Publicado en Velasco Ambrosio (Coord.

) 2000,
"El concepto de heurstica en las ciencias y
las humanidades", Mxico,S.XXI, pp.38-57
EL CONCEPTO DE HEURSTICA: DE LAS EXPLICACIONES
EN LAS CIENCIAS NATURALES A LA EPISTEMOLOGA
SERGIO F. MARTNEZ*

INTRODUCCIN

El trmino heurstica cubre una numerosa familia de conceptos con

una amplia variedad de aplicaciones en las ciencias naturales y sociales. En este trabajo mi principal objetivo es mostrar, por medio de
algunos ejemplos, que si bien el uso de mtodos heursticos para la
solucin de problemas es muy diferente en diversas disciplinas, recientemente se ha asumido que desde una perspectiva epistemolgica
los mtodos o procedimientos
heursticos deben entenderse como
subordinados a la estructura algortmica de la ciencia. 1 Como veremos, este supuesto ha sido cuestionado en diferentes reas de la ciencia al sugerir que el concepto de heurstica debe desempear un papel central en una teora de la estructura del conocimiento cientfico.
Inicio con un breve repaso de la distincin entre algoritmos y
heursticas, que utilizar a lo largo de este trabajo.
Un algoritmo es un co~unto de instrucciones (programables en una
computadora) que permiten resolver mecnicamente un problema.2

Instituto de Investigaciones
Filosficas, UNAM.
En la historia y la sociologa de la ciencia, muchas veces se hace uso de conceptos heursticos en discusiones sobre el tema de la racionalidad,
pero estos conceptos
no se relacionan con preguntas acerca del origen de la normatividad
epistmica de
ciertos patrones de razonamiento
(que es una manera de reformular el tema de este
trabajo). En la filosofa a veces se toma en serio el papel de la heurstica en cuestiones normativas,
pero en general se considera
como parte de una metodologa
deductivista que implcitamente
reniega de la importancia del carcter situado de la
racionalidad.
Zahar, por ejemplo, siguiendo
algunas ideas sobre el papel de las
heursticas
en el razonamiento
matemtico
y cientfico de Lakatos, elabora una
"heurstica racional" con connotaciones
normativas, pero esa normatividad
proviene, segn Zahar, del supuesto de que en ltima instancia toda argumentacin
racional puede formularse como un argumento deductivo.
2 En el caso de funciones
numricas, la idea intuitiva de resolucin mecnica se
aclara recurriendo
a la tesis de Church:ruring,
segn la cual diferentes conceptos
intuitivos de "procedimiento
efectivo" coinciden en caracterizar
la misma clase de
procedimientos.
Sin embargo, para otro tipo de funciones no podemos utilizar esta
I

[38]

EL CONCEPTO

DE HEURSTICA

39

Por tanto, la solucin correcta ofrecida por un algoritmo viene con

garanta de que si seguimos las instrucciones al pie de la letra llegaremos eventualmente a la solucin correcta, sin necesidad de tomar
decisiones adicionales en el camino. Estamos familiarizados con varios algoritmos desde la escuela primaria. Las frmulas para resolver
ecuaciones de segundo o tercer grado son ejemplos de algoritmos.
Aprender a multiplicar o dividir es aprender el uso de algoritmos
bsicos aritmticos. Si, por ejemplo, queremos resolver una ecuacin
de tercer grado como x3 + 7x2 - 2x - 14 = O,podemos utilizar una frmula. Por medio de ella podemos encontrar las soluciones (las races)
de la ecuacin simplemente identificando los coeficientes de los diferentes trminos de la ecuacin y sustituyendo esos valores en la frmula. Una vez realizado esto, lo que resta es llevar a cabo operaciones aritmticas simplificadoras para tener una lista de las soluciones.
Esta frmula nos permite siempre llegar a determinar las soluciones
para cualquier ecuacin de tercer grado. La nica posibilidad de error
proviene del hecho de que nuestras operaciones aritmticas en algn
momento por lo menos no hayan sido llevadas a cabo correctamente. Si, por ejemplo, la frmula nos pide calcular 2 x 3 y ponemos 5
como resultado de esa multiplicacin, entonces no llegaremos a la
respuesta correcta; pero ese tipo de errores es lo nico que puede
evitar que determinemos las soluciones a la ecuacin. La frmula para
resolver ecuaciones de tercer grado es un ejemplo tpico de un algoritmo.
Como lo aprendimos en la escuela, muchas veces es posible resolver una ecuacin utilizando una regla heurstica. Si queremos descomponer el polinomio del ejemplo anterior en sus races (resolver la
ecuacin), podemos tratar de buscarlas en los factores del trmino independiente. En nuestro caso deberamos buscar los factores de 14. Si
la regla funciona no hay muchas opciones, las races podran ser 1, 2,
7, 14. N o es difcil ver que 1 y 14 no pueden ser, y es fcil ver que 7 y
2 pueden ser races. Si probamos vemos que efectivamente
la
factoracin (x2 - 7)(x + 2) = O nos resuelve el problema. Este tipo de
reglas no funciona siempre. U na regla como la anterior funciona slo
en algunos casos, y no podemos saber por adelantado cundo va a
funcionar, aunque a veces podemos tener indicios que lo sugieran. A
tesis, o un principio similar, para hacer precisa la idea de "resolucin mecnica" requerida para formular con claridad el concepto de algoritmo. En este trabajo dejaremos de lado este tipo de problemas con la caracterizacin de algoritmo.

40

SERGIO

F. MARTNEZ

veces podemos utilizar varias reglas heursticas y no encontrar la solucin. Sin embargo, muchas veces, dependiendo del tipo de problema de que se trate y de la habilidad de quien lo trate, es posible resolver un problema de manera muy rpida utilizando una regla
heurstica, algo que requerira mucho ms tiempo y esfuerzo si recurrimos a la frmula y seguimos paso a paso el algoritmo que nos indica. De existir un algoritmo para resolver un problema, la solucin simplemente resultara de seguir instrucciones mecnicamente; pero muchas
veces el proceso es muy largo, requiere tantos pasos que podramos
pasarnos toda la vida calculndolos y antes nos moriramos que terminar. Es ms, se conocen problemas muy simples cuya solucin est
dada por un algoritmo, pero el algoritmo requiere calcular tantos
pasos que aun las computadoras ms veloces del presente podran
pasarse calculando sin interrupcin hasta el fin del universo y todava no llegar al resultado final. As, es claro que muchas veces, incluso si existe un algoritmo para resolver un problema, prcticamente
tenemos que recurrir a mtodos heursticos para tratar de resolverlo.
El tipo de problemas que un algoritmo nos permite resolver est
determinado por la estructura lgica de los mismos. Un algoritmo
para resolver ecuaciones de tercer grado nos resuelve el tipo de
ecuaciones que matemticamente, y sin ninguna ambigedad, podemos caracterizar como ecuaciones de tercer grado. Un algoritmo para
transformar grados Farenheit de temperatura en grados centgrados
nos hace ese tipo de operaciones y en tanto que algoritmo no sirve
para nada ms. U na regla heurstica, por el contrario, va a darnos una
solucin correcta, o aproximadamente correcta, en ciertas circunstancias y en otras no. La correccin de la respuesta va a depender de la
manera en que entendamos el problema, de la forma que toma un
problema particular, algo que no puede decidirse por medio de reglas
fUas. Una parte importante del problema de aplicacin de una regla
heurstica es la decisin de cmo entendemos el problema por resolver, del modo en que lo planteamos como tal. Si por medio de reglas
heursticas queremos calcular el rea de una superficie con un permetro irregular, nuestra aproximacin va a ser ms o menos correcta dependiendo de la descomposicin del problema en subproblemas
que puedan resolverse de manera simple y (por lo menos relativamente) exacta.
Los algoritmos nos dan una solucin correcta a un problema, independientemente
de cmo podamos descomponerlo en subproblemas, e independientemente
de cul es el sustrato material por medio

EL CONCEITO

DE HE(lRSTICA

41

del cual el algoritmo se lleva a cabo. La idea es que podemos realizar

la extraccin de una raz cuadrada en un papel, sobre la arena de la
playa o en una pared, con lpiz, con pluma o con las uas, el resultado es siempre el mismo. La utilidad de una regla heurstica, sin
embargo, muchas veces depende de cmo se implementa materialmente la regla. Por ejemplo, una regla de clculo que nos permite calcular cantidades como 3,7 va a darnos una mejor aproximacin si es
un material que no se expande con el calor o con el uso. Porque si su
material se distorsiona, entonces se genera un error en la suma grfica de cantidades que son la base para el clculo que nos permite la
regla. Podemos pensar algunas reglas heursticas como independientes de su implementacin material; por ejemplo, la regla que mencionamos anteriormente para encontrar las races de polinomios no parece depender de la manera en que se implementa materialmente, es
ms, podramos decir que depende tan poco de una implementacin
material como el algoritmo que nos permite resolver la ecuacin de
tercer grado. En este sentido se puede pensar que una regla heurstica es simplemente un algoritmo complicado, que tal vez slo conocemos parcialmente.:l Si pensamos de esta manera, naturalmente
llegamos a la conclusin de que el conocimiento cientfico se implementa por medio de algoritmos en ltima instancia, y mientras la bsqueda de algoritmos es central para la ciencia, la bsqueda y el uso
de heursticas slo son paliativos propios de nuestras limitaciones
epistmicas.
La tesis que someto a consideracin en este trab~jo es que si bien
muchas reglas heursticas pueden ser implementadas
algortmicamente, o en un sentido quiz todas, hay buenas razones para pensar
que la importancia de los procedimientos heursticos en la construccin del conocimiento cientfico, y por lo tanto en la epistemologa de
la ciencia, parece requerir el abandono de una tendencia profundamente arraigada a entender la ciencia como "algortmica". Esta tendencia se expresa de diferentes maneras, algunas de las cuales ejemplificaremos adelante; pero, muy en general, la idea es que es posible
entender la ciencia (sus leyes) como una familia de algoritmos.
Una manera de criticar esta tendencia tradicional es notar que una
propiedad muy importante de las reglas heursticas (en la que Wim:\ Esta idea se ha extendido mucho, pero pocas veces se ha defendido a fondo Un
libl"O en que la idea se elabora y se defiende es Darlllin 's Danp;erons Idea (Daniel
Dennett, Basic Books, 199:i ).

42

SERGIO

F. MARTNEZ

satt ha puesto mucho nfasis) es que el error generado por stas tiene
sesgos sistemticos.4 La presencia de estos sesgos es esencial para entender de qu manera las reglas heursticas nos permiten aprender de
la experiencia, y, por lo tanto, para entender el importante papel que
desempean en una amplia variedad de (si no en todo) razonamiento inductivo. Como veremos en el ejemplo siguiente, esta propiedad
de las reglas heursticas puede entenderse de manera muy natural
como una consecuencia de la implementacin
material de las mismas. Esta propiedad de las reglas heursticas es particularmente clara
e importante cuando estn corporalizadas en instrumentos, aparatos o sistemas tecnolgicos (un trmino que introducir adelante).
La regla de clculo es un instrumento (usualmente de madera) que
generalmente llevaban consigo los ingenieros antes de que existieran
las computadoras. La regla permite llevar a cabo de manera aproximada una serie de operaciones aritmticas, por ejemplo, calcular ra-.
ces de cualquier potencia por medio de la suma grfica de cantidades." Una regla de clculo puede ser ms o menos exacta, la exactitud
depende de diferentes factores, por ejemplo del material con el que est
hecha la regla, de la exactitud de la representacin grfica de las diferentes escalas, de la calidad de los diferentes componentes y, por supuesto, de la habilidad del usuario. Muchas veces un problema se puede
resolver de diferentes maneras, y un usuario habilidoso sabe cul mtodo es ms apropiado, por lo que trata de compensar errores para llegar a la respuesta ms exacta posible. Un sesgo sistemtico de una regla puede tener su origen en cambios de temperatura, por ejemplo. Si
la regla est hecha de aluminio y la temperatura sube, la expansin del
metal genera error; pero ste es un error que hasta cierto punto puede predecirse, y esta prediccin puede tomarse en cuenta en el diseo
del instrumento, o puede permitirnos corregir la lectura y disminuir el
error. As pues, es claro que el procedimiento
heurstico que implementa el instrumento no puede reducirse a decir que es un algoritmo implementado materialmente. La regla heurstica implementada
hace depender el resultado de la manera en que la implementacin
genera una distorsin sistemtica que puede corregirse por lo menos
W. Wimsatt, "Reductionist research strategies and their biases in the unifs ofselection
controversy"', 1980, pp. 213-259.
" Ntese que en este caso las reglas heursticas materialmente
implementadas
en
la regla de clculo son un atajo a la solucin de problemas que se resuelven por medio de algoritmos. Como veremos adelante, los procedimientos
heursticos no siempre pueden entenderse de esta manera.

EL (O\:CFI'TO

DE I1HRSTIC.\

parcialmente, si se sabe algo acerca del origen (causal) de la distorsin.

No todo sesgo sistemtico depende de la implementacin
material,
por lo menos tan claramente como en el caso anterior. Por ejemplo,
como Wimsate; muestra en su trabajo, los sesgos sistemticos pueden
tener su origen en caractersticas propias de tcnicas para la construccin de modelos.
Esta caracterstica distintiva de los procedimientos heursticos, la
existencia de sesgos sistemticos en la generacin de error, desempea un papel importante en la caracterizacin de los dos conceptos
centrales que me interesa introducir en este trabajo: el de estmctu m
heuristica y el de sistema te(rlo/gi((). Una estructuro heuristica es una
coleccin de procedimientos heursticos y algoritmos funcionalmente
relacionados y organizados de manera jerrquica alrededor de la tarea de resolver un cierto tipo de problema. La regla de clculo de los
ingenieros es un ejemplo claro de estructura heurstica. Pero el concepto de estructura heurstica puede utilizarse tambin para modelar tcnicas de laboratorio en las ciencias experimentales. A grandes
rasgos, una tcnica de laboratorio puede modelarse como estructura heurstica porque est compuesta de una serie de subtcnicas, cada
una con una funcin determinada, y que pueden arreglarse de diversas maneras para resolver diferentes tipos de problemas, para estabilizar distintos tipos de fenmenos o detectar diferentes tipos de sustancias, por ejemplo. En otros trabajos he desarrollado
varios
ejemplos de estructuras heursticas y mostrado que las tcnicas de
laboratorio pueden verse como estructuras heursticas.
LJn sistema tecrw/giro consiste en una serie de estructuras heursticas
implementadas tecnolgicamente. En un sistema tecnolgico los algoritmos v procedimientos heursticos se integran primordialmente
por
medio de una serie de instrumentos, aparatos y tcnicas, que incluyen
tcnicas para la recoleccin y procesamiento de informacin, y permiten establecer lo que se considera un hecho cientfico o la confiabilidad
de una predicciIl, explicacin o tecnologa. Las ms de las veces la
prediccin, cuya confiabilidad depende de un sistema tecnolgico, es
acerca del comportamiento de un mecanismo, de la estabilidad de una
cierta estructura o rasgo estructural de un sistema de cualquier tipo.
Saber exactamente qu es un sistema tecnolgico depende de cmo
entendamos el concepto de tecnologa. Entrar en esta discusin no es

l. \\". Wimsatt,
7

\1artnez,

ojJ. cit., ]9HO.

Il)l)'i, 1997; \Iartnez

\' SlI;rez,

]l)l):-l.

44

SERGIO F. MARTNEZ

importante para nuestros propsitos, lo importante es recalcar que

para nosotros un sistema tecnolgico implementa materialmente
algoritmos y procedimientos heursticos con un fin epistmico. Despus de esta breve presentacin de los conceptos de algoritmo y
heurstica, podemos recapitular brevemente sobre un aspecto relevante de la manera en que los conceptos de heurstica y algoritmo han
desempeado un papel importante en la historia de la ciencia.

EL CONCEPTO DE HEURSTICA EN LA FSICA

En las ciencias naturales el concepto de heurstica se ha transformado y diversificado a lo largo de dos ejes principales. Por un lado, segn la concepcin tradicional, la heurstica consiste en una regla de
razonamiento de utilidad prctica pero slo aproximada para la solucin de problemas matemticos, como lo ejemplificamos en la seccin anterior. Esto tiene lugar sobre todo como parte del desarrollo
de mtodos para la construccin y uso de modelos matemticos que
se han diversificado y difundido a travs de muchas disciplinas cientficas. El segundo eje a lo largo del que se ha diversificado el concepto
de heurstica es la ciencia experimental y la tecnologa; ste es el eje
a travs del cual se desarrollan y se tornan importantes los conceptos
de estructura heurstica y de sistema tecnolgico. Por supuesto, estos
dos ejes no constituyen desarrollos independientes, pero es importante distinguirlos para entender mejor la historia del concepto de heurstica y, sobre todo, ver la pertinencia de diferentes conceptos de
heurstica para una epistemologa naturalizada. Cada uno de estos
ejes tiene una historia digna de ser contada aparte, si bien ello puede hacernos perder de vista importantes elementos pertinentes para
la epistemologa del concepto de heurstica. Opto por una estrategia intermedia. Con respecto al pri:ner ~je de la historia del concepto de heurstica, voy a tomar como gua el desarrollo de mtodos
heursticos que tiene lugar mediante la diversificacin del patrn de
explicacin que se basa en un principio de mnima accin (o un principio asociado de maximizacip.) en diferentes reas de las ciencias naturales. ste es un ejemplo muy importante de la manera en que el
concepto de heurstica se ha desarrollado en ntima relacin con el
desenvolvimiento de modelos matemticos a lo largo de la historia de
la ciencia. Posteriormente, mostrar que la incorporacin de conside-

EL CONCEIYIU

DE HEURSTICA

45

raciones acerca del papel que desempea la implementacin material

de procedimientos heursticos puede entenderse como un cuestionamiento de la subordinacin de estos procedimientos a la estructura algortmica de las teoras.
En la fIsica, versiones del principio de la mnima accin han sido
principios explicativos muy importantes desde los griegos. Hern de
Alejandra hizo ver que si asumamos que un rayo de luz siempre viajaba de manera tal que minimizaba la distancia de la trayectoria entre un objeto y el observador, se podan explicar varias propiedades
de la luz. Aristteles arguye utilizando el mismo patrn explicativo
cuando pretende explicar el movimiento circular de los planetas.
Aristteles dice que los planetas se mueven en rbitas circulares, porque de todas las curvas cerradas que delimitan un rea determinada,
el crculo es la ms corta. Alternativamente, se puede demostrar que
una rbita circular requiere el menor tiempo, a una velocidad dada,
para cubrir un rea precisa. En el siglo XVII Fermat fue el primero en
mostrar que si se asume que la luz viaja de un punto a otro de manera tal que el tiempo de viaje es mnimo, entonces se explican varias
leyes de la ptica. ste es el primer caso en que el asumir un principio de mnima accin lleva a integrar explicaciones y a formular predicciones importantes. Maupertuis, a mediados del siglo XVIII, arguye que este tipo de principios muestra la accin de causas finales en
la naturaleza y, por lo tanto, la existencia de Dios. Un poco despus,
Euler y Lagrange mostraron que este tipo de explicaciones podan
interpretarse sin requerir el supuesto de causas finales. El comportamiento de los sistemas se entendera como descrito por un algoritmo
(deducible de una ecuacin).H sta es una de las estrategias fructferas por medio de las cuales se eliminan explicaciones teleolgicas de
la fsica y, a partir del siglo XIX, de otras ciencias naturales.
Las explicaciones que recurren a princiFios de la mnima accin
permiten reinterpretar un comportamiento aparentemente
teleolgico como el resultado de seguir mecnicamente una secuencia de
instrucciones.
La gran cantidad de problemas en los cuales el principio de la mnima accin se puede utilizar para modelar una situacin y, por lo tanto,
la gran variedad de situaciones en las que un comportamiento aparenteH En la formulacin
de Lagrange, el comportamiento
de un sistema fsico general est determinado por el requisito de que la integral en el tiempo de una funcin
del sistema es un valor extremo.

46

SERGIO F. MARTNEZ

mente teleolgico se puede explicar como el resultado de la existencia de un algoritmo de cierto tipo que describe la manera de actuar de
los procesos naturales, sugieren decididamente una tesis como la del
determinismo laplaciano. Segn esta tesis cualquier estado futuro del
mundo est determinado por un algoritmo que en principio determina la posicin de todas y cada una de las partculas materiales del universo en cualquier tiempo futuro, asumiendo que se conocen los estados de las partculas y las fuerzas que actan sobre ellas en un tiempo
inicial. Desde esta perspectiva, la tesis del determinismo laplaciano
puede verse como la transformacin de la fructfera estrategia para la
construccin de modelos explicativos generada a partir de principios
como el de accin mnima, en una tesis metafsica. El determinismo
laplaciano asume que los algoritmos que explican el comportamiento
de los procesos naturales como el resultado de interacciones entre partculas newtonianas tambin nos permiten explicar todo proceso del
mundo natural, sin necesidad de recurrir a ningn supuesto teleolgicoY En la medida en que este tipo de patrn explicativo esimportante
en la fsica, el desarrollo de los mtodos heursticos en sta se diversifica
mucho y sigue apegado a la idea de heurstica que mencionamos al
principio. La heurstica contribuye a encontrar soluciones aproximadas,
o soluciones exactas bajo ciertas condiciones, a los algoritmos que, se
considera, describen la estructura del mundo natural.
Hay quienes piensan que es cuestionable el supuesto de que lafsica
consiste en ltima instancia en la bsqueda de algoritmos. Roger Penrose
ha sugerido que la nica manera de entender el lugar de la conciencia
en el mundo fsico es reconociendo que no toda actividad mental es una
computacin algortmica. Para Pemose, la habilidad humana que nos
permite hacer matemticas no es algortmica. Su propuesta es controversial y, como varios crticos han hecho ver, no es clara, en particular porque parece asumir supuestos muy cuestionables acerca de la
cognicin humana. 10 Es importante recalcar que una propuesta como
la de Pemose sugiere que el concepto de heurstica debera desempear en la ciencia un papel no subordinado
al de algoritmo, en la
'J En "Sobre la relacin
entre historia y causalidad
en biologa" (Martnez y
Barahona, 1998), elaboro un poco ms la historia del mecanicismo en el sentido que
aqu se mencIOna.
lO En su resea de Penrose,
Hilary Putnam hace ver que ste no considera la
posibilidad de que el programa necesario para entender el carcter algortmico de
la habilidad matemtica sea tan complejo que ningn ser humano pueda entenderlo
en la prctica. sta y otras crticas son resumidas por Dennett.

47

EL COl\UJYrO DE HELRSTICA

medida que cuestiona la tesis que toda explicacin de procesos aparentemente te!eolgicos (como lo sera la bsqueda de solucin a un
problema matemtico)
puede formularse como una explicacin no
teleolgica en trmino de algoritmos.
Robert Geroch y V. Hartle han sugerido una manera en la que podemos entender de modo ms preciso la tesis de que la fsica es no algortmica: una teora de la fsica es no algortmica si no hay un algoritmo que
implemente la teora, esto es, si no hay un algoritmo que relacione los
resultados de los experimentos
con las predicciones de la teora.11 De
existir una teora de este tipo, aunque puede ser puesta a prueba emprica, no se puede establecer una estrategia para el procesamiento de datos y la elaboracin de experimentos que se lleve a cabo mecnicamente. Por ejemplo, rUemos un dispositivo experimental
v tratemos de
expresar la prediccin de una teora que no es algortmica para ese experimento. Para predecir con un margen de error de 10(;( uno manipula las
matemticas de la teora, construye modelos de datos, establece criterios
de significacin, etc., hasta llegar eventualmente al nmero asociado con
la prediccin. Para poner a prueba la prediccin con un margen de S<7c
usualmente slo se tendran que modificar ligeramente los modelos ya
construidos. Sin embargo, en el caso de una teora no algortmica ese tipo
de modificaciones puede no ser relevante. Lo que muestran Geroch y
Hartle es que se debera de repensar totalmente el problema; adems,
poner a prueba una prediccin con diferentes mrgenes de error puede
requerir toda una nueva construccin de modelos, estimaciones y mtodos de aproximacin. Las predicciones nunca podran verse como rutinarias. (~eroch y Hartle sugieren que la teora cuntica de la gravedad
puede ser un ejemplo de una teora trsica no-algortmica. El punto que
se debe destacar es si una teora de la fsica es no-algortmica; si bien las
predicciones estaran disponibles en principio, la derivacin de ellas a
partir de la teora nunca sera una tarea rutinaria, y en este sentido los
mtodos heursticos y los sistemas tecnolgicos requeridos para extraer
la prediccin tendran que considerarse parte del aparato conceptual
que nos permite derivar la prediccin. A continuacin quiero dar otro
t;jemplo de cmo entender la mediacin de la tecnologa en una epistemologa de la ciencia, en un sentido que no reduce el papel de los sistemas tecnolgicos a la implementacin
de algoritmos.
Una manera de formular las implicaciones del reconocimiento
del
azar del mundo cuntico que nos obliga a reconocer la aceptacin de la
II

Ceroch

y Hartle,

"Computability

and phvsical

theories".

1986.

48

SERCO F. MARTNEZ

teora cuntica como teora fundamental de la fsica quiere decir que no

es posible generalizar sin lmite inferencias respecto a la relacin entre
estados cunticos y estados clsicos. Los sistemas tecnolgicos que permiten formular predicciones exitosas de la mecnica cuntica explotan
generalizaciones que se pueden formular a travs de nuestros modelos,
pero esas relaciones causales "accidentalmente" establecidas entre el
nivel cuntico y el nivel macroscpico, ms que apuntar a leyes de validez universal describen relaciones que permanecen invariantes bajo
ciertas condiciones. Pero entonces las inferencias respecto a la relacin
de estados que podemos hacer en una situacin, a partir de un sistema tecnolgico, no tienen por qu ser vlidas con respecto a otro sistema
tecnolgico, ni siquiera "en principio". Por ello, en lugar de entender
los sistemas tecnolgicos que nos permiten formular predicciones como
meros intermediarios pasivos entre el mundo y nuestras teoras, debemos entenderlos como elementos que nos permiten hacer un mapa de
ciertas relaciones invariantes entre estados; no tenemos por qu pensar
que en algn sentido nos estamos aproximando a una caracterizacin
irrestrictamente general de una "estructura" del mundo. As, el problema de la relacin entre estados cunticos y clsicos es una relacin contingente que no podra ser descrita por un algoritmo. 12
Esta manera de entender la relacin entre las mecnicas clsica y
cuntica sugiere una forma posible en la que el concepto de heurstica
puede entrar en la fsica en un nivel epistemolgicamente
fundamental. La mediacin de la tecnologa en la conformacin de relaciones
invariantes entre estados parece sugerirnos que en la caracterizacin
del conocimiento cientfico debemos considerar la forma en que ese
conocimiento se va estructurando en una gran diversidad de prcticas que de muy diferentes maneras van haciendo mapas de lo que
puede o no hacerse; en este sentido van delimitando las fronteras contingentes de las leyes. As, la mediacin contingente de la tecnologa,

corporalizada en estructuras heursticas tendra un papel indispensable en la

explicacin filosfica de la naturaleza del conocimiento que genera la fsica.
Ntese que esta propuesta cuestiona de raz la idea todava ampliamente aceptada de que la fsica es una ciencia cerrada, porque sus conceptos
l~ Nancy Cartwright
elabora algunas ideas en esta direccin. Ntese que si se
llegara a encontrar
un sistema tecnolgico
en el que la inferencia
a un estado
cuntico no fuera posible, esto no implica que la teora cuntica sea incorrecta.
ste es un ejemplo de que la relacin entre modelos y teoras no se puede concebir por medio de ideas simplistas, como el ideal de contrastacin
emprica que les
gusta tanto a varios filsofos.

49

EL CONCEPTO DE HEURSTICA

y sus leyes, a diferencia de otras ciencias, constituyen un sistema autnomo. Segn esta idea tradicional, todo lo que se requiere para
hacer una prediccin o explicacin fsica, y para mejorarla, es tomar
en cuenta conceptos y leyes fsicas. Sin embargo, es claro que los argumentos en favor de la tesis de que en la fsica, como en cualquier
otra ciencia, las leyes son leyes ceteris paribus, son argumentos en favor de la tesis de que la mediacin tecnolgica es indispensable para
la formulacin de leyes de la fsica, y viceversa. La mediacin tecnolgica desempeara un papel anlogo al que desempea la existencia de organismos vivos en la biologa.

EL CONCEPTO DE HEURSTICA EN BIOLOGA

Como en otras ciencias empricas, los mtodos heursticos se han

desarrollado mucho en biologa como parte del desarrollo de mtodos para la construccin y evaluacin de modelos, rea muy importante de la que no hablar aqu porque no est relacionada directamente con el presente trabajo. 13 Aqu me interesa recalcar un uso
epistmico del concepto de heurstica. En la biologa el concepto de
heurstica desempea un papel central en la medida que toda adaptacin puede entenderse wrno una estructura heurstica; sobre este tema hablar, si bien brevemente. Esto permitir hacer una transicin a la
manera como el concepto de heurstica desempea un papel en ciertos desarrollos de la economa y la inteligencia artificial, que harn
posible delinear mejor la idea que exploro en este trabajo.
Hay dos conceptos de adaptacin en la biologa. Por un lado est el
concepto de adaptacin que entiende a sta como el resultado de respuestas funcionales a cuestiones que se pueden formalizar como problemas de decisin implementables por medio de un algoritmo. Por
otro lado est el concepto de adaptacin segn el cual sta resulta de
procesos histricos evolutivos (que involucran aspectos de desarrollo
ontogentico y ecolgico). Ambos conceptos de adaptacin han sido
muy importantes en biologa, pero la manera estndar de entender la
teora de la evolucin, hasta muy recientemente, toma la idea funcional
de adaptacin como el punto de partida para decirnos cul es el contenido emprico de la teora, y por lo tanto pretende reducir el segundo
1'\

Sobre este tema, vase W. Wimsatt,

op.

cit., 1980.

50

SERGIO

F. MARTNEZ

concepto de adaptacin al primero. Esta estrategia reduccionista distingue aquellas interpretaciones de la teora que podemos llamar "ortodoxas". Una interpretacin ortodoxa permite mantener la subordinacin tradicional de conceptos heursticos a la estructura algortmica de
la teora, ya que en esta interpretacin toda estrategia heurstica puede entenderse como la implementacin de un algoritmo complejo. 14
De acuerdo con la interpretacin ortodoxa, la evolucin hace que
un organismo confronte a su medio de manera totalmente anloga a
como un diseador racional confronta problemas de decisin. El concepto de seleccin natural se utiliza para evitar la obvia extensin de
la analoga que impondra la conclusin de que la evolucin requiere un diseador. En este sentido la estrategia explicativa es anloga
a la que recurrimos cuando se buscan principios de accin mnima
para explicar, sin valerse de causas finales, un comportamiento
aparentemente teleolgico. Es ms, es posible formular matemticamente
la idea y, por lo tanto, pensar las aclaraciones seleccionistas como un
ejemplo ms de la estrategia explicativa, seguida con tanto xito desde el siglo XVII para eliminar las causas finales de nuestras explicaciones por medio de principios de accin mnima.
Ms especficamente, la estrategia explicativa en la interpretacin
ortodoxa de la teora es la siguiente: se asume que cualquier respuesta
funcionalmente apropiada de un organismo puede explicarse en trminos de la accin de la seleccin natural. Por ejemplo, la potencialidad
de adaptarse a diferentes ambientes se explica como una manifestacin
de la flexibilidad de un carcter que ha sido determinado por la seleccin natural, o como un efecto secundario de factores seleccionados
previamente. Esta estrategia requiere explicar el origen de esa flexibilidad de los caracteres sin recurrir a causas finales, y esto tiene tambin
una respuesta ortodoxa. La respuesta es que la fijacin de los caracteres y de su flexibilidad en particular son resultado de un proceso de acumulacin de alelos modificadores o reforzadores de caracteres. A su vez,
esta acumulacin resulta de un proceso de seleccin que tiene lugar en
el conjunto de potenciales modificadores y reforzadores que surgen
azarosamente. As, una adaptacin se modela como un problema de
decisin cuya solucin, por lo menos en principio, tenemos razones
para pensar que puede describirse por medio de un algoritmo.
Si se acepta esta manera ortodoxa de entender la teora de la evolucin, el concepto de heurstica no desempea un papel epistemo14

Dennett,

Darwin's Dangerous Idea, 1995.

EL COI\CEI'TO

DE HEURSTICA

51

lgicamente central o distintivo en la teora de la evolucin. Se puede aceptar que los mtodos heursticos para la solucin de problemas
son tan importantes en la biologa contempornea
como en la fsica
tradicional, con lo que se podra argir que el concepto epistemolgicamente significativo es el de algoritmo. En 1995, Dennett formula esta idea ortodoxa: la evolucin puede entenderse como un proceso
de optimizacin de un algoritmo. Una heurstica simplemente es un
algoritmo abreviado, pero en principio, de acuerdo con esta interpretacin ortodoxa de la teora de la evolucin, el peso de una explicacin lo llevan los posibles algoritmos que permiten modelar un proceso evolutivo como resultado del azar y la seleccin.
Sin embargo, esta manera ortodoxa de formular el contenido emprico de la teora de la evolucin tiene problemas muy serios. Para empezar, la estrategia explicativa mencionada anteriormente adolece de
graves deficiencias. En ella se reduce la explicacin de la adaptacin a
una postulacin de factores generados al azar que a su vez se someten
a la seleccin. Por ejemplo, como es bien sabido, la relacin entre genes
y fenotipo es muy sensible al contexto. Esta dependencia no se considera
problemtica para la formulacin seleccionista estndar, pero si se aceptan ciertas consecuencias (para las que hay buena evidencia experimental) de esta dependencia del contexto, entonces se genera un problema
importante para dicha estrategia explicativa seleccionista. Si se considera un gene como principal, modificador o reforzador, dependiendo
del contexto gentico en el que el gene ocurre, ya no es posible simplemente postular que esos reforzadores y modificadores surgen al azar.
Algo ms se tiene que decir respecto a la naturaleza del azar, y en particular a cmo cuestiones de diseo y probabilidad se relacionan a travs de la referencia a un "contexto gentico". La importancia del segundo concepto de adaptacin radica en reconocer el origen de los
caracteres en una explicacin evolucionista. Lo que me interesa destacar es que si se reconoce la importancia del segundo concepto de adaptacin (para explicar por ejemplo los cambios en la distribucin de organismos), el concepto de estructura heurstica desempea un papel
epistemolgico central, ya que adaptacin, en este segundo sentido,
puede modelarse como una estructura heurstica. U na variacin ser
ms o menos exitosa segn el medio en que viva un organismo. Las diferentes adaptaciones se refuerzan mutuamente, y sus sesgos sistemticos se pueden modelar como una estructura heurstica. 15
15

Para una elaboracin

ms profunda

de esta idea, vanse Wimsatt y Martnez.

52

SER(;O F. MARTNEZ

HEURSTICA EN LA ECONOMA Y EN LA INTELIGENCIA ARTIFICIAL:

EL CONCEPTO DE SATISFACCIN

En la economa la idea de maximizacin o minimizacin, entendida

como una tendencia de todas las unidades del sistema a dirigirse hacia
una posicin ptima, de equilibrio, ha sido uno de los principios
metodolgicos bsicos de la ciencia econmica. Esta estrategia explicativa es, por supuesto, una versin de aquella asociada con principios
de accin mnima. Herbert Simon sugiere, en trabajos que empieza
a publicar a principios de los aos cincuenta, que la fuerza motriz de
la economa no es un principio de maximizacin sino un principio de
satisfaccin. De acuerdo con el primero de ellos, un agente tiene xito
si encuentra una solucin correcta al problema que le interesa, mientras que en el segundo principio el agente tiene xito si encuentra una
solucin "suficientemente buena". Tomar como gua el principio de
maximizacin requiere que, por lo menos en principio, se asuma que
el agente puede recorrer todas las opciones posibles para elegir la
mejor. El principio de satisfaccin slo requiere que se examinen algunas de las opciones posibles hasta encontrar una satisfactoria.
Simon relaciona esta diferencia entre los dos principios con dos
conceptos de racionalidad implcitos en la ciencia econmica: asocia
el principio de maximizacin con una "racionalidad sustantiva", y el
principio de satisfaccin con una racionalidad procedimental. La diferencia es que mientras que el primer tipo de racionalidad no requiere consideraciones psicolgicas, ya que toda organizacin o agente
tienden a su comportamiento ptimo, independientemente
de cualquier consideracin con textual o histrica, el segundo tipo de racionalidad toma en cuenta la psicologa y diversos aspectos de la organizacin social para explicar cmo la competencia imperfecta se
relaciona con criterios de satisfaccin. As, en este caso el comportamiento ptimo de un agente depende del comportamiento ptimo de
los otros. El modelo satisfaccionista de Simon abre la puerta a un concepto de racionalidad que no identifica una decisin racional con una
decisin ptima, y permite formular esa distincin a partir de la manera
como la organizacin social determina a los diferentes actores con respecto a la formulacin de sus posibles elecciones y preferencias. 16
16 Por supuesto, la propuesta.satisfaccionista
de Simon se entiende como una ligera modificacin del patrn explicativo basado en un principio de maximizacin.
Aquel agente que sigue el principio de maximizacin sabe que si pudo llevar a cabo
la computacin adecuada, no pudo haberlo hecho mejor; mientras que el que se gua

EL C01\CEPTO DE HEURSTICA

53

Simon extiende el uso del concepto de satisfaccin al planteamiento de problemas en la inteligencia artificial desde finales de los aos cincuenta. En 1975, Simon y Newell reformulan el ideal satisfaccionista
en trminos de lo que ellos llaman el "principio de la accin inteligente", segn el cual toda accin adaptativa, y por lo tanto todo proceso
de razonamiento, puede representarse como un proceso de computacin de smbolos fIsicos. Estos smbolos son fsicos debido a que tienen
un sustrato fsico o biolgico. Una consecuencia importante es que diferentes sistemas de smbolos funcionalmente equivalentes pueden
emplear distintos sustratos. Segn Simon y N ewell, esto permite modelar procesos efectivos de razonamiento, procesos que, como Simon
los entiende, obedecen a una "lgica natural", y que se identifican con
las famosas "heursticas" de Polya. La idea es que en cada nivel de complejidad de una situacin que involucra comportamientos
es posible
identificar las diversas heursticas que han sido elaboradas para razonar en las diferentes situaciones. Una vez que hemos encontrado suficientes

reglas heursticas, stas pueden ser programadas en una computadora.

As, en su aplicacin a la inteligencia artificial queda claro que el
concepto de heurstica de Simon, si bien reconoce la importancia de
la manera en la que el razonamiento se corporaliza en agentes que son
parte de organizaciones, con recursos limitados, retiene todava demasiado de la vi~ja manera de entender la relacin entre los razonamientos concretos y los modelos abstractos de la racionalidad que
pueden servir de normas. El modelo de una racionalidad sustantiva
construida a partir de procedimientos algortmicos sigue desempeando el papel de ideal normativo para Simon. l, como muchos de
los cientficos que trabajan en inteligencia artificial hoy da, piensa
que esas teoras cientficas nos permiten explicar el comportamiento humano (o que permitirn hacerlo cuando estn desarrolladas), de
la misma manera que las teoras moleculares revelan el comportamiento de los gases. Simon piensa que esas teoras son explicativas,
a partir de la postulacin de entes tericos que a su vez se identifican
con estructuras simblicas esencialmente consistentes en patrones
cambiantes de neuronas o relaciones neuronales. Las heursticas de
Simon son adaptaciones en el sentido puramente funcional de adaptacin, y por lo tanto asumen implcitamente
muchos supuestos
por el principio de satis;lCcin minimiza (ahorra) esfuerzo y tiempo. Pero en el momento de reconocer la tremenda importancia que debernos otorgar a las diferencias
existentes entre los conceptos asociados de racionalidad, es posible mostrar que sta
es filosficamente importante.

54

SERGIO F. MARrNEZ

cuestionables con respecto a conceptos biolgicos, y por lo tanto a

cmo la biologa puede ayudarnos a elaborar una teora de la racionalidad descriptivamente adecuada y normativamente pertinente. El
enfoque de Simon asume tambin que los elementos distintivos del
comportamiento inteligente pueden separarse de la percepcin y de
la accin, en tanto que esas estructuras simblicas postuladas sobre las
que recae la explicacin constituyen una "interfase" de representaciones que justifica esa separacin y divisin de tareas explicativas. De
esta forma, el problema de la racionalidad se ve nada ms como un
tema que puede enfocarse slo a partir de una teora de la dinmica
y como estructura de esas estructuras simblicas que estn en la cabeza, separable de una teora de la accin y la percepcin.
Hay razones de peso para pensar que se debe replantear esta separacin tajante entre teoras de la accin y la percepcin, y teoras
del conocimiento. Elaborar estas razones requiere prestar atencin a
discusiones filosficas contemporneas de la ciencia. Por un lado, hay
ejemplos recientes de construccin de robots que muestran que el supuesto representacionista
de Simon no tiene por qu asumirse.
Mataric, por ejemplo, ha construido un robot que no contiene representaciones internas de la actividad que desarrolla, pero que es capaz
de moverse con destreza en un cuarto lleno de objetos. El robot de
Mataric se ha adaptado al laboratorio de forma que puede seguir
las paredes y evitar obstculos porque tiene una serie de "refl~jos"
muy simples, calibrados de manera que responden apropiadamente a la distribucin de objetos en el laboratorio.17 Pero el robot no sigue ningn "programa" que ponga a su disponibilidad una representacin de las paredes. El robot reconoce marcas en el terreno que se
identifican en trminos de correspondencias
entre sus propios movimientos y sus insumos "sensoriales". Sin embargo, la correspondencia no puede explicarse a partir del supuesto de que el robot tiene una
"representacin"
en trminos de los diferentes componentes de la
pared que son pertinentes para explicar su comportamiento
adaptado, sino a partir de la existencia de esos refl~jos que han sido calibrados a un ambiente determinado.
Hay otro tipo de razones muy diferentes que se pueden esgrimir para
rechazar aquel tipo de tesis representacionista fuerte que implica una
separacin tajante entre accin y conocimiento, como el que est impl17 Mataric, "Integration
bots", 1993, pp. 304-312.

01' representation

into sual-directed

behavior-baseel

ro-

EL COJ\CEPTO

55

DE IlElRSTIL\

cito en buena parte de la inteligencia artificial y la filosofa de la mente.

En la concepcin tradicional, la cognicin se entiende primariamente como una "arquitectura de smbolos" que se busca estudiar haciendo
abstraccin del medio ambiente y de la cultura en la cual la cognicin
tiene lugar. En particular, se piensa que el uso de aparatos v herramientas es parte de ese medio ambiente que es necesario abstraer para
llegar a entender realmente qu es la cognicin. Como dice Hutchins
en su libro Cogllition in the Wi/d, la cultura se ve simplemente como un
mero receptculo de ideas sobre el que operan los procesos cognitivos.
Este reduccionismo
de la cultura a una serie de contenidos
ideacionales es otra versin del reduccionismo cognitivo respaldada
por supuestos representacionistas,
y que defiende Simon. Se parte de
un agente cognitivo "simplificado" al que posteriormente
se intenta
agregar elementos culturales e histricos. Se asume, pues, de entrada,
que el tipo de aspectos cualitativos de la experiencia
que son
modellbles por medio de estructuras heursticas no es algo real, algo
que pueda servirnos de base para una teora del conocimiento, sino
algo "agregado" por el sujeto a lo nico que es real, lo "fsico". Como
dice Hutchins, este reduccionismo tiene un costo alto:
Cuando nos comprometemos
con la idea de que toda illteligencia est:l en la
frontera entre adentro \. afuera, uno cst,'l obligado a incorporar todo aquello que se requiere para producir los comportamientos
observados [oo.] Sin
embargo, cuando nos equiHlC<lmos cn dclimitar al sistcma, podcmos atribuir las propiedades correctas a un sistema equivocado, o lo quc es todava
peor, podemos inventar propiedadcs
y atribuirlas al sistema equivocado.
En estc juego dc atribucioncs ha habido una tendencia a poncr ms dc lo
que est: all. I K

Es muv importante reconocer ese apoyo mutuo que tiene lugar entre una cierta manera de entender la teora de la evolucin, teoras de
la cognicin, las tareas de la inteligencia artificial y supuestos acerca
de teoras de la racionalidad v la explicacin para ver la fuerza de las
crticas enunciadas anteriormente. No hay dudas de que el papel preeminente que la teora de la evolucin ha llegado a desempeiar en
proyectos de naturalizacin de una teora filosfica de la mente o de una
teora del conocimiento es un gran avance de la ciencia del siglo xx. Sin
embargo, es importante darse cuenta de que hoy da continuar con

IK

E. J-Iutchins,

(;ogllilioll

ill

Ihe l1'ild. 9Y:J. pp.

:\:,:,-:1:,6.

56

SERGIOF. MARTNEZ

esta idea requiere abandonar supuestos compartidos en varias disciplinas acerca de lo que son la adaptacin y el razonamiento heurstico.
CONCLUSIN

Mi tesis central es que la imposibilidad de caracterizar la estructura

epistmica de la ciencia como algortmica nos permite ver maneras
en las que las estructuras heursticas y los sistemas tecnolgicos pueden y deben incorporarse en una teora del conocimiento cientfico.
Esto requiere hacerle lugar en la historia de la ciencia y la filosofa a
una concepcin del conocimiento que de entrada no imponga fronteras artificiales entre una teora de la accin y una teora del conocimiento, y que en particular permita replantearse, de una manera
diferente a la que hasta ahora ha sido usual, el papel de la tecnologa
en la conformacin del conocimiento cientfico.
U na epistemologa naturalizada toma en serio lo que dice la ciencia para formular una teora del conocimiento, pero la "autoridad" de
la ciencia slo puede verse a contraluz de nuestra capacidad crtica
para identificar los prejuicios que tenemos que abandonar. Varios de
esos prejuicios tienen que ver con una revalorizacin de la importancia del razonamiento heurstico para la elaboracin de una teora del
conocimiento que sea algo ms que una caricatura til para un curso
introductorio sobre epistemologa.

BIBLIOGRAFA
Cartwright, Nancy, "Quantum technology: Where to look for the quantum
measurement problem", Fellows R. Philosophy and Technology, Cambridge,
Cambridge University Press, 1995.
Dennett, Daniel, Darwin's Dangerous Idea, Basic Books, 1995.
Geroch, Robert, y V. Hartle, "Computability and physical theories", Foundations of Physics, vol. 16, nm. 6, 1986.
Hutchins, Edwin, Cognition in the Wild, Cambridge, MIT Press, 1995.
Martnez, Sergio, "La autonoma de las tradiciones experimentales
como
problema epistemolgico",
en Crtica, nm. 80, agosto de 1995.
--,
"Una respuesta al desafio Campbell...", Sergio Martnez y Len Oliv,
Epistemologa evolucionista, Mxico, Paids-uNAM, 1997.
--y
Barahona, "Sobre la relacin entre historia y causalidad en biologa",
1998.

EL CONCEITO

DE HEURSTICA

57

---y Surez, Crtica, nm. SO, 1995, pp. 3-4S.

Mataric, "Integration ofrepresentation
into sual-directed behavior-basee1 robots", IED,' Trans. On Robotics andAutomation, nm. S, fase. 3,1993, pp. 304312.
Putnam, Hilary, "Review of shadows of the mind", The NeU! York Times Book
Review, 20 de noviembre de 1994, p. l.
Wimsatt, W., "Reductionist research strategies and their biases in the unifs of
selection controversy", Sentific Discovery, vol. 2, Dordrecht, Reide1, 1980.