Publicaciones en Amics del Pa�s

LAS TIC COMO PALANCA DE CAMBIO DE LA CIENCIA

Victor Canivell Cretchley
Posicionamientos
Data: 07/01/2011
32767 lecturas

Las tecnolog�as de la informaci�n y las comunicaciones se han convertido en una infraestructura fundamental de muchas ramas de la ciencia, permitiendo el an�lisis de problem�ticas y sistemas cient�ficos de escalas exponencialmente crecientes, as� como de grados de complejidad cada vez m�s importantes.

1. Introducci�n

No s�lo se trata de pode hacer m�s c�lculos en s�, sino que los avances de la llamada ciencia de la computaci�n, base de las tecnolog�as de la informaci�n y las comunicaciones, est�n influyendo en las nuevas herramientas conceptuales y tecnol�gicas utilizadas en la ciencia de sistemas complejos en campos como la biolog�a, la medicina, los ecosistemas, las redes sociales, las redes de comunicaciones, la econom�a, etc.

A su vez, el avance en el conocimiento de dichos sistemas complejos en biolog�a y qu�mica permite vislumbrar un horizonte de computaci�n molecular que abra nuevas fronteras en las capacidades de la computaci�n y las comunicaciones. Se trata de sistemas adaptativos y aut�nomos que desarrollan respuestas coherentes a cambios en su entorno de gran complejidad, mucho m�s all� de lo que somos capaces de hacer con las tecnolog�as actuales.

Por otro lado se vislumbra el horizonte de la computaci�n cu�ntica que podr�a dar lugar en pocos lustros a capacidades de c�lculo ilimitadas respecto a las actuales.

Por ello no s�lo son las TIC una palanca de avance fundamental de la ciencia, sino que, adem�s, la ciencia es una palanca de avance fundamental de las TIC, en un c�rculo virtuoso acelerado de grandes implicaciones. En ambos casos se trata de avances espectaculares en nuestra comprensi�n del mundo que nos rodea, de nuestra capacidad de desarrollo tecnol�gico, y, por ende, de nuestro desarrollo econ�mico y social.

Estamos en el albor de una nueva manera de hacer ciencia. Es por ello crucial que la sociedad conozca las bases y el potencial de estos avances.

Catalunya dispone de buenas infraestructuras t�cnicas TIC para la ciencia. Si aspiramos a convertirnos en una sociedad del conocimiento, con valor a�adido en la generaci�n de conocimiento, hemos de seguir invirtiendo en actualizarlas y en dar la formaci�n a los j�venes cient�ficos para que las puedan aprovechar.

Est� demostrado que en el medio plazo hay una clara correlaci�n entre el nivel de desarrollo cient�fico y el de capacidad econ�mica y bienestar social.

2. Las TIC como palanca de impulso de la Ciencia

La f�sica de materiales condujo hace medio siglo al desarrollo de los semiconductores, los transistores y los microprocesadores, los cuales han digitalizado y revolucionado las tecnolog�as de la computaci�n y las comunicaciones (TIC). El progreso ha sido prodigioso. Es inimaginable hoy un mundo sin tel�fonos m�viles, sin internet, sin todos los sistemas electr�nicos que regulan nuestros aparatos dom�sticos, autom�viles, hospitales, industrias y un largo etc�tera. Y estamos acostumbrados a su constante evoluci�n siguiendo la llamada Ley de Moore (dos veces m�s de velocidad de c�lculo y de capacidad de memoria cada 18 meses al mismo coste, es decir un orden de magnitud cada lustro desde hace cincuenta a�os).

Pero, m�s all� de estos avances, es importante reconocer que en estos momentos son estas mismas tecnolog�as de la informaci�n y comunicaciones las que est�n revolucionando el avance de la ciencia. Y esta revoluci�n tiene m�s de una dimensi�n: en primer lugar, la obvia, la de permitir el tratamiento de cada vez mayores cantidades de datos a mayores velocidades. As� ayudan a los cient�ficos a �hacer� m�s ciencia m�s r�pidamente. Pero m�s all� de estos avances de escala, las ciencias de la computaci�n est�n influyendo en �c�mo� se hace la ciencia. Los conceptos, teoremas y herramientas desarrollados en el seno de las llamadas ciencias de la computaci�n se est�n adaptando como nuevas herramientas en las ciencias dedicadas al estudio de sistemas complejos, especialmente en las ciencias biol�gicas, as� como en el estudio del clima, de fuentes energ�ticas, del cerebro, de los or�genes del universo, de los or�genes de la vida, etc.

Estamos pues ante una nueva revoluci�n. Las revoluciones cient�ficas no son nada frecuentes, pero suelen ocurrir cuando se inventa una nueva herramienta conceptual (como el c�lculo) o una nueva herramienta tecnol�gica (como el telescopio). Veamos algunos ejemplos.

Fibonacci en el siglo XIII public� el tratado �Liber Aci� en el que estableci� una nueva rama de las matem�ticas, el �lgebra. El algebra permiti� pasar de las matem�ticas de palabras a la matem�tica de los s�mbolos. Hasta ese momento en Europa las matem�ticas se escrib�an como palabras. Fibonacci �descubri� el sistema num�rico, que de hecho naci� en la India hace 3.000 a�os, y que lleg� a la Europa de la �poca a trav�s del legado de la cultura �rabe. El algebra permiti� nuevos tipos de c�lculos que cambiaron la sociedad, a trav�s del estudio por ejemplo de los planetas, y de su impacto en el comercio y la religi�n. Unos 400 a�os m�s tarde Newton, en sus esfuerzos por entender las leyes de la naturaleza en base a las tasas de cambio del movimiento, us� el algebra para el desarrollo de una nueva rama de las matem�ticas: el c�lculo (coincidiendo con los trabajos de von Leibniz). Esta nueva herramienta permiti� describir muchas nueves leyes de la naturaleza: tasas de cambio o din�micas del calor, del sonido, de la luz, de los fluidos, de la electricidad, del magnetismo, etc. De manera parecida, el desarrollo de nuevas herramientas tecnol�gicas, como el telescopio de Galileo y el microscopio, ambos del siglo XVII, los rayos X del siglo XIX, las m�quinas secuenciadoras de DNA de los a�os �60 tambi�n han transformado nuestra comprensi�n del mundo y del universo.

El impacto de las TIC en el desarrollo de la ciencia, en el alcance sus resultados y en el impacto de sus herramientas y m�todos para entornos complejos, tendr� una importancia al menos igual de significativa en las pr�ximas d�cadas como lo ha sido estos �ltimos cincuenta a�os: impactar� nuestra longevidad, nuestra calidad de vida, lo que sabemos de nosotros, de nuestro planeta, de nuestro universo, de c�mo afrontar las enfermedades, de c�mo gestionar los recursos de nuestro planeta, etc.

Las TIC est� cambiando la forma de hacer ciencia, proporcionando avances a trav�s de nuevos tipos de experimentos. Estos experimentos generan nuevos tipos de datos, de complejidad y vol�menes exponencialmente mayores. Uno de las cuestiones a resolver es c�mo usar, explotar y compartir esta avalancha de datos.

Ejemplos de estas avalanchas de datos se dan por ejemplo en el caso del nuevo laboratorio �Large Hadron Collider� del CERN en Ginebra. Est� previsto que produzca varios PetaBytes (diez elevado a 15 n�mero de bytes, o PB) anuales. Para ello se ha implementado una arquitectura de tratamiento de estos datos de tipo �grid� que engloba una red internacional de centros de computaci�n con m�s de 100k CPUs para analizar en cascada las informaciones y patrones m�s relevantes a las investigaciones en curso. La acumulaci�n de grandes vol�menes de datos, medidos en PB y en ExaBytes (mil PB), se da con gran frecuencia en la ciencia actual, y no s�lo en la f�sica de altas energ�as, sino tambi�n en las t�cnicas de �high throuhgput� de gen�mica, prote�mica, qu�mica combinatoria, estudios del clima, astronom�a, etc. Pero adem�s, y m�s all� de estos problemas de escala de volumen de datos, hay otros tipos de problem�ticas como es la de tratar datos mucho m�s heterog�neas y con or�genes mucho m�s dispersos, como son los casos de biomedicina, astronom�a y otros. Se trata de conceptualizar la amplitud y la profundidad de las relaciones y posibles relaciones en el seno de los datos correspondientes.

Ello requiere herramientas cada vez m�s potentes para acceder, manipular, visualizar e interpretar estos datos de una manera eficaz, superando las barreras actuales de heterogeneidad de datos, plataformas y aplicaciones. Las t�cnicas que se est�n desarrollando incorporan conceptos de hardware como redes de equipos b�sicos tipo PC, y redes de agrupaciones de estos equipos para hacer c�lculos hasta la fecha �nicamente realizables en equipos de supercomputaci�n. Como la cantidad de datos generados en este tipo de entornos excede la velocidad y capacidad de almacenamiento y las velocidades de las redes, se impone complementar las grandes bases de datos centrales con jerarqu�as federadas de bases de datos especializadas y m�s peque�as. Por otro lado las nuevas herramientas de software incluyen conceptos como la sem�ntica, o metadatos, es decir datos que describen los datos, su calidad, d�nde y cu�ndo se han creado, su propiedad intelectual, etc. Y no es s�lo para consumo humano, sino que de hecho lo utilizan fundamentalmente los �web services� entre aplicaciones para integrar, transformar y/o hacer c�lculos con los datos subyacentes. La gesti�n de los datos cient�ficos requiere pues avances en los sistemas de gesti�n de bases de datos que incluyan esta informaci�n sem�ntica.

Los principios que subyacen el desarrollo de las TIC se conocen como �ciencia de la computaci�n� (�computer science�). Esta ciencia de la computaci�n est� contribuyendo en gran manera al avance de la ciencia, de las ciencias naturales. Pero va m�s all� que esto, est� en gran medida reformulando las ciencias naturales. Las ciencias naturales se definen en relaci�n al mundo en el que vivimos y que intentamos describir y predecir en base a estudios emp�ricos y postulados de teor�as y leyes. La ciencia de la computaci�n es m�s dif�cil de describir, no tiene las bases emp�ricas de las ciencias naturales, no se trata s�lo razonamientos simb�licos (matem�ticas) y no es s�lo un compendio de principios de ingenier�a y tecnolog�a. Se puede decir que la mejor caracterizaci�n de la ciencia de la computaci�n es la manera en que sus practicantes resuelven problemas, dise�an sistemas e interpretan el comportamiento humano en el contexto de dichos sistemas. Por ello se habla del �computational thinking�. Se trata de plantearse cuestiones como, �cu�n dif�cil ser� de resolver�, �cu�l es la mejor mana de resolverlo�, como reformular un problema complejo en otro que sabemos c�mo resolver, quiz� por reducci�n, transformaci�n o simulaci�n. Se trata de encontrar la representaci�n m�s adecuada para un problema, en encontrar la modelizaci�n que lo hace tratable. Se trata de usar la abstracci�n y descomposici�n al analizar una tarea compleja o dise�ar un sistema complejo. Se trata de tener la confianza de poder usar, modificar e influenciar un sistema complejo sin comprender todos sus detalles. Se trata de modularizar algo en anticipaci�n a m�ltiples usuarios y/o de �pre-fetching� y �caching� futuros. Se trata de juzgar el dise�o de un sistema en base a su simplicidad y elegancia. Se trat de pensar de manera recurrente. Se trata de pensar en t�rminos de prevenci�n, protecci�n y recuperaci�n ante los peores escenarios (violaci�n de condiciones de contorno, entornos impredecibles) a trav�s de redundancia, contenci�n de da�os y correcci�n de errores. En resumen, se trata de resolver problemas y dise�ar sistemas usando los principios b�sicos de la ciencia de la computaci�n.

Hemos hecho �nfasis en que las nuevas fronteras que las TIC ayudan a desarrollar en el mundo de la ciencia est�n relacionadas con la complejidad. Muchos de los aspectos m�s importantes de nuestro mundo se representan como sistemas complejos: biolog�a, medicina (como redes intercelulares, sistemas de �rganos, epidemiolog�a), en entorno (ecosistemas, etc.), sistemas sociales (como transportes, ciudades, redes sociales), redes de comunicaciones, sistemas econ�micos, etc. Pero a pesar de que en general se entiende la complejidad como el resultado del comportamiento complejo de muchos elementos simples, de hecho en muchos casos se trata de lo contrario: sistemas altamente complejos que producen comportamientos coherentes. Probablemente una de las fronteras cient�ficas m�s apasionantes a resolver es la de entender y predecir c�mo dichos sistemas complejos producen comportamientos coherentes.

Para ello una de las �reas m�s importantes trata de la codificaci�n del conocimiento cient�fico. Por ello se entiende la traducci�n del conocimiento en una representaci�n codificada, en t�rminos de datos y programas, susceptible de ser manipulada y analizable mec�nicamente. Este proceso ya se ha llevado a cabo en muchas �reas de la ciencia, pero est� llegando en otras. La biolog�a es uno de los campos en que este tipo de codificaci�n se ve como fundamental.

En su estadio m�s b�sico tenemos la codificaci�n del genoma: las estructuras del DNA de diferentes organismos se representan como largas cadenas con un alfabeto de cuatro letras. De esta manera se puede almacenar, buscar, comparar y analizar usando una gran variedad de herramientas computacionales. Ya en el a�o 2000 a trav�s del proyecto del Genoma Humano se secuenciaron los tres mil millones de parejas de letras de DNA correspondientes. Se tard� trece a�os y cost� tres mil millones de d�lares. Debido a los avances en el coste de la secuenciaci�n de DNA, hoy en d�a se vislumbran costes de s�lo mil d�lares en plazos de una hora. Este avance en la velocidad y la disminuci�n de los costes de secuenciaci�n de DNA es el equivalente a la ley de Moore para la computaci�n. Y la combinaci�n de ambos avances es lo que permite dar pasos de gigante en la biolog�a de este siglo XXI.

El siguiente nivel es el de la prote�mica. En este caso las estructuras de datos son m�s complejas: se trata de cadenas con alfabetos de veinte letras (de amino�cidos) m�s informaci�n posicional tridimensional y m�s algunas anotaciones complementarias. Esta representaci�n ahora est� suficientemente estandarizada, y por ello ya se puede tratar con nuevas herramientas.

M�s all� hay que codificar las v�as metab�licas y de se�alizaci�n. En este caso lo que hay que almacenar, buscar, comparar, analizar e interpretar son las redes interacciones bioqu�micas. C�mo hacerlo es un tema de actualidad.

El problema general m�s complicado ser� c�mo almacenar, buscar, comparar, analizar etc. los procesos biol�gicos. Se trata de interacciones din�micas entre m�ltiplos componentes discretos, como la divisi�n de las c�lulas.

Todo ello nos lleva a reflexionar acerca de la manera de hacer avanzar la ciencia, a partir de primeros principios y/o a partir de inferencias estad�sticas. Se trata de v�as complementarias y/o alternativas seg�n los casos. Nos recuerda la dicotom�a entre los procesos autom�ticos de traducci�n, los cl�sicos basados en el diccionario y los de tipo Google que se basan en el an�lisis de cantidades ingentes de traducciones de textos previos. En este caso, en el fondo se trata del mismo proceso, pero el segundo es mucho m�s �gil. Hasta cierto punto es un s�mil del mundo cient�fico. El valor de las teor�as cient�ficas se determina generalmente por su habilidad en realizar predicciones. Pero muchas de las teor�as tratan fen�menos tan alejados de nuestra experiencia e intuici�n diarias, que se hace dif�cil sino imposible su comprensi�n �l�gica�. Las ecuaciones, los c�lculos y las predicciones funcionan de manera pasmosa, pero no somos capaces de �entenderlo� m�s all� de dichas ecuaciones matem�ticas. Pi�nsese sino en las grandes teor�as de la f�sica del siglo XX, como la relatividad y la mec�nica cu�ntica. La certeza de sus predicciones es impresionante, pero no es posible entenderlas de manera intuitiva. Explican fen�menos alejados de nuestras escalas y experiencias. Y en las circunstancias m�s pr�xima a nuestra experiencia se transforman en las llamadas leyes de la mec�nica cl�sica, que s� consideramos intuitivas en la actualidad. Pero incluso �stas no eran intuitivas en las �pocas que fueron formuladas. Nadie en su sano juicio dir�a a priori que la manzana de Newton y la Tierra se atraen mutuamente y que ambos se mueven en una elipse alrededor de su centro de gravedad, lo que en la pr�ctica quiere decir que la manzana cae verticalmente. S�lo se puede llegar a aceptar estudiando las trayectorias de los astros, y para ello hay que saber c�mo se pueden medir. As� que en los dominios de la ciencia en que se conocen bien las ecuaciones, para realizar predicciones se requiere simplemente utilizar las t�cnicas num�ricas m�s adecuadas. Sin embargo incluso en estos casos se pueden plantear muchas cuestiones debido a la eficiencia, exactitud num�rica y validaci�n del modelo matem�tico y del modelo de c�lculo inform�tico utilizado.

Hay que reconocer de todas maneras que en la mayor parte de los campos de la ciencia no es posible llevar a cabo una simulaci�n a partir de primeros principios con los recursos actuales de las TIC; ello es debido a la complejidad del tema o a la ausencia de modelos suficientemente precisos para el problema en cuesti�n. En estos casos se utilizan m�todos estad�sticos, incluidos los llamados �machine learning�.

Mientras que la estad�stica cl�sica se centra en el an�lisis de los datos para probar las hip�tesis planteadas, el objetivo de las t�cnicas de �machine learning� es la de utilizar m�todos estad�sticos para hacer predicciones. Esto se ha utilizado con �xito en casos como el de la modelizaci�n molecular, para descubrir los principios estructurales de las familias de plegamientos de prote�nas, o en el de las predicciones de la toxicidad de peque�as mol�culas. Una de las l�neas de desarrollo de los nuevos lenguajes de programaci�n ser� sin duda el de la inferencia probabil�stica, en el que se incluyen conceptos tales como la incertidumbre en su base; con ello se acelerar� la utilizaci�n de los principios del �machine learning�. La investigaci�n de algoritmos y los principios del �machine learning� pueden contribuir a la investigaci�n e uno de las �reas m�s importantes de la investigaci�n cient�fica, la de la comprensi�n de c�mo se procesa la informaci�n en los sistemas biol�gicos, y en particular en el cerebro.

Las dos maneras de realizar predicciones, las basadas en primeros principios, y las basadas en modelos estad�sticos de los datos observados, no tienen por qu� ser excluyentes, y de hecho hay mucho a ganar en usarlas de manera complementaria para el estudio de sistemas complejos. Por ejemplo en casos como la biolog�a de poblaciones, un estudio completo probablemente requiere una combinaci�n de elementos que provienen de la din�mica no lineal, de la ciencia de la complejidad, de la teor�a de redes, de la teor�a de procesos estoc�sticos y del �machine learning�.

Este tipo de avances permite plantearse la realizaci�n de experimentos aut�nomos, que son de especial importancia en situaciones en que ser�a imposible llevarlos a cabo, sea por el volumen de informaci�n a analizar, sea por la incapacidad de la instrumentaci�n cient�fica en comunicar todos sus datos con los centros de decisi�n debido a limitaciones de ancho de banda, como por ejemplo en sondas espaciales o robots utilizados en entornos remotos u hostiles. Dichas t�cnicas computacionales permiten decidir de manera aut�noma a partir de las observaciones previas qu� pruebas realizar a continuaci�n, cu�ndo realizarlas y cu�ndo suspenderlas. La mayor�a de las sondas y robots enviados a entornos remotos s�lo dispone de un ancho de banda limitado, lo que no le permite enviar todos los datos recogidos. As� dicho robot puede decidir localmente qu� curso de pruebas realizar de manera aut�noma. En la misma l�nea se est� llevando a cabo grandes avances en redes inal�mbricas y tecnolog�as de sensores en los chips, de manera a poder realizar grandes proyectos de monitorizaci�n del entorno ambiental.

La distinci�n entre lo natural y lo artificial se est� difuminando cada vez m�s debido a los avances en la intersecci�n entre las TIC, la biolog�a, la qu�mica y la ingenier�a. Estos avances tienen el potencial de revolucionar no solo nuestra capacidad de modelizar, entender y reparar sistemas vivientes complejos, pero tambi�n de construir nuevas piezas biol�gicas que lleguen a ser la base de organismos completamente nuevos.

Los temas tratados hasta aqu� reflejan el rol de las TIC en transformar e incluso revolucionar la ciencia, es decir su rol de palanca de impulso de la ciencia.

Los componentes de esta revoluci�n son conceptos, herramientas y teoremas de la ciencia de la computaci�n que se est�n transformando en nuevas herramientas conceptuales y tecnol�gicas de gran aplicabilidad en la ciencia, especialmente las ciencias que investigan sistemas complejos, y muy en particular en las ciencias biol�gicas. Hay quien defiende que estamos en el albor de una nueva manera de hacer ciencia.

3. La ciencia como palanca de las TIC

Pero no �nicamente las TIC revolucionan la ciencia. Existe la posibilidad de que pueda ocurrir, en base a dichos avances, justamente lo inverso: que dichos avances de la ciencia, especialmente en biolog�a y qu�mica, pueden crear las bases de una revoluci�n fundamental en el �rea de la computaci�n y las TIC. Es decir, la ciencia puede convertirse en un futuro pr�ximo en una palanca de impulso de las TIC, revolucionando sus bases.

3.1. El potencial de la computaci�n cu�ntica

La ley de Moore ha permitido pasar, de trabajar a escala de una micra, a trabajar a escalas de un nan�metro. Pero al seguir miniaturizando, y de mantenerse dicho ritmo de mejoras, hacia 2030 entraremos en los dominios de la f�sica cu�ntica. Con ello lo que ganaremos ya no ser� m�s velocidad al procesar la informaci�n, ya no ser� una mejora cuantitativa como la que hemos tenido en las �ltimas d�cadas, sino que se producir� un cambio cualitativo, una manera totalmente nueva de procesar la informaci�n. En estos entornos se reemplazan los d�gitos habituales, los 0s y los 1s, por los llamados bits cu�nticos o �qubits�. Estos elementos, que pueden ser electrones, fotones, �tomos o mol�culas se rigen por la f�sica cu�ntica, y como tales tienen la propiedad de existir a la vez como 0 y como 1 en el fen�meno llamado de la superposici�n. Ello permite a la computaci�n cu�ntica procesar muchos c�lculos a la vez. Se trata de de que un ordenador cu�ntico podr�a ejecutar en un solo paso la misma operaci�n sobre N veces 2 n�meros distintos codificados en forma de superposici�n de esos N bits: esto es lo que se conoce como paralelismo cu�ntico. En los ordenadores actuales los problemas se resuelven secuencialmente, mientras que en uno cu�ntico los problemas pueden combinarse e introducirse en el ordenador simult�neamente, ejecut�ndose al mismo tiempo. Por ello se llega a hablar de un horizonte de capacidades de c�lculo ilimitadas en comparaci�n con las actuales.

El principio b�sico detr�s de la computaci�n cu�ntica es el entrelazamiento (�entanglement�), que permite establecer correlaciones a distancia, y que permite la superposici�n de dos sistemas y que permite a�adir qubits al proceso. El entrelazamiento es el elemento clave detr�s de los algoritmos cu�nticos y de la criptograf�a cu�ntica. Hoy ya disponemos de soluciones comerciales basadas en criptograf�a cu�ntica. A�n tardaremos algunas d�cadas en poder disponer de ordenadores cu�nticos con capacidades equivalentes a los actuales, para lo que se estima que hay que llegar a ordenadores que gestionen 100.000 qubits � hoy estamos en las decenas. La dificultad principal a resolver es la del aislamiento total de los qubits del mundo exterior. Pero se trata de un terreno fascinante de investigaci�n cient�fica y tecnol�gica por su impacto en las TIC.

Es de destacar que la revista Science elija, como avance cient�fico m�s destacado de 2010, el desarrollo de la primera �m�quina cu�ntica�. Una m�quina no es un ordenador, ni mucho menos, pero los avances son continuos y las oportunidades incre�bles.

3.2. El potencial de la computaci�n molecular

Los ordenadores tal como los conocemos hoy responden muy bien a las tareas para los que fueron concebidos. Pero cada vez m�s podemos imaginar aplicaciones de las TIC para la que no se adapta bien la tecnolog�a actual. Un caso ser�an dispositivos de c�lculo que operasen dentro de organismos vivos, o incluso dentro de una c�lula. Su dise�o requiere una arquitectura completa de computaci�n menor que la de un transistor. Y no existe ninguna limitaci�n fundamental para esta tecnolog�a, como se demuestra con el procesamiento sofisticado de informaci�n que ocurre en los organismos vivos. De manera similar, en el �rea de rob�tica, el procesamiento en tiempo real de datos complejos en una unidad peque�a, con bajo consumo energ�tico y de poco peso de momento no es viable � pero las comunidades de insectos sociales, como las hormigas, nos demuestran lo que ser�a posible con dichos tipos de robots dada la tecnolog�a adecuada.

El procesamiento de informaci�n es esencial para los sistemas biol�gicos,, tanto para mantener sus organizaciones intrincadas como para poder competir con formas de vida rivales. Por ello hasta los m�s simples organismos han desarrollado capacidades avanzadas de computaci�n para abordar tareas complejas. A�n hemos de comprender adecuadamente los principios de estos sistemas naturales de computaci�n inform�tica, aunque el continuo avance de las ciencias biol�gicas nos muestra cada vez m�s detalles. Ello contribuye al desarrollo de los conceptos de la llamada computaci�n molecular.

Los ordenadores actuales se han dise�ado siguiendo un formalismo estricto independiente de su implementaci�n f�sica. Las caracter�sticas f�sicas de los componentes f�sicos est�n camufladas gracias a una ingenier�a muy completa, lo cual es muy �til para la programaci�n. Pero ello se traduce en un uso ineficiente de los substratos, lo que resulta en equipos relativamente voluminosos que se basan en grandes redes de puertas. En contraste el flujo de los c�lculos de los ordenadores naturales est� dirigido por las propiedades f�sico-qu�micas de sus materiales.

En particular las propiedades especiales de las macromol�culas permiten plantearse unidades de c�lculo muy integradas. Las macromol�culas son suficientemente grandes como para tener formas espec�ficas, pero a la vez son suficientemente peque�as como para poder explorarse mutuamente por difusi�n. Son capaces de auto-ensamblarse a temperaturas relativamente altas. Tambi�n pueden cambiar su forma, y con ello su funci�n, en respuesta a cambios en su entorno f�sico-qu�mico. A trav�s de este tipo de procesos en su mayor�a estoc�sticos, las macromol�culas pueden convertirse en componentes de c�lculo mucho m�s vers�tiles y potentes. Se puede conseguir una colecci�n casi exhaustiva de funciones b�sicas de c�lculo a trav�s de combinaciones de macromol�culas especializadas. Ya hay ciertos avances en este tipo de computaci�n molecular. Ya se han ensayado en el laboratorio prototipos de f�rmacos inteligentes, en el sentido de que sean capaces de determinar desde dentro de la c�lula su estado de enfermedad y de actuar en consecuencia.

Esta nueva revoluci�n complementar� y extender� los m�todos establecidos en la actualidad. Har� posible muchos nuevos usos de las TIC y conducir� a nuevos materiales, componentes y dispositivos capaces de responder al entorno de manera adaptativa como ocurre en la naturaleza.

Este tipo de nuevos instrumentos conceptuales y tecnol�gicos tienen el potencial de acelerar el desarrollo de una era de innovaci�n y su consiguiente crecimiento econ�mico y social que podr�a eclipsar el conseguido estos �ltimos cincuenta a�os.

4. Las TIC y la ciencia en Catalunya: conclusiones

Se han implantado en Catalunya estos �ltimos lustros una buena infraestructura TIC de soporte a la ciencia, cuyos elementos paradigm�ticos son el Barcelona SuperComputing Centre (www.bsc.es) con 94 TeraFlops y la Anella Cientifica (www.cesca.es) de un ancho de banda de hasta 10 Gbps, la cual permite conectar entre s�, y a nivel internacional, los diferentes centros de investigaci�n cient�fica y tecnol�gica.

Alrededor de estas infraestructuras de equipamiento y de sus equipos humano correspondientes, se han establecido clusters tem�ticos en �reas de investigaci�n cient�fica que dependen en gran medida de las TIC, tales como la f�sica (como es por ejemplo el caso de la fot�nica en el Institut de Ciencies Fotoniques www.icfo.es o de la f�sica de altas energ�as en el Instituto de F�sica de Altas Energ�as www.ifae.es ), la qu�mica computacional y la biomedicina (como son por ejemplo los casos del Parc Cientific de Barcelona www.pcb.ub.es con el Institut de Recerca Biomedica www.irbbarcelona.org, del Parc de Recerca Biom�dica de Barcelona www.prbb.org con el Centre de Regulaci� Gen�mica www.crg.es). Estos centros son de primera divisi�n internacional en cuanto a sus contribuciones y publicaciones cient�ficas. Para poderlo ser necesitan el acceso a este tipo de infraestructuras TIC.

Y algunos de estos centros estar�n en condiciones de desarrollar, a su vez, avances cient�ficos que contribuyan a hacer saltar las nuevas fronteras de las TIC, por ejemplo en la computaci�n cu�ntica o en la arquitectura de sistemas. Las colaboraciones del BSC con, entre otros, empresas como IBM, Intel, Oracle/Sun Y Micrososft, as� como las del ICFO con, entre otros, el Instituto Max Planck de Garching hacen presagiar una posible eclosi�n en el avance de las TIC en base a estos avances cient�ficos.

Un ejemplo de actualidad son los avances en biolog�a sint�tica en la UPF de aplicaci�n a la computaci�n biol�gica: la biolog�a sint�tica trata de dise�ar sistemas biol�gicos�complejos a base de combinar piezas (bioladrillos) que interact�an�entre s�. El bioladrillo�m�s obvio es una c�lula completa. Ricard�Sol�(Institut�de Biologia�Evolutiva, www.upf.edu/cexs/ ) y sus colegas han publicado en Nature en diciembre 2010 un nuevo procedimiento para implementar circuitos l�gicos combinacionales�complejos, utilizando puertas l�gicas elementales implementadas mediante c�lulas de levadura modificadas por ingenier�a gen�tica.

No es de extra�ar que, en mi opini�n, dos de los posibles candidatos a Nobel en la ciencia espa�ola, Ignacio Cirac (que colabora estrechamente con el ICFO) y Joan Massagu� (co-director del IRB) , est�n ligados a estos centros de excelencia, que se apoyan y necesitan estas infraestructuras avanzadas de las TIC de la ciencia.

En definitiva, para poder hacer ciencia a primer nivel hemos de contar con este tipo de infraestructuras TIC, a la vez que hemos de embeber, en la formaci�n de nuestros cient�ficos, los esquemas conceptuales y las herramientas propias de la ciencia de la computaci�n para que podamos sacar el m�ximo provecho de los avances de la ciencia y de las TIC en su continuo proceso de retroalimentaci�n.

Como colof�n a estas reflexiones es importante considerar las siguientes conclusiones:

1. Establecer la innovaci�n cient�fica entre las principales prioridades pol�ticas, debido a su futuro impacto econ�mico y social.

2. Estas prioridades han de ir acompa�adas de una redefinici�n de la formaci�n de los j�venes cient�ficos, en el sentido de su necesidad de conocer bien los m�todos computacionales, desde la primaria hasta la universitaria. No se trata s�lo de saber usar los programas inform�ticos actuales, sino de conocer las bases de la computaci�n y sus m�todos � para as� ser capaces de usarlas, tanto para el desarrollo de las tareas actuales, como para contribuir a desarrollar nuevas formas de hacer ciencia y de desarrollar las TIC futuras.

3. Para realizar todo ello es crucial comunicar y hacer llegar la ciencia a la ciudadan�a, alfabetizarla. La ciencia y las tecnolog�as que de la ciencia se desprenden son fundamentales en nuestra sociedad. Por ello el p�blico ha de estar informado, entender sus bases y su potencial. S�lo de esta manera podemos asegurarnos de darles las prioridades adecuadas, y adem�s de poder opinar y decidir, con conocimiento de causa, acerca de sus implicaciones �ticas. La velocidad a la que las TIC permiten avanzar a la ciencia, y, viceversa, la velocidad a la que la ciencia biol�gica puede hacer avanzar las TIC en las pr�ximas d�cada, hace esencial establecer estas bases p�blicas de conocimiento y valoraci�n. Nuestro desarrollo econ�mico y social va a depender de ello.