Está en la página 1de 95

Gregory Chaitin

Demostrando a Darwin
La biologa en clave matemtica

1
2
Al igual que, siglos atrs, la fsica realiz grandes avances gracias a que cientficos
como Galileo, Kepler o Newton se atrevieron a buscar las estructuras matemticas
que subyacen a la realidad, en Demostrado a Darwin, el autor aspira a descubrir
las estructuras algortmicas de la biologa.
De este modo, Gregory Chaitin nos introduce en la metabiologa, una disciplina
relativamente nueva en la que las matemticas se convierten en un valioso aliado
de la biologa. Chaitin recurre a los primeros tericos de la computacin, como
John von Neumann, Alan Turing o Kurt Gdel cuyos trabajos dieron pie, a
mediados del siglo XX, a la nocin de software y a la creacin de los primeros
ordenadores, y presenta un modelo matemtico que demuestra uno de los
postulados fundamentales de la teora darwinista de la evolucin: la seleccin
natural de las especies a travs de las mutaciones azarosas. Al equiparar el ADN
con un software natural, Chaitin no slo inaugura un debate cientfico fascinante,
sino que nos obliga a mirar de modo muy novedoso tanto la biologa como las
matemticas.

3
4
indice

Demostrando a Darwin
Resolver problemas y teorizar sobre ellos Gian-Carlo Rota[1]
Prlogo
1. Introduccin
2. La vida como software en evolucin
3. El descubrimiento humano del software
4. Las matemticas de la metabiologa
5. Una teora matemtica de la evolucin y la creatividad biolgica
6. Aspectos teolgicos de la metabiologa
7. La poltica de la creatividad
8 Qu pueden conseguir en ltima instancia las matemticas?
Anexo 1. El artculo de Von Neumann que establece la igualdad ADN = software
Anexo 2. La esencia de la demostracin
Bibliografa complementaria
Autor
Notas

5
6
Dedicado a John von Neumann (1903-1957),
matemtico excepcional

7
8
Una parbola

Un joven estudiante rabnico acudi una vez a or tres


conferencias de un rabino de renombre. Despus cont lo
siguiente a sus amistades: La primera charla fue brillante:
clara y simple. Entend cada palabra. La segunda fue an
mejor: profunda y sutil. No entend mucho, pero el rabino
lo entendi todo. La tercera fue con gran diferencia la ms
excelsa: una experiencia fabulosa e inolvidable. No
entend nada y tampoco el rabino entendi gran cosa.

Niels Bohr, extrado de Niels Bohrs Times, de Abraham


Pais

9
10
Citas contradictorias?
La posibilidad de que las formas de vida ms complejas
surgieran de este modo [por evolucin darwiniana] es
comparable a la probabilidad de que un tornado pasara
por un desguace y ensamblara un Boeing 747 con los
materiales que all hubiera.

Fred Hoyle, El universo inteligente, 1983.

En mi opinin, si la teora de Darwin es tan simple,


fundamental y bsica como creen sus adeptos, entonces
tendra que existir una teora matemtica sobre ello
igualmente fundamental y que expresara estas ideas con
la generalidad, la precisin y el grado de abstraccin
que acostumbramos exigirle a las matemticas puras.

Gregory Chaitin, Speculations on Biology, Information


and Complexity, EATCS Bulletin, febrero de 2007.

Las matemticas son capaces de tratar con xito


nicamente las situaciones ms simples o, por decirlo
con ms precisin, sirven para tratar las situaciones
complejas tan slo cuando una rara buena fortuna hace
que esa situacin compleja dependa de unos pocos
factores dominantes simples. Fuera de la senda bien
trazada, las matemticas se pierden en una jungla de
funciones especiales sin nombre y de particularidades
combinatorias impenetrables. De modo que la tcnica
matemtica slo puede llegar lejos si parte de un punto
cercano a los elementos esenciales de un problema que
posea tales elementos esenciales. Una forma de
conocimiento que se oponga a la idea nica y fija, es
decir, la capacidad de manejar al mismo tiempo muchos
hilos, de derivar un razonamiento a partir de muchas
fuentes dispares, es bastante ajena a las matemticas.

Jacob T. Schwart, The Pernicious Influence of


Mathematics on Science (1960), en Discrete Thoughts:

11
Essays on Mathematics, Science, and Philosophy, edicin de
Mark Kac, Gian-Carlo Rota y Jacob T. Schwartz, 1992.

12
Resolver problemas y teorizar sobre ellos
Gian-Carlo Rota[1]

Los matemticos se pueden dividir en dos clases: los que resuelven problemas y
los que teorizan sobre ellos. La mayora de los matemticos es una mezcla de
ambos tipos.
Para quienes resuelven problemas, el mayor logro matemtico consiste en
solucionar un problema que se haya dado por imposible. Poco importa si se trata
de una solucin chapucera; lo nico que cuenta es que pueda ser la primera y que
la demostracin sea correcta. Cuando el resolvente de problemas da con la
solucin, pierde para siempre el inters por ella y oir otras demostraciones nuevas
y ms simples con aires de condescendencia teidos de aburrimiento.
Quien se dedica a resolver problemas es, en el fondo, un conservador. Para l las
matemticas consisten en una sucesin de retos a los que enfrentarse, una carrera
de obstculos consistentes en problemas. Los conceptos matemticos necesarios
para formular problemas matemticos se aceptan tcitamente como eternos e
inmutables.
La exposicin matemtica se considera una tarea inferior. Las teoras nuevas se
reciben con grandes recelos, como intrusos que deben demostrar su vala
planteando problemas provocadores antes de merecer atencin. Al resolvente de
problemas le molestan las generalizaciones, en especial aquellas cuyo triunfo
pudiera trivializar la solucin de uno de sus problemas.
Quienes resuelven problemas son un modelo que anhelan imitar los jvenes
matemticos en ciernes. Cuando exponemos ante el pblico las conquistas de las
matemticas, nuestros flamantes hroes son los que resuelven problemas.
Para el terico, el logro supremo de las matemticas estriba en una teora que de
repente arroje luz sobre algunos fenmenos incomprensibles. El triunfo de las
matemticas no consiste en resolver problemas, sino en trivializarlos. El instante de
gloria llega con el descubrimiento de una teora nueva que, sin resolver ninguno de
los viejos problemas, los convierta en irrelevantes.
El terico es, en el fondo, un revolucionario. Los conceptos matemticos heredados
del pasado se contemplan como ejemplos imperfectos de otros ms generales pero
an por descubrir. La exposicin matemtica se considera un cometido ms difcil
que la investigacin matemtica.

13
Para el terico, las nicas matemticas que sobrevivirn son las definiciones. Las
grandes definiciones constituyen la aportacin de las matemticas al mundo. Los
teoremas se toleran como un mal necesario porque desempean un papel de apoyo
(o ms bien, tal como admitira a regaadientes un terico, un papel esencial) para
comprender las definiciones.
Es habitual que a los tericos les cueste conseguir el reconocimiento de la
comunidad matemtica. Su consuelo reside en la certeza, confirmada o no por la
historia, de que sus teoras perdurarn mucho tiempo despus de que los
problemas del da hayan cado en el olvido.
Si fuera ingeniero espacial y buscara un matemtico para enviar un cohete al
espacio, elegira un resolvente de problemas. Pero si buscara un matemtico para
darle una buena formacin a un hijo, optara sin dudarlo por un terico.

14
Prlogo

Este libro pretende desvelar la estructura matemtica que subyace en lo ms hondo


de la biologa para mostrar las ocultas entraas matemticas de la vida. Esta
disciplina nueva, que yo llamo metabiologa, slo tiene tres aos. Queda mucho
por hacer. Por ejemplo, saber qu relevancia tendr este trabajo terico para la
biologa real. Sin embargo, creo que ha llegado el momento de presentar al mundo
esta nueva forma de pensar la biologa.
La creacin de la metabiologa vino provocada por la fascinante polmica que
despert el libro The Devils Delusion (El delirio del diablo), en el que mi amigo David
Berlinski presenta una crtica mordaz del darwinismo y una comparacin
demoledora de la teora biolgica con la fsica terica. El presente libro es mi
respuesta a David; mi tentativa para encontrar un remedio.
Demostrando a Darwin es en realidad el curso Metabiologa: la vida como un
software en evolucin que impart entre abril y junio de 2011 en la Universidad
Federal de Ro de Janeiro, dentro del magnfico programa de epistemologa e
historia de la ciencia y la tecnologa que dirige mi amigo matemtico-poeta Ricardo
Kubrusly. No es un curso de matemticas, sino ms bien un recorrido por la
filosofa e historia de las ideas sobre cmo y por qu abordar la biologa desde una
perspectiva matemtica.
Espero que disfrute leyendo este libro tanto como he disfrutado yo impartiendo
aquellas clases. El curso me hizo reparar en muchas cuestiones y al final todo
encaj en su lugar.
Esta investigacin est recibiendo financiacin en Brasil por parte del director de
COPPE/UFRJ, el profesor Luiz Pinguelli Rosa, y por parte del Programa de
Profesores Visitantes Extranjeros de la CAPES de Brasilia.
Quisiera manifestar mi agradecimiento a la Universidad de Buenos Aires y al
Instituto de Sistemas Complejos de Valparaso, el cual visit con frecuencia y
donde pronunci conferencias sobre estas ideas nuevas, lo que me sirvi de gran
ayuda. Muchas otras instituciones tambin me han invitado a hablar sobre
metabiologa: me siento especialmente en deuda con el profesor Ilias Kotsireas por
organizar una serie de conferencias tituladas Chaitin en Ontario; con la
Universidad de Haifa por nombrarme Conferenciante Distinguido del Instituto
Rothschild de Cesarea, y con Jim Crutchfield y Jon Machta por invitarme a un
encuentro en el Instituto de Santa Fe que supuso algo as como el debut oficial de

15
la metabiologa. La conferencia que impart en Santa Fe constituye el captulo 5 de
Demostrando a Darwin.
Asimismo agradezco a Ana Bazzan y a Silvio Dahmen que me invitaran a visitar la
Universidad Federal de Rio Grande do Sul, donde impart tres charlas sobre
metabiologa mientras trabajaba en este libro, lo cual me result muy estimulante.
Es ms, la metabiologa, la cual defino como una materia paralela a la biologa que
hace referencia a la evolucin aleatoria del software artificial (programas
informticos) en lugar del software natural (ADN), nunca habra visto la luz sin mi
esposa, Virginia Maria Fontes Gonalves Chaitin. En gran medida es fruto de un
esfuerzo conjunto; como un hijo en comn de tres aos de edad. La especialidad de
Virginia es la filosofa.
Sin embargo, este libro est dedicado a John von Neumann, algo un tanto
inesperado. Mientras confeccionaba la obra empec a sentir cada vez con ms
intensidad que lo tena junto a mi hombro. En breve el lector ver por qu.
Von Neumann era hngaro, pero algunas personas pensaban que en realidad era
un extraterrestre que simulaba ser humano, alguien tan astuto que haba estudiado
a los humanos con suma atencin y era capaz de imitarlos bastante bien!
Las preciosas ilustraciones que abren cada captulo proceden en su totalidad de la
obra Kunstformen der Natur (Formas artsticas de la naturaleza) de Ernst Haeckel, y
revelan la exuberante creatividad de la naturaleza, para cuya explicacin este libro
intenta ofrecer una va. En lo ms hondo, visto desde una distancia enorme, no es
ms que un corolario del famoso teorema de incompletitud de Kurt Gdel; se trata
de un aspecto positivo de lo que quiz parezca un teorema extremadamente
negativo.
La creatividad biolgica y la creatividad matemtica no son tan distintas. Lea este
libro y descubra por qu!

16
Universidad Federal de Rio Grande do Sul, Porto Alegre, Brasil,
29 de abril de 2011.

1
Introduccin
Idea general de Demostrando a Darwin

Al igual que a muchos matemticos puros, me encanta dar charlas de pizarra:


charlas improvisadas recurriendo a una pizarra de tiza o rotulador y utilizando el
mnimo de instrumentos tecnolgicos. Otra de mis estrategias consiste en llenar la
pizarra con lo que pretendo decir justo antes de comenzar la conferencia, mientras
la gente an est entrando, de forma que acceda a todas las ideas esenciales con un
solo golpe de vista. Sin embargo, con grandes auditorios es necesario un proyector,
o nadie vera nada.
En la pgina contigua aparezco presentando este libro a grandes rasgos ante un
pblico amplio en la Universidad Federal de Rio Grande do Sul, en el sur de Brasil.
Las cuatro diapositivas que prepar figuran en las pginas 25 y 27. Resumen los
captulos 2, 3 y 4, donde perfilo mi estrategia para matematizar la biologa. Vuelva
a mirar las diapositivas cuando termine de leer esos captulos. Cobrarn ms
sentido.
Ha odo usted a alguien referirse al ADN como un programa informtico? Pues
bien, en eso consiste toda la idea: en convertir esa metfora en una teora
matemtica de la evolucin. De hecho, resulta que las herramientas matemticas
para lograrlo ya existan en la dcada de 1970. Concretando an ms, trataremos la
evolucin como un paseo aleatorio por el espacio del software. Los paseos aleatorios
son una idea con la que los matemticos se sienten cmodos, aunque el espacio en
el que nos vamos a mover aleatoriamente sea en este caso mayor de lo habitual.
Yo llamo metabiologa a esta nueva disciplina que propongo porque constituye
una versin muy simplificada de la biologa real (de otro modo, no conseguira
demostrar ninguno de los teoremas). Dichos teoremas se presentan en el captulo 5,
que es el clmax del libro, y que se corresponde con una charla que impart en el
Instituto de Santa Fe. Los captulos 6, 7 y 8 versan sobre el significado ms amplio
de la metabiologa: teolgico, poltico y epistemolgico. Y, a continuacin, aado
dos anexos.
En el primero de ellos, el lector podr leer el apartado crucial sobre autmatas
autorreplicantes del clarividente artculo de John von Neumann titulado ADN =
Software, que influy en Sydney Brenner, quien a su vez repercuti en Francis
Crick (un hecho extraordinario que descubr mientras trabajaba en este libro). El

17
segundo anexo aporta algunos detalles matemticos adicionales que tal vez
interesen a los expertos.
Por ltimo, incluyo una pequea lista de otras lecturas recomendadas: varios libros
y unos pocos artculos especializados relevantes si de verdad quiere usted
entender la metabiologa. Se trata de libros y artculos que me ayudaron
enormemente a encontrar una estrategia para matematizar la biologa, adems de
unos cuantos ttulos relacionados que aad por darme el gusto. Disfrtelos!

LA VIDA COMO SOFTWARE EN EVOLUCIN

Software artificial digital


*Lenguajes de programacin informtica, 50-60 aos de antigedad
Software natural digital
*ADN, 3-4 109 aos de antigedad
ADN = lenguaje de programacin universal
*Vida = software en evolucin
*Biologa = arqueologa de software (evo-devo!)
*Origen de la vida = origen del software
*Creatividad biolgica = creatividad matemtica
*Incompletitud de Gdel Evolucin infinita

EL DESCUBRIMIENTO DEL SOFTWARE POR LOS HUMANOS

Historia de la biologa molecular


* Schrdinger, Qu es la vida?[2]
*Descubrimiento del software: Turing / Von Neumann, 1936/1951
* Alan Turing John von Neumann Sydney Brenner Francis Crick
Historia de la metabiologa
*Definicin de la vida como algo que evoluciona (John Maynard Smith,
1986)
*Demostracin matemtica de la existencia de algo que cumple la definicin
(2010)
Usa matemticas posmodernas (posgdelianas)
*Teora algortmica de la informacin, teora de la computabilidad, teora de la
complejidad, ciencias de la computacin

18
LAS MATEMTICAS DE LA METABIOLOGA (1.a PARTE)

Nuestro modelo simplificado de la evolucin


* Un organismo de software de mutacin nica calcula un nico entero y se
detiene
* Idoneidad de un organismo = el entero que calcula
* Requiere creatividad = N N + N N N NN N veces, etctera

* Evolucin = escalada mediante paseo aleatorio en el espacio del software


(capacidad adaptativa creciente)
* Intenta la mutacin algortmica de K bits, M, a partir de A hacia A = M(A)
con una probabilidad 2-k
* La mutacin M slo funciona si A = M(A) est mejor adaptado que el
organismo A original.
* Se necesita un orculo que elimine mutaciones que no den lugar a ningn
A, o que conduzcan a un A que no se detenga.
* La distancia mutacional entre A y B = log2 (probabilidad de ir de A a B con
una nica mutacin)
* = tamao en bits del programa ms pequeo M que d B = M(A)

LAS MATEMTICAS DE LA METABIOLOGA (2.a PARTE)

* Para medir la velocidad/ritmo de creatividad biolgica usamos


BB(N) = funcin del castor hacendoso de N
*= la mayor capacidad adaptativa de cualquier programa con un nmero de
bits N
* Calcular BB(N) requiere N bits de inspiracin
* BB(N) crece ms deprisa que cualquier funcin computable
Distintos regmenes evolutivos
*La bsqueda exhaustiva alcanza la capacidad adaptativa BB(N) en un
tiempo 2 N
*El diseo inteligente alcanza la capacidad adaptativa BB(N) en un tiempo
N.

19
*La evolucin aleatoria alcanza la capacidad adaptativa BB(N) en algn
instante intermedio entre N2 y N3.
Nota: si los organismos se perfeccionan mecnicamente, de manera algortmica, es
decir, si la secuencia A, A, A es computable, entonces la capacidad adaptativa
slo puede aumentar como una funcin computable

20
21
2
La vida como software en evolucin
La evolucin como software mutante
Mire por la ventana cualquier da de verano. Qu ve? Matorrales, rboles, flores,
pjaros, insectos una variedad formidable de seres vivos. La diversidad y la
riqueza de la naturaleza son bastante abrumadoras Puede explicarse toda esta
exuberancia de creatividad con la teora de la evolucin de Darwin? Los bilogos
estn convencidos de que s. Pero si comparamos el concepto de teora en biologa
con el que impera en fsica, y contemplamos la biologa como matemticos, las
cosas no resultan tan convincentes. Hay indicios empricos favorables a la teora de
Darwin, pero no existe ninguna demostracin matemtica.
Recordemos aquella comida en el Instituto de Estudios Avanzados en la que un
joven astrofsico describi con orgullo a Kurt Gdel su ltimo descubrimiento y
recibi como respuesta: No creo en la ciencia emprica; slo creo en verdades a
priori!. Bueno, Gdel tena cierta razn. Si la teora de Darwin es tan fundamental
como creen los bilogos, entonces tiene que haber una teora matemtica de la
evolucin, general y abstracta, que capte la esencia de la teora de Darwin y que la
desarrolle en el plano matemtico.
Y esto es lo que nos proponemos lograr aqu. Recuerdan las obras Harmonices
mundi, de Kepler, Philosophiae naturalis principia mathematica, de Newton, y
Exposition du systme du monde, de Laplace, las cuales revelaron por primera vez la
estructura matemtica que subyace al mundo fsico? (tengo la fortuna de disponer
de un ejemplar de doscientos aos de antigedad del libro de Laplace). Cmo
hacer eso mismo con la biologa, una ciencia tan diferente de la fsica?
Desde luego, no utilizando las ecuaciones diferenciales de la fsica terica! Para
desarrollar una fsica terica para la biologa, una teora matemtica fundamental
para la biologa, debemos usar una clase distinta de matemticas. Las ecuaciones
diferenciales no nos servirn en absoluto.
Sobre qu trata la biologa en realidad? Trata sobre informacin. Hasta la fsica
terica y hasta la mecnica cuntica empiezan a versar ya sobre informacin:
qubits. Pero la biologa se ocupa de una clase distinta de informacin: informacin
algortmica. Cuando se afirma que el ADN es como un programa informtico,
cuando la biologa evolutiva del desarrollo (llamada evo-devo) describe el
programa que sigue el ADN para desarrollar un embrin, se habla de informacin
algortmica. Y ste es el tipo de informacin que tenemos que introducir en una
variedad nueva de fsica terica, una aplicable a los sistemas biolgicos, a los seres
vivos.

22
Incluso despus de Kepler, Newton y Laplace, algunas personas opinaban que la
biologa era distinta, que los seres vivos tenan una chispa divina. Pues bien, segn
Darwin, no tenemos ninguna chispa divina. De hecho, el mundo entero es divino,
creativo. La vida aparece por s sola por casualidad, no como resultado de un
diseo. En este libro proponemos una teora matemtica para esto, lo que yo llamo
metabiologa.
La distancia entre la metabiologa y la biologa real es mayor que la que media
entre la fsica terica, con su uso de ecuaciones diferenciales, y la fsica, porque la
estructura matemtica de la biologa es ms difcil de ver. En principio, la biologa
es demasiado complicada y presenta demasiadas excepciones para que exista una
biologa terica profundamente matemtica similar a la fsica terica, mientras que
el mundo fsico consiste, por as decirlo, directamente en matemticas.
La metabiologa trata sobre software; la informacin gentica, es decir, el ADN, es
justo eso. chele una buena ojeada al precioso libro que escribi Neil Shubin sobre
biologa evolutiva del desarrollo: Your Inner Fish (Tu pez interior). El cuerpo humano
est lleno de software, un software antiqusimo. Tenemos subrutinas procedentes de
las esponjas, de los anfibios, de los peces. Existe una fase durante el periodo de
gestacin en la que el embrin humano tiene agallas! Cada clula porta una copia
ntegra de este software de ADN y, de hecho, contiene toda la historia del
organismo porque la evolucin realiza variaciones mnimas, intenta cambiar lo
menos posible, igual que les sucede a los grandes proyectos de software humanos.
No puedes volver a empezar de cero, tienes que arreglrtelas lo mejor que puedas
con lo que tienes. Tal como afirm Jacques Monod, la naturaleza es un bricoleur, un
manitas, un mecnico. Te apaas con cosas viejas, las recompones, las adaptas para
reutilizarlas.
De hecho, es como si fuera arqueologa. Eso es en realidad la biologa, una especie
de arqueologa de software! De modo que existe el software artificial, los programas
informticos, y existe el software natural, el ADN. La naturaleza invent el software
antes que nosotros, mucho antes. Y el origen de la vida se corresponde en realidad
con el origen del software, el origen del ADN, un lenguaje de programacin
universal presente en cada clula. Un poderoso lenguaje de programacin, uno que
presuntamente es capaz de expresar cualquier algoritmo posible, cualquier
conjunto de instrucciones para confeccionar y poner en marcha un organismo. Es
un lenguaje de programacin que estamos empezando a entender, un lenguaje de
programacin muy complejo, uno que ha ido creciendo por acumulacin a lo largo
de milenios, como esos templos hindes excavados en la roca maciza con dioses
encima de otros dioses encima de otros dioses Como botellas de vino empleadas
durante muchos aos como palmatorias sin que nadie haya ido retirando de ellas
la cera derretida

23
Nuestro software artificial o nuestros lenguajes de programacin son mucho ms
simples que el ADN, y sabemos cmo funcionan porque los hemos diseado
nosotros y slo datan de hace un siglo, no de hace miles de millones de aos. As
que, en lugar de estudiar el software natural surgido de una evolucin aleatoria, el
ADN, desarrollaremos una teora paralela, una teora de un software artificial de
evolucin aleatoria, de programas informticos de evolucin aleatoria. sta es la
cuestin que aborda la metabiologa. Algo mucho ms simple que la evolucin
real, con suerte lo bastante simple para permitimos demostrar teoremas sobre ella.
Con suerte, lo bastante simple para que nos permita entender qu est pasando
exactamente, cmo funciona exactamente.
De hecho, la nocin de que el mundo est hecho de matemticas no empieza con
Kepler, Newton y Laplace, empieza con Pitgoras. Y la metabiologa es una especie
de biologa pitagrica. Los griegos de la Antigedad partieron de un mundo, de
una mitologa, donde todo est vivo: los caprichosos dioses, el Sol, el viento, los
ros, los rboles Ms tarde, los griegos se pasaron al logos, a la creencia de que el
universo est gobernado por leyes.
Para Pitgoras, no slo las leyes de la naturaleza son matemticas, sino que
tambin es matemtica la ontologa fundamental del mundo, el mundo est hecho
de matemticas. La fsica terica moderna sigue a Pitgoras. Para Platn, el mundo
de las ideas (matemticas) es ms real que el mundo real. El mundo de las ideas es
esttico, eterno, perfecto; el mundo real, el mundo aparente, es efmero. Pero la
vida es plstica, creativa! Cmo se puede crear a partir de unas matemticas
estticas, eternas, perfectas?
La misma tensin contina durante la Ilustracin, que precedi a la Revolucin
francesa, la cual rechazaba la religin tanto como rechazaba la monarqua.
Negando que la vida est dotada de una chispa divina, La Mettrie escribi su
conocido opsculo El hombre mquina en 1748. La Mettrie fue un cirujano que abri
cuerpos humanos para ver cmo funcionaban: una mquina extremadamente
compleja, pero nada ms que una mquina.
Nosotros hemos llegado un poco ms lejos que La Mettrie. Ahora lo sabemos todo
sobre computadoras y sobre la diferencia entre hardware y software. S, los seres
humanos somos mquinas pero, si queremos descifrar la evolucin, debemos
concentrarnos en el software, que es lo que evoluciona y altera el hardware. El
software es ms importante que el hardware. As que de eso trata este libro: de
lhomme software, no de lhomme machine.
En las pelculas francesas de Marcel Pagnol de la dcada de 1930, el cura y el
maestro del pueblo eran muy buenos amigos aunque uno fuera creyente y el otro
ateo. Siempre bromeaban el uno con el otro sobre ello. Y la misma tensin contina

24
en Estados Unidos en la actualidad en los enfrentamientos polticos entre
creacionistas y bilogos ms convencionales.
Incluso ahora, los bilogos convencionales se sorprenden de que la vida unicelular
carente de ncleo apareciera en la Tierra en tan slo 200 millones de aos, cuando
las clulas con ncleo tardaron 2000 millones de aos en desarrollarse, y sospechan
que la vida en la Tierra o bien se sembr por accidente, lo que se denomina
panspermia, o bien se plant deliberadamente, la llamada panspermia dirigida. En
concreto, esto lo encontramos en la obra La vida misma, de Francis Crick, en El
universo inteligente de Fred Hoyle, y en Supercooperators (Supercooperadores), de
Martin Nowak, as que es indudable que no se trata de una concepcin
extremadamente minoritaria. El clarividente libro de Hoyle llega incluso a
comparar la biologa con un programa informtico muy deteriorado que l
desarroll mediante aadidos sucesivos para simular supernovas, en gran medida
un tema crucial de la metabiologa y de la biologa evolutiva del desarrollo tal
como la explicaba Shubin en Your Inner Fish.
Vuelvo a repetir: la vida es plstica, creativa! Cmo construirla a partir de unas
matemticas estticas, eternas, perfectas? Usaremos unas matemticas
posmodernas, las matemticas que aparecieron despus de que Gdel, en 1931, y
Turing, en 1936, inauguraran las matemticas no cerradas; en realidad, las
matemticas de la creatividad.
Necesitamos unas matemticas abiertas, no reduccionistas, porque la creatividad
de la biosfera es una cuestin clave. La creatividad biolgica (la inventiva, la
riqueza y la diversidad biolgicas) se ha perdido en cierto modo en las
descripciones habituales de la evolucin. Pero no ocurra as en la obra de Ernst
Haeckel, el Darwin del mundo de habla alemana. Haeckel se enriqueci
presentando su propia versin de la teora de Darwin en el mundo germnico. Sus
libros se convirtieron en supervenas, y su inmensa casa es ahora un museo de
biologa. Una de las pruebas de la evolucin que aport Haeckel fue su afamada (o
infame) doctrina de que la ontognesis recapitula la filognesis, lo que significa que,
durante el desarrollo, el embrin reproduce de manera aproximada toda la historia
evolutiva de ese organismo, una idea que ahora ha retomado de manera ms
amplia y corregida la biologa evolutiva del desarrollo.
La fotografa de la pgina 37 la tom mi esposa, Virginia, en la casa que habit
Haeckel en Jena y que ahora es un museo. Ntese el rbol de la vida que aparece
en la fachada; en sus ramas estn inscritas las palabras ontogenie y phylogenie!

25
Quien se interese por la creatividad biolgica debera contemplar los dos libros de
Haeckel en ingls que incluyen magnficos dibujos de una variedad increble de
formas de vida: Art Forms from the Ocean y Art Forms in Nature (Kunstformen der
Natur), ambos publicados por Prestel en 2009 y 2010 con comentarios histricos
adicionales.
La vida maravillosa, de Stephen Gould, estudia la explosin cmbrica y una pltora
de asombrosos ensayos de formas corporales que la naturaleza prob durante un
breve periodo, una explosin de combinaciones que explor todas las
posibilidades simples; de hecho, todos los programas simples. Esto es lo que
Stephen Wolfram denomina minera del universo computacional y que consiste
en probar todos los programas simples posibles para llegar a algo, lo que l
aprovecha con frecuencia como una estrategia de diseo (vase su libro A New
Kind of Science [Una nueva clase de ciencia]).
De modo que la naturaleza es tremendamente creativa, tremendamente inventiva.
Consideremos un enfoque matemtico de la biologa muy usado, la gentica de
poblaciones, desarrollado por Fisher, Wright, Haldane, Hamilton, Maynard Smith,
Dawkins, Nowak y otros, una disciplina preciosa. Por desgracia, la gentica de
poblaciones define la evolucin como variaciones en la frecuencia de los genes
dentro de una poblacin debido a la competencia o a presiones selectivas

26
generadas por el entorno. El acervo gentico finito es fijo y, por tanto, no hay
creatividad. En cambio, la metabiologa trabaja con un espacio de posibilidades
muy rico, un espacio de software que nos brinda una va para hablar sobre el lugar
del que provienen los genes nuevos. En realidad, sta es la idea central de la
metabiologa. Pero la metabiologa no presta mucha atencin a las poblaciones, a la
competencia o al entorno. As que la gentica de poblaciones y la metabiologa se
complementan, se ocupan de cuestiones distintas.
Repitmoslo una vez ms: la vida es plstica, creativa! Cmo construirla a partir
de unas matemticas estticas, eternas, perfectas? He aqu la respuesta: la vida es
software creativo, plstico; la fsica es hardware rgido, mecnico!
La biosfera est repleta de software, cada clula est gobernada por software, un
software de entre 3 y 4 mil millones de aos de antigedad. Nuestro software
artificial slo existe desde hace unos cincuenta aos. Pero no pudimos reparar en que
el mundo natural est lleno de software, no pudimos notarlo, hasta que inventamos los
lenguajes de programacin informtica humanos. El mundo estaba lleno de software
incluso antes de que supiramos qu era eso! El software es la razn de la
plasticidad de la biosfera, las mquinas normales son rgidas, mecnicas, inertes.
El software est vivo!
Es ms, el origen de la vida es el origen del software, la aparicin espontnea de
entidades gobernadas por software (clulas), y del lenguaje del ADN para ese
software. Cada clula de nuestro cuerpo porta el ADN ntegro de todo un ser
humano completo, aunque cada tejido emplee tan slo una parte de ese software. Y
cada organismo viviente de la Tierra usa esencialmente el mismo lenguaje de
ADN: de momento no existe ningn indicio de que hubiera creaciones
independientes de la vida, distintos orgenes independientes de la vida.
El premio Nobel Sydney Brenner comparti despacho con Watson y Crick. La
mayora de los bilogos moleculares de su generacin reconocen que el libro de
Schrdinger titulado Qu es la vida? les sirvi de inspiracin. En su autobiografa
titulada Mi vida en la ciencia, Brenner valora la obra que Von Neumann dedic a los
autmatas autorreplicantes. El artculo cientfico que Von Neumann present en el
Simposio de Hixon, titulado The General and Logical Theory of Automata
(Teora general y lgica de los dispositivos automticos), y que inspir a Brenner,
contiene muchas ideas biolgicas esenciales, desarrolladas incluso antes de que
Watson y Crick descubrieran el ADN, lo que en opinin de Brenner constituy una
anticipacin matemtica realmente excepcional.
Hace muchos aos tuve el privilegio de coincidir con Brenner en un encuentro del
Instituto Tecnolgico de Massachusetts sobre fsica de la computacin organizado
por Rolf Landauer y Edward Fredkin. Brenner dio una conferencia fabulosa sobre

27
biologa molecular y se mostr interesado en ver cmo haba seguido
desarrollndose la teora de autmatas despus de Von Neumann.
Tal como descubr en mi poca de estudiante, cuando le el artculo Teora general
y lgica de los dispositivos automticos, fue el artculo de Turing de 1936 titulado
On Computable Numbers, with an Application to the Entscheidungsproblem
(Sobre nmeros computables con una aplicacin para el Entscheidungsproblem) lo
que cre la idea de las mquinas flexibles, las mquinas universales, la
computadora de propsito general, y la distincin entre el software y el hardware. Se
supone que el ADN es un lenguaje de programacin universal, un lenguaje lo
bastante eficaz para expresar cualquier algoritmo. Brenner atribuye a Von
Neumann la idea de que el ADN contiene el software necesario para confeccionar (y
hacer funcionar) el organismo, una idea muy aceptada en la actualidad debido a la
evo-devo, a la biologa evolutiva del desarrollo, la cual estudia cmo se desarrolla
la formacin del embrin.
Como ya he sealado con anterioridad, esto resulta muy evidente en el libro de
Shubin, el cual revela que conservamos subrutinas de esponjas, peces y anfibios.
Para entender algunas rarezas del cuerpo humano, algunos rasgos extraos de su
diseo, debemos compararlo con la manera en que se forman los peces. Para
convertir peces en mamferos se efectuaron cambios mnimos!
Retomemos ahora el interrogante que plante Erwin Schrdinger en 1944: Qu
es la vida?. En su libro de 1986 titulado Los problemas de la biologa, John Maynard
Smith (con quien coincid en un encuentro al norte del Crculo Polar rtico, en
Abisko, Suecia) dedica un captulo a esta cuestin. Las llamas tienen metabolismo:
toman material y expulsan material al tiempo que conservan su forma y hasta se
reproducen, pero no tienen herencia, ni mutaciones, ni evolucionan. Segn
Maynard Smith, la vida es lo que evoluciona, lo plstico, lo creativo.
Mi biologa pitagrica es una demostracin matemtica de que la vida existe. Es
decir, construyo formas de vida matemticas artificiales. Tengo un modelo mnimo
de biologa, un modelo simplificado, todos los conceptos y rasgos esenciales,
porque puedo demostrar que evoluciona siguiendo la teora darwiniana. En el
mundo pitagrico de las matemticas puras he encontrado una forma de vida que
evoluciona!
Mis organismos carecen de metabolismo, de cuerpo, tan slo poseen ADN; ningn
hardware, nicamente software. Yo estudio la evolucin del software mutante, en
realidad de un solo organismo mutante que me brinda un paseo aleatorio por el
espacio del software. El espacio de todos los programas informticos posibles es un
espacio lo bastante rico para servir de modelo a todos los diseos posibles de
organismo.

28
Es esto demasiado simple? No, si consigo que la vida evolucione! Los fsicos se
sienten muy cmodos con lo que ellos denominan, admirados, modelos
simplificados. Picasso dijo que el arte es una mentira que nos ayuda a ver la
verdad. De manera similar, las teoras son mentiras que nos ayudan a ver la
verdad. Pero los bilogos creen que todos los detalles cuentan, no diferencian entre
lo fundamental y lo secundario. No en vano dedicaron mucho esfuerzo a descubrir
tantas cosas. En cambio, tal como recalca Brenner en su autobiografa (y esto
aparece citado en la obra de James Gleick titulada La informacin), la energtica, el
metabolismo de los organismos vivos es irrelevante, lo nico que cuenta es la
informacin, lo nico que cuenta es dnde se obtienen las instrucciones para hacer
algo. La energa ya cuidar de s misma!
As que nuestro ADN es una pieza de software muy, muy antigua, tremendamente
reparada, ni impecable ni elegante ni bien diseada. Si pudiramos recomenzar de
cero y disear los mamferos, lo haramos mucho mejor. Pero no podemos empezar
de nuevo, y tampoco puede hacerlo el inmenso mundo del software artificial, de la
tecnologa del software que hemos creado los humanos y que slo tiene medio siglo
de antigedad, en lugar de miles de millones de aos.
En concreto, nosotros y los chimpancs tenemos casi los mismos genes para
codificar protenas. Pero gran parte del ADN empleado para controlar qu genes se
expresan es diferente. En otras palabras, las subrutinas de bajo nivel apenas
difieren porque mucha gente depende de ellas, se usan mucho. Pero el software ms
nuevo, el de nivel ms alto, vara con mucha ms facilidad.
En tan slo cincuenta aos, el entorno de programacin humano ha alcanzado un
nivel extremadamente elevado: interfaces grficas, maneras de extraer material de
internet. Hoy en da nadie querra empezar de cero para programar el hardware
desnudo en lenguaje ensamblador como hice yo en mis inicios para ganarme la
vida. Damos por hecho que nuestros lenguajes de programacin tienen un nivel
extremadamente elevado. No podemos volver a empezar. Las decisiones son
inamovibles en nuestra tecnologa actual, como el ineficiente teclado
mecanogrfico qwerty, diseado para evitar el bloqueo de las primeras
mquinas de escribir si se usaban demasiado deprisa, un problema inexistente en
los teclados modernos.
Del mismo modo que las matemticas de Von Neumann anticiparon
descubrimientos biolgicos logrados con posterioridad, para que las matemticas
sean elegantes, mi trabajo, la metabiologa, requiere mutaciones algortmicas, no
mutaciones puntuales, precisa mutaciones de alto nivel, no mutaciones de bajo
nivel. No est claro en qu medida se producen mutaciones algortmicas en la
biologa. As que, tal como me indic mi esposa, Virginia, la metabiologa plantea

29
cmo se producen los mecanismos mutacionales de alto nivel en los organismos
reales.
As concluye este captulo. A estas alturas usted debera haberse hecho una idea
bastante buena de nuestro concepto general de la vida como software en evolucin.
Hemos visto que la naturaleza descubri el software hace mucho tiempo. En el
prximo captulo estudiaremos con cierto detalle el descubrimiento bastante
reciente del software por parte de los humanos, el cual tiene una historia
asombrosa. Y en el captulo que le sigue explicar cmo abordar la idea de la vida
como software en evolucin y cmo convertirla en una teora matemtica que
permita demostrar cosas. Entonces estaremos preparados para el captulo 5, la
conferencia que di en el Instituto de Santa Fe, el clmax de este libro.
Advertencia: la metabiologa, en su forma actual, no puede tratar el pensamiento y
la conciencia, por muy fascinantes que stos sean.

30
31
3
El descubrimiento humano del software
Turing y Von Neumann como bilogos
En este captulo presentamos una historia revisionista del descubrimiento del
software y de los primeros das de la biologa molecular, contemplados desde la
ventajosa perspectiva de la metabiologa; el presente no para de reescribir el
pasado para justificarse a s mismo. Tal como seala Jorge Luis Borges, cada cual
crea a sus precursores!
Como ejemplo de este proceso de reinterpretacin de la historia, consideremos la
imagen que cre Voltaire de Newton como cientfico moderno y ateo con una
visin mecanicista del mundo. En el ensayo titulado Newton, the Man (Newton,
el hombre), John Maynard Keynes describe a Newton como el ltimo mago, el
ltimo de los babilonios y sumerios, en absoluto como el primer cientfico
moderno, y ms prximo al doctor Fausto que a Coprnico. Newton dedic buena
parte de su tiempo a la alquimia y la teologa en lugar de a las matemticas y la
fsica, y reuni una coleccin notable de libros de alquimia medievales. Mi amigo
Stephen Wolfram tiene libros de teologa de Newton y Leibniz (originales, no
copias) de trescientos aos de antigedad, colocados unos junto a otros en un
estante; los Principia de Newton son inasequibles, pero no hay tanta gente
interesada por la teologa.
De hecho, el pasado no slo se reescribe en ocasiones, sino que debe reescribirse
para que contine siendo comprensible para el presente. Con respecto al tema de
cmo debera escribirse la historia de la ciencia, vase la brillante Introduccin a la
historia de la ciencia, de Helge Kragh.
Reexaminemos ahora los inicios de la historia de la teora de la computacin y de
la biologa molecular a la luz de la metabiologa, y veamos qu hilos conducen a la
metabiologa, o deberan habernos llevado hasta ella si el progreso cientfico fuera
completamente racional.
Esta historia est llena de sorpresas, comienza con cuestiones relacionadas con la
filosofa y los fundamentos de las matemticas, e incluye la creacin de una
tecnologa de un billn de dlares que ya est a nuestra disposicin, y bien podra
ocurrir que esto se viera seguido pronto por la creacin de una segunda tecnologa
igualmente revolucionaria. Hasta existen conexiones con la magia medieval.
Le gustara saber ms? Siga leyendo!
Poca gente recuerda el trabajo de Turing sobre formacin de patrones en biologa
(morfognesis), pero su clebre artculo de 1936 titulado On Computable
Numbers (Sobre nmeros computables) ejerci una influencia indirecta enorme
en el nacimiento de la biologa molecular a travs del trabajo de John von
32
Neumann sobre autmatas autorreplicantes, el cual repercuti en Sydney Brenner,
quien a su vez incidi en Francis Crick, el Crick de Watson y Crick, los
descubridores de la estructura molecular del ADN. Es ms, la aplicacin que
efectu Von Neumann de las ideas de Turing a la biologa est bellamente
respaldada por el trabajo reciente en biologa evolutiva del desarrollo (evo-devo).
La idea crucial consiste en que el ADN es un software de varios miles de millones
de aos de antigedad, pero no reparamos en ello hasta la aparicin del artculo de
Turing en 1936, el cual, segn Von Neumann, establece las nociones del hardware y
el software informticos.
Ya hablamos sobre esta idea crucial en el captulo anterior, pero tal vez antes de
continuar deberamos resumir lo que vimos en l:

Hardware Fsica Inerte Rgido Cerrado Mecnico

Software Biologa Vivo Plstico Abierto Creativo

3-4 109 aos


Software natural ADN
de antigedad

Programas 50 aos
Software artificial
informticos de antigedad

Matemticas Matemticas continuas,


Para la fsica
newtonianas ecuaciones diferenciales

Matemticas Discretas, combinatorias,


Para la biologa
posmodernas algortmicas

Definicin de vida (John Maynard Smith,


Los problemas de la biologa, 1986)

Demostracin matemtica de la existencia de algo


que cumple la definicin (2010)

33
Recuerda el bourgeois gentilhomme de Molire, que descubri, asombrado, que
durante toda su vida haba estado hablando en prosa? Nosotros somos ese
gentilhombre. Nuestro cuerpo rebosa software, siempre lo ha hecho, pero antes de
que pudiramos reconocer el software natural del ADN como tal, tuvimos que
inventar el software artificial, los lenguajes humanos de programacin informtica.
El software nos rodeaba por todas partes, pero no pudimos verlo hasta que
inventamos un software nosotros mismos! Es ms, tal como revela la evo-devo, los
organismos portan su propia historia de acuerdo con Your Inner Fish, de Shubin, tu
esponja interior, tu anfibio interior La biologa no es ms que una clase rara de
arqueologa, arqueologa de software.
Y la finalidad de que los humanos hagan el amor consiste en integrar el software del
macho (en el esperma) con el software de la hembra (en el vulo). Por eso se
enamora la gente, por el afn de combinar sus subrutinas. As que, en cierto
sentido, Von Neumann descubri por qu se enamora la gente.
Es ms, el origen de la vida, que sigue constituyendo un profundo misterio, es el
origen del software, del software natural, no del artificial. Pero la ayuda est en
camino. La obra A New Kind of Science (Una nueva clase de ciencia) de Stephen
Wolfram se puede reinterpretar como un libro sobre el origen de la vida. Una de
las ideas clave de Stephen sostiene que es muy fcil conseguir que un sistema
simblico combinatorio se convierta en una mquina universal de Turing o en una
computadora de propsito general. Es muy sencillo construir una computadora a
partir de casi cualesquiera componentes matemticos discretos. A eso se refiere l,
creo yo, con la ubicuidad de la universalidad. Por tanto, desde un punto de vista
filosfico esto significa que el origen de la vida no es tan asombroso en general,
sino tal vez en la implementacin particular que se manifiesta aqu en la Tierra. En
cualquier caso, gracias, Stephen!
Pero basta de generalidades! Permtame que le cuente ahora con ms detalle cmo
invent la computadora Alan Turing (y simultneamente tambin Emil Post) para
facilitar el esclarecimiento de una cuestin relacionada con los fundamentos de las
matemticas: a la naturaleza, que fue la primera en inventar la computadora y el
hardware/software, le importan un comino los fundamentos de las matemticas, pero
s le importa la plasticidad.
Hablemos en primer lugar de un viejo sueo: el conocimiento fehaciente. O, tal
como lo expres el asombroso polmata Leibniz, el conocimiento mecnico, el
razonamiento tan fehaciente como la aritmtica, verdades tan obvias como 2 + 2 =
4. Se acabaron las disputas, deca Leibniz: Caballeros, pongmonos a calcular y
determinemos quin tiene la razn! Qu sueo tan hermoso!

34
Leibniz no trabaj mucho en el desarrollo de lo que hoy se denomina lgica
simblica o lgica matemtica, pero estableci el objetivo con una claridad y un
convencimiento extremos, y por esta razn se lo considera el padre o el abuelo de
la lgica moderna. Leibniz no pudo dedicar mucho tiempo a ningn tema
concreto; era omnvoro, le interesaba todo. Por ejemplo, tambin invent la
aritmtica binaria, y mquinas calculadoras capaces de multiplicar (la mquina
calculadora original de Pascal, la Pascalina, slo poda sumar y restar).
A lo largo de los aos, muchos lgicos trabajaron en el sueo de Leibniz para
conseguir un conocimiento fehaciente, un razonamiento mecnico: De Morgan,
Boole, Peano, Frege, Russell, Hilbert, Gdel, Turing, Post Pero no funcion,
result que no poda funcionar. En lugar del conocimiento fehaciente, mecnico,
Gdel descubri la incompletitud, y Turing descubri la incomputabilidad. Pero,
durante el proceso, Turing hall adems los lenguajes de programacin
completos/universales, el hardware, el software y las mquinas universales.
La versin perfeccionada del sueo de Leibniz que desarroll el matemtico
alemn David Hilbert fue todo un hito. Hilbert anhelaba una teora axiomtica
formal para todas las matemticas, una versin mecanizada de los Elementos de
Euclides que abarcara la totalidad de las matemticas, y no slo la geometra. El
punto clave era que sera posible comprobar mecnicamente si una demostracin
es o no correcta, si el razonamiento cumple o no todas las reglas. Para lograrlo
haba que inventar un meticuloso lenguaje artificial lo bastante poderoso para
expresar todos los razonamientos matemticos posibles, todas las demostraciones
matemticas posibles.
En 1931 Gdel evidenci que eso es un imposible: semejante lenguaje mecnico
universal para razonar jams podr descubrirse, jams nos permitir probar todas
las verdades matemticas. Esto es lo que se llama incompletitud. Pero entonces, en
1936, Turing demostr que en realidad s que hay lenguajes mecnicos completos o
universales para realizar clculos matemticos en lugar de expresar
demostraciones matemticas. Y todo lo dems es historia: haba nacido la
computadora moderna!
Cmo refut Gdel a Hilbert y Leibniz? Construyendo un aserto matemtico
aritmtico que afirma la imposibilidad de demostrarse a s mismo: Yo no soy
demostrable, lo cual nicamente es demostrable si y slo si es falso.
Turing sigui una tcnica distinta, menos taimada, ms profunda. Estudi lo que
las mquinas podran computar, y observ que la mayora de los nmeros reales
son incomputables y, por tanto, poseen valores numricos que no se pueden
determinar mediante una demostracin formal porque, si as fuera, podramos
repasar mecnicamente todas las demostraciones posibles para calcular de manera
sistemtica el valor de esos nmeros reales incomputables.

35
sta es en realidad mi versin favorita del resultado bsico de Turing. La manera
habitual de explicarlo es en trminos del famoso problema de la parada. Turing
demuestra que no existe ninguna manera sistemtica, ningn procedimiento
mecnico, ninguna teora axiomtica formal para decidir si un programa de
computacin autocontenido acabar detenindose o no. Podemos ponerlo en
marcha y efectuar clculos paso a paso, pero decidir si contina funcionando por
siempre o no es bastante imposible en el caso general.
As obtenemos lenguajes de programacin informtica, lenguajes universales, lo
bastante eficaces para escribir cualquier algoritmo. Pero perdemos la certidumbre,
perdemos el razonamiento mecnico. Ese sueo se desvanece para siempre.
Sin embargo, no hay que preocuparse! Segn Emil Post (menos conocido que
Gdel y Turing pero a su mismo nivel, puesto que tambin descubri las mquinas
de Turing y tambin con un teorema de incompletitud que permaneci aos sin
publicarse), el mtodo axiomtico y, en especial, la axiomtica formal de Hilbert,
no era ms que un terrible error, un confuso malentendido.
De acuerdo con Post, las matemticas no pueden brindar certidumbre porque no
son cerradas, mecnicas, sino que son creativas, plsticas, abiertas! Le suena de
algo? Hemos estado hablando de creatividad biolgica a lo largo de todo el
captulo anterior y ahora nos encontramos con algo similar tambin en el mbito
de las matemticas puras! As que las matemticas son creativas, no mecnicas, las
matemticas son biolgicas, no una mquina! Ya he comentado que la creatividad
matemtica y la biolgica no son tan distintas, y lo veremos con un grado mayor
de detalle an mayor en el siguiente captulo. El tema aparece especialmente bien
expresado en el ttulo de dos libros del filsofo Paul Feyerabend: Tratado contra el
mtodo y Adis a la razn. Feyerabend aboga por la creatividad y la imaginacin (en
una palabra, la anarqua) en la ciencia basadas en su lectura de la historia de la
ciencia y sin mencionar en ningn momento a Gdel o Turing. Pero, en mi opinin,
Tratado contra el mtodo sera el mejor ttulo para un libro dedicado a la
irresolubilidad del problema de la parada de Turing, y Adis a la razn sera el
ttulo perfecto para un libro que versara sobre el teorema de incompletitud de
Gdel. Lo que Feyerabend considera que se da en el mundo de la ciencia por
razones puramente filosficas, en el mundo de las matemticas se corresponde en
realidad con teoremas matemticos: cabe demostrar que no hay mtodos generales
para resolver todos los problemas matemticos.
No obstante, tal como seal el matemtico Gian-Carlo Rota en su ensayo titulado
The Pernicious Influence of Mathematics upon Philosophy (La perniciosa
influencia de las matemticas en la filosofa), la filosofa es en realidad el arte de
encontrar malas razones para lo que uno cree de manera instintiva, en lo ms
hondo de sus entraas. En realidad, debido a antojos emocionales subconscientes

36
de la infancia. Rota se granje pocos amigos en el mbito de la filosofa con esta
suerte de comentarios inteligentes, pero yo adoro la filosofa y tambin creo que
Rota tiene algo de razn: la filosofa no debe aspirar a emular demasiado a las
matemticas, al menos no el mtodo axiomtico formal que defendi Hilbert.
Porque, tal como observa Rota, si pudiramos definir nuestros vocablos con
precisin, sera el fin de la filosofa. La axiomtica formal no es creativa
De hecho, existen distintas clases de creatividad matemtica. Algunas personas (la
mayora) se interesan por la creatividad dentro de una teora matemtica
axiomtico-formal = encontrar una demostracin pero mantenindose dentro del
paradigma vigente = la ciencia normal (Kuhn). A m me interesa ms la
creatividad salvaje (Deleuze) = alteracin de la teora formal = nuevos axiomas,
nuevos conceptos = cambio de paradigma (Kuhn) = contra el mtodo
(Feyerabend)!
Y ahora pasemos a los autmatas autorreplicantes de Von Neumann. En 1951 Von
Neumann toma de Gdel la idea de contar con una descripcin del organismo que
se halle dentro del propio organismo las instrucciones para construir el organismo
= la informacin hereditaria = el software digital = ADN. Primero se siguen las
instrucciones que porta el ADN para obtener una copia nueva del organismo,
despus se copia el ADN y se inserta en el nuevo organismo, despus se pone en
marcha el nuevo organismo, sin ninguna regresin infinita, sin ningn homnculo
en el esperma!
Para ahondar en los detalles consltese la parte principal del artculo de Von
Neumann dedicada a la autorreplicacin de autmatas que figura en el primer
anexo al final de este libro. La lectura de este artculo anim a Sydney Brenner a
acudir a Cambridge para trabajar con Francis Crick. ste necesitaba trabajar con
alguien porque Watson haba regresado a Estados Unidos tras la publicacin en
Nature de su clebre artculo conjunto.
Crick comparti un despacho primero con Watson y despus con Brenner; no
poda trabajar solo, necesitaba rumiar las ideas, necesitaba tener a alguien con
quien hablar durante todo el da. Francis Crick era el sumo terico, el estratega, la
persona que plane la creacin de la biologa molecular. Y la mitad de Crick era
Brenner. Despus de que Watson y Crick descubrieran la estructura molecular del
ADN, el alfabeto de cuatro bases A, C, G, T, an no estaba claro qu estaba escrito
en aquel alfabeto de cuatro smbolos, no estaba claro cmo funcionaba el ADN.
Pero Crick, siguiendo a Brenner y Von Neumann, albergaba en algn rincn de su
mente la nocin del ADN como portador de instrucciones, como software. Y saba
que lo que contaba, lo importante, era cmo flua aquella informacin por la clula,
y cmo se transformaba en protena

37
Cmo conoci Brenner el artculo que present Von Neumann en el simposio de
Hixon? En Sudfrica, antes de acudir a Oxford y despus a Cambridge, Brenner
fue compaero de clase del cientfico experto en computacin Seymour Papert,
quien ms tarde trabajara con Marvin Minsky en el Instituto Tecnolgico de
Massachusetts. Y fue Papert quien llam la atencin de Brenner acerca del artculo
de Von Neumann (yo jams coincid con Papert, pero s conozco a Marvin).
El trabajo de Von Neumann sobre la autorreplicacin no finaliz en 1951 con su
denominado modelo cinemtico, que era en esencia un proyecto de dispositivo
fsico. Siguiendo una sugerencia de Stanisław Ulam (a quien tuve el
privilegio de conocer en Los lamos), aquel modelo autorreplicante de Von
Neumann se apart entonces del mundo fsico y se convirti en un plano
bidimensional en forma de papel dividido en cuadrados idnticos, cada uno de los
cuales era una mquina de estados finitos, lo que se denomina un autmata celular
(AC). El nuevo trabajo se public pstumamente.
El mundo de los autmatas celulares que utiliz Von Neumann es un mundo
homogneo, uniforme, completamente plstico, un mundo donde todo es software,
informacin, sin hardware, un mundo donde funciona la magia: el conjuro mgico
adecuado lo crear todo. En l hay un constructor universal y un computador
universal. Suena bien, pero este mundo de AC tambin presenta algunos
problemas: a los organismos les resulta ms fcil reproducirse a s mismos que
moverse (traducirse a s mismos).
El trabajo de Von Neumann sobre autorreplicacin y constructores universales ha
tardado ms que el trabajo de Turing sobre la mquina universal en tener
aplicaciones tecnolgicas, pero ahora empieza a haberlas: como impresoras de
objetos, impresoras tridimensionales, nueva tecnologa de manufactura flexible,
impresoras 3D capaces de imprimirse a s mismas (http://reprap.org) y a la larga,
tal vez, la fbrica universal capaz de crearlo todo!
As que, como puede verse, el artculo de Turing ha tenido un impacto inmenso, y
podra ser an mayor. Las computadoras no slo son una tecnologa enormemente
til, tambin implican una nueva clase revolucionaria de matemticas con
profundas consecuencias filosficas. Nos desvelan un mundo nuevo.
He dedicado la mayor parte de la vida a explorar un pequeo aspecto de ese
mundo nuevo: usando el tamao de los programas informticos como una medida
de la complejidad, definiendo la aleatoriedad como una complejidad irreducible,
como incompresibilidad algortmica, y estudiando un nmero que yo llamo la
probabilidad de detencin . muestra de manera concisa casos concretos del
problema de la parada de Turing. Si pudiramos conocer el valor numrico de
con N bits de precisin, eso nos permitira resolver el problema de la detencin

38
para todos los programas de hasta N bits de tamao. est repleto de informacin
matemtica irreducible tanto lgica como computacional.
La probabilidad de detencin de un programa creado lanzando una moneda al aire
es un nmero real paradjico: a pesar de la simplicidad de la definicin de , su
valor numrico es absolutamente imposible de calcular, absolutamente imposible
de conocer, y revela que las matemticas puras contienen una complejidad
infinitamente irreducible. se puede interpretar de forma pesimista como un
indicador de los lmites del conocimiento humano. La interpretacin optimista, mi
preferida, sostiene que revela que no se pueden realizar matemticas de manera
mecnica, y que la intuicin y la creatividad son esenciales. De hecho, en cierto
sentido, es la esencia cristalizada, concentrada, de la creatividad matemtica (de
nuevo Emil Post).
Es ms, tal como plante por primera vez en un artculo del Bulletin of the European
Association for Theoretical Computer Science (EATCS) en febrero de 2007, la infinita
complejidad irreducible de la probabilidad de detencin muestra que las
matemticas puras son ms biolgicas incluso que la biologa, que es muy
compleja, pero se trata tan slo de una complejidad finita. Las matemticas puras
poseen una complejidad infinita. Esta clave fue lo que me anim a intentar crear la
metabiologa, la cual anunci en el Bulletin EATCS de febrero de 2009, tan slo dos
aos ms tarde.
De modo que Gdel, Turing, Post y Von Neumann abrieron una puerta para ir de
las matemticas a la biologa; nos dotaron de las herramientas conceptuales
necesarias. Necesitamos matemticas algortmicas discretas posmodernas para
comprender la biologa, no ecuaciones diferenciales, no las viejas matemticas, no
el anlisis.
En las pginas 59 a 61 figura un esquema cronolgico y algunas referencias a los
trabajos mencionados en este captulo. En el siguiente entraremos en detalle y
veremos cmo crear una teora matemtica sobre software con mutaciones
aleatorias. Siguiendo la recomendacin de John Maynard Smith y Sydney Brenner,
prescindiremos del cuerpo, el metabolismo y la energa, y nos centraremos en
organismos consistentes en puro software. Le contar cmo emprender la creacin
de una teora matemtica, algo que ya consegu en una ocasin anterior (la teora
algortmica de la informacin) y que confo en volver a lograr esta vez (la
metabiologa). Y, como ver, los criterios para lograrlo son mayoritariamente
estticos; las matemticas son un arte.
Conseguiremos demostrar que la evolucin de Darwin funciona en nuestro
modelo simplificado y, aunque parezca sorprendente, que los organismos que
evolucionan mediante seleccin natural van estableciendo cotas inferiores cada vez
mejores de la probabilidad de detencin , lo cual no llegu a prever del todo y, de

39
hecho, fue una agradable sorpresa. Aunque, en retrospectiva, no resulta nada
sorprendente, tal como veremos en el captulo 5.
Kurt Gdel, Autorreferencia: Esta Incompletitud de
1931[3] afirmacin es sistemas formales para
indemostrable! el razonamiento
matemtico
Alan Turing, Sobre nmeros Completitud de La filosofa
1936 computables con una sistemas formales para terica del
aplicacin para el clculos matemticos = artculo
Entscheidungsproblem Lenguajes de matemtico
programacin crea la idea del
universal, mquinas software, la
universales de Turing = industria
computadoras de informtica de
propsito general un billn de
dlares (Von
Neumann)!
Trabajo tardo Morfognesis = Fue Von Neumann Von Neumann
de Turing sobre Matemticas quien vio la manera de inaugura la
biologa newtonianas = aplicar el trabajo de biologa
Ecuaciones diferenciales Turing a la biologa, no matemtica! Y
en derivadas parciales = el propio Turing! con ello inicia la
Obsoleto! metabiologa
John von Teora de los autmatas Constructores Fbrica
Neumann, autorreplicantes (la universales, impresoras universal
finales de la autorreferencia se de objetos, impresoras Futuro
dcada de 1940 convierte en 3D, manufactura negocio de un
comienzos de la autorreproduccin!)[4] flexible, impresoras billn de
dcada de 1950 autorreplicantes! dlares!?
Von Neumann Falleci en 1957; el
muri joven (a artculo de Watson y
los 53 aos) Crick sobre el ADN
apareci en 1953
Sydney Brenner, Bilogo inspirado en Influy en Crick, Galardonado
finales de la Von Neumann, no en comparti despacho con con el Premio
dcada de 1950 y Qu es la vida?, de l; lo nico que importa Nobel
dcada de 1960[5] Schrdinger es la informacin =

40
instrucciones para crear
cosas, fabricar cosas =
software algortmico
discreto
Von Neumann Falleci en 1957; el
muri joven (a artculo de Watson y
los 53 aos) Crick sobre el ADN
apareci en 1953
Stanisław Mundo de autmatas Un mundo El mundo
Ulam[6] celulares, 29 estados, 4 completamente plstico; como idea!
vecinos todo es software, Abajo el
encantamientos materialismo!
mgicos, informacin!

41
42
4
Las matemticas de la metabiologa
Paseos aleatorios en el espacio del software
Tal como hemos visto en los dos captulos anteriores, la vida como software en
evolucin es una buena metfora. Pero es un enfoque productivo desde un punto
de vista matemtico? He aqu la clave de la cuestin. Yo creo que lo es, porque su
empleo nos permite demostrar que la evolucin funciona de un modo bastante
simple y natural, lo cual explicar a continuacin
Pero antes de lanzarnos a una formulacin matemtica de la metabiologa, quiero
preparar el terreno. Quiero explicar cmo actan las matemticas puras, cmo
funcionan, qu podemos esperar de ellas, lo que le permitir contemplar mi
modelo simplificado de la evolucin con empata en lugar de compasin.
Comenzaremos con dos citas, una de un matemtico magnfico con una variedad
de intereses nada habitual, mi amigo fallecido Jacob (Jack) Schwartz, y otra de un
bilogo terico, el inspirador John Maynard Smith. Para consultar el texto
completo sobre las limitaciones del mtodo matemtico que extraje del sugerente
ensayo de Jack titulado The Pernicious Influence of Mathematics on Science (La
perniciosa influencia de las matemticas en la ciencia), consltese el apartado de las tres
citas aparentemente contradictorias con que comienza este libro. Aqu basta
recordar que
la tcnica matemtica slo puede llegar lejos si parte de un punto cercano a los
elementos esenciales de un problema que posea tales elementos esenciales (Jacob
Schwartz).
Una observacin elocuente, puesto que proviene de alguien que ha trabajado en
numerosas reas de las matemticas puras y aplicadas.
Es ms, he aqu lo que dice Maynard Smith sobre los modelos matemticos en
biologa:
Puede parecer natural pensar que para comprender un sistema complejo debemos
construir un modelo que incorpore todo lo que sabemos acerca del sistema. Por
sensato que pueda parecer este procedimiento, en biologa ha resultado ser,
repetidas veces, un ejercicio estril. Hay dos problemas al respecto. El primero es
que el modelo acaba siendo tan complicado que no es posible comprenderlo; la
gracia del modelo est en la simplificacin, y no en la confusin. El segundo es que
si se construye un modelo lo bastante complejo se puede conseguir que haga lo que
uno quiera jugando con los parmetros; un modelo que puede predecirlo todo no
predice nada (John Maynard Smith y Ers Szathmry, Ocho hitos de la evolucin ). [7]

43
Adems, la metabiologa est en ciertos aspectos ms prxima a la fsica terica
que a las matemticas puras. Y, en la fsica terica, los denominados toy models,
muy simplificados, forman parte del juego de herramientas habitual, de la
metodologa estndar. Se confa en que capten las caractersticas esenciales de una
situacin.
He aqu otro modo de expresarlo: queremos encontrar la situacin ms simple, la
ms sencilla desde un punto de vista matemtico que nos permita demostrar que
la vida evoluciona, el sistema mnimo que encaje con la definicin de vida que se
da en la obra Los problemas de la biologa de John Maynard Smith. O, dicho de otro
modo, aspiramos a encontrar la forma de vida matemtica ms simple!
Y, por supuesto, no perseguimos simulaciones por ordenador de un realismo
extremo, con un alto grado de detalle de los sistemas vivos, eso que se denomina
biologa de sistemas y que se ha convertido en una disciplina nueva y muy
popular.
Asimismo hara algunas observaciones sobre el arte de desarrollar una teora
matemtica, observaciones que tal vez no resulten absolutamente obvias a quienes
no se han pasado la vida haciendo matemticas, componiendo matemticas,
inmersos en el mundo de las ideas matemticas
Las matemticas no son el arte de responder interrogantes matemticos (la
mayora de ellos no se pueden resolver o tienen soluciones feas, embrolladas, poco
interesantes). Las matemticas son ms bien el arte de formular las preguntas
adecuadas, las cuestiones que tienen respuestas bellas, frtiles, sugerentes.
Y las matemticas no son una herramienta prctica, una va para encontrar
respuestas. Para ello, use una mquina, use una computadora! Las matemticas
son un arte, una va de acceso al conocimiento! El propsito de una demostracin
no consiste en determinar si algo es verdad, sino en decimos por qu es verdad, en
permitirnos saber lo que est ocurriendo, lo que est pasando!
Pero basta ya de consideraciones metodolgicas! Cmo funciona en realidad mi
modelo de la evolucin? A continuacin indico un resumen de las ideas esenciales
que ahora intentar explicar.
IDEAS ESENCIALES DE LA METABIOLOGA
Vida = software en evolucin aleatoria
Un solo organismo de software O, un matemtico!
Creatividad biolgica = creatividad matemtica
Capacidad adaptativa de O = problema del castor hacendoso = tamao de la salida
Expresin de los nmeros grandes: N, N + N, N x N, NN, NN N veces
N

Evolucin = escalada a una cumbre en un paseo aleatorio O, O, O

44
Mutaciones algortmicas O = M1(O), O = M2(O)
Probabilidad de mutacin algortmica de K bits, M = 2K
Orculos no algortmicos eliminan malas mutaciones M
La capacidad adaptativa de O aumenta ms deprisa que cualquier funcin
computable!
De modo que la evolucin es creativa, no mecnica!
Pasemos ahora a presentar nuestro modelo simplificado de la evolucin.
He aqu la idea matemtica clave: nuestros organismos son matemticos, y
nosotros detectamos la creatividad matemtica y biolgica. Nuestro modelo es lo
bastante abstracto para que en l no haya diferencias esenciales entre la creatividad
matemtica y la biolgica.
Para que nuestro organismo siga evolucionando, para evitar que se estanque, para
impedir un punto fijo, tenemos que desafiarlo, tenemos que encomendarle una
tarea difcil, algo que pueda absorber una cantidad ilimitada de creatividad
matemtica. Para hacerlo aprovechamos la incompletitud de Gdel (1931), en una
variante relacionada con el famoso problema de la parada de Turing (1936), a
saber, el problema del castor hacendoso, que es el problema relacionado con la
expresin de nmeros enteros extremadamente grandes y sin signo.
El problema del castor hacendoso lo invent Tibor Rad a los sesenta y tantos aos
de edad, tal como contamos en Gdels Way (El estilo de Gdel), la obra que escrib
junto con Da Costa y Doria. La referencia original es: T. Rad, On Non-
Computable Functions (Sobre funciones no computables), Bell System Technical
Journal, 41 (mayo de 1962), pgs. 877-884.
La cuestin anterior se puede reformular de manera no tcnica si se aprovecha la
observacin de Feyerabend en Tratado contra el mtodo de que en ciencia no hay
mtodos absolutamente generales, afirmacin que en matemticas es un teorema,
la refutacin del sueo de Hilbert por parte de Gdel (1931) y Turing (1936). Tal
como seala Feyerabend, no hay mtodos generales, puesto que siempre se precisa
creatividad; no existe ningn modo mecnico para hacer ciencia y en consecuencia
la evolucin no se estancar!
Mi modelo elimina la fsica y elimina el cuerpo y da como resultado una
formulacin matemtica lo bastante simple para permitimos entender qu sucede
y demostrar teoremas. Asimismo, no me ocupo del origen de la vida; parto de
seres vivos en pleno funcionamiento, y los hago evolucionar sin fin. Tambin
suprimo poblaciones y suprimo el sexo; Slo tengo un nico organismo! Y aun as
evoluciona! No hace falta mucho para que ocurra la evolucin! Y eso es bueno
porque significa que la evolucin es muy bsica, muy robusta!

45
Ahora llegamos al ncleo matemtico de nuestro modelo metabiolgico de la
evolucin. Esto resultar un poco tcnico, un tanto rido. Haremos una dura
escalada, pero procurar explicar lo mejor que pueda todo lo necesario y no slo
con frmulas, sino tambin con palabras. Pero, si no consigue entender algo, por
favor, pselo por alto y contine adelante y ascendiendo. Limtese a contemplar la
panormica general e intente hacerse una idea global de lo que estoy haciendo.
De modo que tenemos un nico organismo de software, un programa informtico
que llamaremos P, y lo que nos interesa es saber el nmero ms alto que P es capaz
de calcular. Cuanto mayor sea ese nmero, mejor adaptado est P. Vamos a hacer
cambios aleatorios en P y en cada instante hay un solo organismo P, de modo que
P ejecuta lo que se denomina un paseo aleatorio en espacio de software, que es el
espacio de todos los organismos posibles de software, todos los programas posibles
P.
Imagine a una persona ebria que deambula dando tumbos; es una manera ms
pintoresca de describir un paseo aleatorio, el paseo de un beodo. Pero nuestros
organismos P no son borrachos, sino entregados matemticos que trabajan con
empeo en el problema del castor hacendoso, el problema de calcular un nmero
entero muy, muy grande.
Tcnicamente estamos buscando una clase especial de paseo aleatorio, uno que
recibe el nombre de paseo aleatorio en escalada. Por qu? Pues porque como no
deambulamos de manera completamente aleatoria, la capacidad adaptativa tiene
que ir siempre en aumento. Intentamos que P mute aleatoriamente hasta que al fin
calcule un nmero mayor. El experto estadounidense en gentica de poblaciones
Sewall Wright dio un nombre llamativo a esta clase de proceso: lo describi en
trminos del llamado paisaje adaptativo. Si pensamos en el paisaje consistente en
la capacidad adaptativa de cada organismo posible, siempre estamos ascendiendo,
una estrategia bien conocida en muchos algoritmos de optimizacin.
He aqu cmo funciona nuestro paseo aleatorio en escalada: intentamos conseguir
una mutacin aleatoria, la usamos para transformar nuestro organismo actual. Si el
organismo resultante calcula un nmero ms alto, si est mejor adaptado, entonces
reemplaza al organismo actual. En caso contrario conservamos el organismo actual
y probamos otra mutacin aleatoria, y as sucesivamente.
Y la cuestin clave es la siguiente: a qu velocidad crece la capacidad adaptativa
(= el tamao del nmero que se calcula)?
As que ste es nuestro paseo aleatorio, y en l slo hay un organismo en proceso
de mutacin. Pero no hemos terminado an. Tambin tengo que contarle cmo
seleccionar las mutaciones y con qu probabilidades.

46
El paso crucial para lograr que la metabiologa funcione matemticamente consiste
en permitir mutaciones algortmicas: si una mutacin M es un programa de K bits
que toma el organismo original A como entrada y produce el organismo mutado
A = M(A) como salida, entonces esta mutacin M tiene una probabilidad 2K. En
otras palabras, si M es una funcin de K bits, una transformacin que se pueda
describir en K bits, entonces tiene una probabilidad de 1/2K.
Y en nuestro modelo de paseo aleatorio hay un concepto asociado de distancia, que
se mide en bits. Un organismo A dista K bits de otro organismo B si la probabilidad
de que nuestro paseo aleatorio nos lleve de A a B en un solo paso asciende a 1/2 K.
O, expresado de un modo ms formal, la distancia mutacional entre los organismos
A y B se define como
log de la probabilidad de ir de A a B con una nica mutacin.
2

Pues resulta que ste es tambin el tamao en bits del programa M ms pequeo
que toma A como entrada y produce B como salida, lo que en mi especialidad
anterior, la teora algortmica de la informacin, se denomina la complejidad de
longitud de programa de la funcin ms simple M con B = M(A), tambin
conocido como el contenido relativo de informacin de B, dado A. Comento esto
porque la equivalencia entre la manera probabilstica y de longitud de programa
para definir la distancia mutacional es uno de los teoremas fundamentales de mi
artculo de 1975 aparecido en Journal of the Association for Computing Machinery, el
cual present por primera vez en todo su esplendor el formalismo correcto para la
teora algortmica de la informacin.
En otras palabras, la distancia mutacional es la cantidad de informacin
algortmica que se necesita para pasar de A a B, para obtener B a partir de A, para
transformar A en B. Y ntese, por favor, que siempre es posible pasar de A a B con
un solo paso. En otras palabras, la distancia mutacional siempre es finita, la
probabilidad de mutar de A a B en un nico paso siempre es mayor que cero.
Ahora tengo que hablarle sobre el orculo, que es de donde procede en realidad
toda la creatividad de nuestro modelo. Qu orculo?, preguntar usted. S, se
encuentra un poco escondido, pero est en el modelo que acabo de describir.
Antes de nada debo contarle qu es un orculo. Se trata de otra idea divertida de
Alan Turing, pero no procede de su famoso artculo de 1936, sino de un artculo
menos conocido de 1939. Un orculo es un procedimiento que nos permite calcular
algo que no se puede calcular usando una computadora normal. En particular, nos
puede brindar un mtodo para decidir si un programa informtico se detendr en
algn momento. Esto se denomina orculo para el problema de la parada.
En otras palabras, es una fantasa matemtica. Es una manera de imaginar
computadoras ms potentes de lo que podran llegar a ser las computadoras reales.

47
Y por qu necesitamos un orculo para el problema de la parada?
Lo necesitamos para evitar organismos que no funcionan y mutaciones que no
funcionan. Esto es, organismos que nunca producen un nmero entero como
salida, y mutaciones M que cuando se aplican a un organismo A nunca producen
un organismo mutado B = M(A). No existe ningn algoritmo para lograr esto (se
trata del irresoluble problema de la parada de Turing), as que necesitamos que un
orculo nos diga cundo saltarse una mutacin o un organismo que nunca se
detiene.
De modo que stas son las reglas del juego, as es como funciona nuestro paseo
aleatorio en escalada. Pero con qu rapidez evoluciona?
Usaremos la denominada funcin del castor hacendoso (BB)[8] para medir el
ritmo de la creatividad biolgica = la velocidad de evolucin. BB(N) se define como
el nmero entero ms grande que se puede expresar en N bits = el nmero entero
ms alto generado como salida por cualquier programa de longitud N bits que
produzca un nico entero y despus se detenga = la capacidad adaptativa de
nuestro organismo de software mejor adaptado y de longitud N bits.
En otras palabras, queremos conocer a qu velocidad crece la capacidad
adaptativa. Y resulta que aumenta muy deprisa, de modo que tenemos que
emplear algo bien conocido que crezca muy deprisa para comparar, que nos sirva
como calibracin. Y, tal como observ Tibor Rad, BB(N) crece ms rpido que
cualquier funcin computable de N, ms deprisa que N elevado a N elevado a N,
etctera. N-factorial veces, por ejemplo. A la larga exceder cualquier funcin
computable. A partir de cierto punto siempre ser mayor. Usaremos BB(N) para
caracterizar el ritmo de la creatividad biolgica en nuestro modelo evolutivo.
Y por qu ponemos tanto nfasis en la creatividad? Por qu es tan importante la
creatividad? Pues porque nuestros parsitos, competidores y predadores tambin
evolucionan! Es una carrera de armamentos, tal como expresa la hiptesis de la
Reina de Corazones de Leigh Van Valen: tienes que correr lo ms deprisa que
puedas para mantenerte en el mismo sitio (Van Valen tuvo que fundar una revista
nueva para poder publicar esta hiptesis!). Los genes no quieren ser egostas, tal
como afirma Dawkins en su libro El gen egosta; quieren evolucionar! sta es la
razn de que haya sexo, que no es egosta en absoluto: con el sexo nos
desprendemos directamente de la mitad de nuestro genoma! Llamaras egosta a
alguien que se desprende de la mitad de su dinero? El sexo no es egosta;
incrementa la creatividad.
Aparte de fundar una revista para poder publicar al fin su artculo ms clebre,
Van Valen, que falleci en 2010, tambin se neg a aceptar becas de investigacin
(para preservar su libertad y creatividad) y otorgaba calificaciones ms altas a los
estudiantes que discrepaban de l! Verdaderamente crea en la creatividad!
48
La hiptesis de la Reina de Corazones de Van Valen explica por qu hay tanta
creatividad en la biosfera terrestre. Pero, en mi modelo metabiolgico, sta emerge
por s sola a partir de las reglas del juego: no hay parsitos, ni competidores, ni
predadores; lo nico que hay es un solo organismo cada vez.
Para ahondar en la exuberante creatividad de la naturaleza, recomiendo mirar, por
supuesto, los hermosos libros de Ernst Haeckel dedicados al arte biolgico. En
nuestro libro exhibimos esos trabajos al comienzo de cada captulo.
Pero s me quedo con el nfasis que pone Dawkins en los genes. Quin cuida del
cuerpo? Es tambin la idea fundamental del anlisis de la vida que realiza
Maynard Smith: el fuego tiene un metabolismo y se reproduce, pero no evoluciona.
La vida es un sistema con herencia y mutaciones, y evoluciona mediante seleccin
natural. Las llamas no tienen herencia, no transmiten informacin gentica, no
recuerdan cmo empezaron a existir, de modo que no pueden evolucionar, lo cual
es toda una suerte porque si no nos veramos acosados por gigantescos fuegos
depredadores inteligentes! Compare usted esto con mis organismos, que tienen
ADN pero no cuerpo ni metabolismo.
Nos acercamos al meollo de la cuestin. Ahora estamos en condiciones de
comparar tres sistemas evolutivos radicalmente distintos: la bsqueda exhaustiva
irreflexiva, la evolucin aleatoria acumulativa, y lo que yo denomino el diseo
inteligente.
Para hacernos una idea de lo bien que funciona la evolucin darwiniana en nuestro
modelo de castor hacendoso, necesitamos acotarlo por arriba y por abajo. De ese
modo veremos en qu medida real es inteligente, creativa o aleatoria la evolucin.
He aqu lo que dicen las matemticas:
El diseo inteligente: acta lo mejor posible seleccionando mutaciones sucesivas
para proceder del mejor modo posible, no al azar; alcanza la capacidad adaptativa
BB(N) en un tiempo N.
La bsqueda exhaustiva irreflexiva: explora todos los organismos posibles al
azar, es decir, no tiene en cuenta el organismo previo; alcanza la capacidad
adaptativa BB(N) en un tiempo 2 ; y
N

La evolucin aleatoria acumulativa: es la evolucin darwiniana real y explora


todas las mutaciones algortmicas posibles al azar; alcanza la capacidad adaptativa
BB(N) en un tiempo intermedio entre N y N .
2 3

As que, como ve, la evolucin aleatoria acumulativa se acerca mucho ms al


diseo inteligente que a la bsqueda exhaustiva irreflexiva, ya que N2 y N3 se
acercan ms a N que a 2N. ste es nuestro hauptsat, nuestro teorema principal o
fundamental, y por esta razn afirmamos que nuestro modelo evoluciona y que,
por tanto, est vivo.

49
Tal como proclamara orgulloso ahora un matemtico puro, QED, quod erat
demonstrandum, lo que se pretenda demostrar. El azar es creativo! Las mutaciones
aleatorias y la seleccin natural, alcanzan una suerte de inteligencia! La
inteligencia surge de manera espontnea!
Ms arriba hablo de tiempo, pero cmo se mide ste en mi modelo? Veamos,
tiempo = nmero de mutaciones que se exploran = nmero de pasos efectuados en
el paseo aleatorio.
Por supuesto, no todas esas mutaciones tienen xito, pero las contamos todas.
Cmo funciona todo esto? Cmo demuestro estas estimaciones? Bueno, en
nuestro modelo simplificado de la evolucin de castor hacendoso resulta que los
organismos que evolucionan suponen aproximaciones cada vez mejores a la
probabilidad de detencin (con cotas cada vez ms bajas, de hecho), porque sos
son los organismos mejor adaptados. Y el diseo inteligente obtiene N bits de en
un tiempo N, que es lo mejor posible; la bsqueda exhaustiva, que se atasca
intentndolo todo, obtiene N bits de en un tiempo 2N y la evolucin acumulativa
aleatoria obtiene N bits de en un tiempo situado entre N2 y N3.
Recuerda el captulo anterior? En l sostuve que es creatividad matemtica
concentrada. En otras palabras, tenemos, respectivamente, N bits de creatividad en
un tiempo N, y N bits de creatividad en un tiempo 2N, y por ltimo N bits de
creatividad en un tiempo situado entre N2 y N3.
No explicar ms la demostracin aqu, pero s lo har en el prximo captulo, que
se corresponde con una conferencia que di en el Instituto de Santa Fe. El pblico
lector con conocimientos de matemticas o de fsica debera consultar tambin el
segundo apndice, que incluye algunos detalles adicionales.
Estas tres estimaciones quiz no le parezcan mucho a los no matemticos. Pero he
dedicado cuarenta aos (desde 1969, consltese la larga lista de mis publicaciones
que hacen mencin a la biologa) a encontrar una manera de estudiar la evolucin
con este grado de generalidad matemtica, y nunca haba conseguido llegar ni a la
primera base. Esto tal vez no parezca mucho (de hecho no es ms que el primer
paso hacia una teora matemtica general, abstracta, de la evolucin y la
creatividad biolgica), pero ese primer paso suele ser el ms difcil. Lo difcil es
alcanzar los conceptos que establecen las cuestiones fundamentales y que se
pueden tratar matemticamente.
As que estoy esperanzado al respecto. S, al principio me sent un tanto eufrico,
pero ahora el sentimiento general es de esperanza contenida. El tiempo dir.
Confieso que estos resultados me parecen un tanto extraos incluso a m. Al fin y al
cabo, son flamantes, es una disciplina nueva. Llevar algn tiempo dilucidar si

50
estamos equivocados o si realmente hay algo ah. Algn tipo de modelo de software
en evolucin tendra que funcionar, creo yo.
Ahora, quisiera preparar el ambiente para la conferencia que di en el Instituto de
Santa Fe, la cual fue, por decirlo as, el debut mundial oficial de la metabiologa.
Fue un entorno muy estimulante. El Instituto de Santa Fe, una estructura similar a
un monasterio zen de esplndidas y amplias vistas suspendida a 2000 metros de
altitud sobre el nivel del mar en pleno desierto de Nuevo Mxico y rodeada de
nieve baada por una luz solar radiante. La audiencia era perfecta: un grupo
selecto de fsicos, matemticos y cientficos expertos en computacin interesados
en sistemas complejos. He aqu lo que les cont; por cierto, esto sucedi meses
atrs, cuando an no haba descubierto Los problemas de la biologa, el libro que
Maynard Smith public en 1986.

51
52
5
Una teora matemtica de la evolucin y la creatividad biolgica [9]

(Conferencia en el Instituto de Santa Fe)


Quisiera agradecer a los organizadores su invitacin. No haba visitado el Instituto
de Santa Fe desde haca muchos aos. Estoy encantado de volver a estar aqu y
hablar de algo radicalmente nuevo. Creo que ha llegado el momento idneo para
fundir las ciencias de la computacin terica con la biologa, y para empezar a
desarrollar una biologa matemtica terica.
Biologa terica
Biologa matemtica
Creo que ya contamos con las herramientas matemticas necesarias para empezar
a desarrollar esta teora.
Durante muchos aos he pensado que es un escndalo matemtico que no
dispongamos de una demostracin de que la evolucin darwiniana funciona.
Deseo encontrar el modelo ms simplificado de la evolucin que me permita
demostrar que la evolucin continuar producindose eternamente, sin fin. Pongo
el acento en la creatividad biolgica, algo que se ha perdido en cierto modo en las
explicaciones habituales de la evolucin darwiniana.
Soy consciente del hecho de que existe gran cantidad de bibliografa sobre biologa
y evolucin (un buen trabajo al que no pongo ninguna objecin), pero prescindir
de la mayor parte de ella e ir en otra direccin. Les ruego que tengan paciencia
conmigo.
Existe una teora matemtica de la evolucin bastante interesante llamada
gentica de poblaciones. Pero en la gentica de poblaciones no hay creatividad
por definicin, porque la gentica de poblaciones define la evolucin como
cambios en la frecuencia de genes en respuesta a presiones selectivas, y trabaja con
un banco de genes fijo y finito. A m, en cambio, me interesa saber de dnde
provienen los genes nuevos, cmo se produce la creatividad.
Mi motivacin tambin se puede explicar de este otro modo: la tecnologa ms
avanzada del siglo pasado se basaba en el software digital, los lenguajes de
programacin computacional. Y la tecnologa puntera de este nuevo siglo ser la
biotecnologa, la cual se basa en un software digital natural, o sea el ADN.
Software digital artificial: lenguajes de programacin
Software digital natural: ADN
Ambas tecnologas acabarn convergiendo. No es casual que la gente hable de
virus informticos y guerras cibernticas, o de desarrollar un sistema
inmunolgico para proteger activos cibernticos. Y lo que estoy diciendo es que

53
todo eso no son simples metforas. Podemos servimos de esta analoga para
empezar a desarrollar una teora matemtica de la evolucin.
Darwin comienza su libro El origen de las especies valindose de la analoga existente
entre la seleccin artificial que realizaban los productores de animales y plantas,
los esfuerzos fructuosos de sus acaudalados vecinos para conseguir vacas
productoras de leche, caballos de carreras y rosas de campeonato, y la seleccin
natural debida a las limitaciones malthusianas. Yo quiero emplear la analoga entre
la evolucin aleatoria del software natural, el ADN, y la evolucin aleatoria del
software artificial, los programas informticos. He bautizado como metabiologa
esta nueva disciplina que propongo, y su objeto de estudio se centra en los paseos
aleatorios por el espacio del software, los paseos aleatorios en escalada hacia la
mejora de la capacidad adaptativa.
Evolucin de software mutante
Paseos aleatorios por el espacio del software
Los matemticos se sienten cmodos con la idea de los paseos aleatorios. La
literatura sobre paseos aleatorios es abundante. Y yo slo estoy proponiendo un
paseo aleatorio por un espacio ms rico, el espacio de todos los programas posibles
dentro de un lenguaje de programacin computacional determinado, el cual
constituye un espacio lo bastante amplio para servir como modelo de la
creatividad biolgica.
As que bsicamente parto de dos observaciones. La primera es que doy por
supuesto que el ADN se corresponde con lo que los cientficos de la computacin
denominan un lenguaje de programacin universal, lo que significa que es lo
bastante poderoso para expresar cualquier algoritmo (en particular, la biologa
evolutiva del desarrollo nos ensea a entender el ADN como un programa
informtico). En segundo lugar, al nivel de abstraccin con que trabajo en mis
modelos, no existe ninguna diferencia fundamental entre la creatividad
matemtica y la creatividad biolgica, de modo que puedo emplear problemas
matemticos para los que no existen mtodos generales con la finalidad de desafiar
a mis organismos y obligarlos a seguir evolucionando.
ADN = lenguaje de programacin universal
Creatividad matemtica = creatividad biolgica
Emil Post, un autor al que ya hemos olvidado pero cuyo trabajo est al mismo
nivel que el de Kurt Gdel y Alan Turing, consideraba que lo ms interesante de la
incompletitud y la incomputabilidad es que desvelan la importancia crucial de la
creatividad en las matemticas. El nfasis en los mtodos formales que provoc la
computacin anul temporalmente el anlisis de Post, pero la metabiologa vuelve
a levantar la antorcha de la creatividad.

54
Insisto, la idea general es que todos somos paseos aleatorios dentro de un espacio
de programacin! Nuestro genoma es software digital reparado y modificado a lo
largo de miles de millones de aos para enfrentarse a los cambios
medioambientales. De hecho, propongo concebir la vida como software en
evolucin y considerar la biologa como una especie de arqueologa de software. En
lugar de LHomme Machine (1748) de La Mettrie, ahora tenemos el hombre
software.
Para ser ms precisos, estoy estudiando el siguiente modelo simplificado de la
evolucin. Tengo un nico organismo, e intento someterlo a mutaciones aleatorias.
Si el organismo resultante est mejor adaptado, entonces reemplaza al organismo
original.
Permtanme ahora explicar esto con ms detalle.
Qu son mis organismos? Bueno, en su obra El gen egosta, Richard Dawkins nos
desvela que el cuerpo no es importante, no es ms que un vehculo para los genes
que porta. As que yo prescindo por completo del cuerpo y me quedo nicamente
con el ADN.
Una manera ms adecuada de explicarlo consiste en recordarles la definicin de
vida que daban John Maynard Smith y Ers Szathmry en las obras The Major
Transitions in Evolution (Las grandes transiciones de la evolucin) y Ocho hitos de la
evolucin. En ellas debaten sobre dos definiciones de la vida. La primera es bastante
obvia. Los seres vivos conservan su estructura mientras toman materia y expulsan
materia; en otras palabras, tienen metabolismo. Y adems, se reproducen. Aunque
esta parezca una definicin natural, Maynard Smith y Ers Szathmry sealan que
el fuego encaja en esta definicin.
Sin embargo, los fuegos carecen de herencia, los fuegos no recuerdan si surgieron
de una cerilla o de un mechero y, por tanto, no evolucionan.
De ah que Maynard Smith y Szathmry propongan una definicin de vida ms
sofisticada. Hay vida cuando hay herencia con mutaciones y puede producirse
evolucin mediante seleccin natural.
Esto quiz suene a tautologa. La teora de Darwin tambin puede parecer una
tautologa (la supervivencia de los mejor adaptados es simplemente la mera
supervivencia de los supervivientes), pero la seleccin natural no es una
tautologa. Y esta definicin de la vida tampoco lo es, porque la clave est en
demostrar la existencia de algo que cumple la definicin. La cuestin es hallar el
sistema ms simple portador de herencia y mutaciones cuya capacidad para
evolucionar sea demostrable.
As que simplifiquemos las cosas al mximo, prescindamos de metabolismo, de
cuerpo, y quedmonos tan slo con el ADN. Mis organismos sern programas

55
informticos. An me falta explicar cmo ejecuto las mutaciones y cul es mi
medida de la capacidad adaptativa.
Durante dos aos he trabajado en metabiologa empleando lo que los bilogos
llaman mutaciones puntuales: mediante el cambio / la eliminacin / la adicin de
uno o ms bits contiguos en el programa informtico, la probabilidad de las
mutaciones desciende exponencialmente con el nmero de bits. De este modo hay
una probabilidad no nula de llegar desde cualquier organismo A a cualquier otro
organismo B con una sola mutacin pero, si se alteran todos los bits de A, esa
probabilidad ser infinitesimal.
Con las mutaciones puntuales consegu empezar a trabajar, fui capaz de hacerme
una idea sobre lo que sucede, pero la manera de avanzar estaba bloqueada; las
cosas se complicaron, tal como suele ocurrir con los trabajos pioneros en
matemticas. Despus, varios meses ms tarde, en julio y agosto del verano
pasado, logr un gran avance.
Me di cuenta de que, desde un punto de vista matemtico, lo correcto es plantearse
las mutaciones algortmicas, donde cada mutacin consiste en un programa
informtico en el que se introduce el organismo original A y que produce como
salida el organismo mutado B. Si esta mutacin algortmica es un programa de N
bits, entonces la mutacin de A en B tiene una probabilidad de 2N.
La mutacin algortmica de N bits A B tiene una probabilidad de 2N
Si usamos los lenguajes de programacin sin prefijo de la teora algortmica de la
informacin, la probabilidad total de todos los programas ser inferior a uno, tal
como debera ocurrir. As se consigue lo que se denomina una norma de medida,
y se trata de una tcnica bien conocida.
Ahora tenemos de nuevo una probabilidad no nula de ir de cualquier organismo A
a cualquier otro organismo B con un solo paso mutacional, pero las probabilidades
son muy distintas. Consideremos, por ejemplo, la mutacin que invierte cada bit
del programa A. Antes esta mutacin era posible pero extremadamente
improbable. Ahora es una mutacin muy simple y, por tanto, altamente probable.
Si se eligen mutaciones al azar, cada mutacin se probar con una frecuencia
infinita, y esta mutacin de inversin de bits se ejecutar muy a menudo, de hecho
suceder durante una proporcin fija del tiempo.
Por cierto, con las mutaciones algortmicas es posible que el programa de mutacin
jams se detenga y nunca produzca el organismo mutado B. As que en realidad no
podemos simular nuestro modelo de la evolucin porque, para hacerlo, hay que
usar lo que los cientficos de la computacin denominan, siguiendo a Turing, un
orculo para el problema de la parada. Y tambin nos veremos obligados a
volver a emplear orculos ms adelante, para decidir si el organismo mutado B

56
est mejor adaptado que el organismo original A. Cmo se hace esto? Cul es
nuestra medida de la capacidad adaptativa, nuestro criterio de capacidad
adaptativa?
Bueno, para obligar a nuestros organismos a evolucionar sin fin, debemos
desafiarlos con un problema matemtico que no se pueda resolver a la perfeccin
jams, que pueda emplear una cantidad arbitraria de creatividad matemtica.
Nuestros organismos son matemticos que intentan mejorar sin fin, saber cada vez
ms matemticas. Qu problema matemtico usaremos para obligarlos a
evolucionar?
El problema ms desafiante y ms simple es el problema del castor hacendoso,
ntimamente relacionado con el famoso problema de la parada de Turing. Y qu
es el problema del castor hacendoso? Pues consiste en expresar de manera concisa
un entero positivo enorme, un nmero entero sin signo extremadamente elevado.
Por qu se necesita creatividad para esto? Bueno, supongamos que tenemos un
nmero elevado N y que queremos expresar un nmero an mayor. Podemos
pasar de N a N + N, a N N, a N elevado a la ensima potencia, a N elevado a la
ensima potencia elevada a la ensima potencia N veces. As que para expresar
nmeros elevados tenemos que inventar la adicin, la multiplicacin, la
exponenciacin, la hiperexponenciacin, y esto requiere creatividad.
Problema del castor hacendoso:
N + N, N2, NN, NN (N veces)
NN

En la red existe un ensayo magnfico sobre esto, obra del terico en complejidad
computacional cuntica Scott Aaronson, titulado Who Can Name the Biggest
Number? (Quin es capaz de expresar el nmero ms alto?), un texto que
recomiendo encarecidamente y que explica hasta qu punto se trata de un
problema fundamental.
As que sta es mi medida de la capacidad adaptativa. Cada uno de mis
organismos de software calcula un solo nmero, un nico entero positivo y, cuanto
mayor sea ese nmero, ms adaptado estar el organismo. El organismo actual A
tiene una capacidad adaptativa concreta N y entonces probamos una mutacin
aleatoria, de acuerdo con la medida de probabilidad que ya he explicado, y si el
organismo resultante B calcula un nmero ms alto, entonces sustituye a A. En
caso contrario, probaremos con otra mutacin de A.
Ntese que de nuevo estamos usando implcitamente un orculo, porque la
mutacin aleatoria de A producir con frecuencia un organismo B que nunca se
detenga y que nunca calcule nada, de modo que no podremos determinar si B est
ms adaptado que A (si B produce un nmero mayor que el generado por A) con la
mera puesta en marcha de B. Tenemos que descartar las mutaciones que producen

57
un programa B no vlido, as como las mutaciones que jams producen un
organismo B mutado.
Y para medir el progreso evolutivo, para medir la cantidad de creatividad
biolgica que se est produciendo, el ndice de creatividad biolgica, usamos la
denominada funcin del castor hacendoso BB(N), que se define como el entero
positivo ms alto que se puede expresar con un programa de longitud N bits. (Se
trata de una versin ms refinada de la funcin del castor hacendoso. La funcin
original del castor hacendoso BB(N) arrojaba el entero ms grande calculado por
una mquina de Turing con un nmero de estados N).
BB(N) = el entero positivo ms grande expresado en N bits
BB(N) crece ms deprisa que cualquier funcin computable de N porque BB(N) es
esencialmente idntico al tiempo de funcionamiento de cualquier programa de
longitud N bits que acabe detenindose. As que, si BB(N) fuera computable, nos
brindara una va para resolver el problema de la parada.
Pues bien, veamos ahora qu ocurre si partimos de un organismo trivial, por
ejemplo el que calcula el nmero 1, y llevamos a cabo ese paseo aleatorio en
escalada. Aplicamos mutaciones al azar y observamos con qu rapidez crece la
capacidad adaptativa. De hecho, para calibrar con qu rapidez funcionar la
evolucin aleatoria acumulativa, veamos en qu punto intermedio cae entre
la bsqueda exhaustiva irreflexiva, en la que ignoramos el organismo previo A y
probamos con un nuevo organismo B al azar (en otras palabras, las mutaciones se
producen mediante programas elegidos al azar igual que antes, pero a los que no
se les da ninguna entrada),
y la evolucin ms rpida posible que se puede obtener seleccionando una
secuencia computable de mutaciones de la mejor manera posible para lograr un
aumento veloz de la capacidad adaptativa, lo que yo denomino diseo
inteligente.
(No podemos usar un orculo para saltar directamente a BB(N), BB(N +1), etctera,
porque slo estamos permitiendo un uso muy limitado de orculos, para
determinar si A B est ms adaptado que A. Y tambin para eliminar las
mutaciones que no producen un organismo B a partir de A.)
El diseador no es dios, sino el matemtico que encuentra la mejor secuencia
posible de mutaciones que probar.
He aqu lo que sucede con estos tres sistemas evolutivos diferentes:
La bsqueda exhaustiva alcanza la capacidad adaptativa BB(N) en un tiempo 2N
El diseo inteligente alcanza la capacidad adaptativa BB(N) en un tiempo N

58
La evolucin acumulativa alcanza la capacidad adaptativa BB(N) en un tiempo
situado entre N2 y N3
Mi unidad temporal se corresponde con el nmero de mutaciones probadas. Por
ejemplo, pruebo con una mutacin por segundo. Ntese que la capacidad
adaptativa aumenta ms deprisa que cualquier funcin computable del tiempo, lo
que revela que se est produciendo verdadera creatividad. Si los organismos se
mejoraran mecnicamente, algortmicamente, entonces la capacidad adaptativa tan
slo crecera como una funcin computable del tiempo. Por supuesto, la
creatividad procede en realidad del uso implcito de un orculo: cada vez que
probamos una mutacin y se nos comunica si el organismo B est ms adaptado
que el organismo original A, obtenemos un mximo de un bit ms de creatividad y
podemos avanzar desde BB(N) hasta BB(N +1). Esto es lo mejor que podemos
hacer, y eso es lo que consigue el diseo inteligente.
La bsqueda exhaustiva aleatoria tarda un tiempo que aumenta exponencialmente
con N para llegar a BB(N), porque la bsqueda exhaustiva es ergdica, explora
todo el espacio de organismos posibles. Esto no es en absoluto lo que sucede en la
evolucin real: el genoma humano tiene 3 x 10 9 bases, pero en 4000 millones de
aos la biosfera slo ha sido capaz de probar con una fraccin infinitesimal de la
astronmica cifra de todas las secuencias posibles de ADN de ese tamao, que
asciende a 43 x 10 evolucin no es ergdica en modo alguno.
9

Ntese que en nuestro modelo simplificado la evolucin es mucho ms veloz que


la bsqueda exhaustiva, y se acerca bastante al diseo inteligente. Y eso? En
realidad lo que sucede en este modelo de evolucin aleatoria es que nuestra
evolucin desarrolla con rapidez cotas inferiores muy buenas para la probabilidad
de detencin . Conocer la probabilidad de detencin con N bits de precisin es
esencialmente lo mismo que conocer BB(N). Y las mutaciones aleatorias MK que
incrementan con rapidez la capacidad adaptativa establecen una cota inferior de
y comprueban si pueden aadir un 1 en la posicin del bit nmero K tras la coma
decimal. En otras palabras, MK intenta comprobar si la cota inferior actual de
sigue siendo un minorante si le aadimos 2K.
Mk: podemos aadir 2K a nuestra cota inferior de ?
Si es as aadimos 2K a nuestra cota inferior de . En caso contrario intentamos
aumentar otro bit K al azar. El diseo inteligente prueba de manera sistemtica con
MK para K = 1, 2, 3 La evolucin acumulativa no es mucho ms lenta porque la
mutacin MK slo necesita en esencia designar K, lo cual se puede hacer con un
software sin prefijos/autodelimitante de longitud log K + 2 loglog K bits y, por tanto,
tiene probabilidad 1/K(log K)2 y ocurrir en un tiempo que se espera que sea
K(log K)2. De modo que la evolucin acumulativa intentar aumentar los bits de
desde K = 1 hasta N con el paso del tiempo, lo que viene a ser

59
KN K(log K)2 entre N2 y N3
Esto es un bosquejo de la demostracin de que la evolucin darwiniana funciona
en mi modelo. Para ahondar en los detalles, por favor, consltese el segundo
apndice de este libro o el informe de investigacin CDMTCS-391 que present en
el Centro de Matemticas Discretas y Ciencias de la Computacin Terica de la
Universidad de Auckland en esta direccin de internet:
https://www.cs.auckland.ac.nz/research/groups/CDMTCS/
Reconozco que hasta yo mismo encuentro un tanto raro este resultado, pero creo
que es un primer paso en el campo de la metabiologa. Se trata del modelo ms
simple que se me ocurre para demostrar que la evolucin funciona. Es mi tentativa
para extraer la esencia matemtica de la teora de Darwin. Para mi sorpresa, los
organismos que evolucionan con rapidez en este modelo brindan cotas inferiores
cada vez mejores en la probabilidad de detencin . De hecho, las probabilidades
de detencin de todas las posibles mquinas universales de Turing evolucionan
con rapidez en paralelo; en realidad, hay muchas probabilidades de parada, y no
slo una. Conoceremos N bits de cada en un tiempo aproximado entre N al
cuadrado y N al cubo.
Por qu es el organismo que evoluciona? Pues porque un elemento clave de la
teora de Darwin es que la evolucin resulta de la acumulacin de pequeas
variaciones, cada una de las cuales se muestra ventajosa. Darwin tema que un ojo
a medias fuera intil y se preocupaba mucho por la inexistencia de formas
intermedias. Uno de los captulos de su libro El origen de las especies se titula Sobre
la imperfeccin del registro geolgico. est repleta de informacin matemtica
til y podemos conocer un bit de su valor numrico en cada ocasin, de tal manera
que disponer de cotas inferiores cada vez mejores de nos brinda una ruta
evolutiva altamente probable mediante la recapitulacin de cambios pequeos
pero ventajosos.
Tal como dije antes, cada mutacin se prueba con una frecuencia infinita, y algunas
son bastante violentas. Existe una mutacin que reemplaza a un organismo con
una capacidad adaptativa N mediante un programa que directamente da como
salida N + 1 sin realizar ningn cmputo. Es un organismo bastante estpido, pero
aumenta la capacidad adaptativa y, por tanto, esta mutacin resulta exitosa cada
vez que se intenta. Y cmo es que funciona la evolucin aleatoria a pesar de esas
violentas perturbaciones? Pues porque la memoria del sistema reside en la
capacidad adaptativa, la cual siempre aumenta. Conocer un entero muy grande N
nos permite calcular una cota inferior muy buena de . Basta con mirar todos los
programas de hasta N bits de tamao y ponerlos en marcha durante un tiempo N
para ver cules se detienen, y eso nos brinda una cota inferior cada vez mejor para
.

60
As que sta es mi mejor tentativa actual para encontrar la evolucin en el mundo
platnico de las ideas, el sistema ms simple, ms natural que manifiesta
creatividad y que puedo demostrar que evoluciona mediante seleccin natural
aleatoria. Obtenemos una evolucin demostrable, lo cual es un buen primer paso y
creo que valida la metabiologa como un posible plan de investigacin, pero no
conseguimos incrementar la estructura jerrquica de nuestros organismos (que
son, en esencia, meras cotas inferiores de ), y la estructura jerrquica es un rasgo
muy evidente de los organismos naturales.
Y qu hay de la estructura jerrquica?
En realidad tengo otros dos modelos simplificados de la evolucin que he
estudiado, no slo el que he explicado. Lo que cambia en esos modelos es la
medida de la capacidad adaptativa, y tambin el lenguaje de programacin. En mi
segundo modelo uso lo que se denomina un lenguaje de programacin
subrecursivo, uno que no es universal y para el que no existe el problema de la
parada. No tiene el problema de la parada porque es un lenguaje parecido al
FORTRAN, en el que cada vez que entras en un bucle sabes de antemano cuntas
veces exactamente se ejecutar.
Y ahora, cada programa calcula una funcin, no un entero, y cuanto ms deprisa
crece la funcin, ms adaptado est el programa.
N + N N2 NN NN (N veces)
NN

Se sabe mucho sobre jerarquas subrecursivas (vase, por ejemplo, el libro de mi


amigo Cristian Calude titulado Theories of Computational Complexity [Teoras de la
complejidad computacional]), y usando todo eso es fcil mostrar que el nivel de
bucles anidados de los programas tiene que crecer de manera no acotada. As que
tambin dispongo de un modelo simplificado de la evolucin en el que emerge la
estructura jerrquica de una manera demostrable.
En mi tercer modelo simplificado de la evolucin los programas tambin son
universales, no subrecursivos, y cada programa da nombre a lo que se denomina
un nmero ordinal constructivo de Cantor. He aqu algunos ejemplos de esos
nmeros:
1, 2, 3, , ( + 1, + 2, 2, 3, 2, 3, , , 0

En este modelo conjeturo que la bsqueda exhaustiva es la mejor que se puede


emprender. En general, se espera que con los paisajes adaptativos arbitrarios se
precisar una bsqueda exhaustiva y no se obtendr evolucin acumulativa. El
paisaje adaptativo tiene que ser muy especial para que funcione la evolucin
darwiniana.
Y adnde llega la metabiologa partiendo de ah? Confo en que haya un espectro
de modelos posibles de programas de evolucin aleatoria. Modelos ms realistas

61
limitarn el tiempo de funcionamiento de los programas y, por tanto, evitarn la
necesidad de orculos. Confo en que haya una solucin de compromiso entre el
realismo biolgico y lo que se puede demostrar: cuanto ms realista sea el modelo,
ms deberemos confiar en simulaciones por ordenador que en demostraciones.
Hay modelos ms realistas?
Hay muchas posibilidades para el trabajo futuro. Adems de limitar el tiempo de
funcionamiento, podemos tratar de incorporar poblaciones o sexo. Queda mucho
por hacer. Pero no debemos esperar que esta biologa matemtica terica se vuelva
algn da tan realista como la fsica terica. La biologa es sencillamente demasiado
desordenada, est demasiado alejada de las matemticas. Y, aunque la
metabiologa sea prometedora desde un punto de vista matemtico, est por ver
qu relevancia llegar a adquirir la metabiologa para la biologa real. Pero, tal
como apunta mi esposa, Virginia Chaitin, la metabiologa ya ha formulado un
interrogante interesante a los bilogos, el que plantea hasta qu punto tienen poder
los mecanismos mutacionales en los organismos reales. Cunto se acercan los
organismos reales a las poderosas mutaciones algortmicas necesarias para hacer
funcionar mis modelos metabiolgicos?
(De hecho, los escritos de Maurcio Abdalla y Mximo Sandn me han sugerido con
posterioridad que esas mutaciones algortmicas tal vez existan en realidad: son
virus!).
Otra advertencia relacionada con la metabiologa es que no estudia el origen de la
vida ni dice nada sobre lo que sucedera si empezramos a tomar las riendas de
nuestro destino biolgico por medio de la ingeniera gentica y creando nios con
genomas de diseo, con los mejores genes que el dinero sea capaz de comprar.
Me gustara terminar con unas cuantas observaciones generales sobre la
creatividad biolgica y la evolucin.
La nocin convencional es que la evolucin no es incesante; nos adaptamos
perfectamente al entorno y, despus, nos estancamos. Y se afirma que la evolucin
no est relacionada con el progreso. Los modelos matemticos simples que hemos
desarrollado hasta ahora, en el mbito de la biologa y de la economa, hablan de
estabilidad y puntos fijos, no hablan de creatividad.
Pero sta no es la manera correcta de pensar la biologa. En biologa no hay nada
esttico, todo es dinmico. Los virus, las bacterias y los parsitos mutan sin cesar,
experimentan constantemente, no paran de buscar una va mejor para burlar
nuestras defensas, no dejan de practicar todas las combinaciones posibles. La
biologa es creatividad sin fin, no es estabilidad en absoluto. Es una carrera de
armamentos y, tal como deca la Reina de Corazones de Lewis Carroll, tienes que
correr lo ms deprisa que puedas para quedarte en el mismo sitio.

62
(Una representacin figurativa magnfica de la exuberante creatividad de la
naturaleza se observa en los esplndidos libros de Ernst Haeckel Art Forms from the
Ocean y Art Forms in Nature Kunstformen der Natur, ambos publicados en ingls
por Prestel).
Esta cuestin la ilustra especialmente bien la denominada paradoja del sexo que se
expone en profundidad en el apartado que Dawkins dedica a los rotferos en El
cuento del antepasado. Para la concepcin estndar de la evolucin darwiniana, el
sexo es problemtico porque se supone que los genes egostas slo aspiran a
copiarse a s mismos. Pero mediante el sexo nos desprendemos al instante de la
mitad de nuestro genoma, lo cual no es nada egosta (llamaramos egosta a una
persona que se desprende de la mitad de su dinero?!). Sin embargo, hay muy pocas
especies partenogenticas y el sexo es casi universal. Por qu?
Por qu hay sexo?
La razn es que la biologa est completamente relacionada con la creatividad y el
cambio constantes; nada es estable, igual que en las relaciones humanas. Y el sexo
acelera enormemente la creatividad. Si se necesitan varias mutaciones, el sexo se
toma el mximo tiempo que haga falta para permitir que ocurra cada una de ellas
de manera aleatoria, para as tenerlas todas, mientras que partenogenticamente se
requiere la suma de todos los tiempos de mutacin esperados en lugar del
mximo.
En definitiva, la metabiologa hace hincapi en la creatividad biolgica, no en el
egosmo, y abre la puerta a una interpretacin completamente nueva de la
evolucin darwiniana. Queda por ver hasta dnde nos llevar esta senda, pero los
primeros pasos son alentadores. Ahora disponemos de las herramientas
matemticas necesarias para estudiar la evolucin del software mutante. Las
ciencias de la computacin terica son biologa terica.
LECTURAS ADICIONALES
Aaronson, S., http://www.scottaaronson.com/writings/bignumbers.html.
Calude, C., Theories of Computational Complexity, Elsevier, 1987.
Chaitin, G., Algorithmic Information Theory, Cambridge University Press, 1987.
, Evolution of Mutating Software, EATCS Bulletin, 97 (febrero de 2009), pgs.
157-164.
, Metaphysics, Metamathematics and Metabiology, APA Newsletter on
Philosophy and Computers, 10, nm. 1 (otoo de 2010), pgs. 7-11. Tambin en
H. Zenil, Randomness Through Computation, World Scientific, 2011, pgs. 93-103.
, https://www.cs.auckland.ac.nz/research/groups/CDMTCS/. Tambin en
H. Zenil, A Computable Universe, World Scientific (en prensa).

63
Darwin, C., On the Origin of Species, John Murray, 1859 (trad. esp. de A. de Zulueta:
El origen de las especies, Alianza, Madrid, 2009).
Dawkins, R., The Selfish Gene, Oxford University Press, 1976 (trad. esp. de J. Robles
Surez: El gen egosta, Salvat, Barcelona, 2011).
, The Ancestors Tale, Houghton Prestel, 2009 (trad. esp. de V. V. beda: El cuento
del antepasado: un viaje a los albores de la evolucin, Antoni Bosch, Barcelona, 2008).
Haeckel, E., Art Forms from the Ocean, Prestel, 2009.
, Art Forms in Nature, Prestel, 2010.
La Mettrie, J. O., El hombre mquina, Valdemar, Madrid, 2000. Trad. esp. de M.
Badiola y A. Izquierdo.
Maynard Smith, John y E. Szathmry, The Major Transitions in Evolution, Oxford
University Press, 1997.
, The Origins of Life, Oxford University Press, 1999 (trad. esp. de Joandomnec
Ros: Ocho hitos de la evolucin: del origen de la vida al nacimiento del lenguaje, Tusquets
Editores, col. Metatemas 67, Barcelona, 2001).

64
65
6
Aspectos teolgicos de la metabiologa
En los captulos anteriores nos hemos centrado en las matemticas, pero qu
significa todo esto? Suponiendo que sea cierta, qu nos dice la metabiologa sobre
la condition humaine? Los tres captulos finales de esta obra los dedicaremos a las
implicaciones teolgicas, polticas y epistemolgicas de la metabiologa.
Comencemos por la teologa
Ante todo quisiera subrayar que la metabiologa no es una teora atesta. En mi
opinin, el intento de hallar una teora matemtica hermosa para la biologa nace
de un impulso religioso: la teologa de Leibniz por la cual las leyes del universo
tienen que ser bellas porque (en palabras mas, no de Leibniz) el mundo es una
obra de arte creada por un Dios matemtico. Recordemos que Leibniz cre una
versin de la teologa compatible con la ciencia moderna y las matemticas. Yo
considero religiosa la metabiologa en este sentido, en el sentido de Leibniz y
Spinoza. Intento obtener un mundo plstico a partir de la ciencia y las matemticas
convencionales. Al igual que Leibniz, tambin quiero tener mi propio dulce y
comrmelo[10].
Puede el Hombre comprender a Dios? Los gnsticos (trmino derivado de la
palabra griega para conocimiento) creen que s, los agnsticos consideran a Dios
como incognoscible. Leibniz crea que se poda comprender a Dios mediante la
razn omnipotente, mientras que otros pensaban que slo se puede llegar a l a
travs de la fe ciega, que nunca se podra comprender por completo. La versin
moderna del asunto es la siguiente: podr el Hombre llegar a comprender por
completo las leyes del universo? Un vestigio de la creencia de Leibniz en la razn
omnipotente es el ideario contemporneo de que cuando algo se comprende por
completo se puede expresar en trminos matemticos, que cuanto ms matemtica
sea una ciencia, ms avanzada est.
Recordemos qu deca Leibniz acerca de la simplicidad y la complejidad. Segn
afirmaba en los apartados V y VI del Discurso de metafsica, el mundo es menos
perfecto si Dios tiene que intervenir para crear la vida. Un mundo que precise
milagros es menos perfecto que uno que funciona por s solo, porque es ms
complejo, porque no todo deriva de las meras leyes bsicas de la naturaleza. Los
milagros son como rectificaciones que deben aadirse a las leyes fundamentales
del pas, lo que incrementa enormemente el tamao de la constitucin. ste es en
esencia el argumento de Leibniz y Malebranche contra los milagros. (Vanse las
pginas 132 y 133 de The Best of All Possible Worlds: A Story of Philosophers, God, and
Evil [El mejor de los mundos posibles: una historia de filsofos, dios y el mal], de Steven
Nadler. Consltese tambin El hereje y el cortesano: Leibniz, Spinoza y el destino de
Dios en el mundo moderno, de Matthew Stewart).

66
Como matemtico en activo, temo no haber desarrollado una postura filosfica
coherente que est dispuesto a defender. Yo soy pitagrico en cuanto a que el
mundo est construido a partir de las matemticas, que los fundamentos
ontolgicos ltimos del universo son matemticos, que las matemticas son la
sustancia ms slida, ntida y ms definida posible que existe, esttica, eterna,
perfecta. (Al fin y al cabo el mundo tiene que estar hecho de algo, y es indudable
que no podemos usar malvaviscos!). Creo que sta viene a ser la postura de la
fsica terica moderna.
Pero sospecho que no comparto la idea platnica de que este mundo no es ms que
una versin imperfecta del mundo de las ideas. Es ms, creo que nuestro mundo
est construido sobre el mundo platnico. No me considero un dualista, no creo en
un mundo separado de las ideas matemticas, un mundo al margen del nuestro.
Ms bien considero que este mundo fsico nuestro no es ms que una porcin
infinitesimal del mundo de las ideas matemticas, que incluye todos los universos
fsicos posibles, y que es todo lo que existe, todo lo que realmente es Pero,
siguiendo a Gdel, nuestro conocimiento de ese mundo perfecto siempre es
incompleto, siempre es parcial, y cambia constantemente.
En la concepcin que tengo de l, el mundo platnico de las ideas matemticas
contiene de manera simultnea todos los universos fsicos posibles y todos los
modos posibles de hacer matemticas. Al comienzo del ltimo captulo, que trata
sobre los lmites ltimos de las matemticas, afirmo que las matemticas se
encuentran en evolucin continua; me refiero a nuestras matemticas, las
matemticas humanas, las matemticas con minscula; sin embargo, siguiendo a
Platn, considero las Matemticas con mayscula estticas, eternas y perfectas.
Por favor, comprese lo anterior con las ideas de Max Tegmark. (Vase Parallel
Universes [Universos paralelos], de M. Tegmark, en la obra Science and Ultimate
Reality: Quantum Theory, Cosmology and Complexity [La ciencia y la realidad ltima:
teora cuntica, cosmologa y complejidad], de J. D. Barrow, P. C. W. Davies y C. L.
Harper, Cambridge University Press, 2004, pgs. 459-491). Tegmark propone un
multiverso extremo consistente en todas las leyes matemticas posibles, de forma
que cada una de ellas crea o est asociada a un universo regido por dichas leyes.
Lo ltimo que queda de la creencia en Dios es la creencia en las teoras cientficas
bellas. Hace un siglo la gente instruida veneraba la Belleza, la Verdad y el Arte (y
siempre iban en mayscula). Hoy no creemos en nada. O quiz slo en el dinero.
La Ilustracin ha acabado en una reductio ad absurdum.
La metabiologa no es una teora atesta. Como la metabiologa hace pitagrica la
biologa, se ala con la razn, con la verdad y con la belleza, pero tambin con el
Dios de Leibniz y con el Dios de Spinoza y con el Dios de Einstein.

67
Adems, la imagen de la naturaleza que presenta la metabiologa no es mecnica y
reduccionista, no es un sistema formal cerrado hilbertiano, sino que, como el
Mundo Natural, crea software, se vuelve plstico, creativo y abierto; evoluciona sin
fin; no se estanca jams. Esto concuerda con La evolucin creadora (1907), de Henri
Bergson, con la fuerza vital de Bernard Shaw (vase Don Juan en los infiernos,
acto de su obra de teatro Hombre y superhombre) y con el devenir de Gilles
Deleuze.
Una nota sobre la aleatoriedad: Darwin reemplaza a Dios por el azar. Esto tal vez
parezca negativo pero en realidad el azar es creativo; es liberador; es mejor que
pertenecer a un universo mecnico, determinista, que no es ms que una prisin
gigantesca. Un Dios caprichoso es infinitamente mejor que un tedioso Dios
predecible. La creatividad es, por definicin, sorprendente, caprichosa,
impredecible.

68
69
7
La poltica de la creatividad
(darwinismo social metabiologa social)
De acuerdo con la metabiologa, el propsito de la vida es la creatividad, no la
conservacin de los genes propios. Nada sobrevive, todo cambia sin cesar, ta panta
rei, todo fluye, todo es mudanza, como sostena Herclito.
Consideremos estos ejemplos de creatividad extrema y enigmtica: Bach, Mozart,
Euler, Cantor, Ramanujan.
Leonhard Euler escribi un artculo magnfico todas las semanas de su larga vida,
siempre sobre un tema diferente, incluso despus de quedarse ciego. Con l la
creatividad parece lograrse sin esfuerzo. Explica toda su sucesin de ideas; al leerlo
da la impresin de que t tambin podras hacerlo igual de bien, pero esa ilusin
slo dura mientras lo lees. Te da la sensacin de que has tenido una especie de
acceso directo a la fuente de la creatividad; en l era desbordante, ningn editor
era capaz de seguir su ritmo
Georg Cantor cre una suerte de teologa matemtica, unas matemticas de lo
infinito, de lo trascendente, como una manera de intentar llegar a Dios en el lmite.
Su paradjica teora refleja la contradiccin de un ser finito que intenta
comprender el infinito, del Hombre intentando comprender a un Dios superior. No
obstante, se trata de una teora sugerente que ejerci un efecto inmenso en las
matemticas del siglo XX al fomentar una idea estructural mucho ms general en
teora de conjuntos
Srinivasa Ramanujan lograba sus resultados ms magnficos sin demostracin,
mediante una especie de discernimiento inexplicable. l afirmaba que la diosa
Namakkal (tambin llamada Namagiri), de la regin de Tamil Nadu, le escriba las
ecuaciones en la lengua mientras l dorma. Es ms, declar que ninguna ecuacin
es vlida a menos que exprese un pensamiento de Dios
Ah queda eso, reduccionistas!
Yo propongo que deberamos medir las naciones por su creatividad, por su
produccin de nuevas ideas cientficas, artsticas, tecnolgicas o sociales, no en
trminos econmicos. Y qu puede hacer un pas para maximizar su creatividad?
Por favor, represe en que el Tratado contra el mtodo, de Feyerabend, es en realidad
un libro sobre poltica. Dado que las sociedades imponen un mtodo, imponen una
rigidez. Un cientfico no puede ser flexible si se encuentra inmerso en una sociedad
rgida
Las naciones fenecen cuando se vuelven rgidas, cuando la burocracia lo inunda
todo, cuando se estancan, cuando se vuelven inflexibles, cuando piensan

70
demasiado en s mismas. En un momento dado, la prosperidad puede convertirse
en un problema. Haciendo un gran esfuerzo podemos superar la pobreza y
prosperar, pero es casi imposible superar la opulencia excesiva.
Es ms, en mi opinin los seres humanos no deberan aspirar a ser como las
mquinas; las mquinas son mucho mejores que nosotros en eso. Los seres
humanos destacamos por ser creativos, por diferenciamos al mximo de las
mquinas.
Pensemos en lo creativa que fue la antigua Grecia, y en la tediosa estabilidad que
caracteriz al antiguo Egipto. Los griegos estaban separados por islas y montaas
en ciudades-estado lo bastante pequeas para que los individuos excepcionales
tuvieran repercusin, mientras que la geografa egipcia permiti ejercer un control
central frreo sobre un territorio amplio que contuvo cualquier cambio.
O consideremos la Italia renacentista, tan creativa y tan dividida en pequeos
ducados y principados. No le sorprender or que defiendo la anarqua creativa y
el control descentralizado.
Recordemos que la tecnologa de ordenadores surge del deseo de Turing de
concretar el alcance de las teoras axiomticas formales de Hilbert, y que la
produccin universal podra surgir de la tentativa de Von Neumann para entender
la autorreproduccin. Recibira ahora financiacin alguno de estos dos proyectos
de investigacin? Permite el rgimen actual de financiacin obtener ayudas para
investigaciones bsicas a largo plazo con pocas perspectivas de encontrar
aplicaciones prcticas?
Cuando un poltico le pregunt a Michael Faraday (1791-1867) por las ventajas de
sus descubrimientos elctricos, por las bondades de la electricidad, l respondi:
Para qu sirve un beb? Algn da podr cobrar impuestos por ese
descubrimiento!.
Cuando a Carl Jacobi (1804-1851) le preguntaron por qu se dedicaba a las
matemticas puras, respondi: Para honrar al espritu humano!.
En la actualidad tan slo se financia y publica ciencia normal (Thomas Kuhn),
segura, progresiva, no cambios de paradigma. La creatividad se masacra.
Un buen ejemplo de ello lo encontramos en la historia de Leigh Van Valen,
descubridor de la hiptesis fundamental de la Reina de Corazones, que explica la
creatividad biolgica y el sexo, y cuya publicacin se rechaz en numerosas
ocasiones. Para conservar su libertad de actuacin, Van Valen se neg a solicitar
becas de investigacin. Se atrevera alguien a actuar as ahora?
Y cmo se las apa el autor de Demostrando a Darwin?, tal vez se pregunte el
lector. Bueno, durante muchos aos trabaj en ingeniera de hardware y software de
ordenadores, y desarroll mis inquietudes tericas como una aficin.

71
Otro ejemplo del modo en que funciona el sistema actual nos lo ofrece el destino
del artculo o los artculos de Julian Schwinger sobre los mecanismos que podran
explicar los experimentos de fusin fra realizados por Pons y Fleischmann. A
pesar de recibir el Premio Nobel, Schwinger no logr que aceptaran la publicacin
de su artculo en ninguna revista seria de fsica y, enojado, coment: Esta gente
olvida que la fsica tambin es una ciencia experimental!, o eso mismo dicho con
otras palabras.
Ms recientemente, el inventor italiano Andrea Rossi se vio obligado a crear, como
Van Valen, su propia revista para publicar sus trabajos sobre un instrumento
prctico para lo que ahora denominamos reacciones nucleares de baja energa.
Aquel aparato, que present ante la prensa en la Universidad de Bolonia en enero
de 2011, parece fundir hidrgeno y nquel para obtener cobre y calor y, a diferencia
del instrumento original de Pons y Fleischmann, da la impresin de ser barato y
completamente viable, fiable y seguro. Rossi afirma que piensa despachar
unidades comerciales a finales de 2011. Si as fuera, vaya varapalo para la ciencia
industrial!; vaya varapalo para el sistema de revisin por pares y para el sistema
de becas! Porque, tal como seal Richard Feynman, la imaginacin de la
naturaleza supera con creces la nuestra.
El espritu creativo sobrevivir y la ciencia industrial no triunfar por una simple
razn. Las sociedades que suprimen la creatividad consiguen incrementar
temporalmente la estabilidad y el rendimiento, pero carecen de suficiente
flexibilidad para enfrentarse al entorno cambiante. A la larga se quedan en el
camino, como los dinosaurios quedaron reemplazados por los mamferos, ms
avispados, ms flexibles. Los seres humanos no somos especialmente buenos en
nada en concreto, pero somos muy curiosos y enormemente adaptables. Al igual
que la mquina universal de Turing, somos generalistas, no especialistas.
Las sociedades deben imponer cierta coherencia para sobrevivir, pero no
demasiada, si no quieren acabar por completo con la creatividad. Deben encontrar
un delicado equilibrio entre permitir que algunos individuos se salten las reglas
hasta cierto punto. Claramente marchamos en la direccin equivocada en algunas
sociedades actuales, donde la creatividad est microsupervisada por burocracias
gigantescas.
En mi opinin, la tarea que ms nos urge en la actualidad consiste en ser lo
bastante creativos para disear una sociedad flexible, una sociedad en la que se
tolere de algn modo la creatividad, no como el mundo feliz de Aldous Huxley, del
que se eliminaron el arte y la inteligencia en pro de la estabilidad:
Debemos ser lo bastante creativos para disear una sociedad que permita la
creatividad!

72
Veamos algunas observaciones relacionadas con esto procedentes de mi herencia
cultural juda. El Talmud contiene infinidad de debates y razonamientos, y la
autoridad de cada rabino como lder de un shtetl o comunidad se basaba
nicamente en sus conocimientos e inteligencia, no era hereditaria. Se cuenta con
que todos los hombres estudien; todo el mundo opina. Al igual que en la cultura
hind, no existe una autoridad central; los gurs tienen su mtodo particular de
enseanza, y hasta su propia versin de las verdades fundamentales
De acuerdo con esta tradicin, Israel es, a mi parecer, una sociedad bastante
creativa, bastante controvertida; la obliga a ser creativa el constante estado de
guerra. Los militares jvenes, tal vez procedentes del cuerpo de inteligencia, suelen
abandonar el Ejrcito para formar startups o empresas de alta tecnologa de nueva
creacin. La gente se mueve de startup en startup
Permtanme concluir este captulo con algunas citas extradas de Apologa de un
matemtico, de G. H. Hardy, obra que inspir a muchos estudiantes de matemticas
como yo mismo:
Nunca ha sido de gran valor que un hombre de primera clase exprese una opinin
mayoritaria. Por definicin, hay mucha ms gente para hacer eso.
[]
Los matemticos, como los pintores o poetas, son creadores de modelos. Si sus
modelos son ms permanentes que los de stos es porque consisten en ideas.
[]
Nada de lo que he hecho jams tiene la ms mnima utilidad prctica.

73
74
8
Qu pueden conseguir en ltima instancia las matemticas?
La metabiologa y ms all
Es sorprendente que hayamos podido perfilar una teora matemtica fundamental
para la biologa! Hace unos pocos aos lo habra considerado imposible, un sueo
loco, un proyecto de trescientos aos. Pero, en lugar de eso, con un poco de
inspiracin, con tan slo unas cuantas buenas ideas, result ser un proyecto de tres
aos. En primer lugar, qu posibles direcciones futuras existen para la
metabiologa? Pero, sobre todo, qu acabarn consiguiendo a la larga las
matemticas que ahora nos parezca totalmente inalcanzable?
Las matemticas en s evolucionan, son completamente orgnicas. No me refiero a
los posibles logros de las matemticas newtonianas, ni a los de la axiomtica
formal hilbertiana moderna (vase Platos Ghost: The Modernist Transformation of
Mathematics [El espritu de Platn: la transformacin moderna de las matemticas], de
Jeremy Gray), ni tan siquiera a lo que tal vez lleguen a conseguir nuestras
matemticas posmodernas actuales. Las matemticas se transforman cada vez que
se enfrentan a un cambio significativo. Los cambios de paradigma kuhnianos no se
restringen a las ciencias experimentales, tambin se producen en las matemticas,
una disciplina supuestamente apriorstica, una herramienta de pensamiento
necesaria.
Y, tal como dijo Max Planck, la ciencia avanza de funeral en funeral. Ms
exactamente, afirm que las nuevas ideas cientficas nunca logran la aceptacin de
sus detractores. En lugar de eso, lo que sucede es que la siguiente generacin crece
con las nuevas ideas y ms tarde las da por sentadas. He aqu la verdadera cita
extrada de la autobiografa cientfica de Planck: Una nueva verdad cientfica no
triunfa por medio del convencimiento de sus oponentes, hacindoles ver la luz,
sino ms bien porque dichos oponentes llegan a morir y crece una nueva
generacin que se familiariza con ella (citado en La estructura de las revoluciones
cientficas, de Thomas Kuhn).
As que las matemticas cambian sin cesar. Lo que se considera una demostracin
vlida cambia constantemente. Hasta existen unas matemticas empricas basadas
en indicios computacionales, y no en demostraciones (Jonathan Borwein y Keith
Devlin en The Computer as Crucible: An Introduction to Experimental Mathematics [El
ordenador como crisol: una introduccin a las matemticas experimentales]), unas
matemticas que, de acuerdo con Richard Feynman, podran describirse como
babilnicas ms que griegas en cuanto a estilo (Feynman, El carcter de la ley fsica[11].
De modo que las matemticas del futuro tal vez sean irreconocibles. Y la
metabiologa? Consideremos el futuro de la metabiologa y los posibles temas y
proyectos de la investigacin en esta materia.
75
Tenemos una definicin de la vida (Maynard Smith, 1986) y una demostracin
matemtica de la existencia de algo que cumple la definicin (2010). Esto es
elegante, pero parece muy alejado de la biologa convencional. Podemos
mejorarlo?
Una posibilidad consiste en realizar experimentos en ordenadores en lugar de
demostrar teoremas: metabiologa experimental, experimentos con ordenadores
realizados en clsteres de mquinas. Para que este enfoque experimental funcione
hay que limitar los tiempos de ejecucin de los programas, de modo que no se
necesiten orculos.
Tambin podemos probar a utilizar lenguajes de programacin no universales para
nuestros organismos de software, lenguajes de programacin limitados que estn
libres del problema de la parada.
O quiz podamos intentar usar lenguajes de programacin informticos con un
sabor ms biolgico, lenguajes que, por ejemplo, permitan reconocimiento de
patrones en paralelo. Y qu tal el estudio de mutaciones inspiradas en la biologa,
como la duplicacin de una subrutina, algo que sucede con los genes? Una vez
copiado un gen importante, las mutaciones en una de las copias son llevaderas, no
se pierde nada esencial.
Y si complicamos nuestro modelo de paseo aleatorio con poblaciones o sexo?
Cul es la mejor manera de introducirlos en nuestro formalismo actual?
Regresemos a la metabiologa terica, es decir, a la demostracin de teoremas. La
versin actual de la metabiologa se basa en la teora de la computabilidad y en la
distincin entre lo computable y lo no computable. El orculo proporciona la
inspiracin divina no computable que permite a nuestros organismos
matemticos evolucionar, mejorar, volverse mucho ms avispados. Confo en que
podamos emplear incluso la teora de la complejidad temporal. En lugar de
diferenciar entre lo computable y lo no computable, la teora de la complejidad
temporal diferencia entre lo que se puede computar con rapidez, y lo que requiere
una cantidad de tiempo considerablemente mayor.
Supongo que habr que llegar a soluciones de compromiso: cuanto ms realista sea una
versin de la metabiologa, menos capaces seremos de demostrarla.
Por tanto, retomando los modelos metabiolgicos ms prcticos, esos que yo creo
que debern explorarse de manera experimental en lugar de terica, he aqu
algunas ideas sobre cmo volver ms prctica la recopilacin de datos empricos
sobre software en evolucin aleatoria:
En primer lugar, para acelerar los experimentos evolutivos es importante evitar
la consideracin de mutaciones que generen programas con errores obvios o
claramente equivalentes entre s.

76
En segundo lugar, podemos sacar ventaja de la prctica de ingeniera de software.
En grandes proyectos de software se suelen emplear tcnicas como la programacin
orientada a objeto con encapsulamiento y niveles de abstraccin, para producir un
cdigo mantenible y conservarlo as a pesar de las actualizaciones constantes. Estas
tcnicas evitan el cdigo espagueti y mantienen localizados los cambios necesarios
para corregir errores o mejorar el funcionamiento. Es mucho mejor poder realizar
un cambio en un punto que necesitar actualizaciones simultneas diseminadas por
todo el cdigo. Esto tambin resulta til si el cdigo evoluciona por mutacin
aleatoria y no por intervencin humana. Incrementa la probabilidad de que una
mutacin aleatoria sea til.
Tcnicas semejantes permitirn que los experimentos mediante ordenador sean
ms productivos al incrementar el ritmo del avance evolutivo. Con un poco de
suerte, la metabiologa se desarrollar terica y experimentalmente al mismo
tiempo.
Pero tratemos ahora otra cuestin.
Si la gente no cree que las matemticas son sencillas se debe nicamente a que no
repara en lo complicada que es la vida (John von Neumann).
He dedicado este libro a Von Neumann porque el artculo que present para el
Simposio de Hixon fund en cierto modo la metabiologa y me sirvi de
inspiracin durante mi poca de estudiante. Le todo lo que consegu que llegara a
mis manos escrito por l, sobre todo dos ensayos brillantes extrados de la fabulosa
antologa en varios volmenes de James R. Newman titulada The World of
Mathematics (El mundo de las matemticas) (1956). Gracias a Von Neumann supe que
el artculo de 1936 de Turing cre el hardware y el software informticos, al menos
como conceptos matemticos.
A travs de Von Neumann entend que las matemticas podran aplicarse en todas
partes, que las matemticas se usan para todo: en teora de juegos, teora de
autmatas, el formalismo espacial de Hilbert para la mecnica cuntica Von
Neumann podra haber creado una disciplina matemtica nueva a diario antes de
desayunar, o eso me pareca a m. Haca que pareciera fcil.
Y durante varios aos la slida y brillante obra Theory of Games and Economic
Behavior (Teora de juegos y comportamiento econmico) (1944), de Von Neumann y
Morgenstem, me acompa con frecuencia. En ese libro asombroso Von Neumann
expone toda su lnea de pensamiento, nos desvela cmo crear una disciplina
nueva.
La teora de juegos se puede contemplar incluso como una teora matemtica de
tica y moral, o al menos apunta en esa direccin. Lo vi con claridad muchos aos
atrs, aunque jams trabaj en el tema, y este punto de vista aparece ampliamente

77
explicado en el reciente libro de Martin Nowak titulado Supercooperadores. De
modo que, por qu no una teora matemtica de la belleza, del pensamiento, de la
consciencia, de la psicologa, de la antropologa (posibles ordenaciones sociales,
posibles estructuras sociales), de dinmica histrica (recordemos la Triloga de la
fundacin de Isaac Asimov, 1951-1953)? Durante la adolescencia me puse a trabajar
de inmediato para crear una teora matemtica del azar considerado como carencia
de estructura, como incompresibilidad.
La causa inmediata, la chispa, fue la lectura de una nota al pie en la obra de Von
Neumann y Morgenstem sobre el hecho de que la aleatoriedad de la mecnica
cuntica era necesaria para formular una teora de juegos de suma cero sin puntos
de silla. Me extra que semejante teora no fuera posible en un mundo clsico,
determinista. As que record una idea que se me haba ocurrido con anterioridad
en relacin con la definicin de secuencias binarias carentes de toda estructura, y
me dediqu a desarrollarla. Esas secuencias, razon, sin duda funcionaran para
practicar juegos de suma cero como el de pares y nones aunque no estuvieran
producidos por un sistema mecnico cuntico
Un ensayo reciente aparecido en arxiv.org propone que los conjuntos que pueden
ser miembros de s mismos, los conjuntos reflexivos x que cumplen x x, conjuntos
no bien fundados, guardan alguna relacin con la naturaleza autorreferencial de la
consciencia. Sospecho que esta idea no es lo bastante profunda, lo bastante
revolucionaria, pero es algo. Vase el artculo de Willard Miranker y Gregg
Zuckerman titulado Mathematical Foundations of Consciousness [Fundamentos
matemticos de la conciencia] (https://arxiv.org/ftp/arxiv/papers/0810/0810.4339.pdf),
y la preciosa resea de Martin Gardner Do Loops Explain Consciousness?
[Explican los bucles la conciencia?] (AMS Notices, nm. 54 (2007), pgs. 852-854).
Es ms, un juego muy simple, el dilema del prisionero iterado, se ha empleado con
excelentes resultados para estudiar la evolucin de la cooperacin. Mucha gente ha
trabajado en este asunto: Anatol Rapoport, Robert Axelrod, Karl Sigmund, Martin
Nowak Este juego tiene el siguiente esquema de resultados:

(Resultado para A, para B) Prisionero B coopera Prisionero B traiciona

Prisionero A coopera (2, 2) (4, 1)

Prisionero A traiciona (1, 4) (3, 3)

La unidad de medida de esos resultados se corresponde con los aos en prisin


(un resultado negativo). A y B practican este juego repetidas veces. Una estrategia
sencilla es el ojo por ojo. Hacer lo mismo que tu oponente la vez anterior. Si tu

78
oponente cooper, t cooperas; si no lo hizo, t tampoco. Otra estrategia,
comentada ampliamente por Nowak, consiste en si ganas repites, si pierdes
cambias. Si te sali bien la partida anterior, repites la misma opcin, si no, la
cambias. Para ser ms exactos pero quiz debera conocer usted los detalles a
travs de la propia obra de Nowak y Highfield: Supercooperadores.
El universo no slo es ms raro de lo que imaginamos, es ms raro de lo que
podemos imaginar (Haldane).
(Como suele suceder, sta es una versin simplificada del original: No me cabe la
menor duda de que en realidad el futuro ser muchsimo ms sorprendente que
cualquier cosa que yo pueda imaginar. Ahora tengo la sospecha de que el universo
no slo es ms raro de lo que suponemos, es ms raro de lo que alcanzamos a
suponer, J. B. S. Haldane, Mundos posibles).
Y qu hay del futuro ltimo de la ciencia y las matemticas? Permtame brindarle
lo que denomino mi principio copernicano ampliado: la Tierra no es el centro del
universo, nosotros no ocupamos una posicin nica en el espacio y, por tanto,
tampoco ocupamos una posicin nica en el tiempo. No veo ninguna razn para
que nuestra ciencia actual tenga que estar cerca del final, por la que nuestra
ontologa cientfica actual tenga que perdurar. Tal vez, empleando la elocuente
descalificacin de Wolfgang Pauli, ni siquiera sea errnea.
En lugar de pensar que la ciencia actual de la humanidad ha llegado esencialmente
a su fin, prefiero recurrir a la extrapolacin lineal: hace un siglo no haba
electrones; cincuenta aos atrs no haba ordenadores. Quin sabe lo que
sabremos dentro de cincuenta o cien aos? Cuatrocientos aos atrs an no haba
nacido Newton, y dentro de cuatrocientos aos la ciencia moderna tendr el doble
de edad y de sabidura que ahora. Tal vez entonces incluya la psicologa
electrnica, un concepto sugerente que encontr en un precioso relato de ciencia
ficcin de A. E. Van Vogt que le de nio.
Creo que la ciencia y la magia no son tan diferentes. Ambas creen en una realidad
oculta tras las apariencias cotidianas. En cualquier caso, tal como asegur Arthur
C. Clarke, cualquier tecnologa lo bastante avanzada es indistinguible de la magia.
Es ms, en mi opinin, la mecnica cuntica y la teora de la informacin cuntica
no son materialistas, sino que ya representan un cambio completo de paradigma: el
mundo como idea, como informacin, no como materia. No habr que esperar
durante mucho tiempo la aparicin de una ontologa completamente nueva: ya ha
ocurrido.
Permtame concluir con la fabulosa cita que abre la obra La lgica de la investigacin
cientfica, de Karl Popper.
Las teoras son redes: slo pescar quien las lance (Novalis).

79
Los detalles de la evolucin particular de los modelos de software mutante que se
presentan en este libro no son tan relevantes. He odo decir a un bilogo que son
errneos todos los detalles de la obra de Schrdinger Qu es la vida?: El aspecto
fsico de la clula viva. Sin embargo, Qu es la vida? plante la cuestin, indic a
mucha gente que haba llegado el momento de crear la biologa molecular. No
puedo imaginar un destino mejor para este libro. Aunque casi todo lo que figura en
este volumen est equivocado, confo en que Demostrando a Darwin espolee el
trabajo en teoras matemticas sobre la evolucin y la creatividad biolgica. Es el
momento de crear esa teora.
Anexo 1
El artculo de Von Neumann que establece la igualdad ADN = software [12]

EL CONCEPTO DE COMPLICACIN; AUTORREPRODUCCIN


El concepto de complicacin
Hasta ahora las exposiciones previas han evidenciado que la complejidad elevada
tiene gran relevancia en cualquier esfuerzo terico relacionado con autmatas y
que, a pesar del carcter cuantitativo que parece tener a primera vista, este
concepto puede consistir en realidad en algo cualitativo, en una cuestin de
principio. En el resto de mi exposicin abordar una implicacin ms remota de
este concepto, implicacin que toma an ms explcito uno de los aspectos
cualitativos de su naturaleza.
La naturaleza presenta una caracterstica muy obvia, una especie de crculo
vicioso, cuya expresin ms simple es que los organismos muy complejos son
capaces de reproducirse a s mismos.
Todos tendemos a sospechar vagamente la existencia de un concepto de
complicacin. Este concepto y sus propiedades potenciales nunca se han formulado
con claridad. Sin embargo, siempre estamos tentados a aceptar que funciona del
siguiente modo. Cuando un autmata realiza determinadas operaciones, contamos
con que tienen un grado de complicacin menor que el autmata en s. En
concreto, si un autmata posee la capacidad de construir otro, debe producirse un
descenso de la complicacin, puesto que vamos de la matriz hacia la construccin.
Es decir, si A puede producir B, entonces A tendra que contener de alguna manera
una descripcin completa de B. Adems, para que suceda con eficacia, debe haber
varias disposiciones en A para comprobar que se interpreta esa descripcin y que
se realizan las operaciones de construccin que desencadena. Por tanto, en este
sentido parece esperable alguna tendencia degenerativa, algn descenso en la
complejidad a medida que un autmata construye otro autmata.
Aunque haya cierta verosimilitud indefinida en todo esto, est en clara
contradiccin con los hechos ms obvios que acaecen en la naturaleza. Los

80
organismos se reproducen a s mismos, es decir, crean organismos nuevos sin
ningn descenso de la complejidad. Es ms, hay largos periodos evolutivos en los
que la complejidad incluso aumenta. Los organismos derivan indirectamente de
otros menos complejos.
De modo que, cuando menos, existe una contradiccin aparente entre lo verosmil
y lo manifiesto. En vista de esto, vale la pena considerar si en todo ello interviene
algo que admita una formulacin rigurosa.
Hasta aqu he sido ms bien impreciso y difuso, y no por azar. Me parece
imposible transmitir una idea clara de la situacin que se da aqu de otro modo.
Permtanme que ahora intente ser preciso.

81
82
La teora de calculadoras automticas de Turing
El lgico ingls Turing abord el siguiente problema unos doce aos atrs.
Quera dar una definicin general de lo que significa una calculadora automtica.
La definicin formal que desarroll fue la siguiente:
Un autmata es una caja negra que no se describir en detalle pero que se espera
que tenga los siguientes atributos. Posee un nmero finito de estados, que deben
caracterizarse a primera vista nicamente consignando su nmero, digamos n, y
enumerndolos en concordancia: 1, 2., n. La caracterstica operativa esencial del
autmata consiste en describir cmo se provoca que cambie de estado, es decir,
que pase de un estado i a un estado j. Dicho cambio exige alguna interaccin con el
mundo exterior, el cual se especificar del siguiente modo. En lo que se refiere a la
mquina, digamos que todo el mundo exterior consiste en una cinta larga de papel.
Pongamos que la cinta mide 1 pulgada [13] de ancho, y que la subdividimos en
campos (cuadrados) de 1 pulgada de largo. En cada campo de esta banda podemos
poner o no una seal, por ejemplo, un punto, y contamos con que es posible tanto
borrar como poner dicho punto. Cada campo marcado con un punto se llamar
1, los campos no marcados con un punto se llamarn 0. (Podran admitirse
otras maneras de marcar los campos, pero Turing demostr que esta cuestin es
irrelevante y que no conduce a ninguna ganancia significativa en cuanto a
generalidad). Para describir la posicin de la cinta en relacin con el autmata se
da por supuesto que un campo particular de la cinta est bajo el control directo del
autmata, y que el autmata tiene la capacidad de desplazar la cinta hacia delante
y hacia atrs, pongamos, un campo cada vez. Para especificar esto, situaremos el
autmata en el estado i (= 1., n), y haremos que en la cinta se vea una e (= 0, 1).
Entonces el autmata pasar al estado j (= 0, 1., n), y mover la cinta p campos (p
= 0, +1, 1; +1 es un movimiento hacia delante, 1 es un movimiento hacia atrs), e
inscribe el nuevo campo que ve f (= 0, 1; inscribir 0 significa borrar; inscribir 1
significa poner un punto). Entonces, la especificacin de j, p, f, como funciones de i,
e, constituye la definicin completa del funcionamiento de dicho autmata.
Turing realiz un anlisis cuidadoso de qu procesos matemticos pueden
efectuarse con autmatas de este tipo. En el curso de esta labor demostr varios
teoremas relacionados con el clsico problema de la decisin en lgica, pero no
entrar en esas cuestiones aqu. Sin embargo, tambin introdujo y analiz el
concepto de un autmata universal, y esto forma parte de lo relevante en el
presente contexto.
Una serie infinita de dgitos e (= 0, 1) es una de las entidades bsicas de las
matemticas. Contemplada como una sucesin binaria, equivale en esencia al
concepto de nmero real. De modo que Turing bas su razonamiento en estas
sucesiones.

83
Estudi la cuestin de qu autmatas seran capaces de construir determinadas
sucesiones. Es decir, dada una ley definida para la formacin de una sucesin
especfica, l se plante qu autmatas pueden emplearse para formar la sucesin
sobre la base de dicha ley. El proceso de formacin de una sucesin se interpreta
de este modo. Un autmata es capaz de formar una sucesin determinada si es
posible especificar una longitud finita de cinta adecuadamente marcada de manera
que, al introducir esa cinta en el autmata en cuestin, ste escribir a continuacin
la sucesin en la porcin vaca (infinita) que queda de la cinta. Este proceso de
escritura de la sucesin infinita se prolonga, por supuesto, de manera indefinida.
Es decir, el autmata seguir operando indefinidamente y, si dispone de un tiempo
lo bastante largo, grabar cualquier porcin deseada (aunque, por supuesto, finita)
de la sucesin (infinita). La porcin finita, previamente marcada, de la cinta
constituye la instruccin del autmata para este problema.
Un autmata es universal si es capaz de resolver cualquier sucesin producida
por cualquier otro autmata. Desde luego, en general precisar una instruccin
diferente para este propsito.
El resultado principal de la teora de Turing
A priori cabra esperar que esto fuera imposible. Cmo puede haber un autmata
al menos tan efectivo como cualquier otro autmata imaginable, incluyendo, por
ejemplo, uno con el doble de su tamao y complejidad?
Turing, sin embargo, demostr que es posible. Aunque su construccin sea
bastante compleja, el principio subyacente es de lo ms simple. Turing observ que
una descripcin completamente general de cualquier autmata concebible puede
expresarse (de acuerdo con la definicin anterior) mediante una cantidad finita de
palabras. Esta descripcin contendr ciertos pasajes vacos (los referentes a las
funciones mencionadas con anterioridad: j, p, f en trminos de i, e), los que
especifican el verdadero funcionamiento del autmata. Cuando esos pasajes vacos
se rellenan, nos encontramos ante un autmata especfico. Mientras permanecen
vacos, este esquema representa la definicin general del autmata general. Ahora
se toma posible describir un autmata con la capacidad de interpretar tal
definicin o, en otras palabras, uno tal que, al introducirle las funciones que
definen un autmata especfico en el sentido descrito ms arriba, pasar a
funcionar como el objeto descrito. La capacidad de hacer esto no es ms misteriosa
que la capacidad de leer un diccionario y una gramtica y seguir sus instrucciones
en relacin con los usos y principios para combinar palabras. Este autmata,
construido para leer una descripcin e imitar el objeto descrito, es pues el autmata
universal en el sentido que le dio Turing. Para lograr que duplique cualquier
operacin que cualquier otro autmata sea capaz de efectuar, basta con

84
proporcionarle una descripcin del autmata en cuestin y, adems, las
instrucciones que necesitara ese dispositivo para la operacin contemplada.
Ampliacin del programa para tratar con autmatas que producen autmatas
Para la cuestin que me concierne a m aqu, la autorreproduccin de autmatas,
el procedimiento de Turing resulta excesivamente limitado en un solo aspecto. Sus
autmatas son meras mquinas de computacin. Su salida es un trozo de cinta
provista de ceros y unos. Lo que se necesita para la construccin de lo que yo he
comentado es un autmata cuya salida sea otro autmata. Pero no existe ninguna
dificultad de principio para tratar con este concepto ms amplio y para obtener a
partir de l el equivalente del resultado de Turing.
Las definiciones bsicas
Como en el ejemplo anterior, vuelve a ser crucial la aportacin de una definicin
rigurosa de lo que constituye un autmata para el objeto de la investigacin. En
primer lugar, hay que confeccionar una lista completa de las partes elementales
que se emplearn. Este listado debe contener no slo una enumeracin completa,
sino tambin una definicin operativa completa de cada parte elemental. Es
bastante sencillo elaborar una lista as, es decir, escribir un catlogo de las partes
de la mquina lo bastante amplio para permitir la construccin de la inmensa
variedad de mecanismos aqu requeridos, y con el rigor axiomtico necesario para
esta clase de consideracin. La lista tampoco precisa ser muy larga. Puede, por
supuesto, hacerse arbitrariamente larga o corta. Puede ampliarse incluyendo en
ella, como partes elementales, cosas que pudieran conseguirse mediante la
combinacin de otras. Se puede hacer corta (de hecho, puede hacerse de manera
que consista en una sola unidad) dotando cada parte elemental de una
multiplicidad de atributos y funciones. Cualquier afirmacin sobre el nmero de
partes elementales necesarias representar, por tanto, un compromiso de sentido
comn, en donde no se espera nada demasiado complicado de cualquier parte
elemental, y ninguna parte elemental est concebida para realizar varias funciones
claramente separadas. En este sentido, se puede demostrar que basta alrededor de
una docena de partes elementales. As que cabra plantear el problema de la
autorreproduccin del siguiente modo: se puede construir un conjunto a partir de
esos elementos de tal manera que si se pone en un almacn donde floten todos
estos elementos en gran nmero, empiece a construir otros conjuntos, cada uno de
los cuales resulte ser al final otro autmata exactamente igual al original? Esto es
factible, y el principio en el que se basa est ntimamente relacionado con el
principio de Turing explicado con anterioridad.
Esquema de la deduccin del teorema acerca de la autorreproduccin
En primer lugar, es posible dar una descripcin completa de todo lo que es un
autmata en el sentido contemplado aqu. Esta descripcin debe concebirse de
85
manera general, es decir, una que de nuevo contenga espacios vacos. Estos
espacios vacos deben llenarse con las funciones que describan la estructura real de
un autmata. Al igual que antes, la diferencia entre esos espacios llenos y vacos es
la diferencia entre la descripcin de un autmata especfico y la descripcin
general de un autmata general. No existe ninguna dificultad de principio para
describir los siguientes autmatas.
(a) El autmata A, que al proporcionarle la descripcin de cualquier otro autmata
en trminos de las funciones adecuadas, construir ese ente. La descripcin no se
dar en este caso en forma de una cinta marcada, como en el caso de Turing,
porque normalmente no elegiremos una cinta como elemento estructural. Sin
embargo, es bastante sencillo describir combinaciones de elementos estructurales
que posean todas las propiedades de registro de una cinta con campos que se
puedan marcar. Una descripcin de este tipo se denominar una instruccin y se
designar mediante una letra I.
El trmino construir debe entenderse en el mismo sentido que antes. Se supone que
el autmata constructor se encuentra en un almacn donde flotan todos los
componentes elementales en gran nmero, y realizar su construccin en ese
medio. No hay que preocuparse por el modo en que un autmata concreto de este
tipo ser capaz de crear otros ms grandes y ms complejos que l. En este caso, el
mayor tamao y complejidad del objeto que se quiera construir estarn reflejados
en un tamao supuestamente mayor de las instrucciones I que debern
proporcionarse. Tal como he comentado, estas instrucciones debern consistir en
conjuntos de partes elementales. Desde luego, en este sentido, un ente iniciar un
proceso cuyo tamao y complejidad estn determinados por el tamao y la
complejidad del objeto que haya que construir.
En adelante, todos los autmatas para cuya construccin se emplee el dispositivo
A, compartirn con A esta propiedad. Todos ellos tendrn sitio para una
instruccin I, es decir, un lugar donde se pueda insertar esa instruccin. Al
describir un autmata tal (como, por ejemplo, mediante una instruccin adecuada),
la especificacin del lugar donde insertar una instruccin I en el sentido anterior se
entiende como parte de la descripcin. Por tanto, podemos hablar de insertar una
instruccin I dada en un autmata dado, sin ninguna otra explicacin adicional.
(b) El autmata B, capacitado para hacer una copia de cualquier instruccin I que
se le proporcione. I consiste en un conjunto de partes elementales en el sentido
explicado en (a), y no en una cinta. Este dispositivo se emplear cuando I
proporcione una descripcin de otro autmata. En otras palabras, este autmata no
es nada ms sutil que un reproductor (la mquina capaz de leer una cinta
perforada y crear una segunda cinta perforada idntica a la primera). Ntese que
este autmata tambin es capaz de producir objetos ms grandes y ms complejos

86
que l mismo. Represe, adems, en que esto no tiene nada de sorprendente. Como
slo puede copiar, ser necesario proporcionarle como entrada un objeto de
tamao y complejidad idnticos a los de la salida.
Despus de este prembulo, podemos proceder al paso decisivo.
(c) Combinemos los autmatas A y B entre s y con un mecanismo de control C que
haga lo siguiente. Dotemos a A con una instruccin I (nuevamente en el sentido de
[a] y [b]). Entonces C provocar en primer lugar que A construya el autmata
descrito mediante esa instruccin I. Despus C har que B copie la instruccin I a la
que acabamos de aludir, e inserte la copia dentro del autmata mencionado ms
arriba, el recin construido por A. Por ltimo, C separar esta construccin del
sistema A + B + C, y la dejar libre como entidad independiente.
(d) Denominemos D al conjunto global A + B + C.
(e) Para funcionar, el conjunto D = A + B + C debe dotarse de una instruccin I,
como la descrita ms arriba. Tal como acabamos de sealar, esta instruccin debe
insertarse en A. Formemos ahora una instruccin ID que describa este autmata D,
e insertmosla en A dentro de D. Denominemos E al conjunto resultante.
E es claramente autorreplicante. Ntese que no interviene ningn crculo vicioso.
El paso decisivo se produce en E, cuando se construye la instruccin ID, la que
describe D, y se incorpora a D. Cuando se solicita la construccin (la copia) de ID, D
ya existe, y no se ve modificada en modo alguno por la construccin de ID. ID se
aade sencillamente para formar E. Por tanto, existe un orden definido cronolgico
y lgico para que se formen D e ID, y se sigue un proceso legtimo y correcto de
acuerdo con las reglas de la lgica.
Interpretacin de este resultado y de sus ampliaciones inmediatas
La descripcin de este autmata E tiene algunos aspectos atractivos adicionales en
los que no me extender demasiado en esta ocasin. Por ejemplo, es bastante
evidente que la instruccin ID desempea de manera aproximada las funciones de
un gen. Tambin est claro que el mecanismo de copiado B realiza el acto
fundamental de la reproduccin, la duplicacin del material gentico, que es
claramente la operacin fundamental en la multiplicacin de las clulas vivas.
Tambin se ve con facilidad que las alteraciones arbitrarias del sistema E, y en
particular de ID, pueden exhibir ciertos rasgos tpicos que aparecen en conexin con
la mutacin, que son letales normalmente, pero con la posibilidad de proseguir con
la reproduccin con una modificacin de los rasgos. Por supuesto, tambin est
claro en qu punto deja de ser vlida la analoga. Es probable que el gen natural no
contenga una descripcin completa del objeto cuya construccin estimula con su
presencia. Probablemente slo contenga indicaciones generales, seales generales.
No intentamos incorporar esta simplificacin dentro del marco tan general en el

87
que se desarrolla nuestro discurso. No obstante, est claro que esta simplificacin y
otras similares son en s mismas de una relevancia enorme y cualitativa. Estaremos
muy lejos de una comprensin real de los procesos naturales si no intentamos
ahondar en estos principios simplificadores.
Pequeas variaciones del esquema anterior tambin permiten construir autmatas
capaces de reproducirse a s mismos y, adems, de construir otros. (Tales
autmatas realizan de forma ms especfica lo que probablemente sea una
cuando no la funcin tpica de los genes, la autorreproduccin junto con la
produccin o el estmulo para la produccin de ciertas enzimas especficas).
De hecho, basta con sustituir la ID por una instruccin ID+F que describa el autmata
D y otro autmata dado, F. Denominemos EF al autmata D dotado de ID+F insertado
en el A que porta en su interior. Este EF posee claramente la propiedad recin
descrita. Se reproducir a s mismo y, adems, construir F.
Ntese que una mutacin de EF que se produzca dentro de la parte
correspondiente a F en ID+F dentro de EF no ser letal. Si sustituye F por F se pasa de
EF, a EF, es decir, el mutante sigue siendo autorreplicante, slo que el
subproducto ha cambiado a F en lugar de F. Se trata, por supuesto, del tpico
mutante no letal.
Todos stos son pasos muy rudimentarios hacia una teora sistemtica de
autmatas. Adems, tan slo representan una direccin concreta. Lo que acabo de
exponer, tal como seal con anterioridad, es la direccin hacia el desarrollo de un
concepto riguroso de lo que constituye la complicacin. Son la ilustracin de
que, en sus niveles ms bajos, la complicacin es probablemente degenerativa, es
decir, que todo autmata capaz de producir otro autmata slo ser capaz de
generar otros menos complicados. Sin embargo, existe cierto umbral mnimo en el
que esta caracterstica degenerativa deja de ser universal. En ese punto se toman
posibles los autmatas capaces de reproducirse a s mismos, o incluso de construir
entes superiores. Es evidente que este hecho (que la complicacin, as como la
organizacin, por debajo de cierto umbral mnimo sean degenerativas, y por
encima de ese nivel se puedan volver autnomas y hasta crecientes) desempear
un papel relevante en cualquier teora futura sobre esta materia.
Anexo 2
La esencia de la demostracin
El captulo 5 esboza la demostracin de que la evolucin darwiniana funciona en
nuestro modelo simplificado, pero omite ciertos detalles cruciales porque la
mayora de la gente tendr suficiente con una idea aproximada de la demostracin.
Para quienes quieran saber ms, brindamos a continuacin esos detalles cruciales
que faltan. Se trata nuevamente de un esbozo de la prueba, pero esta vez es lo

88
bastante detallado para que a las personas con conocimientos amplios sobre teora
algortmica de la informacin les resulte sencillo completarla.
Esto se denomina presentacin de una demostracin mediante aproximaciones
sucesivas y, en mi opinin, es mejor que el lanzamiento de todos los detalles a la
vez. Este mtodo tambin se acerca ms al modo en que se llega a una
demostracin al realizar investigaciones matemticas.
La probabilidad de detencin se define del siguiente modo. Cada programa de K
bits que se detiene aporta 1/2K a la probabilidad de detencin:
= el programa P se detiene 2(el tamao en bits de P)
Para que esta suma sea < 1 en lugar de divergir hasta el infinito, los programas P
deben ser autodelimitadores, de forma que ninguna ampliacin de un programa
P vlido sea un programa vlido.
A continuacin definimos que K sea esa parte de la suma definitoria de que
incluye tan slo aquellos programas con un tamao mximo de K bits que se
detienen dentro de un tiempo K:
= el programa P mide K bits y se detiene en un tiempo K 2(el tamao en bits de P)
K es una funcin computable de K que converge (muy despacio) hacia en el
lmite, desde abajo. Es ms,
K K + 1
K es una funcin montona creciente (es decir, no decreciente) de K.
Ntese que conocer un entero muy elevado equivale a conocer una cota inferior
muy buena de :
Si se nos da un N extremadamente grande podemos hallar una cota inferior buena
de ; llammosla N.
A la inversa, dado un nmero < mayor que cero y que cuenta con una
representacin finita en base dos (stas se denominan fracciones didicas),
podemos convertir en un entero N extremadamente grande hallando el primer N
que hace que n . Este proceso nunca se detendr si > . (Es imposible que
iguale a porque se puede demostrar que es irracional.)
De este modo se ve (omitimos los detalles) que conocer el entero extremadamente
elevado BB(N) equivale ms o menos a conocer N bits de .
Aqu terminan los preliminares.

89
90
La esencia de la demostracin estriba en considerar las mutaciones MK a las que se
les proporciona, en efecto, una cota inferior de y que intentan mejorarla
(acercarla ms a sin sobrepasar el valor de ) aadindole 1/2K.
Sealemos ahora la capacidad adaptativa de un organismo / programa arbitrario A
mediante A: ste es el entero positivo que A calcula antes de detenerse. Veamos
ahora una explicacin completa de cmo funciona MK.
La mutacin MK, dado el organismo A con una capacidad adaptativa A, pondr en
marcha en primer lugar el programa A para calcular su capacidad adaptativa A, y
despus usar ese entero muy elevado para calcular una cota inferior A, de .
Entonces MK aade 1/2K a esta cota inferior de y se obtiene
= + 1/2K
A

lo que puede tener un valor inferior o superior al de . En cualquier caso, la


mutacin MK convierte A en el programa mutado
A = (el prefijo concatenado con )= .
El prefijo autodelimitador convierte en un entero positivo elevado hallando el
primer N para el que
N
entonces da como salida el entero N y se detiene.
Por qu son tan tiles estas mutaciones MK?
En primer lugar, ntese que si es menor que , entonces la capacidad adaptativa
de A ser mayor que la de A. Por otro lado, si supera el valor de , entonces el
organismo mutado A no se detendr.
Estas mutaciones Mk se pueden emplear para converger con rapidez hacia el valor
correcto de . Si partimos de A = , donde tiene un valor cero, y probamos la
mutacin MK para K = 1, 2, 3 obtendremos un nuevo bit de en cada paso, un bit
por cada mutacin probada. Porque, si MK funciona, entonces el bit K-simo de
es un 1; mientras que si MK no funciona, entonces el bit K-simo de es un 0.
De modo que la del programa tendr N bits de correctos tras probar cada
MK con K = 1, 2, 3. N. Adems, despus de explorar estas N mutaciones, la
capacidad adaptativa del programa ser aproximadamente BB(N), lo que crece
a una velocidad extrema. De hecho no es difcil ver que ste es esencialmente el
mejor rendimiento que se puede alcanzar tras ensayar N mutaciones.
Esto es lo que denominamos diseo inteligente, porque permite elegir qu
mutaciones probar, y podemos hacerlo en el mejor orden posible
Pero qu sucede si las mutaciones se eligen al azar? Entonces todas las mutaciones
posibles se intentarn con una frecuencia infinita, incluidas las mutaciones MK con
cada K posible. La presencia de otras mutaciones no representa ningn perjuicio;

91
en cuanto hayamos probado MK con K = 1,2, 3 N por orden, la capacidad
adaptativa alcanzar BB(N) igual que antes. Y, tal como sealamos en el captulo 5,
esto suceder cuando hayamos explorado un nmero de mutaciones aleatorias en
algn punto intermedio entre N2 y N3, QED: quod erat demonstrandum.
Bibliografa complementaria
Abdalla, Maurcio, La crisis latente del darwinismo, Cauac Editorial Nativa, 2010.
Berlinski, David, Black Mischief: The Mechanics of Modern Science, William
Morrow, 1986.
, The Devils Delusion: Atheism and Its Scientific Pretensions, Crown Forum,
2008.
Brenner, Sydney, My Life in Science, Blomed Central Ltd., 2001 [trad. esp. de E.
Matallana Redondo: Mi vida en la ciencia, Publicaciones de la Universidad de
Valencia, Valencia, 2006].
Byers, William, The Blind Spot: Science and the Crisis of Uncertainty, Princeton
University Press, 2011.
Chaitin, Gregory, Randomness in Arithmetic and the Decline and Fall of
Reductionism in Pure Mathematics, en John Cornwell, Natures Imagination: The
Frontiers of Scientific Vision, Oxford University Press, 1995, pgs. 27-44.
, Meta Math! The Quest for Omega, Pantheon, 2005.
, Thinking about Gdel and Turing: Essays on Complexity, 1970-2007, World
Scientific, 2007.
, Matemticas, Complejidad y Filosofa / Mathematics, Complexity and
Philosophy, Midas, 2011 (edicin bilinge espaol-ingls).
, Newton da Costa y Francisco Antonio Doria, Gdels Way: Exploits into an
Undecidable World, CRC Press, 2012.
Davis, Martin, The Undecidable: Basic Papers on Undecidable Propositions,
Unsolvable Problems and Computable Functions, Dover, 2004.
Dawkins, Richard, The Ancestors Tale: A Pilgrimage to the Dawn of Evolution,
Houghton Mifflin, 2004 [trad. esp. de V. V. beda: El cuento del antepasado: un viaje a
los albores de la evolucin, Antoni Bosch, Barcelona, 2008].
Gleick, James, The Information: a History, a Theory, a Flood, Pantheon, 2001 [trad. esp.
de J. Rabasseda-Gascn y T. de Lozoya: La informacin: historia y realidad, Crtica,
Barcelona, 2012].
Haeckel, Ernst, Art Forms from the Ocean, Prestel, 2009.
, Art Forms in Nature, Prestel, 2010.

92
Hoyle, Fred, The Intelligent Universe: A New View of Creation and Evolution, Michael
Joseph, 1983 [trad. esp. de J. Chabs: El universo inteligente, Grijalbo, Barcelona,
1985].
Kemeny, John, Man Viewed as a Machine, Scientific American, 192, abril de 1955,
pgs. 58-67.
La Mettrie, Julien Offray de, Man a Machine, Open Court, 1912 [trad. esp. de J. L.
Prez Calvo: El hombre mquina, Alhambra, Barcelona, 1987].
Maynard Smith, John, The Problems of Biology, Oxford University Press, 1986 [trad.
esp. de M. Sansigre Vidal: Los problemas de la biologa, Ctedra, Madrid, 1987].
, Shaping Life; Genes, Embryos and Evolution, Weidenfeld & Nicolson, 1998 [trad.
esp. de A. J. Desmonts: La construccin de la vida: genes, embriones y evolucin,
Crtica, Barcelona, 2000].
y Ers Szathmry, The Origins of Life; from the Birth of Life to the Origin of
Language, Oxford University Press, 1999 [trad. esp. de Joandomnec Ros: Ocho hitos de
la evolucin: del origen de la vida al nacimiento del lenguaje, Tusquets Editores, col.
Metatemas 67, Barcelona, 2001].
Meyer, Stephen C., Signature in the Cell: DNA and the Evidence for Intelligent
Design, HarperOne, 2009.
Moore, Edward F., Artificial Living Plants, Scientific American, 195, octubre de
1956, pgs. 118-126.
Neumann, John von, The General and Logical Theory of Automata, en Lloyd
Jeffres, Cerebral Mechanisms in Behavior: The Hixon Symposium, John Wiley and Sons,
1951, pgs. 1-41, reimpreso en James R. Newman, The World of Mathematics, Dover,
2003 [trad. esp. de Miguel Muntaner: Teora general y lgica de los dispositivos
automticos, en Sigma: el mundo de las matemticas, seleccin de textos, notas y
comentarios de James R. Newman, Barcelona, Grijalbo, 1969, vol. 6].
, Theory of Self-Reproducing Automata, University of Illinois, 1996 (editado y
completado por A. W. Burks).
Ridley, Matt, The Red Queen: Sex and the Evolution of Human Nature, Harper
Perennial, 2003.
, Francis Crick: Discoverer of the Genetic Code, Eminent Lives, 2006.
Sandn, Mximo, Lamarck y los mensajeros: la funcin de los virus en la evolucin,
Ediciones Istmo, 1995.
, Pensando la evolucin, pensando la vida: la biologa ms all del darwinismo,
Cauac Editorial Nativa, 2010.
Sangalli, Arturo, Pythagoras Revenge: A Mathematical Mystery, Princeton University
Press, 2009.

93
Shapiro, James A., Evolution: A View from the 21st. Century, FT Press, 2011.
Shubin, Neil, Your Inner Fish: A Journey into the 3.5-Billion-Year-History of the
Human Body, Pantheon, 2008.
Stillwell, John C., Roads to Infinity: The Mathematics of Truth and Proof, A K Peters,
2010.

GREGORY CHAITIN (Nueva


York, EE. UU., 1947). Matemtico
de fama mundial y especialista en
algoritmia y teora de la informacin,
es conocido sobre todo por su
descubrimiento del nmero Omega (o
constante de Chaitin). Profesor
honorario de la Universidad de
Buenos Aires, es en la actualidad
profesor en la Universidad
Federal de Ro de Janeiro en Brasil.
Ha trabajado en el IBM Watson
Research Center de Nueva York.
Es autor, entre otros ttulos, de Meta
Math! The Quest for Omega (2005) y
Matemticas, complejidad y
filosofa (2011).
Notas
[1]
Extrado de Indiscrete Thoughts
(Pensamientos indiscretos), de
Gian-Carlo Rota, Birkhuser, Boston, 1997, pgs. 45-46. (N. del A.). <<
Publicado en Tusquets Editores, col. Metatemas 1, Barcelona, 1983 y 2011. (N. del
[2]

E.). <<
Martin Davis, The Undecidable: Basic Papers on Undecidable Propositions,
[3]

Unsolvable Problems and Computable Functions (Lo indecidible: escritos bsicos


sobre proposiciones indecidibles, problemas irresolubles y funciones
computables), Dover, 2004. (N. del A.). <<
Cerebral Mechanisms in Behavior: The Hixon Symposium, John Wiley and Sons,
[4]

Nueva York, 1951, pgs. 1-41; John Kemeny, Man Viewed as a Machine (El
hombre visto como mquina), Scientific American, 192 (abril de 1955), pgs. 58-76
(describe los autmatas autorreplicantes de Von Neumann); E. F. Moore, Artificial
Living Plants (Plantas artificiales vivientes), Scientific American, 195 (octubre de

94
1956), pgs. 118-126 (otra reaccin a Von Neumann); John von Neumann, Theory of
Self-Reproducing Autmata (Teora de autmatas autorreplicantes), University of Illinois
Press, Urbana, 1966 (obra pstuma; editada y completada por A. W. Burks). (N. del
A.). <<
Mi vida en la ciencia, Publicaciones de la Universidad de Valencia, Valencia, 2006;
[5]

Matt Ridley, Francis Crick, Eminent Lives, 2006. (N. del A.). <<
Stanis&lstrok;aw Ulam, Aventuras de un matemtico, Nivola, Madrid, 2002. Vase
[6]

adems Konrad Zuse, Rechnender Raum (Espacio de clculo), Friedrich Vieweg &
Sohn, Braunschweig, 1969. Aparecer una traduccin al ingls dentro de la obra de
Hector Zenil titulada A Computable Universe (Un universo computable), World
Scientific, Singapur, 2012.
Sobre la plasticidad del mundo, vase la idea de Freeman Dyson de una tecnologa
completamente ecolgica en El Sol, el genoma e internet, Debate, Madrid, 2000:
semillas que salen de las casas y no de los rboles, nios que practican ingeniera
gentica para disear flores nuevas, etctera. Vase adems la obra de Alison
Coudert titulada Leibniz and the Kabbalah (Leibniz y la cbala) y la obra de Umberto
Eco La bsqueda de la lengua perfecta, sobre la lengua admica que emple Dios para
crear el mundo y cuya estructura es un reflejo directo de la estructura interna
esencial del mundo. El conocimiento de esta lengua nos dotara de poderes divinos
(como en el cuento La rosa de Paracelso de Jorge Luis Borges). (N. del A.). <<
Publicado en Tusquets Editores, col. Metatemas 67, Barcelona, mayo de 2001,
[7]

pgs. 224-225. (N. del E.). <<


[8]
Busy Beaver, en ingls, castor hacendoso. (N. de la T.). <<
Conferencia pronunciada el lunes 10 de enero de 2011 dentro del taller titulado
[9]

Randomness, Structure and Causality: Measures of Complexity from Theory to


Applications (Aleatoriedad, estructura y causalidad: medidas de la complejidad
desde la teora a sus aplicaciones), y organizado por Jim Crutchfield y Jon Machta
en el Instituto de Santa Fe de Nuevo Mxico. Los fragmentos en negrita son los que
se escribieron en la pizarra. (N. del A.). <<
El autor se refiere a la marca de dulces y chocolatinas Leibniz, productora de los
[10]

populares Leibniz-Keks. (N. de la T.). <<


[11]
Publicado por Tusquets Editores, col. Metatemas 65, Barcelona, 2000. (N. del E.).
<<
Extrado del artculo The General Logical Theory of Automata, en Lloyd
[12]

Jeffress, Cerebral Mechanisms in Behavior: The Hixon Symposium, John Wiley and
Sons, 1951, pgs. 1-41. (N. del A.). <<
[13]
Una pulgada equivale a 2,54 cm. (N. de la T.). <<

95