Categoría: Uncategorized

1 de junio de 2015

El reduccionismo ha sido sumamente exitoso tanto en ciencia como en ingeniería. Por ejemplo, la Ley de la Gravitación Universal describe cómo se atraen dos cuerpos celestes. No quiere decir que en nuestro sistema solar haya sólo dos cuerpos celestes, pero para fines prácticos, podemos considerar sólo la fuerza gravitacional que ejerce el Sol sobre un planeta, asteroide o cometa e ignorar la fuerza que los planetas ejercen entre sí, que aunque está presente, se puede ignorar. De manera similar, podemos enfocarnos sólo en la fuerza gravitacional que un planeta ejerce sobre sus satélites e ignorar las fuerzas de atracción que hay entre ellos. Esta simplificación es suficiente como para poder predecir con mucha precisión el movimiento de los planetas y de sus satélites, aunque se sabe que en la escala de millones de años nuestro sistema solar es caótico. La historia sería distinta si nuestro sistema tuviese dos estrellas, ya que entonces no podríamos ignorar las interacciones entre las dos estrellas y de cada estrella con un planeta, lo cual produce movimientos caóticos y limita considerablemente la predicción.

Otro ejemplo del éxito del reduccionismo se puede ver con medicina, con la cual se ha duplicado la esperanza de vida promedio para nuestra especie a nivel global en sólo cien años. Hasta hace poco, la mayoría de las muertes en humanos eran causadas por enfermedades infecciosas, las cuales son causadas por un agente: un virus, una bacteria, un hongo o un parásito. Al haber una causa principal de la enfermedad, se puede combatir «simplemente» atacando al agente con medicamentos o a sus vías de contagio con medidas preventivas tales como la higiene o la vacunación. Al poder contener y curar muchas enfermedades infecciosas, aunque no todas, se ha dado la llamada «transición epidemiológica». Esto quiere decir que ahora muere más gente por enfermedades crónico-degenerativas, tales como cáncer, diabetes, cardiovasculares y hepáticas, que por enfermedades infecciosas. El reduccionismo es limitado para atender estas enfermedades complejas, ya que tienen causas múltiples y por lo tanto se tiene que considerar cómo están relacionadas las causas entre ellas y con los pacientes. Para estas enfermedades, no tendremos una sola cura, ya que se requieren atender a todas las causas y necesitamos también considerar las relaciones entre las curas. Para esto la medicina y la biología ya empiezan a ver a las enfermedades desde la perspectiva de los sistemas complejos.

Un último ejemplo: gracias al reduccionismo tenemos computadoras, ya que se han podido diseñar componentes, los cuales se han combinado en circuitos electrónicos, los cuales se han combinado en chips, los cuales se han combinado para construir una enorme variedad de dispositivos electrónicos que se han combinado en una red global con miles de millones de dispositivos. Ya que es posible aislar a todos estos componentes, es factible construir sistemas de cómputo por agregación. Sin embargo, ya empezamos a encontrar situaciones donde no podemos ignorar a las interacciones. Por ejemplo, dada la miniaturización de los chips, sus componentes empiezan a tener interacciones térmicas o acústicas que cambian su funcionalidad. También, en intentos de construir computadoras moleculares, no se ha podido escalar la funcionalidad, debido a que no se pueden limitar las interacciones entre las moléculas y su funcionalidad puede cambiar. Sin embargo, los sistemas de cómputo que ya tenemos nos permiten precisamente estudiar a los sistemas complejos.

En las filosofías asiáticas, se desarrollaron más los conceptos de sistemas y complejidad desde la antiguedad que en las filosofías cristianas y musulmanas. Sin embargo, el reduccionismo fue necesario para el desarrollo de la ciencia. Una vez que se tuvo una ciencia madura, se pudieron incorporar los conceptos de sistemas. Y esto dependió de los instrumentos con los cuales podemos observar a los sistemas complejos, es decir, las computadoras.

A pesar de ser muy útil, el reduccionismo tiene sus límites. El reduccionismo se vuelve inadecuado cuando no podemos ignorar a las interacciones entre los componentes de un sistema complejo, ya que al separar y simplificar estamos precisamente dejando de considerar a las interacciones. Proximamente veremos qué implicaciones hay cuando las interacciones son relevantes.

16 de marzo de 2015

veces olvidamos que un mapa no es un territorio. Un mapa igual al territorio no sería muy útil, como ya escribió Borges, ya que el propósito de un mapa es que represente los aspectos relevantes del territorio. De manera similar, es importante distinguir entre los modelos (nuestras descripciones de los fenómenos) y lo que modelan (los fenómenos en sí). A grandes rasgos, en filosofía, el estudio del modelo es epistemología, mientras que el estudio de lo modelado es ontología.

No podemos decir que haya verdades absolutas, ya que siempre podemos tener más de una descripción (modelo) de cualquier fenómeno (modelado). Y no podemos decidir qué descripción es más adecuada independientemente de un contexto. Debido a esto, conviene más ser tolerantes a descripciones distintas a las nuestras, ya que en muchos casos no es que las descripciones «estén mal», sino que simplemente están hechas desde una perspectiva (contexto) distinta.

Es importante tener presente la diferencia entre el modelo y lo modelado, entre epistemología y ontología, ya que si describimos un fenómeno como un «sistema complejo», ésta será sólo una descripción. Una descripción no cambia al fenómeno, pero sí al entendimiento que tengamos de él. Una célula seguirá funcionando de la misma manera si la observamos como un sistema complejo o como un ente aislado. Entonces, la pregunta no es si un fenómeno es o no un sistema complejo, sino ¿cuándo conviene describir a un fenómeno como sistema complejo?

La elección de un modelo o una descripción depende también del propósito para el que queremos usar el modelo o la descripción. Una descripción de un fenómeno como sistema nos permite estudiar sus interacciones, pero puede ser menos clara. Podemos asumir que mientras menos incompleta sea, una descripción será más adecuada en una variedad mayor de contextos. Sin embargo, será una descripción con más información y no es seguro que esa información extra nos sea útil. Por lo tanto, debemos de buscar un balance entre cuán completa (y extensa) será una descripción y su simplicidad. Este balance determinará en parte cuán útil será la descripción. Y la utilidad de una descripción también dependerá del propósito. Por lo tanto, no podemos decir que un modelo sea verdadero o falso, sólo si es útil o no con respecto a un contexto particular.

El estudio de los sistemas complejos nos ayuda a describir a los componentes y las interacciones que le dan forma y funcionalidad a un fenómeno. Si para nuestro propósito las interacciones no son relevantes, no es necesario describir al fenómeno como sistema. Podemos llamar a esta visión «reduccionista», la cual detallaremos en la próxima entrada. Pero ¿qué sucede cuando sí son relevantes las interacciones? Este será el tema de otra entrada más.

18 de octubre de 2014

¿Qué es la vida? ¿Cómo podemos distinguir lo vivo de lo no vivo? ¿Qué es lo que compartimos con bacterias y árboles, moscas y ballenas, algas y flores, hongos y leones, pero no con cristales, huracanes, nubes ni volcanes? Nos hemos hecho este tipo de preguntas desde la antigüedad, pero todavía no hemos encontrado una respuesta única. Sólo fue a finales del siglo XVII que gracias al desarrollo de los microscopios se conocieron los componentes de todos los seres vivos que conocemos: las células. Sin embargo, quedan preguntas abiertas: ¿qué distingue a las moléculas que componen a una célula viva de las mismas moléculas cuando declaramos a la célula muerta? Más aún, si las células están vivas y las moléculas no, ¿de dónde surge la vida?

Para la primera pregunta, varios autores han propuesto que la vida no es una propiedad de la materia o de la energía, sino de su organización. Esta (auto-)organización le permite a los sistemas vivos mantenerse lejos de un equilibrio termodinámico. No se viola la segunda ley de la termodinámica, ya que los seres vivos mantenemos un flujo constante de materia, energía e información con nuestro entorno. En otras palabras, somos sistemas abiertos y nuestra organización se mantiene a sí misma. Si se destruye esta organización, nuestros componentes no pueden mantener el flujo de materia, energía e información, y son víctimas de la degradación termodinámica de moléculas complejas a más simples. Nos lleva la entropía.

Para la segunda pregunta, podemos decir que la vida es una propiedad emergente de sus componentes. Las moléculas de una célula no están vivas, pero a través de sus interacciones producen propiedades en la célula que identificamos con la vida, tales como metabolismo, robustez, reproducción y evolución.

Notando que la vida no es una propiedad dependiente de sus componentes, sino de su organización, dentro del área de cibernética se empezaron a estudiar de manera abstracta las propiedades de los sistemas vivos a mediados del siglo XX. Dentro de esta tradición, se desarrollaron modelos de sistemas vivos en simulaciones de computadoras y en robots. A fines de los 80’s, Christopher Langton acuñó el término «vida artificial» en su sentido moderno, el cual considera a la simulación y la síntesis de sistemas vivos.

Podemos clasificar a la vida artificial en tres categorías: La vida artificial suave considera simulaciones en software con propiedades de sistemas vivos. La vida artificial dura incluye a robots e implementaciones en hardware de modelos biológicos. La vida artificial húmeda abarca los intentos de crear vida artificial a partir de la química en el laboratorio. En otras palabras, se intentan crear «protocélulas» que tengan propiedades similares a las de las células vivas pero construidas con componentes distintos.

El estudio científico de la vida artificial nos ha permitido comprender mejor propiedades y contrastar teorías sobre el origen de la vida y su evolución, la autonomía, la auto-organización, la adaptación, la ecología, las sociedades, el comportamiento, la información y las bases químicas de la vida.

La vida artificial también se empieza a aplicar a la tecnología, ya que nos permite no sólo comprender mejor a los sistemas vivos, sino construir sistemas artificiales con propiedades de sistemas vivos. Por ejemplo, es conveniente construir ciudades más como sistemas vivos que como máquinas, ya que necesitan adaptarse constantemente a su entorno dinámico.

Hay muchos ejemplos interesantes de arte basado en vida artificial. Por ejemplo, se ha propuesto usar modelos de parvadas de aves para generar animaciones musicales:

También, en España se ha organizado desde fines del siglo pasado VIDA, Concurso Internacional Arte y Vida Artificial, dentro del cual se han presentado diversas propuestas artísticas.

La vida artificial también ha contribuido a la filosofía. Nos podemos preguntar: si un ser vivo necesita conocimiento para sobrevivir en su entorno, ¿cómo se desenvuelve el conocimiento de las criaturas artificiales? Las respuestas nos pueden dar indicios sobre el conocimiento en los seres biológicos, además de que es más fácil intervenir a las criaturas artificiales para contrastar distintas teorías.

Hay varios retos abiertos en vida artificial. Ha habido progreso considerable durante su corta existencia, pero queda mucho por hacer en todos los temas relacionados con vida artificial. Las técnicas de vida artificial se han absorbido en otras disciplinas. Por ejemplo, en biología ahora es común usar modelos computacionales, pero no se les llama vida artificial. Si esta tendencia continúa, podríamos llegar a los principios de una «biología general», donde el estudio de la síntesis y simulación de los sistemas vivos dejaría de ser «artificial».

Por cierto, la próxima conferencia internacional de vida artificial se llevará a cabo durante el verano de 2016 en el Caribe Mexicano.

• Aguilar, W., Santamaría Bonfil, G., Froese, T., and Gershenson, C. (2014). The past, present, and future of artificial life. Frontiers in Robotics and AI 1 (8). http://dx.doi.org/10.3389/frobt.2014.00008
• Bedau, M. A. (2003). Artificial life: organization, adaptation and complexity from the bottom up. Trends Cogn. Sci. (Regul. Ed.) 7, 505–512. http://dx.doi.org/10.1016/j.tics.2003.09.012
• Langton, C. G. (1997). Artificial Life: An Overview. Cambridge, MA: MIT Press.