Investigación revela errores en software científico popular y sugiere mejoras

Un reciente estudio de la Universidad de Alberta ha puesto de manifiesto los errores más comunes en Jupyter Notebook, una plataforma de software ampliamente utilizada por científicos para realizar sus investigaciones. Este trabajo busca no solo identificar las fallas, sino también proponer soluciones que mejoren la seguridad y la funcionalidad de esta herramienta esencial.

La investigación, liderada por el profesor asistente de ciencias computacionales y matemáticas Thibaud Lutellier, analizó casi 9,000 cuadernos de Jupyter disponibles en GitHub y Kaggle. El objetivo fue determinar qué factores contribuyen a la aparición de errores en el software, un paso crucial para mejorar su rendimiento y fiabilidad.

"Al comprender las debilidades de Jupyter Notebook, se pueden crear herramientas más inteligentes y confiables para los usuarios y desarrolladores", afirmó Lutellier. Este software es fundamental en industrias como la salud, finanzas y tecnología, donde la precisión en el análisis de datos es vital. En Canadá, la inversión en este campo casi se duplicó en una década, alcanzando entre 29 y 40 mil millones de dólares en 2018.

Jupyter Notebook permite a los investigadores combinar código en vivo, resultados y notas explicativas en un único documento interactivo, lo que lo convierte en una herramienta eficaz para la ciencia de datos. Sin embargo, su flexibilidad también lo hace susceptible a errores. "Es más fácil romper algo en el código o configurar incorrectamente el sistema, ya que los usuarios están cambiando cosas constantemente", explicó Lutellier.

La investigación reveló que la colaboración entre múltiples usuarios en un mismo cuaderno aumenta la probabilidad de errores, un hallazgo inesperado. "Pensamos que la complejidad del código sería el principal problema, pero descubrimos que la cantidad de colaboradores en un mismo código con Jupyter Notebook lo hace más propenso a errores", comentó Harsh Darji, participante de la investigación.

Los investigadores también identificaron dos tipos principales de errores: aquellos que surgen de configuraciones incorrectas y el uso inadecuado de las funciones integradas. Estos problemas pueden llevar a la pérdida de datos o a interpretaciones erróneas de los resultados, e incluso a ataques de ransomware.

El estudio subraya la necesidad de que los desarrolladores de software y los ingenieros de inteligencia artificial construyan mejores herramientas de gestión de configuraciones y colaboración en torno a Jupyter Notebook. Lutellier está trabajando en el desarrollo de una nueva herramienta de inteligencia artificial que detecte automáticamente estos errores.

Los proveedores de software deben mejorar las herramientas de soporte para ayudar a los equipos grandes a utilizar los cuadernos de manera segura. Además, los científicos de datos deben ser cautelosos y aprovechar mejor las herramientas de colaboración y los sistemas de detección de errores existentes. "Al reducir estos errores, los cuadernos se vuelven más confiables para todos, permitiendo a los científicos de datos concentrarse en resolver problemas en lugar de corregir errores de codificación", concluyó Lutellier.