, DOI: 10.1126/science.1136237
Regina S. Redman et al., 2002, DOI: 10.1126/science.1072191
y si quieren ver un caso de virus-bacterias-insectos con protección ante parásitos:
Nancy A. Moran et al., 2005, DOI: 10.1073/pnas.0507029102

Vecinos invasores

Donde las invasiones no vienen del espacio sino de nuestra inconsciencia

1. Un petrolero descarga en un puerto del sur de Australia. Llena los tanques de agua de mar para usarla como lastre y vuelve a su origen, por ejemplo, el Mar del Norte. Allí vacía tanques y sentinas y con ello libera a miles de kilómetros de su área de distribución natural unos cuantos miles de millones de organismos, desde fitoplancton hasta posiblemente peces en diversos estados de desarrollo, pasando por docenas de grupos zoológicos poco favorecidos por la publicidad. Lo más habitual es que este trasiego ocasione la muerte inmediata de todos los viajeros forzosos pero ocasionalmente las condiciones ambientales del lugar de destino no son desfavorables.

2. Hablamos entonces de especies invasoras cuya entrada tiene efectos devastadores sobre los ecosistemas preexistentes. ¿O no? Las especies no tienen áreas de distribución fijas e inmutables en el tiempo sino que varían, avanzan sobre frentes de colonización, se reducen en otros sitios e incluso desaparecen. Las áreas de distribución se establecen en una suerte de equilibrios con otras especies, con las condiciones ambientales siempre cambiantes y con la capacidad de propagación: viabilidad, resistencia, dispersión.... Por ejemplo, parece que las hayas (Fagus sylvatica) entraron en la Península Ibérica hace unos pocos miles de años procedentes de Centroeuropa y aquí se extendieron sobre una buena parte del territorio. Pero no consideramos al haya una especie invasora sino autóctona. La pregunta pertinente es ¿qué diferencia las especies invasoras de las que han penetrado y se han extendido de forma natural sobre nuevos territorios?

3. La respuesta que propongo la comentábamos brevemente hace unos meses en otro blog. La "invasión" es un proceso que se diferencia de la colonización natural al menos en tres aspectos: el tiempo utilizado (breve), el mecanismo de colonización (inducido) y los sujetos implicados (especies aisladas).
Las especies tienen un área de distribución que varía en el tiempo pero la colonización de nuevas áreas o la desaparición de las antiguas será gradual pero no será protagonizada por una especie aislada sino por una comunidad más o menos surtida. El papel que esta comunidad desempeña es mantener una estabilidad que en el caso de las especies invasoras no se aplica. La escala temporal y la entrada brusca, no gradual, también son importantes porque en los movimientos naturales normalmente hay tiempo para reajustes graduales de los ecosistemas preexistentes. La consecuencia de la invasión es un desequilibrio en los ecosistemas invadidos que carecen de tiempo para adaptarse y aceptar al nuevo componente sin excesivos trumas. Este desequilibrio suele manifestarse por la desaparición de especies y por la reducción de la diversidad.

4. Dentro de este esquema general hay casos de todo tipo: especies introducidas que no ocasionan desequilibrios ni efectos negativos aparentes o especies cuya aparición tiene un efecto devastador sobre los ecosistemas anteriores. El impacto de una invasión depende de factores como la cantidad de individuos iniciales, su sensibilidad ante predadores, las condiciones ambientales, la existencia de competidores, la capacidad de reproducción y dispersión u otros menos evidentes como el grado de degradación del ecosistema invadido, que puede hacerlo más sensible. Como ejemplo de caso no traumático, los castaños (Castanea sativa) parecen ser una especie introducida en la Península Ibérica hace un par de miles de años que, sin embargo, se ha adaptado e integrado en bosques mixtos atlánticos sin efectos negativos.

5. Pero hay otros casos. El quagga era una especie de équido similar a la cebra (se dice que una subespecie) que fue aniquilado en su hábitat sudafricano a mediados del siglo XIX. Los quaggas se han reencarnado y, como decía la niña de Poltergeist, ya están aquí bajo la forma, en inglés, de quagga mussel, zebra mussel o, en español, de mejillón cebra (Dreissena polymorpha).
El mejillón cebra tiene su área de distribución natural en las cuencas de los mares Caspio y Negro. La navegación fluvial y tal vez otros mecanismos transportaron larvas de esta especie por buena parte de Europa de forma que, allá donde se encontraron cómodas, se establecieron. En estos nuevos hábitats el mejillón mostró una tasa de reproducción elevadísima, un hambre feroz y un espíritu competitivo digno de Bobby Fisher. Y encima no es comestible. Los Grandes Lagos norteamericanos fueron colonizados probablemente por la limpieza de tanques o vaciado de sentinas hace apenas 25 años. Desde entonces el mejillón cebra no ha dejado de extenderse alcanzando densidades increibles de decenas de miles de individuos por metro cuadrado. El resultado es devastador incluso para las infraestructuras humanas y no se ha encontrado solución alguna. En España han saltado las alarmas ante la expansión en algunos grandes ríos, como el Ebro. Han saltado embalses aguas arriba con lo que sólo se entiende por causas artificiales, en concreto por ser usado como cebo por pescadores poco conscientes del problema.

6. Y es que somos la especie invasora más peligrosa. No sólo somos prolíficos, destructores, voraces y resistentes sino que además adoptamos conductas de riesgo. La del petrolero es una de ellas pero hay otras más cercanas. Por ejemplo, pasen por unos grandes almacenes y echen un vistazo a las cajas de semillas para césped. Encontrarán sin gran dificultad que en la composición aparece un Paspalum paspaloides, más conocido como hierba del búfalo. En España esta gramínea se está extendiendo por todas partes cuando debería haberse quedado, por ejemplo, en las grandes praderas norteamericanas. O el Carpobrotus, una bonita crasulácea sudafricana que tapiza playas y acantilados en la costa cantábrica, eliminando de paso al resto de la flora y que se extiende desde los jardines que la consideran muy decorativa. O el amazónico camalote (Eichhornia crassipes) extendiéndose por el río Guadiana hasta cubrirlo de una espectacular alfombra verde.

El camalote en el río Guadiana (foto de diciembre de 2005 procedente de El País)

7. Al final este asunto está lo que algunos han llamado la “ruleta rusa ecológica”, un juego donde importamos y exportamos especies sin demasiada preocupación por las posibles consecuencias. Los ecosistemas son resultados de milenios de un juego complejo de interacciones y son razonablemente sólidos y resistentes ante variaciones naturales pero no están preparados ante agresiones antrópicas, mucho más devastadoras. Los desequilibrios acaban siempre igual: pérdida de diversidad, extinción de especies, un mundo más pobre...

Becas selectas

Nos llegan unos dípticos donde el grupo X concede 50 becas para trabajar en la empresa. Las ofrece a estudiantes de Y (ingeniería técnica) o Z (ingeniería). Son 12 meses por un monto total de 900 euros (no al mes, en total).
Eso sí, con una aclaración para que luego no haya equívocos: "dicha cantidad será destinada al pago de matrícula (recibo) y libros".
Más adelante dicen (la letra cursiva sigue siendo mía) : "los beneficiarios de las ayudas están obligados a prestar un servicio mínimo de 4 horas semanales" en la empresa.
Y tras poner tus datos personales te piden que contestes a una pregunta: "¿estarías interesado en ampliar el número de horas de dedicación a las que te obliga la beca (4 horas semanales) y ampliarlas como trabajo en prácticas hasta media jornada?"
Y hay que contestar poniendo una crucecita: sí o no.

¿Será que pienso mal de todo o esta oferta me parece un poco rara?

Que no, que no trabaje con imágenes JPEG

Es sabido que la compresión de imágenes tiene las ventajas de reducir el tamaño de almacenamiento y, consecuentemente, las necesidades a la hora de trasmitir los datos: menos ancho de banda o, lo que es equivalente, más imágenes por unidad de tiempo.
Es menos conocido que los satélites de observación terrestre no toman todas las imágenes que podrían porque no hay tiempo para transmitirlas a las estaciones terrestres. El cuello de botella es, en este caso, el ancho de banda. Por este motivo y otros similares, los algoritmos de compresión se aplican desde las pequeñas imágenes que usamos en las páginas web (mejor 40 kb que 400 a la hora de visitar una página) hasta los Gb de las imágenes hiperespectrales. Por poner un ejemplo, una imagen tomada con una cámara digital de 5 megapíxeles se codifica en tres canales de 8 bits, uno por cada color primario en el modelo RGB. Eso hace un total de 24 bits/pixel lo que supone 15 Mbytes si guardamos la imagen sin comprimir. Como ninguna imagen contiene los más de 16 millones de colores que pueden codificarse con los 24 bits/píxel (y en cualquier caso no podríamos distinguirlos) una de las opciones más utilizadas para reducir el tamaño es usar un solo byte por pixel, cuyo valor representa un color determinado. La paleta de 256 colores se construye en función de las caracteristicas de cada imagen y el resultado suele ser visualmente indistinguible del original aunque realmente suponga una fuerte pérdida cromática. En las imágenes GIF se utiliza esta técnica y cada imagen se acompaña del diccionario de colores “a medida” para permitir la decodificación.
Pero la clave del proceso está en la palabra visualmente. En realidad la pérdida es importante y este procedimiento no es aceptable para todas las aplicaciones. Por ejemplo, en las imágenes destinadas a proceso numérico jamás debe perderse resolución radiométrica. El motivo es que los algoritmos que extraen información de estas imágenes sí “ven” las variaciones y los resultados se verán a su vez afectados.
Los algoritmos de compresión se suelen dividir en dos clases: sin pérdida y con pérdida. Los primeros garantizan que la imagen decodificada es idéntica a la inicial; en los segundos, en cambio, se acepta una distorsión en los valores originales para aumentar la tasa de compresión. Entre los primeros están las compresiones LZW, usadas en los formatos TIFF y GIF habitualmente. Entre los segundos el más conocido es el formato JPEG, que se basa en un sofisticado proceso de codificación que permite una compresión a demanda: más compresión con más pérdida o menos compresión con menor modificación de los valores originales.
Realmente, el algoritmo JPEG puede comprimir algunas imágenes con una eficacia aplastante sin que visualmente se note la diferencia. Pero todo tiene su precio y hay un efecto menos evidente que puede convencerles de no usar el formato JPEG ni siquiera para sus fotos de vacaciones. El problema es que si vamos a regrabar la misma imagen varias veces, por ejemplo, para varias sesiones de retoque, la distorsión se acumula en cada ciclo de descompresión-compresión sin que sea posible recuperar la calidad original. El número de ciclos necesarios para que la distorsión sea aparente dependerá de los parámetros que controla la calidad de la compresión: abajo les pongo un ejemplo para que vean el efecto.

Fragmento ampliado de la imagen original en formato TIFF

El mismo fragmento tras 20 ciclos de grabación con compresión JPEG con calidad 40 (en una escala 0-100).

En la imagen superior verán fuertes distorsiones cromáticas y de luminosidad, así como un efecto de bloques. Este se debe a que JPEG trabaja sobre bloques de 8x8 píxeles cuyos parámetros de compresión no tienen continuidad con los vecinos.
¿La solución? Huir de la compresión JPEG y usar el formato TIFF con 24 bits por píxel para guardar las imágenes. Ya estarán a tiempo de reducirlas para su blog o destrozarlas para otros objetivos pero al menos mantendrán un original en buen estado. Para más detalles pueden seguir el protocolo aconsejado por Paulo Porta que pueden encontrar aquí junto con otros artículos que desvelan aspectos básicos de la fotografía digital. Muy recomendable invertir un rato en leerlos todos.

Nota: dos programas para trabajar con imágenes. Para verlas y alguna manipulación simple, lo mejor que en encontrado es Irfanview, muy ligero y con operaciones útiles como, por ejemplo, la transformación masiva en "batch". Para edición en serio, el GIMP que además se distribuye con licencia GNU. Ambos gratuitos, claro.

El extraño caso de la babosa que se movía por energía solar

Hablamos de los líquenes hace una temporada en una breve entrada titulada formas de vida. Tan breve que, aparte de la foto, sólo decía lo siguiente:

Los líquenes no son plantas, son organismos simbióticos donde un alga y un hongo se unen para vivir complementándose mutuamente.

A los líquenes se les asignan nombres específicos como si fueran organismos únicos en vez de comunidades simbióticas donde los papeles se reparten en beneficio mutuo: el alga fotosintetiza para ambos y el hongo la protege de la desecación. Una unión fructífera porque los líquenes aparecen en hábitats realmente extremos. El esquema basado en dos simbiontes es sólo el caso más simple porque a veces las especies implicadas forman tríos: en los líquenes del género Lobaria, al hongo y al alga se les asocia una cianobacteria que añade al grupo la capacidad de fijar el nitrógeno atmosférico. Tampoco son infrecuentes los organismos simbióticos formados por cuatro biontes y hay sospecha razonable de organismos formados por cinco.
Estas “complicaciones” no son raras en la naturaleza, donde el concepto clásico de especie falla más que una escopeta de feria si queremos abarcar a la vida en su conjunto.

Un caso llamativo de estrategia para vivir es el de un grupito de moluscos que ha tomado afición a apropiarse de organismos externos para su propio provecho.
Elysia chlorotica es una especie de babosa marina que se alimenta de un alga llamada Vaucheria litorea. El alga es digerida en su totalidad con una notable excepción: los cloroplastos, orgánulos celulares capaces de realizar la fotosíntesis. Sorprendentemente, los cloroplastos del alga se incorporan a los tejidos del molusco en una forma llamada endosimbiosis intracelular. Los cloroplastos simbióticos son plenamente funcionales y generan nutrientes que son utilizados por la babosa. El resultado es que el molusco puede vivir mediante la fotosíntesis de sus adquiridos cloroplastos durante meses (siempre que haya luz, claro).

Elysia chlorotica en un acuario. Los cloroplastos de dan un intenso color verde y permiten que ejerza una fotosíntesis "prestada" pero funcional.

La endosimbiosis comienza en los moluscos juveniles, que no heredan los cloroplastos y nacen libres de ellos. Aún no se sabe gran cosa sobre como reconocen y seleccionan los cloroplastos del resto de componentes celulares del alga, ni como las células del animal los fagocitan para incorporarlos a su citoplasma.
Lo que sí está claro es que esta simbiosis es algo notable por varios motivos. El más llamativo es que el cloroplasto simbionte no es un organismo completo sino un orgánulo celular semiautónomo. Aunque posee su propio ADN y se divide independientemente de la célula en la que está inmerso, la necesita para el suministro de proteínas que no puede sintetizar por sí mismo. Esto significa que la célula del molusco debe disponer de los mecanismos adecuados para que los cloroplastos no mueran rápidamente: el éxito está claro ya que viven durante bastantes meses en el medio intracelular del molusco y sólo unos días en un medio extracelular. No se conoce con certeza cómo Elysia puede replicar las funciones presentes en el alga y generar las proteínas específicas necesarias para el mantenimiento de los cloroplastos pero hay una hipótesis que a mí me resulta enormemente atractiva: hay evidencia de que existe una transferencia génetica del alga a las células de los animales jóvenes antes de que la simbiosis se establezca. Si esto es así, podria explicarse la síntesis de proteínas necesarias para el cloroplasto porque la trasferencia lateral de genes permite a las células animales satisfacer las necesidades del cloroplasto. Si no es así habrá que buscar explicaciones alternativas para la excepcional pervivencia de estos orgánulos en un medio donde, en principio, no podrían mantener más que unos días.
Hay más ejemplos de esta extraordinaria habilidad. Por ejemplo, una babosa marina pariente de la anterior, Elysia timida también retiene cloroplastos pero de un alga diferente llamada Acetabularia acetabulum. Otra sólo se alimenta y usa cloroplastos de Caulerpa, otra de Halimeda. Todo un despliegue de adaptaciones con una base común y, flotando sobre todo el proceso, esa transferencia genética que hace pocos años sólo se reconocía en bacterias y que, poco a poco, parece no limitarse a ese caso.

Un par de referencias:
Mujer, C.V. et al., 1996, Chloroplast genes are expressed during intracellular symbiotic association of Vaucheria litorea plastids with the sea slug Elysia chlorotica. PNAS, 93(22): 12333-12338
Rumpho, M.E. et al., 2000, Solar-Powered Sea Slugs. Mollusc/Algal Chloroplast Symbiosis. Plant Physiology, 123: 29-38.

Congreso en Mérida

Lamento no poder invitarles a una reunión de frikis o de blogueros pero sí puedo hacerlo al congreso que celebraremos en Mérida dentro de un mes y cuyo lema es "De los modelos a la realidad" ¿les suena?
Hablaremos esencialmente de métodos mediante los cuales los sistemas de información geográfica y la teledetección pueden ser aplicados a la resolución de problemas en ecología. La página del congreso es esta y la de nuestro grupo de investigación, bautizado Kraken, esta otra. Somos primerizos y debo reconocer que ya he pasado alguna noche de sueño de baja calidad debido a este asunto pero estoy seguro de que merecerá la pena.

Ridiculum vitae

La propuesta es muy simple: es absolutamente necesario que los currículos académicos y los sexenios concedidos sean públicos y no, como hasta ahora, secretos celosamente guardados para no revelar al mundo vergüenzas propias o ajenas.
El cabreo viene a cuento de que hoy a un colega le han denegado la acreditación para la figura de profesor contratado doctor. No se trata aquí de clamar ante la injusticia sino, simplemente, de reconocer que los aspirantes a plazas están absolutamente indefensos ante las decisiones. ¿Por qué? Pues porque no saben a quién tienen delante, qué méritos les acreditan para juzgar ni qué baremos se aplican para la resolución. Aceptado o denegado, esa es la cuestión y eso es todo. Anónimo, injustificado, tal vez afectado por un grado de arbitrariedad insoportable, no se sabe.
La idea subyacente a todo esto es que hay un conspicuo conjunto de personas que aparecen por comisiones y tribunales cuyos méritos para estar ahí son imposibles de definir.
La tentación es decir que no tienen esos méritos porque cuando uno mira en la Web of Science o en Scopus, sus publicaciones en revistas con factor de impacto parecen inexistentes. Recordemos el caso de un insigne funcionario al que sólo se le puede asignar una solitaria publicación (F.I.=0.4) en su dilatada experiencia docente e investigadora. Tan dilatada que, además de Catedrático de Universidad, es secretario de Estado de Universidades e Investigación y dirige, por tanto, la política de investigación nacional.
Como estoy seguro de que cometo una injusticia al sospechar que hubo tiempos donde se saldaban algunos méritos propongo de nuevo la solución: transparencia e información. Y la fórmula más simple e inmediata es que los currículos académicos de todos los funcionarios de universidades y de todo el personal contratado o becado deben ser públicos: que corra el aire por sus páginas, que sepamos realmente de qué vamos cuando se decide el futuro de la gente, su empleo o su financiación.
La solución técnica no es especialmente compleja, para eso tenemos internet: un servidor centralizado en el Ministerio donde cada uno tenga acceso a editar sus méritos y todos podamos leerlos.
Veo que este post me ha quedado muy breve. Pero es que la idea es muy simple.

Mirando por el retrovisor: algunas entradas en el 2006

Gracias a Google Analytics he podido echar un vistazo a las entradas más leídas del semestre pasado (no hay datos de antes). Sin analizar nada, el conjunto me parece interesante porque son de carácter bastante diferente. Las 8 primeras son las siguientes:

1. Las cintas desaparecidas del Apolo 11
2. Modelos matemáticos y realidad
3. Sobre la necesidad de liberar los datos científicos
4. Creencias persistentes ¿ha nacido usted con luna llena?
5. Continentes a la deriva y GPS
6. Benedicto XVI y la evolución biológica
7. El último tilacino
8. Libros, grutas y arqueólogos

No sé si son mis preferidas porque, aunque las he leido todas (pueden creerme) y mi memoria es perfectamente selectiva (sólo recuerdo lo accesorio, nunca lo fundamental), son demasiadas para mantener una lista ordenada en la cabeza. Aún así, echo en falta una redactada en el agosto profundo de Castilla que me permito rescatar del olvido: los ratones paracaidistas. Y, por redondear a la decena, hoy, pero hace justo un año, escribí un post muy breve defendiendo las lenguas, idiomas y dialectos de los miserables que los usan como arma: de idiomas oprimidos y opresores.

Modelos, realidad, incertidumbre… y Turing de nuevo

Comentábamos el otro día que probablemente el aspecto más importante a la hora de valorar el test de Turing era tener claras las relaciones entre los modelos y la realidad.
Antes de seguir no me resisto a incluir aquí una de las frases lapidarias atribuidas a Dijkstra (no verificada) y sacada de las Wikicitas a propósito de nuestro debate:

«La pregunta de si un computador puede pensar no es más interesante que la pregunta de si un submarino puede nadar.»

Pero sigamos. Quería desarrollar uno de los párrafos de Pedro en los comentarios al post anterior:

Lo que él [Turing] propone es análogo a la confrontación de un modelo con la realidad en el método científico: diseñar experimentos para comparar lo que hace el modelo con lo que hace la realidad, y si no somos capaces de falsar la hipótesis de que el modelo reproduce el comportamiento real, nos quedamos con el modelo.

No me gusta demasiado la última frase porque creo que se refiere a situaciones conceptualmente irreales y que cuando usamos modelos en la investigación no procedemos así. A ver si me explico comentando algo sobre objetivos y métodos de modelado (RAE dixit) aunque es difícil sintetizar esto en dos páginas.
Usamos los modelos como recurso para simplificar la forma, estructura o funcionamiento de objetos y procesos reales y, así, poder deducir o conocer algunas de sus propiedades con más comodidad: la complejidad de la realidad hace incómodo (o imposible) someterla a experimentación directa y usamos una simplificación. Para que este método funcione es necesario suponer que la simplificación de la realidad no penaliza excesivamente la exactitud del resultado. Lógicamente, esta suposición no puede hacerse sin más y debe comprobarse y valorarse cuantitativamente siempre.
Aceptamos por tanto que lo que genera el modelo (resultados) será similar a lo que generaría el objeto real en las mismas condiciones de experimentación (escenario) y utilizamos los resultados dándoles un valor de verosimilitud. Pero esta suposición debe tomarse con pinzas y tener en cuenta:

• Que el escenario es a su vez un modelo de las condiciones reales, simplificado y truncado, por lo que no puede ser asumido directamente como “real”.
• Que, consecuentemente, los resultados se generan condicionados por la calidad del escenario, de los modelos de los objetos (a través de datos) y de los modelos de los procesos (a través de ecuaciones o algoritmos que las traducen al lenguaje informático).
  

Es decir, en teoría siempre podremos falsar o refutar la hipótesis de que el modelo se comporta como la realidad. Los modelos “perfectos” no existen por propia definición, donde la realidad se simplifica en sus componentes y en sus interacciones. Si no hiciéramos esa simplificación el modelo no sería tal sino un réplica, un duplicado, y no tendría ventaja alguna el usarlo porque no reduciría la complejidad del experimento.
Para saber si podemos usar un modelo es necesario estimar la similitud del resultado modelado respecto al resultado real y valorar si ese resultado nos es útil y para qué.
Esto puede realizar de dos formas:

• Cuando es posible, contrastando una pequeña parte de los resultados modelados con resultados reales (muestra de contraste).
• Cuando no es posible, realizando un análisis de sensibilidad (aunque éste debe hacerse siempre).
  

Un ejemplo me ayudará a explicarme: tenemos una hoja de cálculo para modelar las variaciones de temperaturas en un perfil de suelo a lo largo de un día. La hoja representa el suelo en estratos o capas de 2 cm (primera simplificación) y estima la transferencia de calor de un estrato a otro mediante elementos finitos. Los datos de entrada son la luz solar (irradiancia) que se calcula cada 20 minutos (segunda simplificación), un coeficiente de conductividad y otro de difusividad que suponemos iguales para todo el perfil (tercera simplificación), etc. En el modelo hemos descartado introducir la nubosidad por su irregularidad (suponemos un día despejado) y así otros factores que creemos menos relevantes.
Este modelo tiene la bondad de ser contrastable: iríamos a varios lugares de características diferentes, pondríamos termómetros a varias profundidades y contrastaríamos las temperaturas reales con las predichas. Las divergencias nos permitirían dar valores de incertidumbre a los resultados mediante, por ejemplo, un intervalo de confianza al 95%. Los resultados adoptarían la forma, por ejemplo, de 13.2±1.5 ºC (I.C.: 95%). Lógicamente, el valor de incertidumbre puede no ser constante sino función de la temperatura y de los valores de conductividad o de sus combinaciones…
La idea fundamental es que conocemos hasta dónde llega la exactitud de los resultados modelados. Si nos vale o no es otra cuestión y depende de nuestros objetivos: habrá trabajos que soporten esa incertidumbre y otros que no.
Segundo ejemplo, más de moda que el anterior: predicciones de cambio climático. Resulta que aplicamos el modelo X de predicción de cambio climático y encontramos que en una zona determinada X predice una subida de 3.0 ºC en los próximos 80 años. ¿Cómo puedo saber si este resultado es fiable? Pues lamentablemente este modelo no es contrastable y no podemos, en principio, saber hasta qué punto es fiable. ¿Estamos perdidos? No del todo, podemos hacer una prueba que nos va a dar información indirecta sobre el asunto. Sería la siguiente: si el modelo X usa n variables x_i (i=1..n) como entrada, vamos a hacer mil réplicas del proceso de modelado. Lógicamente, esos mil valores de temperatura que resultan serían iguales pero en estas réplicas vamos a cambiar esos valores originales añadiéndoles una desviación aleatoria: x_i + e_i . Esa desviación e_i estará dentro del rango de incertidumbre de la medida x_i. ¿Y cómo sabemos esa incertidumbre? Midiendo repetidas veces el valor x_i en la realidad. Es decir, asignamos una incertidumbre a cada uno de los datos de entrada. En nuestro caso, si una de las entradas es la transparencia de la atmósfera habrá que medirla unos cientos de veces y calcular el valor medio y la incertidumbre asociada. Los modelos de cambio no se harán introduciendo repetidamente el valor medio sino muchos valores posibles calculados a partir de la incertidumbre de la medida. Y todo esto para cada variable y valor de entrada en el modelo X.
Este procedimiento nos permitirá ver, analizando los resultados, varias cosas. Entre ellas cuál es la variación en esos resultados. Cabe que esa subida de 3.0 sea, en realidad 3.0±0.3 ºC o cabe que sea 3.0±5.3 ºC. En este segundo caso el modelo no nos vale para nada que se me ocurra.

Otra cosa que podemos ver es si hay variables críticas, es decir, variables cuyas variaciones implican cambios relativamente mayores en los resultados que otras. Esas variables deben ser medidas con mayor exactitud que el resto (o dicho de otra forma, los otros pueden ser medidos con menos exactitud) lo que facilita la eficaz distribución de recursos a la hora de planificar la toma de datos.
Este análisis debe hacerse siempre, no sólo cuando el modelo no es contrastable, porque la información que nos proporciona es enormemente útil.
Dado que los modelos imitan el comportamiento de los sistemas reales sólo aproximadamente debemos analizar cuidadosamente qué modelo es adecuado para el objetivo que perseguimos y hasta que punto los resultados son de suficiente calidad.

Enlazando con el asunto del test de Turing, que un modelo haga buenas predicciones o proporcione buenos resultados no significa que funcione igual que la realidad. Por eso, la frase de Pedro mencionada al principio “si no somos capaces de falsar la hipótesis de que el modelo reproduce el comportamiento real, nos quedamos con el modelo” yo la entiendo como “si no encontramos diferencias entre los resultados del modelo y los resultados reales, aceptamos el modelo como buen generador de resultados”. Pero no podemos ir más allá y suponer que los mecanismos que generan resultados en el modelo y en la realidad son los mismos. De hecho, por la propia definición de modelo, nunca lo son. No lo sería ni siquera si el ordenador fuera inteligente porque suponer que su inteligencia fuera humana es de un antropocentrismo insostenible. De ahí mi objeción de ET al test de Turing que propuse días atrás y que hasta el momento no ha sido criticada :-)

Nota: más cosas sobre este tema han sido tratadas hace poco en CPI y en Malaciencia donde Remo y Alf han presentado aspectos distintos del asunto con ejemplos que van desde sistemas planetarios hasta el cambio climático.

Cuando el software te la juega

Sobre la fragilidad de la cadena: donde todo se va al traste por un cambio de signo

Una noche de hace tres años me desperté con un amago de taquicardia. No era por problemas de salud sino porque, mientras dormía, alguna neurona seguía a lo suyo y me había avisado de que un trabajo que llevábamos meses haciendo podía estar mal. Trabajábamos elaborando cientos de simulaciones de dispersión sobre campos de vientos donde los datos eran miles de vectores medidos por el satélite QuikSCAT durante varios años. Cada vector venía definido por su módulo (velocidad del viento) y su acimut (dirección respecto al Norte geográfico). Y en mi nada pacífico sueño la neurona en vigilia me había preguntado sobre si estaba seguro de que los datos de acimut representaban hacia dónde soplaba el viento y no de dónde. Yo había asumido la primera opción en su momento en su momento y nos habíamos lanzado a una vorágine de cálculos con nuestros flamantes nuevos ordenadores multiprocesador.
En esa noche recordaba vagamente que había leido lo del sentido de los datos en uno de los informes técnicos. Pero si había metido la pata llevábamos meses trabajando sobre datos erróneos y nuestros resultados eran, por tanto, sólo basura (elegante y digital, eso sí). Con sudores fríos busqué el informe y al cabo de un rato pude dar con el párrafo que me confirmaba, menos mal, que había interpretado bien el significado de los valores.
Mi susto de medianoche acabó bien pero otros que no tuvieron tanta suerte. Según leo en el número de Science de antes de Navidad, Geoffrey Chang tenía una trayectoria profesional envidiable. Especializado en cristalografía de proteínas (¿se acuerdan del desentrañamiento de la estructura del ADN?), a los 28 años encontró empleo en un instituto de investigación de gran prestigio (Scripps Research Institute en La Jolla, California), al año siguiente recibió una medalla en la Casa Blanca que supone el máximo reconocimiento para jóvenes investigadores. Su laboratorio en el Departamento de Biología Molecular generó una serie espectacular de publicaciones sobre la estructura de proteínas de las membranas celulares…

Y de repente la pasó lo que tanto temían los galos de Asterix. Un grupo suizo publicó en Nature un artículo donde ponían en duda las estructuras de Chang y colaboradores. Estos revisaron su trabajo y acabaron descubriendo un "pequeño" problema: en uno de sus programas informáticos había un error que invertía dos columnas de datos cambiando parámetros que influían directamente en los resultados finales. Este programa había sido utilizado en varios trabajos más con lo que la catástrofe adquiría enormes dimensiones.
El escrito donde se retractan lo explica:

An in-house data reduction program introduced a change in sign for anomalous differences. This program, which was not part of a conventional data processing package, converted the anomalous pairs (I+ and I-) to (F- and F+), thereby introducing a sign change.

La expresión de Chang también fue expresiva. “I’ve been devastated”. Sus artículos siguen en las páginas de Science pero encabezados por un rótulo en rojo: This article has been retracted.
La comunidad científica ha aceptado que se trata de un error y no de un fraude pero la credibilidad del Chang Lab queda en entredicho por falta de cuidado, suficiente para quitar el sueño durante mucho tiempo y una muestra de que hay que controlar mejor las cosas.

Claro que se trataba de un programa no comercial, hecho por ellos mismos. Pero no, no crean que estamos libres de problemas con los programas comerciales. Por ejemplo, todos usamos hojas de cálculo y algunas funciones estadísticas de Excel tuvieron problemas por el diseño de los algoritmos. Microsoft informó en su momento de había “mejorado” algunos algoritmos en el tránsito de Excel 2002 a 2003 pero tal vez no resolvieron demasiado bien las cosas. Les envío a una crítica sobre el generador de números aleatorios. Yo no he sido capaz de reproducir el problema por lo que supongo que esté resuelto pero, como la duda siempre queda, pueden echar un vistazo a algunas publicaciones del European Spreadsheet Risks Interest Group que ayudan a diseñar y tomar medidas preventivas. O si quieren preocuparse de verdad miren los enlaces al final de esta página empezando, por ejemplo, por este. ¿Alguien sabe si en Open Office hay estos problemas?
Algunos estarán pensando en otras aplicaciones como SPSS, Statistica o R. No se preocupen, seguro que funcionan bien. O no. Prueben siempre que puedan con un par de aplicaciones diferentes y confirmen que los resultados son similares, especialmente si trabajan con grandes matrices, grandes números o millones de datos, que es en los extremos donde los algoritmos se la juegan.

Una de las posibles conclusiones de esta historia es que los trabajos científicos se construyen y apoyan sobre un montón de aplicaciones que suponemos funcionan bien. Esta suposición abarca desde los aparatos de medida hasta el software de cálculo. Por ejemplo, en nuestro caso usamos datos tomados por un satélite. Eso significa asumir que te fías de los ingenieros que lo diseñaron, de los procesos de calibración, de que el software de pretratamiento está bien hecho y bien aplicado... Luego, nuestra cadena de tratamiento de los datos brutos consta de 11 pasos que se realizan con programas hechos por nosotros que, a su vez, usan rutinas programadas por otros. Cada paso arranca sobre los resultados del programa anterior con lo que si existen errores, estos van a propagarse a lo largo de la cadena de forma frecuentemente imprevisible e indetectable.

Lamentablemente, no es posible comprobar fehacientemente el buen funcionamiento de todas las piezas del rompecabezas pero sí es necesario invertir tiempo en hacer pruebas básicas y evitar los errores que en inglés llaman blunders, traducible por patochadas o, en castellano castizo, cagadas. Como Geoffrey Chang.
Para terminar de forma constructiva, voy a recomendarles una aplicación estadística que funciona en MS Excel y que es magnífica, gratuita e, incluso, probablemente bien hecha: Poptools.

Secuelas de MacGyver

Cuando no hay material, hay recursos.

Fotografiado en un pueblo de Zamora. Vista de detalle abajo, obsérvese el puntal contra el muro para evitar el cimbreo y la barroca construcción de la escalera de color claro.

[pulsar para ampliar la imagen]