El auge de un joven paradigma científico
Desde el siglo XVI ha habido dos paradigmas principales en la metodología para hacer ciencia. El primero de ellas es el paradigma "experimental". Durante un experimento observamos, medimos y cuantificamos los fenómenos naturales con el fin de resolver un problema específico, responder a una pregunta, o decidir si una hipótesis es verdadera o falsa. El segundo paradigma es el "teórico". Una teoría generalmente se entiende como un fundamento, por ejemplo, una explicación lógica y/o matemática de un fenómeno natural observado. La relación entre ambos paradigmas viene dado porque la experimentación puede servir de apoyo o falsificación de la teoría, a la vez que ésta puede servir de inspiración y motivación para la realización de nuevos experimentos que ayuden a encontrar y comprender mejor las reglas de comportamiento del fenómeno observado.
Sin embargo, las raíces de los paradigmas teóricos y experimentales se pueden encontrar mucho antes con los trabajos realizados por Pitágoras, Euclides, Arquímedes y otros (en la antigua Grecia, China, Egipto y otras culturas miles de años antes de Cristo). Desde entonces, el uso sistemático de estos dos paradigmas ha permitido entender y cuantificar los fenómenos naturales de los que formamos parte.
Desde la Segunda Guerra Mundial, un tercer paradigma científico aparece en escena, al que se conoce normalmente como paradigma "computacional", en el que se estudia la naturaleza a través de simulaciones por ordenador. Los primeros resultados teóricos que se ocupan de este paradigma se pueden atribuir a Alan Turing en la década de 1930, pero la Computación no es ni Teoría ni Experimento. Los cálculos se pueden implementar de muchas maneras: mecánicamente, electromecánicamente, por medio de circuitos eléctricos, electrónicamente, químicamente, bioquímicamente, utilizando ADN , mecánica cuántica, ...
El paradigma computacional hace uso de la computación para describir los sistemas y fenómenos naturales por medio de computadoras. Juega un papel fundamental en situaciones en las que las descripciones analíticas de los fenómenos observados no son tratables y/o caen fuera del alcance de la experimentación directa. Los resultados de los cálculos a menudo se validan con respecto a los datos experimentales y los datos obtenidos por medio de modelos analíticos simplificados. Su utilidad se ha mostrado en física, matemáticas, química, ingeniería y su importancia aumenta continuamente en campos tales como biología, medicina, sociología y psicología.
La invención de la computadora permitió dar soluciones de los modelos analíticos en términos de sus implementaciones numéricas, donde "numérica" por lo general implica una discretización de las variables continuas que representan el espacio y el tiempo (por ejemplo, las ecuaciones en derivadas parciales se resolvieron mediante el método de elementos finitos), lo que permitió realizar un gran avance en las soluciones científicas y de ingeniería de diversos problemas.
Sin embargo, los científicos se dieron cuenta de que a veces no era necesario, o incluso resultaba imposible, diseñar un modelo analítico que describir un fenómeno natural dado. En tales casos, los fenómenos observados a menudo se pueden implementar directamente usando un modelo discreto, lo que ha provocado que sea necesario el desarrollo de partes de las matemáticas que habían sido olvidadas o relegadas a un segundo lugar.
En los últimos meses hay quien habla de un cuarto paradigma que viene a unirse al resto para ir completando poco a poco las diversas formas de "conocer" el mundo: el paradigma de la "exploración de datos"... que trataremos en una entrada posterior aquí.