SEMINARIO: ANALISIS CRITICOS EN ESCENARIOS COMPLEJOS

INTRODUCCIN

Un escenario complejo, implica una situacin donde actores heterogneos

entrelazados o entrelazables han acumulado una cantidad crtica de posibles
evoluciones (meta-estabilidad), para el sistema actual que conforman (estable o
inestable, fuerte o dbil), la transformacin del escenario es incierta, no puede ser
determinada de antemano; un atributo de los actores en un escenario complejo, es
que son o pueden ser mediadores de los flujos/relaciones que los conectan, esto
hace del escenario complejo, un escenario de composicin y potencialmente
poltico.

La relacin entre la heterogeneidad de los actores (que pertenecen a cosmos

diversos) y la potencialidad de evoluciones mltiples del escenario, hacen que la
lista de actores sea tambin potencialmente variable, es por ello, que una
descripcin de un escenario complejo debe considerarse un escenario abierto.

En la complejidad, las verdades o significados se explican como un sistema

variable y evolutivo. Se debe reconocer que hay vacos lgicos, y que no es
necesario acumular toda la informacin antes de tomar una decisin. Indican los
autores que los significados y las verdades, son comprendidas en el contexto de
las ciencias de la complejidad como un fenmeno plural, variable y dinmico.

La llamada ciencia de la complejidad, se basa en una nueva forma de ver las

cosas que contrasta bastante con la filosofa que subyace a la ciencia newtoniana,
que fundamentalmente se basa en el reduccionismo, el determinismo y el
conocimiento objetivo. Las ciencias de la complejidad representan una verdadera
revolucin del conocimiento. Contienen numerosas teoras, diversidad de modelos
explicativos, conceptos, mtodos y lgicas, y tratan de responder interrogantes
como: Por qu las cosas son o se vuelven complejas?

UNIDAD I: La ciencia de la Complejidad.

Lo que hoy llamamos ciencia ha sido tan impactante que todo nuevo conjunto
de conocimientos pretende validarse con ese ttulo de prestigio. La teologa que en
la Edad Medieval pasaba por ser la ciencia sagrada, hoy difcilmente se la
aceptara como ciencia. A la epistemologa se le encarga hoy la tarea de delimitar
a qu hemos de calificar como conocimiento cientfico, por oposicin a otras
formas de conocimientos humanos pero no cientficos. Epistemologa (en su
origen episteme procede de epstamai: estar bien informado, saber con
certidumbre) hace, en efecto, relacin ciencia, conocimiento que en la actualidad
parece separarse tanto de la filosofa como y ms an de la religin. Esta
dificultad sera insuperable si no limitramos un concepto emprico de ciencia,
donde al modo de los postulados por Karl Popper, el trmino ciencia, es tomado
sin ms como sinnimo de ciencia emprica. Por esto, ser necesario detenernos
brevemente en lo que se ha entendido por ciencia y, en consecuencia, en lo que
se ha entendido por epistemologa. Inicialmente se entendi por epistemologa lo
he indicado en otro libro al estudio filosfico acerca de lo que sea o no sea ciencia
en un sentido nato; esto es, acerca de una forma de conocer que no se clausure
solo en las validaciones empricas, para merecer el ttulo de ciencia.

Aristteles, en efecto, reserv el concepto de ciencia para un tipo especfico de

silogismo, llamado por ello mismo "silogismo epistemolgico" o cientfico, puesto
que produca ciencia. Este silogismo implicaba cuatro condiciones. Los principios
de ese silogismo, en consecuencia, de la ciencia- deban ser:

1) Verdaderos;

2) Indemostrables, dado que eran admitidos por su evidencia;

3) Anteriores y mejor conocidos que las conclusiones que de ellos se infieren;

4) Causa del ser o del conocer atribuido en la conclusin del silogismo.

Se tiene ciencia de algo cuando se sabe su causa y se sabe que sta produce
algo (llamado efecto) de modo que no puede ser de otra forma. Aristteles una
en su concepto de ciencia, exigencias de la gnoseologa(a partir de premisas
consideradas conocimientos verdaderos en sus contenidos) y de la lgica (llegar
a conclusiones correctas a partir de esas premisas).

Aristteles admita que existen algunos principios lgicos que son evidentes:
se los entiende no bien se los considera atentamente, como por ejemplo, que el
todo es mayor que la parte, que el ser y el no ser son contradictorios". Estos
conocimientos no son ciencia, sino principios evidentes de todas las ciencias. Un
principio es evidente intelectivamente (no a los sentidos) cuando constituye una
proposicin tal que, entendido el predicado, se entiende sin ms el sujeto: un
ejemplo tpico y extremo lo constituyen las tautologas (el ser es el ser).

Pero las ciencias que tratan de problemas de la realidad (y no slo de lgica y

de cualidades postuladas) implican, segn Aristteles, adems otros principios
elaborados por induccin. La induccin (del latn inducere, conducir hacia; tomado
del griego epagogu: el hecho de guiar a, llevar a lo alto de) es un modo de
proceder de la mente que a partir de los casos singulares se infiere, se induce, se
indica, se presupone (sin garanta lgica) lo universal; pero no lo demuestra. Por
ejemplo, si alguien constata que algunos cuadrpedos (el caballo, el mulo,) tienen
hiel podra inducir de ello (aunque no necesariamente) que todos los cuadrpedos
la tienen.
 Por otro lado, en la poca moderna se cay en el exceso opuesto al
pensamiento griego, reducindose todo conocimiento pretendidamente cientfico
a lo emprico, desacreditndose los conocimientos formales y filosficos.
Segn A. Comte, gran admirador de Bacon y Newton, la ciencia es ciencia
Positiva esto es, conocimiento de lo que cae en algunos de nuestros sentidos y de
lo que, en consecuencia, se puede observar. Positivo significa, adems,
lo real por oposicin a lo quimrico; lo til por oposicin a lo ocioso; lo preciso por
oposicin a lo vago; lo relativo (o plural de las teoras) por oposicin a lo nico
dogmtico absolutamente verdadero.

No obstante lo dicho, la ciencia positiva se hallaba, segn Comte, regida por el

"dogma general de la invariabilidad de las leyes naturales", y toda ciencia para ser
tal tena, en consecuencia, sentido predictivo y experimental, al modo como lo
hacen las ciencias de la naturaleza fsica. Comte estimaba que las sociedades
avanzan segn el progreso en los modos de conocer y estableca tres grandes
estadios en el conocimiento, que se van superando progresivamente:

1) Las sociedades con conocimiento teolgico (y para Comte este conocimiento

tiene un carcter fetichista, mgico, generador de sociedades militares, guerreras).

2) Las sociedades con conocimientos de carcter filosfico (y ste es un

conocimiento mediante entidades abstractas: el ente, la sustancia, entre otros,
generador de sociedades de letrados).

3) Las sociedades modernas con un conocimiento cientfico, predictivo y

experimental, capaz de prever y producir los cambios, generadores de sociedades
industriales.

Comte consideraba que haba seis ciencias. Estableci, como lo haba hecho
Galileo, que la primera ciencia y lenguaje para las dems ciencias era la
matemtica, la ms abstracta y general. Las otras eran ciencias de observacin
positiva, con crecientes grados de complejidad, de modo que la siguiente
presupona conocer la anterior: la astronoma, la fsica, la qumica, la biologa, la
fsica social (o sociologa). El objeto de las ciencias consista en buscar leyes, esto
es, las condiciones constantes en que se dan los fenmenos. La lgica ha
quedado absorbida por las matemticas, y la filosofa por el conjunto de las
ciencias. La psicologa es excluida de las ciencias pues implica la observacin
interna y sta lleva a tomar los sueos por realidad.

El ncleo de la ciencia ha quedado constituido por la(s) teora(s) o conjeturas

que posibilitan entender un problema e intentar valorar las conjeturas que el
cientfico inventa como posibles causas que explican el surgimiento del problema,
de cualquier naturaleza sea ste, tanto emprico como formal. Lo que hace que un
conjunto de conocimientos sistematizados sea ciencia, es el valor que pueden
recibir y sostener demostrativamente las conclusiones a las que se llega: la
resistencia que le ofrece la coherencia (si es una ciencia formal) y -adems- los
intentos de falsacin y resistencia a la refutacin que poseen esas conclusiones,
si es una ciencia emprica.

Las Ciencias de la Complejidad

Partiendo de la frase anti reduccionista comnmente atribuida a Aristteles, el

todo es ms que la suma de sus partes, adquiere cada vez mayor importancia
conforme diversas ciencias, tales como Biologa de Sistemas, Economa
Conductual, Gentica, Geologa, Finanzas, Neurociencias, Ecologa y
Epidemiologa, entre otras, dejan atrs el reduccionismo para explicar cmo el
comportamiento complejo puede surgir a partir de un gran nmero de
componentes independientes y simples.

Las Ciencias de la Complejidad ofrecen un ambiente interdisciplinario que

permite estudiar, caracterizar y en algunos casos predecir y controlar este tipo de
comportamiento gracias a herramientas provenientes de diferentes disciplinas
tales como Teora de Redes, Autmatas Celulares, Sistemas Dinmicos y Caos,
Fsica de Transiciones de Fase y Estadstica, Teora de la Informacin, Fractales y
Modelado basado en Agentes.

Sin embargo, a pesar de que cientficos alrededor del mundo han trabajado
durante al menos 50 aos en temas relacionados a las Ciencias de la Complejidad
(aunque no necesariamente bajo ese nombre), no existe an consenso en una
nica definicin universalmente aceptada. En cambio, diferentes autores han
propuesto una serie de definiciones, algunas un tanto ms rigurosas que otras, de
las cuales estas son slo algunas. Por ejemplo, George Whitesides comienza
caracterizando la Simplicidad como aquello que es predecible y que exhibe
comportamiento determinstico y lineal (los efectos son proporcionales a las
causas). Argumenta adems que, aunque es difcil dar una definicin rigurosa de
Simplicidad, en tanto que seres humanos podemos reconocerla al verla, y parte de
este punto para decir que todo aquello que no es simple es, por ende, complejo.

De una manera ms tcnica y menos genrica. Yaneer Bar-Yam define

Ciencias de la Complejidad como el estudio de sistemas con muchos
componentes interdependientes, mientras que Melanie Mitchell propone que un
sistema complejo es un sistema en el que grandes redes de componentes
carecientes de cualquier tipo de control centralizado y que obedecen reglas de
operacin simples exhiben comportamiento colectivo complejo, procesamiento de
informacin sofisticado, y adaptacin mediante aprendizaje o evolucin.
Que son sistemas Complejos?

Un sistema complejo, est compuesto por varias partes interconectadas o

entrelazadas, cuyos vnculos crean informacin adicional no visible antes por el
observado. Asimismo, se considera un conjunto de elementos o partes que
interaccionan entre s, a fin de alcanzar un objetivo concreto. De aqu se
desprenden dos implicaciones fundamentales:

Primero, que existe una influencia mutua entre sus elementos, de forma que el
cambio experimentado en uno de ellos, repercute y afecta inevitablemente al
resto.

Segundo, que una serie de elementos reunidos (es decir, un conjunto), que no
persigue un propsito comn (un objetivo), de ninguna manera constituye un
sistema.

En consecuencia, para que el comportamiento de un sistema est

adecuadamente descrito, es necesario conocer, adems de sus elementos, las
interacciones o relaciones entre ellos. Pero no slo eso: tambin se requiere saber
sus estados (los valores instantneos de todos los elementos) y sus transiciones
(los cambios dinmicos de esos estados). En otras palabras, se deben describir
tanto la estructura (lo que es el sistema) como la funcin (lo que hace el sistema).

Por otra parte, para cuantificar el nivel de complejidad de un sistema, las

medidas provienen de diferentes reas del conocimiento y usualmente aplican a
sistemas de una misma naturaleza. Adems de proveer un mtodo objetivo, para
comparar diferentes sistemas, la capacidad para cuantificar el nivel de complejidad
no slo creara la posibilidad de evaluar, predecir, modificar, controlar e incluso
hasta disear sistemas complejos, sino que adems, permitira dar seguimiento a
la evolucin de dicha magnitud a lo largo del tiempo para as entender mejor su
evolucin.

Seth Lloyd hace notar en su lista no exhaustiva de medidas de Complejidad,

que la mayora de ellas pueden agruparse en tres categoras:

La primera engloba aquellas medidas que se basan en la dificultad de

descripcin de un problema, y generalmente se miden en bits o alguna medida de
informacin. Ejemplos destacados son entropa, contenido algortmico de
informacin, informacin de Fisher y dimensin fractal.

La segunda categora contiene a las medidas basadas en la dificultad de

creacin y sus unidades tpicas, son cantidades fsicas como energa, costo o
tiempo, por ejemplo complejidad computacional o profundidad termodinmica.

Y la tercera categora abarca medidas con base en el grado de organizacin

como complejidad jerrquica o informacin mutua.
Ejemplos de Sistemas Complejos

El cuerpo humano, es un estereotpico ejemplo de un sistema complejo, y

seleccionemos adems un nivel jerrquico de complejidad arbitrario, dentro del
cuerpo humano, el cerebro se considera un sistema complejo.

El nivel atmico, bajo las condiciones adecuadas, tomos, principalmente de

hidrgeno, oxgeno, carbono, nitrgeno, calcio y fsforo, se combinan para formar
molculas que a su vez, se adhieren a otras molculas para generar macro-
molculas, que son la base para crear clulas.

Otros ejemplos de sistemas complejos pueden ser los sistemas financieros,

redes sociales, ecosistemas, y el sistema climtico de nuestro planeta, por
mencionar slo algunos.

Cmo emergieron las Ciencias de la Complejidad?

Aunque de manera formal se dice que el estudio de sistemas complejos, bajo

ese nombre, comenz con la fundacin del Instituto Santa Fe en Nuevo Mxico en
el ao de 1984, muchos centros de investigacin ya tocaban desde aos atrs
estos temas, cada uno desde diferentes perspectivas. Esto se debe a que
Cientficos provenientes de reas como Biologa, Qumica, modelado climtico,
Fsica, Ciencias de la Computacin, Ciencias Sociales y Economa, entre muchas
otras, se enfrentaron con problemas similares que las herramientas de modelado
disponibles en aquella poca no eran capaces de representa.

En particular, cabe poner de relieve el trabajo de cuatro distinguidos Cientficos

que vieron al mundo desde otra perspectiva y desafiaron el entonces paradigma
cientfico en el que se perciba al universo como una mquina gigante de tal
manera que conforme se tuviera acceso a una mayor capacidad de cmputo, se
tendra la habilidad para resolver cada vez ms ecuaciones y as poder realizar
cada vez predicciones ms acertadas. Entre ellos:

Alan Turing

En 1952, considerado padre de las Ciencias de la Computacin y de la

Inteligencia Artificial postul por primera vez una explicacin matemtica de cmo
las clulas de un embrin podran usar sustancias qumicas como seales y as
auto organizarse en diferentes rganos, sin por ello tener conciencia de estar
formando parte de algo mucho ms grande y complejo.

Boris Belousov

De manera aislada, en la dcada de los aos cincuenta, el qumico Boris

Belousov descubri una reaccin qumica, inexplicable en aquel entonces, al tratar
de recrear el proceso de absorcin de la glucosa en el cuerpo humano. Al mezclar
ciertas sustancias, el color del lquido resultante cambiaba de maneara inesperada
de un color a otro y despus de un tiempo regresaba al color original, oscilando de
manera aparentemente aleatoria.

Este fenmeno que pareciera contradecir las leyes de la Fsica, es conocido en

la actualidad como comportamiento crtico y explica tambin la razn por la que un
imn tiene propiedades magnticas, por qu ocurren los terremotos, por qu
algunos animales tienen manchas e incluso Cmo es que las clulas cardiacas
hacen palpitar al corazn?

Edward Norton Lorenz

Mientras trabajaba en modelos computacionales de la atmsfera terrestre y de

los ocanos, Lorenz se interes en la relacin no lineal de la velocidad del viento,
la temperatura y la presin atmosfrica. Sin embargo, se dio cuenta que los
mtodos estadsticos tradicionales no slo no eran capaces de proveer
resultados confiables, sino, que en ocasiones al introducir muy ligeras
perturbaciones, el modelo produca resultados completamente diferentes.

Esto llev a Lorenz a desarrollar la teora del Caos, la cual postula que ciertos
sistemas dinmicos son muy sensibles a las condiciones iniciales, es decir, que
sin importar con qu grado de precisin conozcamos el estado de un sistema
catico, no es posible predecir su trayectoria ya que el ms ligero cambio en
dichas condiciones iniciales, puede desencadenar un cambio completamente
impredecible.

Benot B. Mandelbrot

Intrigado por la incapacidad del lenguaje matemtico de su poca para

describir la naturaleza, desarroll la teora de los fractales y la idea de
autosimilaridad, que es la propiedad de un objeto en el que el todo es similar a una
parte de s mismo, plante las limitaciones de la geometra convencional para
describir conceptos aparentemente tan sencillos como el permetro de la Gran
Bretaa.
En su artculo Qu tan larga es la costa de la Gran Bretaa?
Autosimilaridad y dimensionalidad fraccional, argument que el resultado de dicha
medida depender enteramente del tamao del instrumento qu se utilice para
medirla, ya que conforme utilicemos una regla ms pequea, e sta permitir hacer
menos aproximaciones al entrar en rincones ms pequeos y al tomar en cuenta
la curvatura de ms y ms grietas. Esta aparentemente inocente reflexin trajo
consecuencias fundamentales al modelar sistemas gracias a los conceptos de
dimensin fractal y anlisis de mltiples escalas.
La complejidad y Edgar Morn

El estudio de lo complejo ha impactado tambin en el mbito ms directo de

las interacciones de los seres humanos: la educacin, la interpretacin de la
sociedad, la poltica, y la comprensin del momento actual que vive la humanidad.
El problema de la complejidad ha pasado a ser el problema de la vida y el vivir, el
problema de la construccin del futuro y la bsqueda de soluciones a los
problemas contemporneos. En palabras de Edgar Morn, cuando se habla de
complejidad Se trata de enfrentar la Morn seala cmo el pensamiento
clsico, o sea el de la ciencia desde Newton, se basa en el principio determinista,
que si bien fue un notorio avance respecto al saber de su poca, su carcter
absolutista y simplificante llev "a una inteligencia ciega en la ciencia, inteligencia
parcelaria, compartimentar, dispersiva que rompe el conjunto, es inteligencia
miope, prsbita y ciega. Esto significa que hemos tomado conciencia no de la
ignorancia humana en general, sino de la ignorancia agazapada, disimulada en el
corazn mismo del conocimiento reputado como el ms cierto, el cientfico.

Segn Morn, son 4 los pilares en el pensamiento simplificante:

1- ORDEN. Ve el universo regido por leyes de carcter absoluto, hasta

Newton eran leyes divinas, luego el mundo como mquina reemplaza a
Dios.
2- SEPARABILIDAD. Lleva a descomponer el todo segn la segunda regla
de Descartes. Falta la conciencia del conjunto como conjunto. De ah la
especializacin que degenera en hiperespecializacin. As el cerebro se
estudia en el departamento de biologa y la mente en el de psicologa. Se
aslan los objetos de su ambiente, se separa el sujeto de su objeto y la
ciencia de la filosofa.
3- REDUCCIN. El conocimiento de los elementos del mundo lleva a un
pensamiento que mide, formaliza, y es computable, pues desde Galileo se
parte de la medicin, condenando lo no medible: el ser, la existencia, el
sujeto.
4- LGICA DEDUCTIVA INDUCTIVA DENOTARIA. O sea la LGICA
CLSICA, necesarias pero, que ha llevado a descuidar lo que esta fuera
de la lgica y que es tan importante como ella: la invencin.

Morn, establece que no se pretende englobar todo el saber, ya que sera

recaer en la idea acumulativa e ir a parar a la mana totalitaria de los grandes
sistemas que encierran lo real en un gran cors de orden y coherencia. En tal
sentido, la principal urgencia de nuestro tiempo como nota Morn, es una
REFORMA DEL PENSAMIENTO, cuya tarea no sea acumular saberes en
trminos de sistemas y totalidad, como se ha venido haciendo, sino en trminos
de organizacin y articulacin, que lleva no tanto a fijar la totalidad de los
conocimientos en cada disciplina, sino en los conocimientos cruciales, los puntos
estratgicos, los nudos de comunicacin, las articulaciones organizacionales entre
rbitas disjuntas (dificultad de pensar y de vivir.

Actividades Prcticas

Realizar un anlisis crtico del material de la Unidad I, presentarlo en un informe

de cinco (05) hojas, incluyendo la bibliografa consultada.

REFERENCIAS BIBLIGRAFICAS

Alan M. Turing. The chemical basis of morphogenesis. Philosophical Transactions

of the Royal Society of London, 1952

ARISTOTELES. Segundos analticos, L. I, cap. 2. Para los lmites y valores de

esta concepcin, vase: NAGEL, E.
La estructura de la ciencia. Bs. As., Paids, 1978, p. 51., P. La naturaleza de la
explicacin cientfica. Mxico, FCE, 1989. CRESPO, R.
El concepto amplio de ciencia en ASCHINSTEIN.

Aristteles y las ciencias sociales contemporneas en II Simposio de

Epistemologa en Ciencias Humanas y Sociales. Mendoza, Universidad Nacional
de Cuyo, 1995, p. 93-112. FORNACA, R. - DI POL, R. Dalla certezza alla
complessit: la pedagoga scientifica del '900. Milano, Principato, 1993.

Benoit Mandelbrot. How Long Is the Coast of Britain? Statistical Self-Similarity and
Fractional Dimension. Science, 156(3775):636638, May 1967.

COMTE, A. Discurso sobre el espritu positivo. Bs. As., Aguilar, 1979, p. 60. Cfr.

E. Morin (2004): El Mtodo, Tomo 6. La tica, Paris, Seuil, col. Points, p. 224.

Gustavo Martnez-Mekler. Una aproximacin a los sistemas complejos.

Ciencias, Mexico, 59:69, Julio-Septiembre 2009

Im Al-Khalili and Nic Stacey. The secret life of chaos, prod by Nic Stacey and Paul
Sen.Documentary, BBC, 2010.

KHUN, The Estructura de las revoluciones cientficas. Madrid, FCE, l975, p. 237.
Cfr. KUHN, La tensin esencial. Estudios selectos sobre la tradicin y el cambio en
el mbito de la ciencia. Mxico, FCE, l982, p. 137. PREICE, R. - CROSS, R.
Conceptions of Science and Technology Clarified: Improving the Teaching of
Science en International Journal of Science Educational, 1995, n. 3, p. 285-294.
Melanie Mitchell. Complexity: A Guided Tour. Oxford University Press, USA, April
2009.

MORIN EDGAR, Naturaleza de la naturaleza . Depto. de Ciencias. Diciembre

1995.

Murray Gell-Mann and Seth Lloyd. Information measures, effective complexity, and
total information. Complexity, 2(1):4452, 1996.

POPPER, K. El desarrollo del conocimiento. Conjeturas y refutaciones. Bs. As.

Paids, 1967, p. 58. Cfr. ASCHINSTEIN, P. La naturaleza de la explicacin
cientfica. Mxico, FCE, 1989. TIBBETTS.

Popper versus 'Traditional Epistemology' en Dialectica, 1980, n. 2, p. 155-160.

DARS, W. R. El conocimiento cientfico en las Ciencias Sociales y en la Historia.
Perspectivas popperianas en Revista Paraguaya de Sociologa Asuncin del
Paraguay, 1993, n. 87, p. 85-103.

Yaneer Bar-Yam. Dynamics of Complex Systems. Studies in Nonlinearity.

Westview Press, July 2003.

Teologa liberadora