Ronna, ronto, quetta y quecto, los nuevos prefijos para magnitudes extraordinarias

Cada día se generan en soportes digitales más datos que toda la información almacenada en la historia de la humanidad hasta 1970. Si se guardara toda la actual cantidad de bytes (unidad común de almacenamiento compuesta por ocho dígitos binarios -0 y 1- o bits) en discos compactos apilados, la torre llegaría más allá de la Luna (más de 384.400 kilómetros), según un estudio publicado este año en Science. Y este trabajo solo analiza lo almacenado entre 1986 y 2007. La pandemia aumentó un 400% el uso de la tecnología digital y la previsión para el final de la década es que esa imaginaria pila de discos alcanzaría Marte solo con los datos generados en un año: 10²⁴ bytes. No es solo un problema físico, sino también científico. Las denominaciones de las unidades de medida se han tenido que actualizar con nuevos prefijos desde 1964 para dar cabida a esas cifras inimaginables, tanto por arriba como por abajo. Los últimos son ronna (10²⁷, símbolo R) ronto (10⁻²⁷, r), quetta (10³⁰, Q) y quecto (10⁻³⁰, q).

Cada vez que se traspasa una frontera del mundo microscópico, físico, biológico o matemático, se genera un problema para designarle cifras que permitan su estudio, divulgación o aplicación. No es solo por la cantidad de datos, que es el más claro ejemplo para aproximarse a estas nuevas magnitudes, sino también por las distancias universales o, por el contrario, la masa de partículas subatómicas. Martin Hilbert, autor del estudio de Science y profesor de la Universidad de Southern California (EE.UU.), explica que “el ADN humano en un solo cuerpo puede contener alrededor de 300 veces más información de la que almacenan todos los dispositivos tecnológicos”.

La rapidez de los descubrimientos o en sobrepasar los límites conocidos lleva a la adopción de términos informales. Muchas páginas en internet se refieren al hellabyte (10²⁷ bytes) o al brontobyte, términos y símbolos (h y b) no oficiales que pueden añadir confusión a las investigaciones, ya que h se utiliza para hecto (10²) y H para henry, la unidad de inductancia, mientras b simboliza un barn (10⁻²⁸ m²) y B, un belio, unidad de la intensidad del sonido y otras magnitudes físicas.

Para atajar este conflicto, “los representantes de los Gobiernos de todo el mundo, reunidos en la Conferencia General de Pesos y Medidas (CGPM)”, según informa la institución con sede en París, aprobaron la pasada semana “introducir cuatro nuevos prefijos al Sistema Internacional de Unidades (SI) con efecto inmediato”. Son los ya mencionados ronna, quetta, ronto y quecto. De esta forma, la masa de la Tierra es aproximadamente de seis ronnagramos (5975 trillones de toneladas) y la de un electrón, un quectogramo.

La misma Conferencia justifica la decisión en “el papel esencial del Sistema Internacional de Unidades para proporcionar confianza en la exactitud y la comparabilidad global de las mediciones”, fundamentales tanto para la industria, el comercio, la salud o la seguridad. También admite que “las comunidades científicas dependen de mediciones que no están cubiertas por el rango actual”, y pone de ejemplo las cantidades de información digital que ya precisan de magnitudes superiores a 10²⁴, así como la proliferación de términos “no oficiales”.

La adición de prefijos es común en el sistema de medidas. La CGPM ya adoptó en 1975 peta y exa, a los que se sumarían años después zetta (10²¹), zepto (10⁻²¹), yotta (10²⁴) y yocto (10⁻²⁴). Pero la misma organización admite que el principal detonante de la incorporación de nuevas denominaciones de magnitudes se ha debido a “los crecientes requisitos de la ciencia de datos y el almacenamiento digital, que ya utiliza prefijos en la parte superior del rango existente [yottabyte y zettabyte] para expresar grandes cantidades de información digital”.

En este sentido, Richard Brown, impulsor de los nuevos términos y metrólogo jefe del Laboratorio Nacional de Física del Reino Unido en Teddington, explica que “el sistema de prefijos se ha expandido a lo largo de los años en respuesta a los avances en ciencia y tecnología que requieren acceso a un mayor rango de órdenes de magnitud relacionados con la medición”. Brown presentó con este argumento la propuesta a la CGPM el pasado 17 de noviembre tras cinco años estudiando opciones y detectando denominaciones no oficiales.

El metrólogo, según informa Nature, buscó para proponer sus prefijos términos y símbolos que no estaban en uso para unidades y que siguieran la tradición de terminar en la letra a para las multiplicaciones, como el mega (1.000.000 bytes), popular por las ofertas de telefonía, y en la letra o para las escalas más pequeñas, como micro(gramo) o nano(metro).

Brown coincide con la CGPM en considerar “esencial” la medida adoptada tras su iniciativa por “las exigencias de la ciencia de datos, con un crecimiento constante acelerado por la digitalización generalizada y la llegada de nuevas tecnologías, como la computación cuántica”. “Estos nuevos prefijos”, argumenta, “permitirán una comunicación clara e inequívoca de estas mediciones durante muchos años”.

El problema será identificar nuevos prefijos y símbolos para magnitudes superiores o inferiores a las recientemente aprobadas. Lo común será recurrir a su expresión numérica con un exponente mayor positivo o negativo, o a una partícula compuesta, como kiloquetta o kiloronna.

Para Brown, este conflicto aún tardará. Sin embargo, la velocidad de la informática podría acortar el plazo. Según Hilbert, “el área de más rápido crecimiento en el tratamiento de la información es la computación, que ha aumentado un 58% en capacidad informática en dos décadas”. En este sentido, de acuerdo con un artículo de investigadores de Epoch, una organización de pronóstico de inteligencia artificial aún no revisado, a medida que se construyen modelos informáticos más potentes y con mayores capacidades, se observa la falta de datos adecuados para entrenarlos. Es el caso de los investigadores de modelos de lenguaje que, según afirma Teven Le Scao, de la compañía de inteligencia artificial Hugging Face, a MIT Technology Review, “están cada vez más preocupados de quedarse sin los datos que necesitan”. De esta forma, se precisará cada vez más información para poder discriminar la relevante y adecuada para el aprendizaje automático.