Un biólogo evolutivo estudia cómo multitudes de aves, moldes de limo, redes de neuronas y otros colectivos biológicos procesan conjuntamente la información.
Jessica Flack, una bióloga evolutiva en el Instituto Santa Fe. Crédito de la imagen: Gabriella Marks / Quanta Magazine
Por Joshua Sokol, para The Atlantic 11 DE JULIO DE 2017
Hay muchos patrones de comportamiento colectivo en la biología que son fáciles de ver porque se producen a lo largo de las dimensiones familiares del espacio y el tiempo. Piensa en el murmullo de los estorninos. O las hormigas del ejército que abarcan brechas en el suelo del bosque uniendo sus propios cuerpos en puentes. Grupos sueltos de pescadores que se introducen en escuelas cerradas cuando aparece un depredador.
Luego hay patrones menos obvios, como los que la bióloga evolutiva Jessica Flack intenta entender. En 2006, su trabajo de posgrado en la Universidad de Emory demostró que sólo unos cuantos luchadores de aspecto formidable podían estabilizar a un grupo entero de macacos al intervenir en peleas entre monos más débiles, que se someterían con muecas de dientes en vez de arriesgar una pelea que pensaban perder. Pero cuando Flack sacó parte de la policía, todo el grupo se fracturó y entró en caós.
Al igual que as manadas o la escolarización, el comportamiento policial surge de las interacciones individuales para producir un efecto macroscópico en todo el conjunto. Pero es más sutil, quizás más difícil de visualizar y medir. O, como dice Flack sobre la sociedad de los macacos y muchos de los otros sistemas que estudia, "su espacio métrico es un espacio de coordenadas sociales. No es euclidiana.
Flack ahora es profesora en el Instituto Santa Fe, donde ha pasado toda su carrera de postgrado, excepto un tiempo en la Universidad de Wisconsin, Madison. Su grupo de "cálculo colectivo", C4, que colabora con su colaborador, David Krakauer, no sólo mide los macacos, sino también las neuronas, los moldes de limo y el Internet para las reglas que subyacen a cada modelo, así como las reglas generales subyacentes todas.
Flack describe su trabajo como una investigación en tres preguntas entrelazadas. Quiere entender cómo las reglas fenomenológicas de la biología, que parecen funcionar en forma agregada, emergen de las verdades microscópicas del terreno. Ella quiere entender cómo los grupos resuelven problemas y toman decisiones. Y quiere saber cómo los sistemas complejos se mantienen robustos frente a los choques, como los macacos con su propia fuerza policial que actúa como pegamento social.
En su raíz, sin embargo, el foco de Flack se centra en la información: específicamente, en cómo grupos de actores diferentes, propensos a errores tienen éxito y fallan al procesar la información juntos. "Cuando miro sistemas biológicos, lo que veo es que son colectivos", dijo. "Todos ellos están formados por componentes que interactúan con intereses parcialmente solapados, que son procesadores de información ruidosos que se ocupan de señales ruidosas".
Por teléfono, por Skype, y por correo electrónico, Quanta Magazine se puso al día con Flack para preguntar sobre los proyectos actuales de C4, su propio camino de carrera y la filosofía general detrás de su trabajo. Una versión editada y condensada de nuestras conversaciones sigue.
Joshua Sokol: ¿Cómo llegó a la investigación sobre la resolución de problemas en la naturaleza, y cómo terminó en el Instituto Santa Fe?
Jessica Flack: Siempre me ha interesado cómo la naturaleza resuelve los problemas y de dónde vienen los patrones, y por qué todo parece tan organizado a pesar de tantos conflictos potenciales de interés. Esas clases de preguntas han estado conmigo desde que era muy pequeña.
En Cornell, yo estaba tomando clases de biología evolutiva, pero ninguno de los materiales realmente abordó estas preguntas. Me pasaba mucho tiempo en la biblioteca de Mann, que era donde estaban todos los buenos libros de biología. Así que me sentaba en el suelo en las pilas polvorientas y débilmente iluminadas con esta pila de libros a mi alrededor. Y de esa manera descubrí que había una comunidad de personas trabajando en estas cuestiones en la biología evolutiva que me pareció más interesante.
No estaban en la corriente principal. Uno de los principales lugares que resultó ser el hogar de muchas de estas personas fue el Instituto Santa Fe. Esto fue en los primeros a mediados de los años 90. Le envié un correo electrónico al Instituto Santa Fe y pedí algo así como 40 documentos de trabajo. Yo estaba siendo una estudiante muy molesta. ¡Y alguien me los envió por correo! En realidad me enviaron por correo 40 de estosdocumentos, y yo estaba emocionada, y los leí todos.
Sokol: Ahora que has terminado ahí arriba, ¿puedes romper lo que tu grupo de investigación C4 quiere decir con "cálculo colectivo"?
Crédito de la imagen: Gabriella Marks / Quanta Magazine
Flack: La computación colectiva trata de cómo los sistemas adaptativos resuelven problemas. Todos los sistemas son sobre la extracción de energía y el trabajo, y los sistemas físicos en particular son sobre eso. Al pasar a los sistemas adaptativos, usted tiene la influencia adicional del procesamiento de la información, que creemos que permite a un sistema para extraer la energía de manera más eficiente, aunque tiene que gastar un poco más de energía para hacer el procesamiento de la información. Los componentes de los sistemas adaptativos miran hacia el mundo, e intentan descubrir las regularidades. Es un proceso ruidoso.
A diferencia de la informática en la que tiene un programa que ha escrito, que tiene que producir una salida deseada, en los sistemas adaptativos, este es un proceso que se está refinando sobre el tiempo evolutivo o de aprendizaje. El sistema produce una salida, y puede ser una buena salida para el medio ambiente o no. Y luego con el tiempo se espera que cada vez mejor y mejor.
Lo que estamos haciendo en C4 es tomar problemas sucios, conceptualmente desafiantes y convertirlos en algo riguroso. Estamos muy filosóficamente orientados, pero también somos muy cuantitativos, particularmente al pensar en cómo la naturaleza puede superar la subjetividad en el procesamiento de la información a través de la computación colectiva. Realmente pensamos que la respuesta a estas preguntas requiere combinar los conocimientos de la física estadística, la informática teórica, la teoría de la información, la biología evolutiva y la ciencia cognitiva.
Sokol: ¿Puedes explicarnos un ejemplo? En un artículo reciente, su grupo analizó la comunicación entre las neuronas en los cerebros de los macacos.
Flack: El cerebro humano contiene aproximadamente 86 mil millones de neuronas, convirtiendo nuestro cerebro en el colectivo definitivo. Cada decisión que tomamos puede ser pensada como el resultado de una computación colectiva neural. En el caso de nuestro estudio, dirigido por mi colega Bryan Daniels, los datos que analizamos fueron recolectados durante un experimento del grupo de Bill Newsome en Stanford de macacos que tuvieron que decidir si un grupo de puntos que se desplazaban a través de una pantalla viajaba a la izquierda o derecho. Los datos sobre los patrones de disparo neural se registraron mientras el mono estaba realizando esta tarea. Encontramos que, como el mono inicialmente procesa los datos, unas pocas neuronas tienen opiniones fuertes sobre lo que la decisión debe ser. Pero esto no es suficiente: si queremos anticipar lo que el mono decidirá, tenemos que examinar muchas neuronas para obtener una buena predicción de la decisión del mono. Entonces, a medida que se aproxima el punto de decisión, este patrón cambia. Las neuronas comienzan a estar de acuerdo, y eventualmente cada uno por sí mismo es el máximo predictivo.
Tenemos este principio de computación colectiva que parece implicar estas dos fases. Las neuronas salen y recogen información semi-independiente sobre la entrada ruidosa, y eso es como crowdsourcing neural. Luego se reúnen y llegan a un consenso sobre cuál debería ser la decisión. Y este principio de acumulación de información y consenso se aplica también a algunas sociedades de monos. Los monos descubren una especie de semi-independiente que es capaz de ganar peleas, y luego consolidar esta información mediante el intercambio de señales especiales. La red de estas señales entonces codifica cuánto consenso hay en el grupo sobre la capacidad de un individuo para usar la fuerza en peleas.
Sokol: Me di cuenta de que otro periódico reciente usa el mismo conjunto de datos macacos que produjo durante su trabajo de postgrado en el Centro Nacional de Investigación de Primates de Yerkes en Lawrenceville, Georgia. ¿Qué encontró cuando volvió a pensar en este sistema?
Flack: Queríamos entender cómo los sistemas sociales u otros sistemas biológicos pasan del estado A al estado B. ¿Cómo un grupo de peces va de la escalada a la escuela, o cómo un sistema social va de tener unos cuantos animales súper poderosos a una instalación donde Hay menos desigualdad. Un mecanismo conocido para facilitar la conmutación entre diferentes estados como éste es que el sistema se sitúe cerca de lo que se llama punto crítico o punto de inflexión. Nos propusimos encontrar una forma de medir, en términos biológicamente significativos, hasta qué punto un sistema se asienta desde el punto crítico. ¿Podríamos crear unidades que tengan un sentido mecanicista?
Estábamos interesados en si podíamos inducir a la sociedad de monos que estábamos estudiando para cambiar de su status quo de muchas peleas pequeñas y algunas grandes a tener muchas peleas grandes. Hemos observado que las peleas en este grupo de mono varían en tamaño de dos a 30 o más individuos, con pequeñas peleas comunes y grandes peleas muy raras. Mediante la simulación de la sociedad utilizando los datos que habíamos recopilado sobre las decisiones de combinación de lucha, encontramos que podíamos medir el número de monos cuya propensión a unirse a las peleas tendría que aumentar para mover el sistema más cerca del punto crítico.
En este sistema, se necesitan cerca de tres a cinco individuos para empujar el sistema sobre el borde. También encontramos que los individuos varían en cuanto su comportamiento influye en el sistema. Si los grandes contribuyentes se vuelven más propensos a unirse a las peleas, el sistema se mueve hacia el punto crítico en el que es muy sensible, lo que significa que una pequeña perturbación puede derribarlo en este estado de lucha total. Y aunque no estudiamos esto en el artículo, especulamos que el estado de lucha total, que significa que el sistema va a cambiar dramáticamente, podría ser útil. Podría ser algo que usted desea hacer, moverse hacia el punto crítico y reconfigurar completamente el grupo si el ambiente está cambiando de conocido a desconocido.
Los macacos sirvieron como sistema modelo para hacer estas preguntas, pero esperamos que el enfoque que desarrollamos pueda aplicarse a muchos otros tipos de datos.
Jessica Flack describe los desafíos especiales de aplicar la computación colectiva a la comprensión de sistemas biológicos complejos. (Revista Gabriella Marks / Quanta)
Sokol: La sociedad humana también parece un poco caótica recientemente. ¿Alguna vez te has tentado a aplicar este tipo de pensamiento en esa dirección?
Flack: Absolutamente. Con la ayuda de algunos amigos en finanzas y economía, nos estamos moviendo un poco en los mercados financieros en nuestra investigación. Creo que es un sistema modelo increíble para hacer este tipo de preguntas de computación colectiva. Mi próxima reunión de hoy es acerca de cómo aplicar nuestro enfoque de criticidad, junto con nuevos resultados de aprendizaje de máquina que son capaces de encontrar fases de la materia para los sistemas físicos, ya sea a datos políticos o datos de mercado. Nuestros objetivos son determinar si hay evidencia de transiciones de fase o fenómenos críticos en los datos financieros y entender los procesos conductuales que podrían acercar los mercados a puntos críticos.
Sokol: Ahora que puedes seguir este tipo de preguntas a tu gusto, ¿qué dirías si pudieras visitarte en Cornell, en las pilas de la biblioteca?
Flack: Jorge Luis Borges es uno de mis escritores favoritos, y escribió algo como "el peor laberinto no es esa forma intrincada que puede atraparnos para siempre, sino una línea recta única y precisa". Mi camino no es recto línea. Ha sido un camino muy interesante, laberíntico, y supongo que diría que no tenga miedo de eso. Usted no sabe lo que va a necesitar, qué herramientas o conceptos que va a necesitar. La cosa es leer ampliamente y siempre seguir aprendiendo.
Sokol: ¿Puedes hablar un poco acerca de cómo es empezar con una tabla de datos sin procesar y sacar de este tipo de grandes patrones? ¿Hay un solo momento eureka, o simplemente una realización lenta?
Flack: Normalmente lo que sucede es que tenemos algunas ideas, y nuestro grupo las discute, y luego, durante meses o años, en nuestras reuniones de grupo, solucionamos estas cuestiones. Estamos bien con la ciencia lenta y reflexiva. Tendemos a trabajar en problemas que están un poco al borde de la ciencia, y lo que estamos haciendo es formalizarlos. Una gran parte de la discusión es: "¿Cuál es el problema central, cómo simplificamos, cuáles son las mediciones correctas, cuáles son las variables correctas, cuál es la manera correcta de representar este problema matemáticamente?" Siempre es una combinación de los datos , Estas discusiones, y las matemáticas en el tablero que nos lleva a una representación del problema que nos da la tracción.
Tenemos este argumento en el Instituto Santa Fe mucho. Algunas personas dirán: "Bueno, al final del día todo es matemáticas." Y yo simplemente no creo eso. Creo que la ciencia se encuentra en la intersección de estas tres cosas: los datos, las discusiones y las matemáticas. Es esa triangulación, eso es lo que es la ciencia. Y la verdadera comprensión, si existe tal cosa, sólo llega cuando podemos hacer la traducción entre estas tres maneras de representar el mundo.
With a little help from Google Translate for Business
Jessica Flack, una bióloga evolutiva en el Instituto Santa Fe. Crédito de la imagen: Gabriella Marks / Quanta Magazine
Por Joshua Sokol, para The Atlantic 11 DE JULIO DE 2017
Hay muchos patrones de comportamiento colectivo en la biología que son fáciles de ver porque se producen a lo largo de las dimensiones familiares del espacio y el tiempo. Piensa en el murmullo de los estorninos. O las hormigas del ejército que abarcan brechas en el suelo del bosque uniendo sus propios cuerpos en puentes. Grupos sueltos de pescadores que se introducen en escuelas cerradas cuando aparece un depredador.
Luego hay patrones menos obvios, como los que la bióloga evolutiva Jessica Flack intenta entender. En 2006, su trabajo de posgrado en la Universidad de Emory demostró que sólo unos cuantos luchadores de aspecto formidable podían estabilizar a un grupo entero de macacos al intervenir en peleas entre monos más débiles, que se someterían con muecas de dientes en vez de arriesgar una pelea que pensaban perder. Pero cuando Flack sacó parte de la policía, todo el grupo se fracturó y entró en caós.
Al igual que as manadas o la escolarización, el comportamiento policial surge de las interacciones individuales para producir un efecto macroscópico en todo el conjunto. Pero es más sutil, quizás más difícil de visualizar y medir. O, como dice Flack sobre la sociedad de los macacos y muchos de los otros sistemas que estudia, "su espacio métrico es un espacio de coordenadas sociales. No es euclidiana.
Flack ahora es profesora en el Instituto Santa Fe, donde ha pasado toda su carrera de postgrado, excepto un tiempo en la Universidad de Wisconsin, Madison. Su grupo de "cálculo colectivo", C4, que colabora con su colaborador, David Krakauer, no sólo mide los macacos, sino también las neuronas, los moldes de limo y el Internet para las reglas que subyacen a cada modelo, así como las reglas generales subyacentes todas.
Flack describe su trabajo como una investigación en tres preguntas entrelazadas. Quiere entender cómo las reglas fenomenológicas de la biología, que parecen funcionar en forma agregada, emergen de las verdades microscópicas del terreno. Ella quiere entender cómo los grupos resuelven problemas y toman decisiones. Y quiere saber cómo los sistemas complejos se mantienen robustos frente a los choques, como los macacos con su propia fuerza policial que actúa como pegamento social.
En su raíz, sin embargo, el foco de Flack se centra en la información: específicamente, en cómo grupos de actores diferentes, propensos a errores tienen éxito y fallan al procesar la información juntos. "Cuando miro sistemas biológicos, lo que veo es que son colectivos", dijo. "Todos ellos están formados por componentes que interactúan con intereses parcialmente solapados, que son procesadores de información ruidosos que se ocupan de señales ruidosas".
Por teléfono, por Skype, y por correo electrónico, Quanta Magazine se puso al día con Flack para preguntar sobre los proyectos actuales de C4, su propio camino de carrera y la filosofía general detrás de su trabajo. Una versión editada y condensada de nuestras conversaciones sigue.
Joshua Sokol: ¿Cómo llegó a la investigación sobre la resolución de problemas en la naturaleza, y cómo terminó en el Instituto Santa Fe?
Jessica Flack: Siempre me ha interesado cómo la naturaleza resuelve los problemas y de dónde vienen los patrones, y por qué todo parece tan organizado a pesar de tantos conflictos potenciales de interés. Esas clases de preguntas han estado conmigo desde que era muy pequeña.
En Cornell, yo estaba tomando clases de biología evolutiva, pero ninguno de los materiales realmente abordó estas preguntas. Me pasaba mucho tiempo en la biblioteca de Mann, que era donde estaban todos los buenos libros de biología. Así que me sentaba en el suelo en las pilas polvorientas y débilmente iluminadas con esta pila de libros a mi alrededor. Y de esa manera descubrí que había una comunidad de personas trabajando en estas cuestiones en la biología evolutiva que me pareció más interesante.
No estaban en la corriente principal. Uno de los principales lugares que resultó ser el hogar de muchas de estas personas fue el Instituto Santa Fe. Esto fue en los primeros a mediados de los años 90. Le envié un correo electrónico al Instituto Santa Fe y pedí algo así como 40 documentos de trabajo. Yo estaba siendo una estudiante muy molesta. ¡Y alguien me los envió por correo! En realidad me enviaron por correo 40 de estosdocumentos, y yo estaba emocionada, y los leí todos.
Sokol: Ahora que has terminado ahí arriba, ¿puedes romper lo que tu grupo de investigación C4 quiere decir con "cálculo colectivo"?
Crédito de la imagen: Gabriella Marks / Quanta Magazine
Flack: La computación colectiva trata de cómo los sistemas adaptativos resuelven problemas. Todos los sistemas son sobre la extracción de energía y el trabajo, y los sistemas físicos en particular son sobre eso. Al pasar a los sistemas adaptativos, usted tiene la influencia adicional del procesamiento de la información, que creemos que permite a un sistema para extraer la energía de manera más eficiente, aunque tiene que gastar un poco más de energía para hacer el procesamiento de la información. Los componentes de los sistemas adaptativos miran hacia el mundo, e intentan descubrir las regularidades. Es un proceso ruidoso.
A diferencia de la informática en la que tiene un programa que ha escrito, que tiene que producir una salida deseada, en los sistemas adaptativos, este es un proceso que se está refinando sobre el tiempo evolutivo o de aprendizaje. El sistema produce una salida, y puede ser una buena salida para el medio ambiente o no. Y luego con el tiempo se espera que cada vez mejor y mejor.
Lo que estamos haciendo en C4 es tomar problemas sucios, conceptualmente desafiantes y convertirlos en algo riguroso. Estamos muy filosóficamente orientados, pero también somos muy cuantitativos, particularmente al pensar en cómo la naturaleza puede superar la subjetividad en el procesamiento de la información a través de la computación colectiva. Realmente pensamos que la respuesta a estas preguntas requiere combinar los conocimientos de la física estadística, la informática teórica, la teoría de la información, la biología evolutiva y la ciencia cognitiva.
Sokol: ¿Puedes explicarnos un ejemplo? En un artículo reciente, su grupo analizó la comunicación entre las neuronas en los cerebros de los macacos.
Flack: El cerebro humano contiene aproximadamente 86 mil millones de neuronas, convirtiendo nuestro cerebro en el colectivo definitivo. Cada decisión que tomamos puede ser pensada como el resultado de una computación colectiva neural. En el caso de nuestro estudio, dirigido por mi colega Bryan Daniels, los datos que analizamos fueron recolectados durante un experimento del grupo de Bill Newsome en Stanford de macacos que tuvieron que decidir si un grupo de puntos que se desplazaban a través de una pantalla viajaba a la izquierda o derecho. Los datos sobre los patrones de disparo neural se registraron mientras el mono estaba realizando esta tarea. Encontramos que, como el mono inicialmente procesa los datos, unas pocas neuronas tienen opiniones fuertes sobre lo que la decisión debe ser. Pero esto no es suficiente: si queremos anticipar lo que el mono decidirá, tenemos que examinar muchas neuronas para obtener una buena predicción de la decisión del mono. Entonces, a medida que se aproxima el punto de decisión, este patrón cambia. Las neuronas comienzan a estar de acuerdo, y eventualmente cada uno por sí mismo es el máximo predictivo.
Tenemos este principio de computación colectiva que parece implicar estas dos fases. Las neuronas salen y recogen información semi-independiente sobre la entrada ruidosa, y eso es como crowdsourcing neural. Luego se reúnen y llegan a un consenso sobre cuál debería ser la decisión. Y este principio de acumulación de información y consenso se aplica también a algunas sociedades de monos. Los monos descubren una especie de semi-independiente que es capaz de ganar peleas, y luego consolidar esta información mediante el intercambio de señales especiales. La red de estas señales entonces codifica cuánto consenso hay en el grupo sobre la capacidad de un individuo para usar la fuerza en peleas.
Sokol: Me di cuenta de que otro periódico reciente usa el mismo conjunto de datos macacos que produjo durante su trabajo de postgrado en el Centro Nacional de Investigación de Primates de Yerkes en Lawrenceville, Georgia. ¿Qué encontró cuando volvió a pensar en este sistema?
Flack: Queríamos entender cómo los sistemas sociales u otros sistemas biológicos pasan del estado A al estado B. ¿Cómo un grupo de peces va de la escalada a la escuela, o cómo un sistema social va de tener unos cuantos animales súper poderosos a una instalación donde Hay menos desigualdad. Un mecanismo conocido para facilitar la conmutación entre diferentes estados como éste es que el sistema se sitúe cerca de lo que se llama punto crítico o punto de inflexión. Nos propusimos encontrar una forma de medir, en términos biológicamente significativos, hasta qué punto un sistema se asienta desde el punto crítico. ¿Podríamos crear unidades que tengan un sentido mecanicista?
Estábamos interesados en si podíamos inducir a la sociedad de monos que estábamos estudiando para cambiar de su status quo de muchas peleas pequeñas y algunas grandes a tener muchas peleas grandes. Hemos observado que las peleas en este grupo de mono varían en tamaño de dos a 30 o más individuos, con pequeñas peleas comunes y grandes peleas muy raras. Mediante la simulación de la sociedad utilizando los datos que habíamos recopilado sobre las decisiones de combinación de lucha, encontramos que podíamos medir el número de monos cuya propensión a unirse a las peleas tendría que aumentar para mover el sistema más cerca del punto crítico.
En este sistema, se necesitan cerca de tres a cinco individuos para empujar el sistema sobre el borde. También encontramos que los individuos varían en cuanto su comportamiento influye en el sistema. Si los grandes contribuyentes se vuelven más propensos a unirse a las peleas, el sistema se mueve hacia el punto crítico en el que es muy sensible, lo que significa que una pequeña perturbación puede derribarlo en este estado de lucha total. Y aunque no estudiamos esto en el artículo, especulamos que el estado de lucha total, que significa que el sistema va a cambiar dramáticamente, podría ser útil. Podría ser algo que usted desea hacer, moverse hacia el punto crítico y reconfigurar completamente el grupo si el ambiente está cambiando de conocido a desconocido.
Los macacos sirvieron como sistema modelo para hacer estas preguntas, pero esperamos que el enfoque que desarrollamos pueda aplicarse a muchos otros tipos de datos.
Jessica Flack describe los desafíos especiales de aplicar la computación colectiva a la comprensión de sistemas biológicos complejos. (Revista Gabriella Marks / Quanta)
Sokol: La sociedad humana también parece un poco caótica recientemente. ¿Alguna vez te has tentado a aplicar este tipo de pensamiento en esa dirección?
Flack: Absolutamente. Con la ayuda de algunos amigos en finanzas y economía, nos estamos moviendo un poco en los mercados financieros en nuestra investigación. Creo que es un sistema modelo increíble para hacer este tipo de preguntas de computación colectiva. Mi próxima reunión de hoy es acerca de cómo aplicar nuestro enfoque de criticidad, junto con nuevos resultados de aprendizaje de máquina que son capaces de encontrar fases de la materia para los sistemas físicos, ya sea a datos políticos o datos de mercado. Nuestros objetivos son determinar si hay evidencia de transiciones de fase o fenómenos críticos en los datos financieros y entender los procesos conductuales que podrían acercar los mercados a puntos críticos.
Sokol: Ahora que puedes seguir este tipo de preguntas a tu gusto, ¿qué dirías si pudieras visitarte en Cornell, en las pilas de la biblioteca?
Flack: Jorge Luis Borges es uno de mis escritores favoritos, y escribió algo como "el peor laberinto no es esa forma intrincada que puede atraparnos para siempre, sino una línea recta única y precisa". Mi camino no es recto línea. Ha sido un camino muy interesante, laberíntico, y supongo que diría que no tenga miedo de eso. Usted no sabe lo que va a necesitar, qué herramientas o conceptos que va a necesitar. La cosa es leer ampliamente y siempre seguir aprendiendo.
Sokol: ¿Puedes hablar un poco acerca de cómo es empezar con una tabla de datos sin procesar y sacar de este tipo de grandes patrones? ¿Hay un solo momento eureka, o simplemente una realización lenta?
Flack: Normalmente lo que sucede es que tenemos algunas ideas, y nuestro grupo las discute, y luego, durante meses o años, en nuestras reuniones de grupo, solucionamos estas cuestiones. Estamos bien con la ciencia lenta y reflexiva. Tendemos a trabajar en problemas que están un poco al borde de la ciencia, y lo que estamos haciendo es formalizarlos. Una gran parte de la discusión es: "¿Cuál es el problema central, cómo simplificamos, cuáles son las mediciones correctas, cuáles son las variables correctas, cuál es la manera correcta de representar este problema matemáticamente?" Siempre es una combinación de los datos , Estas discusiones, y las matemáticas en el tablero que nos lleva a una representación del problema que nos da la tracción.
Tenemos este argumento en el Instituto Santa Fe mucho. Algunas personas dirán: "Bueno, al final del día todo es matemáticas." Y yo simplemente no creo eso. Creo que la ciencia se encuentra en la intersección de estas tres cosas: los datos, las discusiones y las matemáticas. Es esa triangulación, eso es lo que es la ciencia. Y la verdadera comprensión, si existe tal cosa, sólo llega cuando podemos hacer la traducción entre estas tres maneras de representar el mundo.
With a little help from Google Translate for Business