A medida que muchos nos decimos a nosotros mismos que la edad es solo un número, algunos de esos números tienden a sobresalir y se sienten más significativos que otros. Tienen una manera de hacernos detenernos y reflexionar. Al escribir esto, me acerco a un cumpleaños divisible por diez, cumpliendo 30 años, y últimamente he estado reflexionando sobre las fases de mi desarrollo intelectual durante los últimos diez años. Este artículo explora la dicotomía entre el análisis de datos y un enfoque más intuitivo y adaptativo – la «danza» – para comprender e interactuar con **sistemas complejos**, basándose en la experiencia personal y las reflexiones del autor. Este debate es crucial en un mundo cada vez más interconectado y donde los desafíos exigen soluciones holísticas y resilientes.
Reflexiones sobre la Transición
Cuando hice mi anterior transición de década, era el típico estudiante universitario, tal vez aparte del hecho de que acababa de empezar a reclamar la intención y la propiedad de mi aprendizaje. Me había transferido de la escuela de negocios de pregrado a una especialidad en economía después de sentirme desilusionado con los cursos y la cultura. Fue un pequeño cambio en el gran esquema de las cosas, pero significativo para mí, ya que ya no estaba en el camino de menor resistencia. La elección de cambiar de negocios a economía no es trivial. Refleja una búsqueda de un entendimiento más profundo y menos superficial del mundo. La economía, aunque criticada por sus modelos simplificados, ofrece un marco para analizar sistemas complejos a través de la lente de incentivos, oferta y demanda. Este cambio también puede indicar una predisposición hacia el pensamiento crítico y la búsqueda de soluciones basadas en principios más que en prácticas establecidas. En retrospectiva, este acto de tomar las riendas del aprendizaje marcaría el comienzo de una exploración continua que trascendería las fronteras disciplinarias convencionales, llevando al autor a profundizar en campos tan diversos como el ambientalismo, la ciencia de datos y la filosofía.
Desde entonces, mi amor por el aprendizaje me ha llevado a profundas inmersiones en el ambientalismo y la ciencia de datos, y a incursiones en la filosofía, las matemáticas, la energía, la ecología, la evolución cultural y un puñado de otros campos. Pero una de mis primeras grandes inmersiones después de completar mi pregrado fue en la ciencia de **sistemas complejos**. La ciencia de datos, con su promesa de extraer información valiosa de grandes conjuntos de datos, a menudo se presenta como la clave para comprender y controlar sistemas complejos. Sin embargo, el autor cuestiona si esta visión es completa o incluso precisa. El ambientalismo, por otro lado, exige una comprensión holística de la interconexión entre los sistemas naturales y las acciones humanas. Al combinar estas perspectivas, se abre la puerta a una exploración más rica de los desafíos complejos que enfrenta la sociedad actual. El salto a la ciencia de sistemas complejos representa una síntesis de estas primeras exploraciones. Reconoce que los sistemas no pueden comprenderse plenamente a través de la simple agregación de sus partes, sino que surgen propiedades emergentes de las interacciones entre ellas.
¿Qué es la Ciencia de Sistemas Complejos?
La ciencia de sistemas complejos (o «ciencia de la complejidad») es un campo académico interdisciplinario fascinante con una idea simple en su núcleo. En lugar de buscar entender el mundo descomponiendo las cosas en sus partes constituyentes, veamos qué podemos aprender estudiando las todos, centrando las relaciones y teniendo en cuenta el contexto. Resulta que esta simple idea es bastante subversiva para el pensamiento intelectual moderno, aunque puede ser difícil ver hasta qué punto la ciencia y la cultura han sido moldeadas por el dominio de la epistemología de descomponerlo todo (a menudo denominado «reduccionismo»). El reduccionismo, la práctica de dividir un sistema en partes más pequeñas para comprenderlo mejor, ha sido una fuerza dominante en la ciencia moderna durante siglos. Sin embargo, la ciencia de sistemas complejos desafía esta visión, argumentando que las propiedades emergentes de un sistema no pueden comprenderse plenamente simplemente analizando sus componentes individuales. En cambio, se centra en las relaciones e interacciones entre las partes, y en cómo estas interacciones dan lugar a comportamientos complejos y a menudo impredecibles. Un ejemplo clásico es el comportamiento de una bandada de pájaros: aunque cada pájaro sigue reglas simples, la bandada en su conjunto muestra patrones complejos y coordinados que no podrían predecirse simplemente analizando el comportamiento de un solo pájaro. Esta idea tiene profundas implicaciones para la forma en que abordamos la resolución de problemas en una variedad de campos, desde la ecología hasta la economía.
En economía, «el mercado» se divide en consumidores y empresas, cada uno de los cuales se modela como autómatas desconectados, cuya única interacción es influenciarse mutuamente a través de sus efectos en los precios predominantes. En medicina, entendemos el cuerpo y la experiencia humanos como consistentes en distintos sistemas de órganos, distintas fases de desarrollo y distintas cosas que pueden salir mal, y tenemos especialistas para cada uno. Incluso en algo como el baloncesto pensamos que el juego tiene elementos distintos, ofensiva y defensa, espacio y tiro, consistencia y aplomo. En todos estos ejemplos, y en incontables otros lugares que podríamos mirar, es bastante fácil ver que las líneas que trazamos son convenciones, abstracciones, productos de la mente. Estas divisiones pueden ser útiles, y sin ellas podríamos sentirnos perdidos. Pero en verdad, todo está conectado y estamos rodeados de sistemas complejos. El reduccionismo económico, al simplificar las interacciones del mercado a consumidores y empresas «racionales», ignora las complejidades del comportamiento humano, como la influencia de las emociones, las normas sociales y el contexto cultural. De manera similar, la medicina especializada, si bien aporta un conocimiento profundo de sistemas específicos, puede perder de vista la interconexión del cuerpo humano como un todo. En el baloncesto, separar la ofensiva y la defensa puede hacer que los entrenadores no reconozcan la importancia de la transición fluida entre ambas fases. Estos ejemplos ilustran cómo la simplificación excesiva inherente al reduccionismo puede llevar a una comprensión incompleta e incluso ineficaz de los sistemas complejos. La verdadera maestría reside en reconocer estas limitaciones y buscar un enfoque más holístico que capture la riqueza de las interacciones y las propiedades emergentes.
El siguiente extracto del libro de Jonathan Rowson *The Moves That Matter: A Chess Grandmaster on the Game of Life* hace un buen trabajo al capturar el hecho de que siempre estamos nadando en sistemas interconectados: «El pensamiento sistémico puede parecer especializado y exigente, pero los sistemas no son exóticos, están dentro y entre todo. El sistema solar incluye el sistema atmosférico de la Tierra. Organizamos nuestras vidas en este planeta a través de un sistema político que trata de gobernar un sistema económico, que depende de los recursos materiales proporcionados por los sistemas naturales, y también de la creación perpetua de la demanda del consumidor a través de un sistema semiótico de persuasión llamado marketing. El marketing funciona en nuestros sistemas nerviosos para aumentar nuestro deseo por todo tipo de cosas que no necesitamos pero que podrían gustarnos, por ejemplo, rosquillas realzadas con azúcar perlada, mermelada de fresa, glaseado rosa y crema de vainilla de Madagascar. Estas rosquillas irrazonablemente sabrosas subvierten nuestros sistemas de control del apetito que evolucionaron con una debilidad por los alimentos densamente calóricos para ayudar a la supervivencia a corto plazo, particularmente bajo estrés. Un cambio en la demanda de tales rosquillas a escala impacta en las cadenas de suministro y los ecosistemas relacionados de maneras que nunca sospechamos mientras lamemos los sabrosos restos de nuestros labios inferiores. Con el tiempo, las influencias sistémicas refuerzan los antojos de productos similares a las rosquillas en culturas obesogénicas que eventualmente destruyen nuestros sistemas inmunológicos, nuestros sistemas de salud y los ecosistemas de los que depende la vida como tal. La ruptura de los sistemas que ayudan a nuestra calidad de vida causada por una confluencia de otros sistemas es en parte la razón por la que los activistas hablan de ‘el sistema’ como un todo, y no necesariamente se abstienen de comer rosquillas. En cambio, dicen: ‘¡Tenemos que cambiar el sistema!'». Este extracto de Rowson resume elocuentemente la ubicuidad de los sistemas y la complejidad de sus interacciones. Desde los sistemas naturales que sustentan la vida en la Tierra hasta los sistemas socioeconómicos que gobiernan nuestra sociedad, todos estamos inmersos en una red intrincada de relaciones interconectadas. El ejemplo de las rosquillas ilustra cómo incluso las elecciones de consumo aparentemente inocuas pueden tener consecuencias de gran alcance en la salud individual, las cadenas de suministro y el medio ambiente. Este reconocimiento de la interconexión sistémica es fundamental para abordar los desafíos globales como el cambio climático, la desigualdad y la degradación ambiental. Implica que las soluciones deben diseñarse con una comprensión holística de los sistemas afectados y deben tener en cuenta las posibles consecuencias no deseadas.
Ejemplos Impactantes
El elemento contracultural del pensamiento sistémico y particularmente la ciencia de sistemas complejos era innegablemente atractivo para mis sensibilidades, pero aún más atractivo era que *funciona*. Un ejemplo temprano de esto (que en realidad es anterior a la nomenclatura de «complejidad») fue *Los límites del crecimiento*, publicado en 1972. Investigadores del MIT financiados por el Club de Roma utilizaron una novedosa simulación de «dinámica de sistemas» para mapear la interacción de las tendencias a nivel planetario en población, producción de alimentos, industrialización, contaminación y consumo. Este trabajo innovador proporcionó una base para lo que se ha convertido en una simple verdad del movimiento ambiental: que el crecimiento industrial ilimitado en un planeta finito como nuestra tierra azul-verde es imposible. *Los límites del crecimiento*, un estudio pionero que utilizó la dinámica de sistemas para modelar el futuro de la humanidad, fue recibido con controversia en su momento, pero sus predicciones se han cumplido sorprendentemente bien. El estudio demostró que el crecimiento exponencial de la población, el consumo de recursos y la contaminación eventualmente superarían la capacidad del planeta para sostenerlos, lo que llevaría al colapso económico y ambiental. Si bien el estudio ha sido criticado por sus simplificaciones y su falta de consideración de las innovaciones tecnológicas, su mensaje central sobre los límites del crecimiento en un planeta finito sigue siendo relevante en la actualidad. El estudio también destaca el poder de los modelos de sistemas complejos para comprender las interacciones complejas entre diferentes variables y para predecir las posibles consecuencias de las políticas y las acciones humanas.
Teoría WBE
Otro fascinante logro de la ciencia de sistemas complejos llegó en 1997, cuando Geoffrey West, James Brown y Brian Enquist publicaron una teoría (teoría WBE) que explicaba patrones de escala previamente observados en todas las especies. Lo más probable es que nunca te hayas preguntado hasta qué punto un elefante es solo una versión a escala de un ratón, pero resulta que esa extensión es bastante grande. Estos científicos buscaron explicar la notable previsibilidad en la relación observada entre la masa y la tasa metabólica (ley de Kleiber). En términos simples, la teoría WBE mostró que el ratón y el elefante comparten un patrón de ramificación común en la geometría de sus sistemas circulatorios («geometría fractal»), y esta comunidad en todas las especies produce la relación de escala. Esto puede sonar como una historia extremadamente especializada de un avance académico, pero las consecuencias de comprender los mecanismos en juego son de gran alcance, como se captura en el título completo del libro de West de 2018 *Scale: The Universal Laws of Life, Growth, and Death in Organisms, Cities, and Companies*. La teoría WBE, que relaciona la geometría fractal de los sistemas circulatorios con las tasas metabólicas y las características de escala en los organismos, ha tenido un impacto significativo en una variedad de campos, desde la biología hasta la economía urbana. La teoría explica por qué los organismos más grandes, como los elefantes, tienen tasas metabólicas más lentas por unidad de masa que los organismos más pequeños, como los ratones. También proporciona un marco para comprender cómo las ciudades crecen y se desarrollan, y por qué ciertas características, como la innovación y la productividad, aumentan con el tamaño de la ciudad. El libro de West, *Scale*, explora estas implicaciones en detalle, mostrando cómo los principios de la ciencia de sistemas complejos pueden ayudarnos a comprender una amplia gama de fenómenos, desde el crecimiento de las células hasta el crecimiento de las empresas.
Mi propia incursión en la ciencia de sistemas complejos no produjo tales avances. Ni siquiera cerca. Pero sí ayudó a ampliar mi visión del mundo. Aproveché los cursos gratuitos en línea ofrecidos por el Santa Fe Institute y aprendí sobre geometría fractal, sistemas dinámicos no lineales, modelado basado en agentes y algunos otros temas. Además del libro de Geoffrey West, leí trabajos de Robert Axtell, W. Brian Arthur, Fritjof Capra y Pierre Luigi Luisi, y cuando el Sante Fe Institute publicó volúmenes editados, también los recogí con entusiasmo. El Santa Fe Institute (SFI), un centro de investigación interdisciplinario dedicado al estudio de los sistemas complejos, ha desempeñado un papel fundamental en el desarrollo y la promoción de la ciencia de sistemas complejos. El SFI reúne a investigadores de una variedad de disciplinas, incluyendo la física, la biología, la economía y la informática, para estudiar problemas complejos como el cambio climático, la propagación de enfermedades y la dinámica de los mercados financieros. El SFI también ofrece una variedad de programas educativos, incluyendo cursos en línea, talleres y programas de posgrado, diseñados para capacitar a la próxima generación de científicos de sistemas complejos. Al proporcionar una plataforma para la colaboración interdisciplinaria y la investigación innovadora, el SFI ha ayudado a transformar nuestra comprensión del mundo complejo en el que vivimos.
Mundos Ocultos a la Vista
Uno de esos volúmenes se llama *Mundos ocultos a la vista: Treinta años de pensamiento de la complejidad en el Sante Fe Institute*, editado por David Krakauer, el actual presidente de SFI. Originalmente lo había leído cuando tenía entre veinte y tantos años, pero al empacar para un viaje reciente, me encontré entre libros y decidí echarlo en mi mochila para revisarlo en el avión. Este volumen contiene ensayos que rastrean el surgimiento y el crecimiento de la ciencia de sistemas complejos desde la década de 1980 hasta el presente. Si bien esperaba un viaje relajante por este camino de la memoria intelectual, lo que encontré en esas páginas en realidad me sorprendió y me molestó. El contenido no había cambiado desde que leí el libro por primera vez, pero algo sobre mi perspectiva ciertamente sí. La relectura del libro *Mundos ocultos a la vista* representa un punto de inflexión en la trayectoria intelectual del autor. Si bien el libro había sido inspirador en su primera lectura, la relectura reveló una tensión subyacente entre la promesa de la ciencia de sistemas complejos para comprender y controlar el mundo, y la realidad de la complejidad inherente y la imprevisibilidad de los sistemas reales. Esta tensión lleva al autor a cuestionar si la búsqueda de control es el objetivo apropiado, o si un enfoque más humilde y adaptativo, una «danza» con los sistemas, es más adecuado.
Aquí hay algunos ejemplos de las frases que me irritaban, que a menudo se encuentran en o cerca de las conclusiones de estos ensayos.
- En un ensayo titulado *Sociedades diseñadas*, después de discutir la enorme cantidad de datos disponibles sobre la interacción social humana a través de las redes sociales en estos días, los autores Jessica C. Flack y Manfred D. Laubichler afirman: «[D]entro de los datos (si se anonimiza adecuadamente) hay un inmenso potencial para obtener información detallada sobre los patrones y diseños sociales, ya que, cada vez más, personas de todos los ámbitos de la vida están viviendo vidas en línea».
- En otro, este titulado *¿Qué sucede cuando los sistemas en los que confiamos se vuelven locos?*, el autor John H. Miller concluye con: «Nos encontramos en una carrera por el conocimiento y el control del mundo complejo que nos rodea, una carrera que debemos ganar si queremos prosperar, e incluso quizás sobrevivir, como especie».
- Finalmente, en un ensayo titulado Aprender a controlar sistemas complejos, escuchamos de Seth Lloyd que «a medida que uno va a escalas cada vez más finas, y a un muestreo cada vez más frecuente, puede surgir una escala en la que un sistema incontrolable de repente se vuelve controlable». Más adelante, señala que «[p]ara caracterizar y controlar nuestro entorno, debemos identificar las partes del mundo donde el orden puede aumentarse a expensas del desorden».
¿Puedes detectar el patrón aquí? Existe una tendencia entre estos autores a identificar fenómenos altamente complejos y dinámicos, y a enmarcar esa complejidad como un desafío que debe abordarse con enormes datos y computación. Si tan solo tuviéramos una supercomputadora lo suficientemente grande o una inteligencia artificial lo suficientemente inteligente, podríamos ejecutar una simulación más precisa y lograr el control de lo que actualmente es incontrolable. El problema que veo aquí es que al fijar su mirada en el control, estos autores traicionan la naturaleza de la ciencia de sistemas complejos y cometen el error que la humanidad ha estado cometiendo durante cientos (si no miles) de años. Si me preguntas, es nuestra lujuria por el poder y el control sobre la naturaleza lo que está volviendo para mordernos. La visión de la complejidad como un problema de «conocimiento y control» representa una reducción similar a la que la ciencia de sistemas complejos busca superar. Al reducir la complejidad a un conjunto de datos y algoritmos, se corre el riesgo de perder de vista la interconexión, la emergencia y la imprevisibilidad inherentes a los sistemas reales. La búsqueda de «control» también puede llevar a intervenciones no deseadas y a la supresión de la diversidad y la resiliencia. La idea de que «debemos identificar las partes del mundo donde el orden puede aumentarse a expensas del desorden» ignora la importancia del desorden y la incertidumbre para la adaptación y la innovación. En los sistemas naturales, el desorden puede ser una fuente de nuevas oportunidades y de resiliencia frente a los cambios. Al tratar de eliminar el desorden, corremos el riesgo de crear sistemas más rígidos y vulnerables.
Tres Posibles Respuestas
Supongo que hay tres posibles respuestas cuando uno se enfrenta a la compleja interconexión del mundo que nos rodea y llega a aceptar que la naturaleza está inherentemente entrelazada. Puedes hacer lo que hacen estos autores y apostar por la Ley de Moore (grandes datos y computación) para desentrañar los misterios de los sistemas complejos. Esta es una estrategia imprudente, y daré algunas razones de por qué en un momento. Otra opción, siempre disponible pero nunca preferible, es renunciar al conocimiento. Nunca comprenderemos completamente el mundo en nuestras manos, para hacer con él lo que nos plazca, entonces, ¿cuál es el punto? Una tercera opción es, en palabras de la autora de *Los límites del crecimiento*, Donella Meadows, *bailar con los sistemas*. Las tres respuestas posibles a la complejidad reflejan diferentes filosofías y estrategias para la acción. Apostar por la Ley de Moore y los grandes datos representa una visión optimista y tecnocéntrica, que cree que los avances tecnológicos eventualmente nos permitirán comprender y controlar incluso los sistemas más complejos. Renunciar al conocimiento representa una visión pesimista y nihilista, que cree que la complejidad es demasiado grande para ser comprendida y que cualquier intento de intervención es inútil. Bailar con los sistemas representa una visión más humilde y adaptativa, que reconoce los límites de nuestro conocimiento y control, y que busca trabajar con la complejidad en lugar de tratar de superarla. Esta visión enfatiza la importancia de la retroalimentación, la experimentación y el aprendizaje continuo.
Por Qué el Control es Problemático
Pero antes de ponernos nuestros zapatos de baile, permítanme decir un poco más sobre por qué el camino que atraviesa los grandes datos para alcanzar la comprensión y el control es traicionero.
- Energía. Mencioné la Ley de Moore, que es el patrón de tecnología digital exponencial por el cual el número de transistores en un chip de computadora se ha duplicado a una tasa casi constante de aproximadamente dos años durante las últimas décadas. Este es el patrón que nos ha lanzado a la era de la información, pero a pesar de lo que podríamos esperar, no nos ha liberado de las limitaciones materiales y energéticas de la realidad física. Si confías en este patrón para resolver la complejidad y proporcionar control, estás apostando por una disponibilidad cada vez mayor de computación masiva, que depende de los elementos físicos de la electricidad, metales raros y otros insumos materiales, y cadenas de suministro extremadamente complejas. Eso sin mencionar el agua necesaria para enfriar enormes centros de datos, y así sucesivamente. En otras palabras, la computación es un producto de la modernidad de alta energía, que se ha demostrado repetidamente que es insostenible. Un enfoque reciente de esta idea que encontré extremadamente claro y accesible es la serie *Modernidad metastásica* de Tom Murphy. La dependencia de la computación masiva para comprender y controlar la complejidad se enfrenta a un obstáculo fundamental: la demanda de energía. La Ley de Moore, si bien ha impulsado los avances tecnológicos durante décadas, no ha eliminado la necesidad de energía para alimentar las computadoras. De hecho, a medida que las computadoras se vuelven más poderosas, su demanda de energía aumenta, lo que contribuye a la creciente presión sobre los recursos energéticos y al impacto ambiental. La idea de la «modernidad metastásica» de Tom Murphy destaca cómo la búsqueda incesante de crecimiento y progreso tecnológico ha creado un sistema que consume energía y recursos a un ritmo insostenible, amenazando la estabilidad del planeta.
- Caos. Supongamos que el acceso a la computación no es un problema. Los sistemas complejos exhiben un comportamiento caótico, y no es difícil demostrar por qué esto crea un problema intratable para el enfoque de predecir y controlar. Considere la ecuación logística, que es una relación matemática utilizada para demostrar el caos. La ecuación establece que el valor en cualquier paso de tiempo dado se puede calcular mediante una simple transformación del valor en el paso de tiempo precedente, y dada esta simplicidad, podría pensar que es fácil predecir dónde termina el valor si simulamos hacia adelante, digamos, diez pasos de tiempo. Si conoce el valor inicial con total precisión, eso sería correcto. Pero si ingresamos una estimación del valor inicial y nos equivocamos por una pequeñísima cantidad, nuestra predicción puede estar muy lejos de la realidad solo unos pocos pasos en el camino. Y a medida que extiende el período de tiempo que desea predecir, la cantidad de precisión que necesita al medir la condición inicial aumenta exponencialmente. Aquí y aquí hay un par de buenos recursos si quieres aprender más, pero el punto es este: si esperas que la era de la IA y los grandes datos nos ayuden a cruzar los umbrales donde los sistemas complejos pasan de incontrolables a controlables, esencialmente estás persiguiendo un exponencial (caos) con otro (Ley de Moore). Tengo una sensación bastante fuerte sobre cuál de esos ganará. La ecuación logística demuestra la dependencia sensible de las condiciones iniciales en los sistemas caóticos. Los aumentos de magnitud en la precisión resultan en aumentos relativamente pequeños en la capacidad predictiva. El concepto de caos, donde pequeñas diferencias en las condiciones iniciales pueden conducir a resultados drásticamente diferentes, plantea un desafío fundamental para la predicción y el control de sistemas complejos. La ecuación logística, un modelo matemático simple que exhibe un comportamiento caótico, ilustra este punto de manera poderosa. Incluso con una ecuación simple como la ecuación logística, la predicción precisa del futuro se vuelve imposible a largo plazo debido a la sensibilidad a las condiciones iniciales. Esta sensibilidad implica que incluso pequeños errores en la medición de las condiciones iniciales pueden amplificarse exponencialmente con el tiempo, lo que lleva a predicciones que se desvían dramáticamente de la realidad.
- Entropía. La Segunda Ley de la Termodinámica describe la tendencia de la energía a extenderse con el tiempo desde haces más útiles y concentrados a desórdenes menos útiles y distribuidos. (¿Por qué la energía hace esto? Recomendaría este video para una explicación). Los sistemas con baja entropía, donde la energía es más compacta y útil, toman menos información para describir y, por lo tanto, son más fáciles de controlar. Pero dada la Segunda Ley, para reducir la entropía en un área, la entropía debe aumentarse en otro lugar. Refrigeradores, llamas y la vida misma son ejemplos intuitivos de esto: el refrigerador disipa calor para mantenerse fresco, una llama combustiona su fuente y la vida expulsa el desorden de todo tipo de maneras. Como resultado de la Segunda Ley, si intenta resolver un problema como el cambio climático controlando los sistemas complejos que lo impulsan, puede encontrarse jugando a un juego de golpear topos a medida que surgen consecuencias desordenadas no deseadas en los sistemas conectados. Tal vez resolvió las emisiones de carbono, pero derrumbó la economía y aplastó la biodiversidad. Esta es la razón por la que los pensadores de sistemas tienden a hablar en términos de «respuestas» en lugar de «soluciones», porque nuestras «soluciones» no tienden a permanecer dentro de nuestros límites arbitrarios, y a menudo regresan para mordernos. La Segunda Ley de la Termodinámica, que establece que la entropía (desorden) en un sistema cerrado siempre aumenta con el tiempo, implica que cualquier intento de controlar un sistema complejo requerirá un gasto de energía y aumentará la entropía en otro lugar. Este principio es crucial para comprender los límites del control y la necesidad de considerar las consecuencias no deseadas de las intervenciones en sistemas complejos. El ejemplo del cambio climático ilustra este punto: las soluciones tecnológicas que reducen las emisiones de carbono pueden tener efectos secundarios no deseados en la economía, la biodiversidad u otros sistemas ambientales.
- El efecto observador. Si busca el control de sistemas complejos, necesariamente está asumiendo una separación entre el controlador y la cosa a controlar. Está en buena compañía, ya que así es como opera típicamente la ciencia, con una dura separación entre el observador y lo observado. Pero sabemos que fundamentalmente esa separación no existe, y de hecho la dependencia de ella traiciona la idea central de la ciencia de sistemas complejos. Hay algunas cosas que simplemente no puedes entender a menos que te involucres con ellas. Esta idea está bien desarrollada por Robert Pirsig en su novela *Zen and the Art of Motorcycle Maintenance*, en la que el personaje principal llega a ver la noción de «trabajar en su motocicleta» como un mal encuadre. Un mejor encuadre es verlo a él y a su motocicleta como un sistema conectado trabajando juntos hacia la calidad. El efecto observador, un concepto fundamental en la física cuántica, establece que el acto de observar un sistema puede cambiar su comportamiento. Este principio también es relevante para la comprensión de los sistemas complejos en general. Al tratar de controlar un sistema complejo, a menudo necesitamos interactuar con él, lo que puede cambiar su comportamiento de maneras impredecibles. La novela de Robert Pirsig, *Zen and the Art of Motorcycle Maintenance*, explora este concepto a través de la metáfora de trabajar en una motocicleta. Pirsig argumenta que para comprender verdaderamente un sistema, no basta con observarlo desde la distancia, sino que es necesario involucrarse con él, interactuar con él y convertirse en parte de él. Al hacerlo, podemos desarrollar una comprensión más profunda de sus complejidades y de cómo funciona realmente.
Danzando con los Sistemas
Espero que en este punto se estén preguntando acerca de «bailar con los sistemas». Los dirigiría al ensayo del mismo nombre de Donella Meadows, y realmente recomendaría tomarse un tiempo para leerlo. Pero podrían entender la idea central solo por el título: Necesitamos tratar los sistemas complejos no como objetos que podemos controlar predeciblemente, sino como socios en un gran baile. Puedes empujar y sugerir el siguiente movimiento, pero no puedes determinarlo por completo, y si eres bueno, también podrás recibir comentarios y ajustar tu comportamiento. Bailar con los sistemas representa una visión alternativa al control, que enfatiza la adaptación, la retroalimentación y la colaboración. En lugar de tratar de imponer un control rígido sobre un sistema complejo, el enfoque de bailar con los sistemas implica trabajar con el sistema, comprender sus dinámicas y responder a sus señales. Este enfoque requiere humildad, flexibilidad y la capacidad de aprender de la experiencia.
Por supuesto, ya sea que tengas experiencia en baile o no, casi todos somos expertos en este tipo de interacción. A menos que seas economista, no recopilas enormes cantidades de datos sobre tu pareja romántica y los usas para predecir y, en última instancia, controlar cómo responderá cuando le preguntes qué le gustaría para la cena. (Por cierto, en mi caso, no necesitaría grandes datos para decirme lo que mi esposa quiere para la cena; la respuesta es casi siempre «sopa»). Cualquier relación saludable es un dar y recibir, con riesgos, sorpresas y crecimiento mutuo en el camino. Lo mismo ocurre con todas nuestras relaciones, incluso con el entorno natural que nos rodea. La analogía del baile con una pareja romántica ilustra elocuentemente los principios de la danza con los sistemas. En una relación saludable, no tratamos de controlar a nuestra pareja, sino que nos comunicamos con ella, aprendemos de ella y adaptamos nuestro comportamiento en función de su retroalimentación. Del mismo modo, al interactuar con los sistemas complejos, debemos estar abiertos a la retroalimentación, dispuestos a adaptarnos y reconocer que no podemos controlar completamente el resultado. La comparación con la relación con el entorno natural también es significativa: al igual que con una pareja romántica, debemos tratar el entorno natural con respeto, reconocer su complejidad y trabajar con él de manera sostenible.
Y sin embargo, a pesar de nuestra familiaridad con este «baile», sigue siendo contrario a la práctica científica normal, y creo que es esta oposición de fuerzas lo que hace que la ciencia de sistemas complejos sea generativa e interesante. En una dirección, la ciencia insiste en la separación y la observación objetiva. En la otra, la realidad suplica la conexión. La frase «modelado de sistemas complejos» captura el compromiso inherente, ya que implica una fuerte desconexión entre el modelador y lo que se modela, mientras que dentro del modelo los elementos están conectados y se les permite interactuar. La tensión entre la ciencia tradicional, que busca la objetividad y el control, y la ciencia de sistemas complejos, que reconoce la interconexión y la imprevisibilidad, es una fuente de creatividad e innovación. El modelado de sistemas complejos representa un compromiso inherente entre estas dos perspectivas: al crear un modelo, intentamos representar un sistema complejo de una manera simplificada y controlable, pero al mismo tiempo reconocemos que el modelo es solo una aproximación de la realidad y que no puede capturar todas sus complejidades.
A través del reconocimiento de este compromiso y las limitaciones que impone, un conocimiento práctico de la ciencia de sistemas complejos puede ser un buen antídoto contra la narrativa cultural generalizada pero defectuosa de que la ciencia y la tecnología son los únicos salvadores de nuestros predicamentos globales actuales. Esa ha sido mi experiencia, al menos. Desde que aprendí sobre la ciencia de sistemas complejos, mi viaje intelectual me ha llevado por un camino hacia una mejor apreciación del conocimiento experiencial y participativo en asociación con el conocimiento científico. Como señala Robin Wall Kimmerer en su exitoso libro *Braiding Sweetgrass*, «la ciencia no tiene el monopolio de la verdad». Kimmerer y otros autores indígenas han explorado cómo vale la pena aprender de las culturas indígenas en parte porque (para pintar en términos generales) han mantenido la conexión con el mundo natural en el centro de sus sistemas de conocimiento cultural. La ciencia de sistemas complejos, al reconocer los límites del conocimiento científico tradicional y la importancia del conocimiento experiencial y participativo, abre la puerta a nuevas formas de abordar los desafíos globales. El libro de Robin Wall Kimmerer, *Braiding Sweetgrass*, explora cómo los pueblos indígenas han mantenido una conexión profunda con el mundo natural a través de sus culturas y conocimientos tradicionales. Estos conocimientos, que a menudo se transmiten de generación en generación, pueden ofrecer perspectivas valiosas sobre la sostenibilidad, la resiliencia y la interconexión de los sistemas naturales. Al integrar el conocimiento científico con el conocimiento tradicional, podemos desarrollar una comprensión más holística y eficaz de los desafíos que enfrentamos y de cómo abordarlos.
Con todo lo dicho, como científico de datos ciertamente entiendo el atractivo de capturar montañas de información y extraer conocimientos, hacer predicciones y optimizar para el control de sistemas complejos. Pero también sé que más datos no siempre son mejores, y a menudo las mejores intervenciones crean ciclos de retroalimentación donde la información correcta llega a las personas adecuadas en el momento adecuado, lo que permite el aprendizaje y la mejora continuos. En lugar de imponer el control sobre la complejidad «ahí fuera», podemos nutrir la complejidad «aquí dentro» para mejorar la escucha, el aprendizaje y la respuesta. A veces no necesitamos más datos, solo necesitamos salir y bailar. La conclusión del autor destaca la importancia de encontrar un equilibrio entre el análisis de datos y la intuición, entre el control y la adaptación. Si bien los datos pueden ser valiosos para comprender los sistemas complejos, no deben ser el único foco de atención. Necesitamos también cultivar nuestra capacidad para escuchar, aprender y responder a los sistemas con los que interactuamos. A veces, la mejor manera de abordar un problema complejo es dejar de intentar controlarlo y, en cambio, salir y bailar con él.
Espero poder hacer algunos movimientos nuevos en mis treinta años, solo que no esperen verme hacer breakdance en mi fiesta de cumpleaños número 40.
Photo by Ahmad Odeh on Unsplash Mike Packard Mike es un ex científico de datos del Servicio Forestal de los Estados Unidos y un ambientalista aficionado. Después de crecer en las afueras de Boston, Mike fue a la escuela en Washington DC, donde se especializó en economía y luego trabajó en consultoría económica. Después de sentirse desilusionado con su campo elegido, Mike fue a la escuela de posgrado y encontró su camino en el trabajo gubernamental. En los últimos años, ha desarrollado un gran interés en los grandes desafíos de nuestro tiempo (cambio climático, degradación ambiental y ruptura social) y se ha esforzado por explorar respuestas apropiadas a través de la escritura y la acción local.
Ensayo sobre su viaje en este trabajo: https://medium.com/@mikedrop_415/tributaries-the-streams-that-fed-my-emerging-environmentalism-361a5b6344ba
- Maestría de la U-Chicago en Ciencias Sociales Computacionales, con una tesis titulada «Producción de conocimiento para un planeta saludable».
- Becario de Gestión Presidencial, trabajando en el Servicio Forestal de los EE. UU.
La biografía del autor añade contexto a su perspectiva. Su experiencia como científico de datos en el Servicio Forestal de los Estados Unidos, combinada con su interés por el ambientalismo y la acción local, le da una perspectiva única sobre los desafíos complejos que enfrenta el mundo actual. Su maestría en Ciencias Sociales Computacionales y su tesis sobre la «Producción de conocimiento para un planeta saludable» demuestran su compromiso con la búsqueda de soluciones basadas en datos y el conocimiento.
El artículo presenta un argumento convincente sobre los límites del control y la importancia de la adaptación y la colaboración en la gestión de sistemas complejos. La analogía del baile con los sistemas es una forma poderosa de ilustrar este punto, y el artículo está lleno de ejemplos concretos y reflexiones personales que lo hacen accesible e interesante.
Word count: 3635
