martes, 1 de abril de 2025

Comentarios finales sobre ABAI 2 (reflexión que sustituye asistencia a la última sesión presencial)


Desde mi punto de vista, para las personas que iniciamos la carrera hacia "sacarnos el carnet de científicos", como bien dice Joaquín, el curso ABAI 2 es un recurso valioso. Más allá de que te reconozcan las horas de formación transversal para llenar el cuaderno de actividades, el contenido del curso te abre una ventana hacia cuestiones fundamentales que no aprenderás en los libros ni dentro del laboratorio haciendo tus experimentos. Esto va más allá, esto va de la vida misma, de las cuestiones que hacemos (bien y mal) los humanos en todos los ámbitos, y de saber que la ciencia no escapa a ello. Es además, un llamado a la responsabilidad: la ética en la ciencia no puede ser vista como un accesorio, sino como un pilar sobre el que se sostiene la investigación válida y comprometida con el bienestar social. Por ello, es importante que quienes nos dedicamos a hacer ciencia adoptemos una postura crítica, auto-reflexiva y consciente de nuestro compromiso y este curso pone a disposición el espacio para hacerlo. 

Uno de los aspectos que llamó mi atención fue el material y las actividades en torno al fraude científico. Conocer casos reales y analizar sus consecuencias no solo en la reputación de quienes los cometen, sino también en la confianza social y en el avance del conocimiento, me llevó a pensar en la fragilidad del sistema académico frente a actitudes deshonestas y me reafirmó la idea de que la ciencia, a pesar de su carácter objetivo, está profundamente influenciada por valores humanos. La responsabilidad de los investigadores no puede limitarse a la búsqueda de "la verdad", sino que también implica considerar el impacto de sus descubrimientos en la sociedad y actuar de manera consecuente con las funciones sociales que debe cumplir la ciencia.

Por otra parte, explorar el ámbito de las patentes me aportó una visión sobre la doble cara que tiene la protección de la innovación y que hasta ahora yo no había visto de ese modo. Mientras que las patentes son importantes para incentivar la inversión y el desarrollo tecnológico, también pueden representar barreras para la difusión del conocimiento, limitar la colaboración científica y ser instrumentalizadas para propiciar el monopolio y la explotación económica más allá de límites mesurados. Este tema me hizo reflexionar sobre la necesidad de equilibrar la protección de la propiedad intelectual con el acceso abierto al conocimiento, un debate que, sin duda, seguirá siendo relevante en el futuro.

Por último, algo que me hubiese gustado abordar en el curso tiene que ver con la responsabilidad en la difusión de los resultados de investigación (más allá de las revistas científicas) y el papel que entran a jugar los medios de comunicación en ello. Muchas veces he visto como los titulares de noticieros y programas de entretenimiento presentan, de manera poco rigurosa y a mi juicio irresponsable, resultados de investigaciones científicas incurriendo en generalizaciones infundadas y haciendo gala de un sensacionalismo que, lejos de informar correctamente a la sociedad, distorsiona la realidad y fomenta la desinformación. En tal sentido, me parece que los periodistas y otros actores mediáticos tienen la responsabilidad de profundizar en el análisis y verificar la información antes de difundirla para garantizar que el conocimiento científico se transmita de forma equilibrada y sin perder su rigor. 


miércoles, 26 de marzo de 2025

Más allá de los números: reflexiones sobre el sistema CTS y las patentes

Los sistemas CTS siempre han sido un tema que despierta opiniones encontradas. Por un lado, es innegable que se han logrado avances y que hay proyectos que realmente impulsan la innovación. Tampoco es un secreto que es necesario tener mecanismos que permitan cuantificar los avances o retrocesos en la materia. Sin embargo, lo que más llama mi atención es cómo, en ocasiones, el sistema parece estar más enfocado en "engrosar números" que en generar resultados tangibles y en cumplir con las funciones sociales de la ciencia que, como bien resumíamos hace unos días, consisten en mejorar la vida de las personas. Creo que un ejemplo claro de esto es el tema de las patentes. Me resulta curioso pensar que en ocasiones se patentan inventos o soluciones que, en muchos casos, nunca llegan a utilizarse pero sí suman puntos y cuentan como grandes logros dentro del sistema CTS (conozco varios casos en el ámbito del desarrollo de software). Más asombro aún me ha parecido ver el otro extremo en el que hasta los genes, esos hilos con los que se teje la vida, se han convertido en un objeto mercantil, utilizado además para obstaculizar el avance de la ciencia.

Otro aspecto que llama mi atención es esta "obsesión" en los sistemas CTS por los números y los indicadores, cosa que también se refleja en el afán por publicar de muchos científicos. La presión por aparecer en revistas y tener un gran portafolio de publicaciones a veces puede llevar a que se priorice la cantidad sobre la profundidad o el impacto real de la investigación. Se genera un ambiente en el que se valora más el "score" académico que el avance genuino en áreas cruciales. Es, paradójicamente, como esa fuerza que empuja a cruzar la barrera que nos mostraba Joaquín en la presentación del primera sesión presencial, esa línea invisible entre lo "permitido" y lo prohibido.  En mi opinión es un ejercicio valioso reflexionar acerca de si la acumulación de patentes y publicaciones realmente se traduce en progreso o si, por el contrario, se está creando una cultura en la que el éxito se mide únicamente en números. Una reflexión que invita a mirar más allá de los indicadores y a valorar hasta que punto el sistema ayuda a que la ciencia cumpla con su función esencial.

Por otra parte, trasladándome a mi área de interés particular, considero que la existencia de software "libre" (que no por ello deja de ser patentable) es una verdadera revolución para el avance de la ciencia. Al eliminar barreras económicas y de acceso, permite que investigadores de cualquier parte del mundo colaboremos y podamos compartir acceso a herramientas de software para construir sobre el trabajo de otros sin restricciones. Pienso que esta apertura no solo acelera el desarrollo de nuevos métodos y tecnologías, sino que también fomenta una cultura de colaboración y transparencia que impulsa la innovación. En la orilla contraria se encuentran las grandes empresas tecnológicas con su lucha constante por las patentes que les permitan, no solo lucrarse de sus productos de hardware y software, lo cual me parece muy bien, sino en ocasiones monopolizar el mercado y excederse con prácticas tan ruines como la obsolescencia programada

El fraude del generador de Artículos SCIgen: una lección para la evaluación científica

En el dinámico mundo de la inteligencia artificial y las ciencias de la computación, la integridad de la investigación es fundamental para el avance del conocimiento. Sin embargo, en ocasiones se han producido casos que ponen en tela de juicio los mecanismos de revisión y validación científica. Un ejemplo paradigmático es el caso del generador automático de artículos SCIgen, desarrollado por estudiantes del MIT.

SCIgen es un programa que genera artículos científicos de manera completamente automática, combinando terminología técnica y estructuras formales propias de la literatura académica en ciencias de la computación. El propósito del programa es generar papers automáticamente para someterlos en congresos que se sospeche que tienen estándares de calidad muy bajos o que directamente son eventos falsos, creados con el único fin de engrosar la lista de publicaciones de científicos que hacen uso de estas malas prácticas. En efecto, para sorpresa de muchos, en 2005 se presentó un artículo generado por SCIgen en una conferencia internacional, logrando ser aceptado pese a carecer de cualquier contenido real o aportación científica. Este hecho expuso vulnerabilidades en el proceso de revisión por pares, evidenciando su falta de rigurosidad y criterio científico. Años más tarde, en 2015, Springer descubrió 18 artículos fraudulentos, dentro de los cuales se encontraban algunos generados por SCIgen. 

Lo rescatable de este tipo de casos de fraude es que no se limitan a una simple anécdota, sino que sirven como un llamado de atención sobre la importancia de establecer mecanismos de control más rigurosos en la evaluación de la calidad de la investigación científica. En los tiempos que corren, la inmediatez que ofrece la inteligencia artificial puede llevar a que nos olvidemos de lo fundamental en la ciencia, por eso considero que el caso SCIgen continúa siendo un recordatorio de que la integridad y la crítica rigurosa son pilares esenciales en nuestra labor científica.

Referencias:
[1] Para conocer más sobre el funcionamiento y la historia de SCIgen, se puede consultar la página oficial del proyecto en el MIT. También hay ejemplos y se cita el caso del paper de 2005 que he mencionado: https://pdos.csail.mit.edu/archive/scigen/

[2] Dejo un enlace que habla acerca de una herramienta desarrollada en el 2015 para detectar papers generados con herramientas como SCIgen: 
https://www.lasexta.com/tecnologia-tecnoxplora/ciencia/divulgacion/pesadilla-cientifico-tramposo-sistema-que-detecta-papers-fraudulentos_2015040657fcc2580cf2a2e945ba53ae.html

El paradigma de las Redes Neuronales Artificiales

La evolución de las ciencias de la computación ha estado marcada por paradigmas que han transformado la forma en la que abordamos la resolución de problemas complejos. Uno de los paradigmas más influyentes en este ámbito hoy por hoy es, sin duda, el de las redes neuronales artificiales. Este paradigma se inspira en la estructura y funcionamiento del cerebro humano para desarrollar modelos computacionales capaces de aprender, adaptarse y generalizar a partir de grandes volúmenes de datos.

El paradigma de las redes neuronales artificiales ha experimentado una evolución que refleja tanto los avances teóricos como tecnológicos en el campo de la computación. En sus inicios, los modelos neuronales eran relativamente simples, implementando arquitecturas limitadas en profundidad y capacidad. Durante las décadas de 1950 y 1960, investigaciones pioneras como la del perceptrón marcaron el comienzo de esta área, aunque sus capacidades se veían restringidas por la falta de métodos de aprendizaje eficientes y la escasez de datos. Con el tiempo, la investigación acerca de las redes neuronales artificiales se enfrentó a desafíos significativos, como el problema de la convergencia y la dificultad para modelar funciones no lineales complejas. En la década de 1980, el resurgimiento de estas técnicas se debió, en parte, al desarrollo del algoritmo de retropropagación, que permitió ajustar los pesos de las conexiones de forma sistemática y mejorar el desempeño de las redes en tareas de reconocimiento y clasificación. No en vano, las contribuciones del creador del algoritmo de retropropagación Geoffrey Hinton y de John J. Hopfield con la introducción de un mecanismo que permitía a las redes neuronales almacenar y recuperar patrones, les hicieron acreedores del premio nobel de física en 2024. Sin embargo, el gran salto en la evolución de las redes neuronales se produjo con la llegada del big data y el incremento exponencial en la capacidad computacional a entre del siglo XX y principios del XXI. Estos avances permitieron la implementación de modelos de mayor profundidad y complejidad, dando origen al concepto de redes neuronales profundas o deep learning. Las redes neuronales profundas, caracterizadas por tener múltiples capas ocultas, han demostrado una capacidad excepcional para extraer patrones de grandes volúmenes de datos, permitiendo aplicaciones que van desde la visión por computador hasta el procesamiento de lenguaje natural.

Hoy en día, las redes neuronales no solo son reconocidas por su capacidad de aprendizaje supervisado y no supervisado, sino también por su utilidad para gestionar la incertidumbre y manejar información imprecisa, lo que las convierte en una herramienta fundamental dentro de la inteligencia artificial. La integración de técnicas de regularización, optimización avanzada y arquitecturas híbridas ha potenciado aún más su rendimiento, consolidándolas como el paradigma dominante en el tratamiento de problemas complejos y multidimensionales.

lunes, 27 de enero de 2025

Reflexión y sensaciones sobre la revisión por pares

Revisar y/o evaluar el trabajo de otras personas siempre me ha parecido una de las cosas más difíciles que tiene la labor académica e investigadora. Es una actividad que requiere desprenderse de subjetividades, pareceres personales o empatía, lo cual a veces es complicado, al menos para mí. Tengo en mente la idea de que los autores de los trabajos han hecho una inversión importante de tiempo, esfuerzo, voluntad y conocimiento y lo que menos quiero es demeritar o menoscabar eso; pero también soy consciente de que un proceso de evaluación/revisión, como el planteado en el ejercicio, debe ser afrontado, por el bien de la ciencia, con la mayor objetividad posible. No obstante, reconozco la valía que tiene el hecho de revisar el trabajo de otras personas y nutrirme de ello también para identificar oportunidades de mejora en el mío.

Respecto de la plantilla, me causó un poco de inquietud el planteamiento de marcar si un trabajo es interesante o no. Me he suscrito en una línea de pensamiento guiada por una frase, cuya autoría se atribuye, entre otros, a Eugene d'Ors, que dice: "basta mirar algo con atención para que se vuelva interesante". Es por esto que al marcar la casilla "El trabajo es interesante" me surgieron preguntas, como: ¿Y por qué podría no serlo? ¿El que no lo sea para mi implica que en definitiva no lo sea para nadie? ¿Quién soy yo para decir si este trabajo es interesante o no?. Por otra parte, se me ha dificultado sintetizar en solo 50 palabras los comentarios para los autores y para el editor. Sin embargo, soy consciente de que lograr esa capacidad de síntesis es un reto en el que debo trabajar más. 

Finalmente, quiero anotar que, independientemente de si me gustan o no las evaluaciones que recibo sobre mi trabajo, trato siempre de ver lo bueno o positivo que pueda extraer de ellas. Cuando me resultan incómodas, o no estoy de acuerdo con algo, igualmente procuro identificar la causa de dicha incomodidad y rápidamente darle la vuelta para quedarme con aquello que me sirva y me resulte beneficioso. 


jueves, 23 de enero de 2025

Paper Fake

 

Influencia de la cafeína en estudiantes de doctorado: un análisis exploratorio


Resumen

Este trabajo examina el impacto del consumo de cafeína en estudiantes de doctorado, evaluando su relación con la productividad, la calidad del trabajo académico y el bienestar general. A través de un enfoque mixto que combina métodos cualitativos y cuantitativos, se analizan patrones de consumo y sus efectos. Los resultados sugieren que la cafeína juega un papel clave como estimulante cognitivo, aunque su abuso podría generar efectos adversos. Este estudio contribuye al entendimiento de las estrategias comunes de afrontamiento utilizadas por estudiantes de doctorado.

Palabras clave: cafeína, estudiantes doctorales, productividad, bienestar, estimulantes cognitivos

Introducción

El doctorado es una etapa académica caracterizada por demandas elevadas de tiempo, esfuerzo mental y compromiso emocional. Estudios previos han identificado el consumo de cafeína como una estrategia común entre estudiantes de posgrado para afrontar dichas exigencias (Bean, 2024). Este artículo explora la relación entre el consumo de cafeína y variables clave como la productividad, el sueño y la percepción de bienestar.

Métodos

Se realizó un estudio observacional durante seis meses con una muestra de 50 estudiantes de doctorado de diferentes disciplinas. Los datos se recopilaron a través de encuestas semanales y autorregistros de consumo de cafeína, horas de sueño y tareas completadas.

Consumo de cafeína

Los participantes registraron el tipo, cantidad y momento de consumo de bebidas con cafeína. Se clasificaron las bebidas en cuatro categorías: café negro, té, bebidas energéticas y otras (e.g., refrescos).

Productividad y bienestar

La productividad se midió en función del número de tareas académicas completadas semanalmente. El bienestar se evaluó mediante una escala subjetiva de 1 a 10, considerando factores como energía, concentración y estado de ánimo, los cuales habían sido previamente identificados en (LateNight, 2024).

Resultados

Patrones de consumo

El 90% de los participantes consumió cafeína regularmente durante el estudio. En promedio, los estudiantes ingerían 3 tazas de café o su equivalente diario, con un pico en las semanas cercanas a entregas importantes. Los estudiantes de disciplinas técnicas presentaron un consumo ligeramente mayor en comparación con los de humanidades, tal como se observa en el Gráfico 1.

Gráfico 1: Promedio diario de consumo de cafeína por disciplina

Relación entre cafeína y productividad

A partir de los datos presentados en el Gráfico 2 se infiere  que el consumo moderado de cafeína (3-4 tazas diarias) se asocia con mayores niveles de productividad, mientras que consumos excesivos (>5 tazas) mostraron una disminución debido a efectos secundarios como ansiedad y fatiga.

Gráfico 2: Relación entre consumo de cafeína y productividad

Bienestar percibido

Aunque la cafeína mejoró la concentración y energía en el corto plazo, los participantes reportaron alteraciones del sueño en el 70% de los casos, especialmente cuando el consumo ocurrió en horas tardías del día.

Discusión

Los hallazgos confirman que la cafeína puede ser una herramienta efectiva para aumentar la productividad en estudiantes de doctorado cuando se consume con moderación. Sin embargo, el abuso de este estimulante puede tener efectos contraproducentes, como fatiga acumulada y disminución de la calidad del sueño. Además, las diferencias observadas entre disciplinas sugieren que las demandas específicas del campo de estudio podrían influir en los patrones de consumo.

Conclusión

La cafeína desempeña un papel dual en la experiencia de los estudiantes de doctorado: por un lado, mejora la productividad y la energía; por otro, puede comprometer el bienestar si no se regula adecuadamente. Estos resultados subrayan la necesidad de plantear estrategias balanceadas para manejar las demandas académicas.

Referencias

  1. Bean, C. (2024). "La ciencia del café en entornos de alto rendimiento." Revista de Energía Ficticia, 10(3), 101-110.

  2. LateNight, T. (2024). "Doctorado y sueño: Un binomio imposible." Actas de la Conferencia de Sueño Falso, 8(2), 45-52.

  3. Debugger, I. (2025). "Estrategias motivacionales en equipos académicos." Memes y Códigos, 15(1), 23-29.

  4. JavaBoost, A. (2025). "Impacto de la cafeína en la salud mental de estudiantes de posgrado." Journal of Cognitive Enhancements, 5(4), 99-113.




lunes, 30 de diciembre de 2024

¿Qué hace una informática en un grupo de "telecos"?

 

Quizás en la respuesta a esta pregunta radica la riqueza de mi tesis doctoral. Mientras mis compañeros y tutores, expertos en telecomunicaciones, se centran en la física de las antenas, los filtros y las guías de onda (por mencionar algunas cosas), yo aporto mis capacidades para el análisis de datos, y el uso de técnicas de IA y optimización. Esta combinación nos permite concebir ideas de investigación, descubrir patrones electromagnéticos que antes, quizás, pasaban desapercibidos y, en definitiva, impulsar la innovación al ritmo que nos marca el mundo actual. En esa interacción, mi investigación doctoral se enfoca en poner la IA al servicio del diseño de componentes de microondas, tendiendo puentes entre dos mundos aparentemente diferentes, pero que juntos pueden revolucionar dicho campo.

Desde hace un tiempo me empezó a llamar la atención el impacto que la Inteligencia Artificial (IA) puede tener en el mundo físico, más allá de las pantallas y algoritmos abstractos. Hoy, mi investigación doctoral se sumerge precisamente en esa intersección entre lo digital y lo electromagnético: aplico técnicas de IA y análisis de datos avanzados al diseño de componentes para dispositivos microondas, indispensables en la fabricación de equipos de telecomunicaciones.

Mi trabajo es profundamente interdisciplinar. Ya no basta con manejar herramientas informáticas; para afrontar el reto que me he propuesto, debo colaborar con especialistas en electromagnetismo y diseñadores de hardware, áreas hasta ahora desconocidas para mi. Tradicionalmente, el desarrollo de componentes microondas —filtros, guías de onda, multiplexores, amplificadores— ha tardado meses de simulaciones y pruebas, un proceso lento y tedioso. Hoy, gracias a la IA, tenemos la esperanza de que el desarrollo de estos componentes pueda ser más ágil y preciso.

La clave está en los datos: mediante técnicas de machine learning y optimización, es posible predecir el comportamiento electromagnético de un dispositivo antes de su construcción física, detectar patrones que humanamente pasarían desapercibidos y proponer diseños más eficientes. Al automatizar tareas repetitivas y complejas, abrimos camino a la creatividad y la experimentación, liberando tiempo para abordar otros desafíos.

En el núcleo de mi investigación reside la pregunta que guía mi tesis: ¿Cómo pueden las técnicas de inteligencia artificial y el análisis de datos optimizar el diseño de componentes microondas, reduciendo complejidades, tiempos de desarrollo y garantizando altos niveles de rendimiento y confiabilidad?

Responder esta pregunta supone adentrarme en un territorio híbrido, donde el conocimiento informático y el entendimiento físico deben ir de la mano. En las próximas publicaciones de “En clave de IA y microondas”, iré compartiendo contenido que permita mostrar como la IA se va consolidando como un pilar en el campo de las microondas, un escenario en plena evolución donde la colaboración multidisciplinaria y la innovación constante son claves para alcanzar soluciones más eficientes.


Comentarios finales sobre ABAI 2 (reflexión que sustituye asistencia a la última sesión presencial)

Desde mi punto de vista, para las personas que iniciamos la carrera hacia "sacarnos el carnet de científicos", como bien dice Joaq...