Crédito: Dominio público de Pixabay/CC0
Apodado “Galloping Gertie” por su tendencia a doblarse y ondularse, el puente Tacoma Narrows acababa de abrir al tráfico el 1 de julio de 1940. En una falla ahora infame, frente a vientos moderados la mañana del 7 de noviembre de 1940, el puente comenzó a girar repetidamente. Después de una hora de giro, el puente se derrumbó. Una suposición de ingeniería fatal llevó al puente a separarse.
En ese momento, muchos diseñadores creían que el viento no podía hacer que los puentes se muevan hacia arriba y hacia abajo. Eso puede parecer un hecho obvio ahora, pero esa suposición incorrecta costó alrededor de US $ 65 millones en dólares de hoy y la vida de un perro.
Pequeños movimientos verticales permitieron que el puente se torciera. Cerca del final, el puente se retorció de una manera que los diseñadores nunca habían anticipado. Esta torsión enfatizó el puente hasta que el puente de Tacoma Narra se derrumbó.
Al asumir que no hay movimiento vertical del viento, los ingenieros no estudiaron cómo las partes del puente revolearían en el viento antes de construir el puente. Esta supervisión finalmente condenó el puente.
Este fracaso ilustra una idea que muchos estudiantes de ingeniería aprenden durante sus cursos: todos los cálculos de ingeniería se basan en modelos. El diseño seguro requiere que los ingenieros reconozcan los supuestos en sus modelos y garanticen la seguridad del diseño a pesar de las limitaciones.
Soy un experto en modelado computacional, que enseño en Olin College. En mis clases, hablo de modelos y enseño a los ingenieros a usarlos de manera segura.
Aprender a usar modelos cuidadosamente es importante: como dijo el famoso estadístico George Box: “Todos los modelos están equivocados, algunos son útiles”.
Modelos y su uso de ingeniería
Los modelos son marcos interpretativos que ayudan a los científicos e ingenieros a conectar datos al mundo real. Por ejemplo, es probable que tenga un sentido cotidiano para la fuerza de los objetos: si dobla un trozo de madera con suficiente fuerza, se romperá. Un tablero más fuerte puede tomar más fuerza.
Los ingenieros tienen modelos que hacen que este sentido cotidiano sea más preciso.
La fuerza de ingeniería depende de un marco interpretativo que relacione las fuerzas, el tamaño de un objeto y su relación, que representa el estrés mecánico. Lo que los ingenieros llaman “fuerza” se relacionan con este estrés calculado.
Teniendo en cuenta la fuerza ayuda a los ingenieros a seleccionar un material que sea lo suficientemente fuerte como para construir un puente.
Pero todos los modelos dejan de lado los detalles del mundo real. Para calcular el estrés, un ingeniero necesita describir la forma de un objeto. Los objetos reales son complejos, por lo que el ingeniero simplifica su forma en aras del cálculo.
Por ejemplo, un ingeniero puede tomar un complejo paquete de cables y asumir que actúan juntos como un solo cilindro. Esta forma simplificada puede ayudarlos a elegir cuántos cables se juntan y establecer el grosor general del paquete.
Sin embargo, los supuestos introducen limitaciones: la simplificación del cilindro supone que los cables individuales no existen, por lo que no ayuda a determinar cómo tejer los cables. Los ingenieros pueden, y lo hacen, hacer modelos más detallados donde necesitan, pero incluso aquellos tienen suposiciones y limitaciones.
Esta interacción entre supuestos y limitaciones está en el corazón de todos los modelos. Los ingenieros que trabajan en el puente Tacoma Narrows no asumieron ningún movimiento vertical impulsado por el viento, lo que condujo a una limitación: no pudieron predecir el aleteo impulsado por el viento que separó el puente.
La misma idea es cierta para modelos más abstractos. Algunas compañías que hacen sistemas de reconocimiento facial basados en la inteligencia artificial asumen que sus sistemas son precisos, dado que hacen un buen trabajo al elegir la cara correcta de un conjunto de datos de capacitación. Sin embargo, los investigadores externos han demostrado que algunos conjuntos de datos de capacitación introducen limitaciones.
Los ingenieros que construyeron estos conjuntos de datos de capacitación asumieron que sus datos tenían suficientes caras para representar a la mayoría de las personas, pero estos conjuntos de datos subrepresentaban a las personas no blancas. Esta limitación llevó a los sistemas a atacar desproporcionadamente a las personas negras.
En la búsqueda de mejores sistemas de IA, algunos investigadores asumen que más datos de capacitación son el enfoque más efectivo. Este enfoque intensivo en datos tiene la limitación de un enorme impacto ambiental. La computación con grandes conjuntos de datos requiere mucha energía, ya que los centros de datos son intensivos en recursos.
El truco para usar modelos de manera segura es elegir suposiciones en los que las limitaciones no arruinen su uso previsto. El estándar de oro es probar. Pero las pruebas no siempre son posibles. Por ejemplo, construir un puente de prueba no es un lujo que los ingenieros estructurales puedan pagar.
Seleccionar y crear cuidadosamente los modelos adecuados requiere un buen juicio.
Enseñanza de modelado
El juicio de ingeniería implica un cuidadoso equilibrio de confianza y escepticismo hacia las matemáticas: la base de muchos modelos de ingeniería. Desarrollar el juicio de ingeniería es difícil, y generalmente surge de años de experiencia. Enseño un curso de modelado y simulación que aumenta el juicio de ingeniería de los estudiantes.
Mis co-instructores y yo invitamos a los estudiantes a construir sus propios modelos, lo cual es una experiencia bastante poco común para los estudiantes de ingeniería. Luego, los estudiantes identifican los supuestos en sus modelos, establecen sus limitaciones y, lo que es más importante, justifica cómo esas limitaciones no les impiden usar el modelo de forma segura.
Las fallas de ingeniería como el puente Tacoma Narrows pueden ocurrir cuando los ingenieros no están al tanto de los supuestos y limitaciones de un modelo. Si bien los cursos a menudo enseñan a los ingenieros jóvenes a hacer suposiciones y usar modelos, rara vez se centran en las limitaciones de estos modelos. Ayudar a los estudiantes a desarrollar su juicio de ingeniería puede evitar que vuelva a ocurrir fallas como “Galoping Gertie”.
Proporcionado por la conversación
Este artículo se vuelve a publicar de la conversación bajo una licencia Creative Commons. Lea el artículo original.
Cita: Todos los modelos están equivocados: un experto en modelado computacional explica cómo los ingenieros los hacen útiles (2025, 21 de abril) recuperados el 21 de abril de 2025 de https://techxplore.com/news/2025-04-wrong-expert.html
Este documento está sujeto a derechos de autor. Además de cualquier trato justo con el propósito de estudio o investigación privada, no se puede reproducir ninguna parte sin el permiso por escrito. El contenido se proporciona solo para fines de información.
