Adquiriendo señal…
Adquiriendo señal…
Lección 7 de 9· Software de misión
0 de 9 lecciones · 0 %
El clasificador de señales de este clúster no solo emite una etiqueta ("esta señal es de tipo X"): produce un dato científico que, en principio, alguien externo al equipo debería poder auditar y, en la medida de lo posible, reproducir. Esa exigencia — pensar cada resultado como algo que un revisor escéptico examinará después — cambia por completo qué información hay que registrar en el momento en que el resultado se produce, no después.
Este curso adopta el vocabulario del estándar W3C PROV para describir de forma estructurada de dónde viene cada dato: una entidad es un dato o artefacto concreto (una observación IQ cruda, una predicción de pase, una clasificación); una actividad es el proceso que produjo o consumió una entidad (ejecutar el clasificador, generar una predicción TLE); un agente es quién o qué es responsable de la actividad (una versión concreta del modelo, un usuario, un servicio). Sobre estos tres conceptos se construyen relaciones explícitas: derived-from (esta entidad se derivó de aquella otra), input-of (esta entidad fue insumo de esta actividad) y validates (esta actividad valida o corrobora el resultado de aquella otra). El resultado es un grafo dirigido y auditable, no una nota de texto libre sobre "de dónde salió el dato".
inputs_sha256Declarar en texto qué insumos se usaron para producir un resultado ("usé la observación IQ del pase de las 14:00") no es verificable por sí solo: cualquiera podría escribir esa declaración sin que sea cierta. La solución es acompañar cada declaración de insumos con su hash SHA-256 (inputs_sha256): el hash exacto del archivo o payload que efectivamente se usó. Si alguien más tiene acceso al mismo insumo, puede calcular su propio hash y compararlo — coinciden si y solo si es exactamente el mismo dato, byte a byte. Un hash que no coincide con el insumo declarado es, en sí mismo, un motivo de rechazo de la cadena de procedencia: es la diferencia entre "yo digo que usé esto" y "esto es matemáticamente demostrable que fue lo que se usó".
Una cadena completa de procedencia — por ejemplo, TLE → predicción de pase → observación IQ → clasificación — se audita de extremo a extremo, y el resultado de esa auditoría se etiqueta con un veredicto explícito: completa (cada eslabón tiene su hash, su actividad y su agente registrados y verificables) o con huecos tipados (se sabe exactamente qué eslabón falta o no pudo verificarse — no es un "no sabemos", sino un hueco nombrado y localizado). Un veredicto de "con huecos tipados" es honesto y útil; fingir una cadena "completa" cuando en realidad tiene huecos es el error que la siguiente sección nombra directamente.
Para que una corrida científica sea reproducible en la práctica (no solo en teoría), basta con registrar tres cosas juntas: el hash de la configuración usada (todos los parámetros del proceso), la semilla de cualquier fuente de aleatoriedad involucrada, y el commit de git exacto del código que se ejecutó. Esta tripleta — config_hash + semilla + commit — identifica una corrida de forma inequívoca: la misma tripleta, ejecutada de nuevo, produce el mismo resultado byte a byte. Si dos corridas con la misma tripleta producen resultados distintos, hay un bug de no-determinismo que hay que encontrar y corregir, no una casualidad aceptable.
El error más peligroso en este terreno no es no tener procedencia — es afirmar una verificación que en realidad no se hizo. Si un sistema declara "hash de insumos externos verificado" cuando en realidad nunca tuvo acceso a esos insumos externos para recalcular el hash y compararlo, eso es procedencia teatral: una afirmación que parece rigurosa pero que nadie puede sostener si se le pregunta cómo se verificó. Es estrictamente peor que declarar honestamente el límite ("no podemos verificar este insumo externo; lo registramos como recibido, sin verificación independiente") — la honestidad documental sobre lo que no se pudo comprobar vale más que una afirmación de rigor que no resiste el escrutinio.
Los principios FAIR (datos Findable, Accessible, Interoperable, Reusable) y mecanismos como un DOI emitido a través de DataCite son el horizonte natural de este enfoque: un dataset científico producido por el clúster, con su cadena de procedencia completa y sus hashes verificables, puede en principio recibir un identificador citable permanente y ser descubierto y reutilizado por terceros exactamente como un artículo publicado. El clúster de este curso aún no implementa esa capa por completo — se menciona aquí como la dirección hacia la que apunta toda la disciplina de procedencia que sí está en producción.
Visualicemos una cadena de procedencia completa:
¿Qué demuestra el campo inputs_sha256 en una cadena de procedencia?
Que un hash sirva como prueba depende de una propiedad concreta de SHA-256, el efecto avalancha: cambiar un solo bit del insumo cambia cada uno de los 256 bits del hash con probabilidad 1/2, de forma prácticamente independiente. La distancia de Hamming entre el hash original y el del insumo alterado se comporta como una binomial:
No existe, por tanto, una alteración «pequeña» que deje la huella «casi igual»: un bit cambiado en una grabación IQ de varios megabytes produce un hash tan distinto como si se hubiera cambiado el archivo entero. Y la probabilidad de que otro archivo cualquiera tenga por azar la misma huella es , un número tan pequeño que la coincidencia de hashes se puede tratar, a efectos de auditoría, como identidad byte a byte.
Ejemplo resuelto. Un revisor recalcula el SHA-256 de la observación IQ que declara una clasificación y obtiene un valor que difiere del declarado en 131 de los 256 bits. ¿Fue un bit o fueron mil? No se puede saber, y no importa: 131 está dentro de , lo esperado para cualquier alteración. El veredicto es el mismo en los dos casos: el eslabón está roto y la cadena se rechaza hasta que alguien explique qué archivo se usó realmente.
El laboratorio de esta lección recorre la cadena TLE → predicción → observación IQ → clasificación → catálogo y recalcula de verdad, en tu navegador, el SHA-256 de cada artefacto. Elige el escenario «Un bit alterado en la IQ» y sube el deslizador de bits volteados de 1 a 16: el eslabón sigue roto y la rejilla de la derecha sigue mostrando unos 128 bits en rojo, no más. Después elige «TLE externo sin acceso, declarado» y cambia «Qué se declara» a «Verificado»: las huellas no cambian, pero el veredicto pasa a «Afirma lo que no verificó», que es la procedencia teatral. Por último, en «Corrida no determinista», cambia el clasificador a «Determinista» y comprueba que la segunda corrida con la misma tripleta sale idéntica byte a byte.
Cierre de la lección
Sigue el recorrido de la lección paso a paso.
Con una cuenta desbloqueas el cuestionario, el foro de dudas y el tutor con IA de esta lección, además del registro de progreso y el certificado verificable al terminar «Sistemas Distribuidos para Misiones Espaciales».