La creatividad de la ciència.

Ian Hacking

Como explica William C. Wimsatt en Re-Engineering Philosophy for Limited Beings, una de las paradojas menos intuitivas de la ciencia consiste en que avanza, con frecuencia, gracias a afirmaciones que sabe falsas, esto es, la falsación de Popper.

Lejos de constituir un defecto metodológico, esa falsedad controlada forma parte de su propia potencia explicativa. Los modelos científicos no pretenden reproducir el mundo en toda su complejidad, sino que pretenden aislar algunos de sus mecanismos para hacerlos inteligibles.

Cada modelo simplifica, exagera o elimina aspectos de la realidad con el fin de revelar otros que, de permanecer ocultos entre las interferencias del sistema completo, resultarían imposibles de estudiar. La ciencia no progresa sustituyendo una representación falsa por otra absolutamente verdadera, sino construyendo una familia de ficciones cada vez más útiles.

Vamos a repetirlo: la ciencia no se aproxima a la realidad, sino a la utilidad.

Por eso el mismo objeto puede adoptar naturalezas completamente distintas según la pregunta que se formule. Al derivar las leyes de Kepler, los planetas y las estrellas dejan de ser esferas de plasma, océanos de hidrógeno ionizado o cuerpos rocosos atravesados por fallas tectónicas para convertirse en masas puntuales. La simplificación es radical, pero permite descubrir regularidades que desaparecerían bajo un exceso de detalle.

Algo parecido ocurre cuando la teoría cinética trata las moléculas de un gas ideal como partículas sin volumen que apenas interactúan entre sí, o cuando el oscilador armónico elemental imagina un muelle perfectamente elástico, extendido pero carente de masa. Ninguna de esas descripciones pretende ser literalmente cierta. Su éxito consiste precisamente en no intentar abarcarlo todo.

La misma estrategia la hallamos en disciplinas que, en apariencia, apenas tienen relación entre sí. El geofísico que modeliza la dinámica del manto terrestre, el estereoquímico que reconstruye la geometría tridimensional de una proteína y el ingeniero que optimiza el perfil aerodinámico de un monoplaza de Fórmula 1 trabajan sobre el mismo principio metodológico: cada uno construye un mundo deliberadamente incompleto para hacer visible una estructura causal concreta. Lo que para uno constituye un detalle esencial, para otro es una perturbación que conviene eliminar. No existe un modelo privilegiado porque no existe una única pregunta.

La biología ofrece quizá los ejemplos más reveladores. Según el problema que se quiera resolver, los organismos pueden representarse como individuos inmortales, idénticos y asexuados; como poblaciones donde edad y sexo determinan toda la dinámica demográfica; como conjuntos discretos de variantes genéticas; o como distribuciones continuas de rasgos sometidos a presiones selectivas. Ninguna de esas descripciones coincide exactamente con la naturaleza. Todas resultan extraordinariamente fecundas allí donde fueron concebidas para actuar. La evolución misma parece resistirse a cualquier intento de ser encerrada dentro de un único lenguaje formal.

Este hecho posee una consecuencia filosófica de gran calado. Solemos imaginar que el progreso científico consiste en aproximarnos gradualmente a una descripción definitiva del universo. Pero la práctica cotidiana de la investigación sugiere una imagen distinta. Lo que aumenta no es tanto el grado de fidelidad de un único modelo como el repertorio de modelos disponibles. Comprender un fenómeno equivale menos a encontrar la representación correcta que a saber cuál de las representaciones deliberadamente incompletas resulta más eficaz para la pregunta que tenemos delante.

El filósofo Ian Hacking solía recordar que experimentamos sobre el mundo precisamente porque nuestras teorías nunca bastan por sí solas. Cada experimento incorpora idealizaciones, cada instrumento filtra la realidad, cada medición selecciona unas variables y descarta otras. Incluso la adquisición de datos depende de supuestos previos acerca de qué merece ser observado. No existe una observación completamente desnuda, igual que no existe un mapa que conserve todos los accidentes del territorio sin dejar, por ello mismo, de ser un modelo simplificado, un mapa. Si el mapa fuera preciso, no necesitaríamos: nos bastaría con contemplar la realidad.

Quizá por eso el ideal de una teoría única, capaz de describir exhaustivamente todos los niveles de la realidad mediante un único conjunto de principios, empiece a parecerse más a una aspiración estética que a un horizonte metodológico. El mundo no se deja capturar desde un solo punto de vista porque posee demasiadas escalas, demasiados niveles de organización y demasiadas formas legítimas de causalidad. Un electrón, un arrecife de coral, una economía global y una conversación entre dos personas que se aman y odian al tiempo obedecen simultáneamente a las mismas leyes fundamentales de la física y, sin embargo, requieren vocabularios radicalmente distintos para ser comprendidos.

Al fin y a la postre, cuanto más madura se vuelve una ciencia, menos se aferra a la ilusión de una descripción absoluta. Aprende, por el contrario, a convivir con un pluralismo disciplinado de modelos parciales, sabiendo que cada uno ilumina una región distinta del territorio. La verdad deja entonces de parecerse a un espejo perfecto y empieza a asemejarse a una colección de lentes. Ninguna ofrece el mundo completo. Pero juntas revelan una realidad mucho más rica que aquella que podría contemplarse desde una única perspectiva. Tal vez un mundo infinito no sea aquel que admite infinitas respuestas, sino aquel que exige infinitas aproximaciones para empezar, apenas, a comprenderlo.

Las órbitas planetarias suelen describirse como elipses perfectas, aunque ningún planeta del Sistema Solar siga exactamente la trayectoria que dibujan los manuales de mecánica celeste. La atracción gravitatoria mutua entre los planetas, la ligera oblatividad del Sol, los efectos relativistas y una multitud de perturbaciones menores introducen desviaciones que el modelo elemental decide ignorar. Sin embargo, nadie considera por ello que las leyes de Kepler sean falsas. Son verdaderas dentro de un determinado régimen de aproximación. Su virtud consiste precisamente en saber qué pueden explicar y qué dejan deliberadamente fuera.

El edificio del conocimiento se parece mucho menos a un tratado de geometría euclidiana que a una ciudad antigua: construida por capas, con ampliaciones, reformas y calles que no siempre obedecen al mismo plano.

Paradójicamente, mientras la ciencia ha aprendido a convivir con esa inevitable incompletitud, nosotros seguimos imaginándonos como si fuéramos el demonio de Laplace. Actuamos como si una inteligencia suficientemente poderosa pudiera reunir toda la información relevante, calcular todas las consecuencias posibles y elegir siempre la acción óptima. Es una fantasía profundamente ilustrada: la convicción de que la incertidumbre constituye únicamente un déficit de información y no una propiedad del propio mundo.

Pero el organismo humano jamás fue diseñado para habitar un universo semejante. La evolución no seleccionó una máquina de cálculo omnisciente. Seleccionó un sistema capaz de sobrevivir en condiciones de información parcial, tiempo limitado y recursos energéticos escasos. Desde esa perspectiva, la racionalidad no consiste en encontrar siempre la solución perfecta, sino en encontrar una solución suficientemente buena antes de que el entorno cambie.

Donald Norman, profesor emérito de ciencia cognitiva en la University of California, ha mostrado que este malentendido aparece con especial claridad en el diseño tecnológico. Durante décadas, una gran parte de los accidentes industriales se atribuyeron casi automáticamente al llamado error humano. En aviación, por ejemplo, durante mucho tiempo alrededor de tres cuartas partes de los accidentes fueron clasificados bajo esa etiqueta. La expresión parece ofrecer una explicación cuando, en realidad, suele ocultar una pregunta mucho más interesante: ¿por qué un sistema bien diseñado permite que un error previsible desemboque en una catástrofe?

Norman invierte deliberadamente esa perspectiva. Los seres humanos se equivocan. No porque sean negligentes, sino porque son humanos. Olvidan, confunden, se distraen, interpretan señales ambiguas, sufren fatiga, estrés y sobrecarga cognitiva. Precisamente por eso la tecnología debería diseñarse contando con esa realidad en lugar de presuponer operadores ideales que nunca existieron. Cuando una interfaz obliga al usuario a comportarse como una máquina infalible, el problema quizá no resida en el usuario, sino que resida en la interfaz.

Existe aquí una inversión conceptual que recuerda a la paradoja de Moravec. Hemos construido máquinas extraordinarias y, al mismo tiempo, esperamos que las personas adapten su comportamiento a la lógica de esas máquinas. En lugar de diseñar sistemas compatibles con la arquitectura de la cognición humana, intentamos disciplinar la cognición para que se comporte como un algoritmo. Es una estrategia tan extraña como diseñar una carretera suponiendo que los automóviles nunca derraparán bajo la lluvia.

La evolución nunca aspiró a producir organismos perfectos. Produjo organismos robustos. Un cerebro humano se parece menos a un monoplaza de Fórmula 1 que a un todoterreno cubierto de barro, arañazos y reparaciones improvisadas. Consume poca energía para la cantidad de problemas que resuelve, continúa funcionando después de lesiones parciales, aprende mientras actúa, improvisa cuando la información escasea y continúa avanzando incluso cuando el terreno cambia bajo sus pies. Su aparente imperfección constituye, en muchos casos, la condición misma de su flexibilidad.

Por eso gran parte de nuestra vida mental descansa sobre procedimientos aproximados. Utilizamos intuiciones, hábitos, emociones, normas sociales, analogías, metáforas y heurísticas porque calcular exhaustivamente cada decisión sería incompatible con la velocidad a la que transcurre la existencia. Desde la lógica formal, esos atajos parecen defectos. Desde la biología evolutiva, constituyen una solución extraordinariamente elegante al problema de actuar en un universo que nunca ofrece toda la información necesaria. A la que no podemos acceder porque la realidad es infinita, inalcanzable.

Por consiguiente, ni nuestras teorías necesitan ser perfectas para explicar el mundo ni nuestros cerebros necesitan ser infalibles para habitarlo. La naturaleza parece preferir otra clase de inteligencia: aquella que acepta el error como parte del funcionamiento normal del sistema, que incorpora la incertidumbre en lugar de negarla y que sustituye el ideal de la perfección por algo mucho más difícil de alcanzar: la antifragilidad. Porque, al fin y al cabo, un sistema que solo funciona cuando nada falla es un sistema extraordinariamente frágil. Uno que sigue funcionando pese a las perturbaciones y los errores empieza a parecerse mucho más a la vida.

Lo que realmente debemos evitar no son errores, sino errores significativos de los que no podamos recuperarnos. Incluso los errores significativos son aceptables siempre que sean fáciles de encontrar.

Quizá una de las mayores dificultades intelectuales consista precisamente en aceptar que el mundo rara vez se deja describir mediante leyes absolutamente nítidas. Sin embargo, esa renuncia no implica abandonar el rigor. Por contrsapartida, significa comprender que, en una enorme cantidad de fenómenos, el conocimiento más valioso adopta la forma de regularidades aproximadas antes que de certezas incondicionales.

Si estamos dispuestos a tolerar excepciones, dependencias del contexto y verdades ceteris paribus (si aceptamos desenfocar ligeramente la imagen para dejar de confundir precisión con comprensión) aparecen patrones sorprendentemente estables que continúan siendo extraordinariamente informativos. Como argumentaba la filósofa de la ciencia Nancy Cartwright, esas leyes aproximadas no constituyen un fracaso de la ciencia. Constituyen, muy a menudo, la mejor descripción posible del tipo de mundo que habitamos.

El orden difuso es la regla. En la escala donde transcurre nuestra existencia (la de los organismos, las sociedades, los ecosistemas, las economías y las culturas) las regularidades aparecen rodeadas de fluctuaciones, perturbaciones y dependencias históricas que no son ruido accidental, sino parte constitutiva del fenómeno.

Esa constatación modifica también nuestra manera de interpretar las excepciones. En una concepción excesivamente mecanicista, una anomalía representa un defecto que conviene eliminar para recuperar la pureza del modelo. Pero en las ciencias contemporáneas las excepciones suelen desempeñar una función mucho más interesante. Son precisamente las desviaciones las que indican dónde el modelo ha comenzado a quedarse corto, dónde aparecen nuevas variables o nuevos niveles de organización que la descripción anterior todavía no había incorporado. Una excepción bien comprendida puede contener más información que un centenar de confirmaciones rutinarias.

Nuestra propia arquitectura cognitiva parece haberse desarrollado siguiendo ese mismo principio. No organizamos el conocimiento almacenando reglas universales completamente abstractas para aplicarlas después de manera deductiva. Aprendemos mediante casos. Cada nueva experiencia se incorpora comparándola con experiencias anteriores: esto se parece a aquello, aunque difiere en estos aspectos concretos. La semejanza nunca es absoluta; la diferencia nunca es total. Pensar consiste, en buena medida, en navegar continuamente entre ambas, entre Escila y Caribdis.

Esa forma de conocer atraviesa prácticamente toda la cultura humana. Un médico reconoce un síndrome porque recuerda pacientes anteriores con un aire de familia; un juez interpreta una norma comparando precedentes; un músico identifica una variación armónica porque conserva la memoria de cientos de progresiones semejantes; un niño aprende qué es un perro antes de ser capaz de formular una definición de mamífero. El aprendizaje acumulativo no avanza mediante axiomas perfectamente aislados, sino mediante una red creciente de analogías, matices, excepciones y reajustes continuos.

Quizá por eso las cláusulas ceteris paribus poseen una importancia filosófica mucho mayor de la que suele atribuírseles. No constituyen una excusa para salvar una teoría imperfecta. Constituyen el reconocimiento explícito de que las regularidades del mundo siempre aparecen encarnadas en contextos concretos. Nos permiten afirmar que determinados mecanismos existen y son reales sin olvidar que actúan junto a muchos otros mecanismos cuya influencia varía según la escala, la historia y las condiciones particulares de cada situación.

Así, las teorías multinivel y multiperspectiva no representan una concesión a nuestra ignorancia. Constituyen, probablemente, la forma más fiel de hacer justicia a un universo cuya riqueza excede siempre cualquier punto de vista particular.

Este marco permite comprender también los límites del llamado cibercomunismo, una corriente de pensamiento que sostiene que los avances en informática, inteligencia artificial y redes de comunicación permitirían realizar una planificación económica central mucho más eficiente que la imaginada durante el siglo XX.

Autores como Paul Cockshott y Allin Cottrell esgrimen que el fracaso histórico de las economías planificadas no se debió necesariamente a la idea de planificación, sino a la ausencia de capacidad computacional. Allí donde la Unión Soviética disponía de estadísticas incompletas y ordenadores primitivos, hoy existirían sensores, bases de datos masivas, aprendizaje automático y una capacidad de cálculo millones de veces superior.

La intuición resulta seductora. Si una plataforma digital puede coordinar en tiempo real millones de paquetes, vuelos o transacciones financieras, ¿por qué no habría de coordinar también la producción y distribución de bienes de una economía entera? Bajo esta perspectiva, el mercado aparecería como un algoritmo imperfecto que podría ser sustituido por otro más eficiente.

Sin embargo, esta visión presupone que el problema económico consiste, fundamentalmente, en procesar información ya disponible. Pero no es así. Gran parte de la información relevante para una economía no existe antes del propio proceso económico. Las preferencias cambian, las tecnologías evolucionan, aparecen necesidades inesperadas, desaparecen otras, surgen innovaciones que nadie había previsto y las decisiones de unos agentes modifican continuamente las oportunidades de los demás. El sistema no solo procesa información: produce información nueva mientras funciona.

Aquí reaparece el problema señalado por Friedrich Hayek. El conocimiento económico no está simplemente distribuido entre millones de individuos; en gran medida es conocimiento tácito, contextual y práctico. Un agricultor conoce peculiaridades de su terreno que nunca escribirá en una base de datos; un cirujano adquiere habilidades imposibles de reducir completamente a un protocolo; un emprendedor descubre una oportunidad precisamente porque nadie la había identificado antes. Esa información no permanece esperando ser recopilada por un ordenador central. Surge localmente durante la interacción con el mundo.

Las ciencias de la complejidad añaden otra dificultad. Una economía es un sistema abierto, no ergódico y dependiente de la trayectoria. Cada innovación modifica las condiciones bajo las cuales surgirán las siguientes. Los propios modelos alteran el comportamiento de quienes los conocen. Los agentes aprenden, imitan, cooperan, compiten y cambian sus preferencias. En sistemas de esta naturaleza, la predicción deja de ser un problema puramente computacional para convertirse en un problema ontológico: el futuro todavía no existe porque el propio sistema lo está creando.

Ni siquiera una inteligencia artificial extraordinariamente poderosa elimina ese obstáculo. Puede optimizar sobre un conjunto de posibilidades conocidas, pero resulta mucho más difícil optimizar aquello que aún no ha sido inventado. No puede asignar recursos a una tecnología cuya existencia nadie imagina todavía, del mismo modo que ningún planificador del siglo XIX habría podido calcular la demanda futura de semiconductores, internet o vacunas de ARN mensajero. La innovación radical no suele aparecer como la mejor respuesta dentro de un espacio de soluciones conocido; aparece ampliando ese espacio.

Existe además una cuestión antropológica. La inteligencia humana no reside únicamente en el cálculo, sino en la interacción continua entre cuerpos, cultura, instituciones y aprendizaje acumulativo. Los mercados, con todas sus imperfecciones, constituyen también un mecanismo de descubrimiento colectivo: millones de decisiones descentralizadas generan información que ningún individuo poseía de antemano. Reducir ese proceso a un problema de optimización supone tratar una ecología de mentes distribuidas como si fuera una gigantesca hoja de cálculo.

Nada de ello demuestra que una coordinación económica asistida por inteligencia artificial sea imposible. De hecho, es probable que los sistemas computacionales desempeñen un papel creciente en la logística, la planificación energética, la gestión de infraestructuras o la optimización de cadenas de suministro. Lo que parece mucho más difícil de sostener es la idea de que una economía compleja pueda ser sustituida íntegramente por un único modelo central capaz de conocer, anticipar y optimizar todas las dimensiones relevantes de la actividad humana.

El límite no parece residir únicamente en la potencia de los ordenadores, sino en la propia naturaleza de un mundo donde el conocimiento es distribuido, contextual, creativo e históricamente abierto.

Recordemos: un modelo puede ser extraordinariamente útil para responder a una pregunta concreta, pero deja de serlo cuando pretende sustituir al conjunto del mundo. Cuanto más complejo es un sistema, menos probable resulta que exista una representación única capaz de capturar simultáneamente todos sus niveles de organización, todas sus interacciones y todas sus posibilidades futuras. La ciencia ha prosperado precisamente porque ha renunciado a esa ambición. En lugar de perseguir el Modelo definitivo, ha aprendido a construir una ecología de modelos parciales, cada uno adecuado para un propósito distinto.

Quizá esa sea una de las lecciones más profundas de la complejidad. La inteligencia no consiste en encontrar una única descripción universal de la realidad, sino en saber cuándo cambiar de lente. Y aceptar que el mundo raramente se alineará con nuestros ideales utópicos de cómo debería ser el mundo, porque el mundo necesita de los errores para seguir funcionando.

Sergio Parra, No, la ciencia no es una herramienta para acercarnos cada vez más a la realidad, Sapienciologia 22/07/2026