Educacion e Investigacion en Complejidad - Carlos Maldonado

See discussions, stats, and author profiles for this publication at: https://www.researchgate.
net/publication/337608940
EDUCACIÓN E INVESTIGACIÓN EN COMPLEJIDAD
Book · November 2019
CITATIONS READS
0 161
1 author:
Carlos Eduardo Maldonado

El Bosque University
250 PUBLICATIONS 655 CITATIONS
SEE PROFILE
Some of the authors of this publication are also working on these related projects:
Biological hypercomputation View project
Latin American Development, Democracy, and Social Issues View project
All content following this page was uploaded by Carlos Eduardo Maldonado on 28 November 2019.
The user has requested enhancement of the downloaded file.

CARLOS EDUARDO MALDONADO
Índice
Introducción...................................................................................................................................5
1. ¿Qué es eso de Pedagogía y Educación en la Complejidad?...........................11
2. Educación Compleja: Indisciplinar la sociedad........................................................31
3. Pensar la complejidad con ayuda de las lógicas no-clásicas.......................... 53
4. Metaheurísticas y resolución de problemas complejos .................................... 75
5. Un problema fundamental en la investigación:

Los problemas P vs NP..........................................................................................................93
6. Una reflexión crítica sobre la cultura de rankings e indicadores................107
7. Complejidad y Ciencias Sociales

desde el aporte de las Matemáticas Cualitativas................................................. 123
8. Complejidad de los sistemas sociales:

Un reto para las ciencias sociales.................................................................................. 147
9. La investigación científica como ludopatía............................................................ 163
10. Tipología de modelos científicos de explicación.

Ciencia y complejidad...........................................................................................................181
11. Bioeconomía, biodesarrollo y civilización.

Un mapa de problemas y soluciones.......................................................................... 197
12. Pensar como la naturaleza. Una idea radical........................................................ 223
EDUCACIÓN E INVESTIGACIÓN EN COMPLEJIDAD

0
CARLOS EDUARDO MALDONADO
0 INTRODUCCIÓN
Existe una preocupación creciente entre los amantes, estudiosos y próximos
a la complejidad. Se trata de la identificación de “herramientas” para
trabajar en el aula la complejidad y para hacer investigación. Este libro reúne
diferentes textos, publicados en diferentes momentos, tendientes a resolver
dicha preocupación. De allí su título.
Los textos han sido reunidos, sin embargo, con una finalidad pedagógica
o expositiva, eligiendo primero aquellos que sirven de base para entender los
siguientes, de tal suerte que los últimos textos aquí compilados termina por
brindar una visión más integral o global sobre lo que significa la educación en
complejidad, pensar en complejidad e investigar en fenómenos y sistemas
complejos.
La procedencia de los textos es la siguiente, de acuerdo con la composición

de este libro:
1. (2017a) “¿Qué es eso de educación y pedagogía en complejidad?, en:

Propuesta Educativa, (Argentina) No. 47, año 26, pp. 54-67; disponible
en:http://www.propuestaeducativa.flacso.org.ar/dossier_articulo.
php?id=109&num=47; este artículo fue originalmente publicado en
Intersticios Sociales (México) El Colegio de Jalisco, Año 4, No. 7, págs. 1-23,
ISSN 2007-4964; http://www.intersticiossociales.com.
2. (2017a). “Educación compleja: indisciplinar la sociedad”, en: Educación

y Humanismo, Educación compleja: Indisciplinar la sociedad. En
Revista Educación y Humanismo, 19(33), 234-252. http://dx.doi.
org/10.17081/eduhum.19.33.2642; disponible en: http://revistas.
unisimon.edu.co/index.php/educacion/article/view/2642/2672.
3. (2016c) “Pensar la complejidad con ayuda de las lógicas no-clásicas“,

en: L. Rodríguez Z. (Coord), La emergencia de los enfoques de
complejidad en América Latina, Vol. 1, Buenos Aires, Comunidad
Editora Latinoamericana, ISBN 978-987-45216-7-5, Libro: 1-366; capítulo,
pp. 83-98.
EDUCACIÓN E INVESTIGACIÓN EN COMPLEJIDAD 5
4. (2016d) “Metaheurísticas y resolución de problemas complejos”, en:
Revista Colombiana de Filosofía de la Ciencia, Vol. 16, No. 33, pp. 169-
185; este artículo fue publicado también en: (2018a) “Metaheurísitcas
de investigación en complejidad”, en: M. L. Eschenhaguen, G.
Vélez-Cuartas, C. E. Maldonado, G. Guerrero (Eds.), Construcción de
problemas de investigación: diálogo entre el interior y el exterior.
Medellín: Ed. Universidad de Antioquia-UPB, ISBN 978-958-5413-68-,
libro: pp. 1-373; Capítulo, pp. 210-239
5. (2013c) “Un problema fundamental en la investigación: los problemas

P vs NP”, en: Revista Logos Ciencia & Tecnología, Vol. 4, No. 2, Enero-
Junio, ISSN 2145-549X, págs. 10-20
6. (2018a) Maldonado. C. E., Pérez-Acosta, A., (2018). “Editorial: una

reflexión crítica sobre la cultura de rankings e indicadores”, en: Avances
en Psicología Latinoamericana, Vol. 36(3), pp. 431-441, ISSNe 2145-4515;
disponible en: https://revistas.urosario.edu.co/index.php/apl/article/
view/7253/6615
7. (2008a) “Complejidad y ciencias sociales desde el aporte de las

matemáticas cualitativas”, Cinta de Moebio. Revista de Epistemología
de ciencias sociales, ISSN 0717-554X, No. 33 (Diciembre), págs. 153-
170, www.moebio.uchile.cl/33/maldonado.html
8. (2009c) “Complejidad de los sistemas sociales: un reto para las

ciencias sociales”, en: Cinta Moebio 36: 146-157; www.moebio.uchile.
cl/36/maldonado.html
9. (2018a) “La investigación científica como ludopatía”, en: Pacarinadelsur,

Año, 10, No. 37, Octubre-Diciembre, ISSN 2007-2309, disponible
en: http://www.pacarinadelsur.com/home/alma-matinal/1677-la-
investigacion-cientifica-como-ludopatia
10. (2017a) “Tipología de modelos científicos de explicación. Ciencia y

complejidad”, en: Sociología y Tecnociencia, 7/2, pp. 58-72; doi: https://
doi.org/10.24197/st.2.2017.58-72; disponible en: https://revistas.uva.es/
index.php/sociotecno/issue/view/62
11. (2018a) “Bioeconomía, biodesarrollo y civilización. Un mapa de

problemas y soluciones”, en: (2018a) Epistemologìas del sur. Para
germinar alternativas al desarrollo (editor junto con Eschenhagen,
M. L., ), Bogotá: Ed. Universidad del Rosario-Universidad Pontificia
Bolivariana, ISBN 978-958-738-924-1, pp. 1-227; capítulo: pp. 57-81
6 CARLOS EDUARDO MALDONADO

12. (2016a) “Pensar como la naturaleza. Una idea radical”, en:
Unipluriversidad, vol. 16, No. 2, pp. 41-51; ISSN: 1657-4249; disponible en:
https://aprendeenlinea.udea.edu.co/revistas/index.php/unip/article/
view/328311
***
Surge con frecuencia la pregunta acerca de cómo aprender e investigar

en términos de interdisicplinariedad, y si es lo mismo la inter, la multi y la
trasndisciplinariedad, y si ellas se relacionan y cómo con la complejidad.
No cabe duda que se trata de preocupaciones sinceras, honestas. Pues
bien, mi propia tesis es más radical. Pensar en complejidad, trabajar en
educación en complejidad e investigar en este campo, consiste exactamente
en indisciplinar – indisciplinar la sociedad, indisciplinar el conocimiento,
indisciplinar las instituciones. Si se conoce a Foucault, en este contexto, tanto
mejor; si no, no importa (para nada): la complejidad consiste en indisciplinar,
literalmente, a las gentes. Pues disciplinar equivale tanto como domar o
adiestrar –etimológicamente-: La historia de la humanidad ha consistido
tradicionalmente, por lo menos desde una tradición que se remonta sin
dificultades hasta Pitágoras, que se proyecta a través del Liceo y la Academia
antiguas, hasta nuestros días, navegando por los siglos, en un trabajo de
disciplinarización de la sociedad y los individuos. La historia es larga, y fue
exitosa en su momento.
La consecuencia más radical es que la educación jamás hizo inteligente

a nadie; consistió, por el contrario, de manera genérica, en un trabajo de
adoctrinamiento y control. Quienes fueron inteligentes en su momento –o
lo son hoy-, lo son a pesar de la educación, no gracias a ella. Desde el mejor
espíritu de la Paideia griega, por ejemplo, hasta nuestros días, la educación
no ha estado precisamente del lado de la vida, sino de los poderes y las
instituciones. Son ya numerosas las voces que se han elevado contra la
escolarización de la sociedad; o como mejor diríamos hoy, la curricularización
de la educación (el imperio del currículo).
En el marco de la sociedad de la información, de la sociedad del

conocimiento o de la sociedad de redes –tres nombres diferentes para un solo
y mismo momentum- ya hoy nadie enseña nada a nadie. Y muchísimo menos
existen “alumnos” (horribile dictum) (que según algunas interpretaciones
significaría en su etimología “aquel que está sin luz” (lumen, es luz; y la partícula
a, es privativa, pero que, en realidad, quiere significar el niño de pecho, el que
ha de ser alimentado). Vivimos en tiempos de luz, y consiguientemente de
mucho aprendizaje – aprendizaje recíproco, interdependencia, crecimiento
mutuo, en fin, cooperación y simbiosis, natural y cultural.

La complejidad son dos cosas, básicamente: un muy robusto aparato
epistemológico, y unas herramientas muy sofisticadas. En el aparato
epistemológico se cuentan las ciencias de la complejidad, las cuales incluyen
a su vez numerosas disciplinas, métodos, metodologías, aproximaciones
y lenguajes. Las herramientas hacen referencia, notablemente al
modelamiento y la simulación, a las metaheurísticas, a la teoría de la
complejidad computacional, en fin, las matemáticas de la complejidad que
son matemáticas de sistemas discretos. Como se observa, el plural en cada
uno de las herramientas es determinante y apunta hacia horizontes amplios
y profundos.
Venimos de una larga, muy larga tradición caracterizada por la logofobia, el

miedo al conocimiento (“de este árbol no comeréis”), y en la que el verdadero
conocimiento es aislado y cuidado de la sociedad. Algunos miembros de la
sociedad podían acceder al conocimiento verdaderamente verdadero (sic)
luego de pasar diversas pruebas: de confianza, de lealtad, de pericia, y otros.
La topología de la historia del conocimiento era de árbol, esto es, piramidal
y jerárquica. Pues bien, vivimos una época en la que esa larga tradición
empieza a ser desmontada sistemáticamente y a mostrar sus errores, sus
falencias, sus limitaciones. Hoy y hacia futuro, la vida se hará mejor gracias
más y mejor educación, más y mejor información, más y mejor conocimiento;
no menos. Vivimos un auténtico giro civilizatorio. Un motivo adicional para
un buen optimismo.
Pues bien, es exactamente en este entonces marco que, por así decirlo,
que emergen las ciencias de la complejidad, las cuales son ciencias de la vida.
Digámoslo de manera franca: el argumento de que la educación es la

clave de la solución de los problemas del mundo es en realidad la tesis de un
conservadurismo progresista. Progresista porque cree en cambiar o mejorar
el mundo, pero conservador porque los tiempos de la educación son de
largo alcance. Y mientras tanto, los violentos y los corruptos hacen de la suya,
justamente en términos de mucha eficiencia y eficacia.
Los problemas del mundo no los resuelve la educación, pero no se

resuelven tampoco sin la educación. Esta es, no cabe la menor duda, una
herramienta invaluable, aunque limitada. A la educación hay que meterle
muchas otras cosas: buena ciencia, política, economía, historia, y muchos
otros ingredientes. Y esa amalgama, si cabe la metáfora, la que caracteriza a la
complejidad, a saber: la conjunción, el concierto o el juego amplio de diversas
disciplinas, ciencias, enfoques, metodologías, lenguajes y tradiciones. Por
ello mismo, la educación modo complejo puede ser una bomba, un nuevo
sueño, en fin, un despertar fresco y ab initio.

Educación y ciencia, educación e investigación –como se prefiera-; estas
son las caras de una misma moneda. El nombre de la moneda es más y
mejor información, más y mejor conocimiento. Lo cual se traduce en más y
mejor vida: con más dignidad, con más contenidos con nuevos horizontes.
Lo común a la buena educación y a la buena investigación es que trabajan

hacia el futuro, de cara al futuro. Este es el vector determinante. Un futuro que
no existe, sino que se va sembrando, con los tiempos mismos de la tierra y la
naturaleza. Por ello en la educación modo complejo no se trata de construir
– nada. Sembrar es tomar en cuenta el tiempo de la naturaleza, actuar y
esperar, y pensar a largo, a muy largo plazo. La inteligencia es un asunto
humano –aunque no exclusiva o principalmente humano, como hemos
llegado a aprenderlo por varios caminos. Pero la sabiduría es un asunto de
diálogo, escucha y encuentro con la naturaleza. La cultura humana puede
hacernos mejores; pero solo en convivio con la naturaleza podemos hacernos
sabios. Como se aprecia, la apuesta es inmensamente mayor. (Por esta razón,
en la educación modo complejo ya no es asunto de “competencias” (cfr. R.
Barnett, alguien que no exactamente sabe de complejidad; no importa),
manifiestamente no de destrezas y habilidades, y tampoco de doctrina en
ninguna acepción de la palabra. Tampoco se trata de una ética simplemente
planetaria, lo cual es demasiado poco frente a otros pueblos y culturas
inmensamente más sabios).
Este libro presenta y discute y discute una serie de conceptos, herramientas

y contextos para pensar y trabajar la complejidad. No es bueno ni necesario
que las cosas sean complejas. De suyo, de hecho, “complejo” no significa,
en absoluto, nada semejante a “mejor” o “bueno” o algo parecido. Sucede,
simplemente una cosa: vivimos en tiempos caracterizados por turbulencias,
inestabilidades, fluctuaciones, impredecibilidad; y es exactamente en
tiempos complejos que las cosas se hacen complejas. Las inestabilidades,
fluctuaciones, turbulencias, no linealidad e impredicibilidad que vivimos, sin
embargo, por primera vez en la historia de la familia humana, suceden en un
mundo diferente de suma cero.
Quisiera decirlo de manera expresa: las ciencias de la complejidad son

la clase de ciencias que puede desarrollar un mundo en transición diferente
de suma cero, y son, al mismo tiempo, la clase de ciencia que esta época
necesita. Porque lo que está en juego, por primera vez, sin alarmismos, es la
vida misma en el ´planeta: la vida tal y como la conocemos, y la vida-tal-y-
como-podría-ser-posible. Y desde luego, podemos soñar, construir y sembrar
un nuevo mundo, mancomunadamente.

***
Las circunstancias que dan lugar a este libro son particulares y giran
en torno a tres universidades de América Central: la Salle, de Costa Rica,
la Universidad Internacional Antonio Valdivieso (UNIAV) y la Universidad
Nacional Autónoma (UNAN), de Nicaragua (sede Managua). Alrededor de
ellas pivotan otras universidades que sería supino ignorar, como la UNAN-
León (en Nicaragua), la Universidad Técnica Nacional (UTN), en Costa Rica,
y la Universidad de San Carlos (Guatemala), el Proyecto de Desarrollo
Santiago (PRODESSA) (Guatemala), todas ellas interesadas en educación
(notablemente con énfasis en la mediación pedagógica) y con vistas a
fortalecer procesos de investigación en torno a las ciencias de la complejidad.
Son diversas las personas a quienes debo agradecer por hacer posible
este libro. En primer lugar a quienes “jugaron” conmigo originariamente
como co-autores de varios textos, o bien como compiladores de libros:
Andrés Pérez-Acosta (en un artículo), María Luisa Eschenhaguen, Leonardo
Rodríguez Zoya (ambos en un libro). Pero, de manera definitiva, debo expresar
a mis agradecimientos a Cruz Prado, Oscar Azmitia, Carlos Irías, Jaime López
Lowery, Ramona Rodríguez Pérez: sin ellos este libro sencillamente nunca
habría podido ver la luz. Es un placer y un honor que el libro haya sido acogido
por la UNAN: a Ramona y a Jaime, extiendo mis sentimientos más sinceros.
Quisiera, asimismo, extender mis agradecimientos a los amigos y profesores
de las universidades mencionadas antes arriba; sería tan larga la lista que
decido omitir cada nombre; pero cada quien se verá bien reconocido con
mis palabras aquí. De igual manera extiendo mi gratitud a los colegas y
estudiantes de las universidades citadas: siempre, lo he dicho, estaré del lado
de los estudiantes, pues ellos son el futuro. Y en complejidad, al fin y al cabo,
todo el tema es acerca de posibilidades – posibilidades de vida. Sin más.

1
Introducción
¿QUÉ ES ESO DE PEDAGOGÍA Y
EDUCACIÓN EN LA COMPLEJIDAD?
Existe un creciente interés por la complejidad particularmente en la

comunidad de educadores, aunque también en todos aquellos vinculados
con el mundo de la educación en el sentido más amplio e incluyente.
“Educación en complejidad”, “pedagogía de la complejidad” y “educación y
complejidad” son algunas de las expresiones más corrientes en el ámbito de
las ciencias sociales y humanas en general.
El aumento del interés por la complejidad es notorio en el mundo entero,

particularmente en los países de América Latina. La masa crítica del tema
crece de manera sostenida y acelerada; las razones son numerosas pero
entre todas la más inmediata, con seguridad, es el prestigio que los estudios
acerca de complejidad vienen cobrando en todas las dimensiones y niveles
de la sociedad. Asimismo, está la necesidad de un discurso mejor y más
sólido, el cual contribuya a explicar los fenómenos y procesos del mundo
contemporáneo que se caracterizan por sus inestabilidades, fluctuaciones,
incertidumbre, crisis y emergencias. Literalmente, el fenómeno de la
complejidad es la mejor y más evidente expresión de percolación, es decir,
de filtración y extensión crecientes; esto es un tema de estudio en el marco
de las redes complejas (László Barabási, 2002). La educación en el mundo ha
estado, de vez en cuando, alimentada por modas; muchas de ellas nutridas
desde centros bien determinados de poder, mientras que otras son el
resultado de la impronta de políticas públicas, lineamientos internacionales
e incluso de redes de conocimiento.
Este artículo se concentra en la elucidación del lugar de la educación

en contextos y tiempos de complejidad. La tesis que se defiende es que,
propiamente entendida, la educación forma parte de las ciencias sociales
del no equilibrio (NESS). Sin embargo, esta idea exige varios argumentos.
Como título preparatorio, la primera sección se concentra en el estado de la
cuestión acerca de las relaciones entre educación y complejidad. Sobre esta
base, la tesis enunciada se presenta, justifica y discute.

El tercer apartado estudia las consecuencias de considerar a la educación
y sus dinámicas como un sistema alejado del equilibrio. En seguida, la cuarta
sección radicaliza la propuesta al afirmar que las ciencias mencionadas
permiten e incluso exigen complejizar las dinámicas y estructuras educativas.
Al final se extraen, con carácter abierto, es decir, no taxativo, algunas
conclusiones para estudios posteriores y se justifican.
El estado de la cuestión acerca de educación y

complejidad: evaluación crítica
Sin ánimo descalificador, puede decirse que la comunidad de educadores
y pedagogos de todo el mundo son, en general, incluso sin saberlo,
representantes de posturas propias de lo que en la historia, política y cultura
se conoce como los movimientos revolucionarios conservadores. En efecto,
en la historia se hace referencia específicamente al movimiento intelectual
conservador alemán posterior a la Primera Guerra Mundial, el cual abogaba
por frenar tanto al comunismo como a la democracia capitalista y enarbolaba,
por consecuencia, las banderas del nacionalismo y conservadurismo.
Tenían una aproximación orgánica y cualitativa respecto de la vida social,
destacando la idea de comunidad (gemeinschaft, comunitarismo) sobre la
idea de sociedad (gesellschaft), más allá de las luchas de clase (Herf, 2002).
Entre sus fuentes teóricas destacaban Nietzsche, Thomas Mann y Hugo
von Hoffmansthal, y logró su apogeo durante la República de Weimar,
extendiéndose fuera de las fronteras alemanas (Johnston, 2009).
Desde otro punto de vista, la idea, algo reduccionista, de estos movimientos

plantea que el progreso de la humanidad sólo puede alcanzarse por medio
de la educación, es decir, procesos educativos de individuos y comunidades
a gran escala con los cuales, en su momento, podrán conseguirse mejores
estadios en la condición humana. La educación puede ser un elemento
transformador pero restringente; un factor de cambio pero disciplinante y
normativo. Justamente, una revolución conservadora.
En contra de semejantes posturas quiero sostener la idea de que los

cambios y procesos sociales y culturales de cualquier envergadura no pueden
llevarse a cabo sin la educación, pero tampoco se efectúan por procesos y
dinámicas educativas. Una creencia contraria sería altamente simplista y
reduccionista.
Para ser más exactos, grosso modo, los ideales filosóficos de buena parte
de la educación en el mundo occidental –la corriente principal (mainstream)–
proceden del siglo XVIII y XIX, con nombres –conspicuos, ciertamente–

como Rousseau, Pestalozzi, Goethe y W. James para mencionar las ideas
centrales. Y sin dejar de lado las distintas modas que desde diversos centros
de poder de interés mundiales se expanden de vez en cuando. En una
ocasión la Escuela de Frankfurt, en otra el piagetismo y más recientemente
las competencias (argumentativas, etcétera).
Pues bien, exactamente en este contexto, una vertiente que ha sido muy
popular, particularmente en los países de América Latina, es el pensamiento
complejo, con lo cual se hace referencia a las ideas de Edgar Morin. En
este caso, el epítome específico es el libro Los siete saberes necesarios
para la educación del futuro (Morin, 1999). Como la mayoría de los libros
de este autor, se trata de un texto bien intencionado pero argumentativa
y epistemológicamente débil e inconsistente. Carlos Reynoso ha llamado
la atención (2009), de manera sistemática, acerca del carácter débil del
pensamiento de Morin. Animado principalmente –aunque a decir verdad,
no de forma exclusiva– por universidades de índole confesional en América
Latina, las ideas de Morin acerca de la educación se han convertido en un
paradigma popular ampliamente acogido por quienes intentan hacer un
enlace entre complejidad y educación.
Sin embargo, hay que decir que la comprensión de los fenómenos,

sistemas y comportamientos caracterizados por la complejidad es otra muy
distinta a la de tendencia moriniana. Se trata de las ciencias de la complejidad
las cuales, si bien presentan una consistencia epistemológica y científica
más sólida, no tienen, en general, la misma acogida; particularmente entre
quienes se han formado en ciencias sociales y humanas, y por lo tanto en la
educación.
Las ciencias de la complejidad constituyen un conjunto de disciplinas,

enfoques, metodologías y lenguajes que, históricamente, nacieron en el seno de
la física, la química, la biología, las matemáticas y la ciencia de la computación.
Sin embargo, de manera rápida y consistente se han emparentado con las
ciencias sociales y humanas reconociéndolas, expresamente, como las de
mayor complejidad conocida (Pagels, 1989). Se tratan, notablemente, de la
termodinámica del no equilibrio, la ciencia del caos, la teoría de catástrofes,
la geometría fractal, la vida artificial, la ciencia de redes complejas y más
recientemente las lógicas no clásicas (Maldonado, 2013).
En cualquier caso, es notorio que la comunidad de estudiosos de la

complejidad, particularmente en el contexto iberoamericano, sabe poco o
nada acerca de los trabajos relativos a complejidad y educación con aportes
de estas ciencias, pues ha primado el enfoque más bien simple de Morin y

los morinianos a la vez que existe un desconocimiento respecto de algunas
exploraciones de las ciencias de la complejidad y educación. Esta observación
exige, por lo tanto, elaborar el estado de la cuestión orientado en la siguiente
dirección.
Es en el contexto anglosajón en donde existen, hasta la fecha, los más

sólidos trabajos relativos a las relaciones entre ciencias de la complejidad
y educación. Cabe destacar cinco estudios de gran calibre: Davis y Sumara
(2006) presentan el que quizás es el mejor libro hasta la fecha que analiza
las ciencias de la complejidad, educación, aprendizaje e investigación.
Comprehensivo, con buen conocimiento de las ciencias de la complejidad, el
texto se concentra en el concepto de imbricación (nesting, que en realidad
puede traducirse como anidamiento y se refiere a cómo los procesos y
dinámicas complejos se imbrican biológica y morfológicamente). El libro
discute, de manera muy afortunada y sugestiva, la posibilidad de elaborar
currículos no lineales y cómo todo lo que ya se ha dicho puede orientarse
hacia la investigación en el sentido de los fenómenos de complejidad
creciente no lineales.
En la misma línea, Doll et al. (2006) es una compilación de diversos textos,

la mayoría bastante afortunados, acerca de los entrelazamientos entre caos,
educación y complejidad. Con un buen conocimiento de este último, el
libro argumenta, de manera general, a favor de la posibilidad de atender la
impredecibilidad en los procesos de enseñanza-aprendizaje, antes que los
clásicos programas, objetivos y planeación. Una actitud semejante permite
una aproximación menos rígida y más orgánica al mundo de la educación.
Davis y Sumara publicaron otro libro (2007) que analiza de manera explícita
la necesidad de transformar la educación, y no simplemente de mejorarla
o hacerla más eficiente. Pues bien, dicho cambio es susceptible por una
dúplice vía: al atender los contextos y los tiempos turbulentos e inestables
en que vivimos y, consecuentemente, al volver la mirada y profundizar en las
contribuciones que las ciencias de la complejidad permiten en contextos de
crisis y en tiempos de fluctuaciones.
Con fecha del 2008, Mason edita una serie de textos específicamente
concentrados en las relaciones entre la complejidad y la filosofía de la
educación, una reflexión de segundo orden. La educación puede y debe
ser pensada como un todo (o totalidad) considerando por consiguiente, de
manera necesaria, los procesos sociales al mismo tiempo que los ecológicos y
culturales; de tal suerte que la educación deje de ser estudiada simplemente
como un campo importante e instrumental (aplicado).

La interdisciplinariedad emerge aquí con toda la fuerza, no solamente al
interior de las ciencias sociales y humanas sino, mejor aún, con otras ciencias
como la física y la química, por ejemplo.
Por su parte, Osberg y Biesta (2010) llevaron a cabo el mejor trabajo

hasta la fecha explícita y directamente relacionado con las conexiones
entre complejidad y políticas educativas. Se trata de una compilación de
textos de muy alta calidad, cuyo común denominador es el de comprender
precisamente que la complejidad de la educación requiere desafíos de orden
curricular, y por lo tanto de gestión, con mayor radicalidad. Lo cual implica
introducir los elementos variados de las ciencias de la complejidad en los
diferentes planos constitutivos de la educación (currículo, arquitectura,
gestión, evaluación, etc.). Este es, en general, el libro más comprehensivo e
innovador acerca de las fuertes conexiones entre educación y complejidad.
Como puede observarse, no son muchos los libros que se han dedicado
a este tema. Supuesta la distinción de orden sociológico entre el contexto
francófono (Morin) y el anglosajón (los libros que se acaban de mencionar),
es preciso señalar que existen firmes contribuciones y reflexiones acerca de
la complejidad de la educación. Dichos desarrollos se inscriben exactamente
en el marco de las ciencias de la complejidad.
Una observación puntual. La institución que mejor trabaja la línea

mencionada es la Universidad de Alberta (Canadá) y se concentra en un
grupo enfocado en temas de educación, con una revista en la que participan
desde estudiantes de pregrado hasta investigadores de posdoctorado
llamada Complicity. An International Journal of Complexity and Education1
que es, hasta la fecha, la mejor y más reputada publicación especializada en
educación y complejidad.
Pues bien, el estado de la cuestión mencionado permite observar de

manera evidente que existe una fuerte asimetría entre el pensamiento
complejo y las ciencias de la complejidad para aproximarse a la educación,
a favor de las segundas. Esto seguramente tiene que ver con la solidez
epistemológica, lógica y metodológica de la misma, lo cual retomaré en la
medida del avance de este artículo.
1
Véase: http://ejournals.library.ualberta.ca/index.php/ complicity

El lugar de la educación en entornos y tiempos
de complejidad
De manera tradicional, el locus de la
educación en general -incluyendo
pedagogía, filosofía de la educación,
didáctica y demás- ha sido el de las
ciencias sociales; más específicamente
las aplicadas. En la comprensión
estándar de la educación en el
mundo entero -notablemente en el
contexto puntual de la clasificación
internacional de las ciencias y las
profesiones elaborada por la UNESCO-
esta es una ciencia social aplicada.
Sin embargo, esa identificación tiene serias dificultades ya que sucede

algo análogo a lo que les acontece a la ingeniería convencional, la medicina
y la administración. Una ciencia aplicada no crea, desarrolla ni critica
conceptos, métodos o categorías por ejemplo, pues estos se desarrollan en
otros campos. Las ciencias aplicadas sencillamente hacen eso: aplicar -por
consecuencia carente de crítica- los enfoques y teorías que han nacido en
espacios diferentes a los propios.
Así, por ejemplo, las ciencias básicas de Medicina no son del interés de los
médicos como practicantes. Ellos dan por ciertos, sabidos o comprobados,
los conceptos y experimentos que la física, la biología, la química y la
farmacología llevan a cabo por su cuenta. Lo mismo acontece en el caso de los
administradores con la sociología, la psicología, la filosofía y las matemáticas
en el ámbito de la administración. En este sentido, como ha quedado claro
hace tiempo en el marco de la filosofía de la ciencia, las teorías de las ciencias
aplicadas son de rango medio, un concepto clásico procedente de los
estudios sociológicos de Robert K. Merton (1980).
Así, mientras las teorías acerca de pedagogía y la propia filosofía de la

educación permanecen con reservas y cunas importantes para la generación
de conceptos y reflexiones sobre enfoques y problemas, lo cierto es que la
práctica -el ejercicio- de la educación se mantiene en general dentro de
esquemas que pertenecen culturalmente al pasado (desde el siglo XVIII
hasta el siglo XX).

En efecto, muchas de las justificaciones respecto de la educación
se remontan, no sin buenas razones, a las ideas de Montessori, Rousseau
y Goethe, por no mencionar la epistemología y experimentos de Piaget,
entre otros. Esto contrasta con el hecho de que los jóvenes, en las escuelas
y las universidades, pertenecen a nuevos contextos culturales radicalmente
distintos de la gran mayoría de sus maestros y profesores. Con buenas razones,
Michel Serres (2013) sugirió de manera reciente el concepto de generación
pulgarcita para designar a aquella que nace con las nuevas tecnologías y
redes sociales, a diferencia de quienes son migrantes, como los profesores.
La impronta de la tecnología constituye la epidermis de los procesos y

cambios culturales vertiginosos que están ocurriendo, dentro de los cuales se
encuentran las dinámicas y procesos educativos (enseñanza y aprendizaje).
Pues bien, exactamente en este contexto quiero proponer la idea de que
el lugar apropiado de la educación no es -no puede ni debe ya ser- el de
las ciencias sociales en general, ni el de las ciencias sociales aplicadas. La
educación, bien entendida, forma parte de las NESS.
Las NESS son un programa reciente (2010)2 cuyo propósito es el de situar

a las ciencias sociales en el terreno del siglo XXI. Si bien es cierto que su
nutriente y visor principal es la economía, las ideas constitutivas pueden
ser retomadas desde otros ámbitos (lo que intenta este texto, justamente).
En espíritu, el programa NESS coincide plano por plano, mediante otros
caminos, con las ideas centrales formuladas en el informe final de la Comisión
Gulbenkian, Abrir las ciencias sociales en 1996 (Wallerstein, 2004).
El hecho de situar adecuadamente las ciencias sociales en el terreno

del siglo XXI significa claramente dos cosas. Por un lado, existe un desfase
cultural por parte de estas ciencias en relación con el conjunto de fenómenos,
procesos y circunstancias que marcan los comienzos del siglo XXI.
Por consiguiente, el siglo XX comporta procesos y dinámicas que no

corresponden ya sea linealmente o bien en una relación uno a uno, con
las dinámicas de los siglos inmediatamente anteriores. Y por otra parte,
las ciencias sociales deben poder incorporarse –abrirse– a otras dinámicas
que están teniendo lugar en diferentes partes y que pueden arrojar luces
novedosas o refrescantes acerca de los sistemas sociales humanos.
Pues bien, como se aprecia sin dificultad, el foco se sitúa en los fenómenos
alejados del equilibrio; más específicamente, en la termodinámica del no
equilibrio (TNE). En otras palabras, el tema principal es el de las relaciones
entre educación y ciencias de la complejidad. En efecto, como es sabido,
2
Véase: http://www.nessnet. eu/about-ness/.

la TNE es una de estas ciencias; cronológicamente hablando, la primera
(Maldonado, 2011).
Los procesos y dinámicas educativas, en toda la extensión de la palabra,

no consisten en comportamientos equilibrados sino, por el contrario, en
comportamientos alejados del equilibrio.
De hecho, los procesos cognitivos y comportamentales más básicos

-atención, concentración, memoria, aprendizaje, participación, redacción,
oralidad y argumentación, por ejemplo- implican equilibrios dinámicos. Esto
es todo lo contrario a control, balance y equilibrio (estático).
La distinción existente en el idioma inglés de las palabras formarse y

educarse, es pertinente al respecto. Alguien se forma en un lugar y nivel,
pero se educa –verdaderamente- en otro. Así, el primero hace referencia a la
escuela primaria y secundaria, y el segundo a la formación universitaria y de
nivel superior (Doctorado, Ph.D.)
En efecto, aunque suene trivial, la educación es un fenómeno

esencialmente dinámico que sucede, cada vez más, en el mundo
contemporáneo, en entornos cambiantes y en tiempos caracterizados por
turbulencias. Por lo tanto, el aula de clase, seminario, taller o laboratorio
pueden y deben ser vistos, adecuadamente, como sistemas abiertos
sensibles a los procesos, estructuras y dinámicas del entorno. La formación
y la educación -en la distinción mencionada- tienen lugar exactamente
en estas circunstancias, responden a ellas y esas mismas fluctuaciones se
plasman en la educación, directa o indirectamente.
Pues bien, la educación debe aprovechar estas circunstancias en las que

se encuentra, desarrolla y plasma. En esto consiste complejizar la educación,
una idea sobre la cual volveré a continuación. Por lo pronto, cabe decir que
se trata de entender a la educación no como un mecanismo de contención y
reacción -que en el sentido normal (mainstream) acontece3- sino, mejor aún,
como una relación de equilibrios dinámicos. En este sentido, el locus de la
educación es, en general, el de la TNE, más específicamente las NESS.
A fin de entender esta idea, por decir lo menos, es imperativo que las
ciencias sociales en general, y la educación en particular, se abran; y abrirse
no al mundo, puesto que en cierto sentido siempre lo han estado, sino al
3
No es gratuito que la gran mayoría de la educación en los países de América Latina sea privada o confesional,
pues cualquiera de ambos aspectos cumple la función, hoy por hoy, de contención y aseguramiento, antes
que de autonomía y crítica. Sin ambages, la educación es considerada como una herramienta estratégica
de contención y restricción por parte de los grandes poderes nacionales e internacionales.

conjunto abierto de las ciencias y disciplinas en general. Esto implica la no
disciplinarización de la educación y, consecuentemente, la no linealización
de los currículos.
Educación como un sistema abierto alejado

del equilibrio
El énfasis creciente en la educación se ha colocado en los mecanismos,
técnicas y modos de enseñanza, en desmedro de los procesos mismos de
aprendizaje. La enseñanza obedece a principios y fundamentos verticales y
jerárquicos -top-down-, situando al profesor como alfa y omega del proceso
educativo (y al estudiante como un producto); desde el famoso magister dixit
hasta el caso del doktorvater (el director de la tesis doctoral en países como
Alemania, Austria y Suiza). En contraste, el proceso de aprendizaje puede ser
visto tanto como un fenómeno que sucede de abajo hacia arriba -bottom-
up-, como multinivel, en paralelo o también horizontal. En todos los casos
se tratan de metáforas que expresan de manera idónea la idea de que ya
no existe centralidad ni una jerarquía rígida. Un concepto reciente acuñado
para expresar esta idea es la de comunidad de aprendizaje. No sin subrayar
la idea de comunidad contrario sensu a la de sociedad.
Existen temas y modos que no pueden ni deben enseñarse; por

el contrario, se aprenden. Tres ejemplos conspicuos son: la ética, con
la contradicción enorme de que existen profesores de ética, que hay
currículo de ética y que incluso à la limite hay estudiantes que reprueban la
asignatura. La ética es esencialmente ejemplar. Asimismo, la metodología
de la investigación es un tema que no cabe ser enseñado. A lo sumo
pueden y deben enseñarse técnicas de investigación, pero no a investigar.
Esto se aprende investigando, justamente en el seno de una comunidad de
investigadores, de la mano de un(a) investigador(a) consumado(a). Pues bien,
más radicalmente, el más fundamental de todos los fenómenos educativos
y culturales tampoco puede ser enseñado: sólo se aprende a pensar, nunca
puede enseñarse a pensar. Extrapolando, es lo que sucede, a propósito de
la teoría de la decisión racional, en la distinción entre su carácter normativo
y su carácter descriptivo. En su dimensión normativa, esta teoría es vacua e
inútil, como lo enseña la historia, la política y la experiencia.
Aquello que sucede al interior del aula es un fenómeno esencialmente

alejado del equilibrio, en el sentido de que lo evidenciado en la misma, para
una reflexión fina y una sensibilidad elevada, son historias de vida, biografías,
entornos e historias familiares y no en última instancia fenómenos sociales y
culturales bien específicos. En el conjunto del aula, esas historias se mezclan
unas con otras, existen rechazos y mimetizaciones al mismo tiempo, en fin,

procesos autorganizativos con distintas justificaciones y finalidades. Tanto
el aula, como el profesor y el colegio o universidad, por ejemplo, obedecen y
actúan en medio de tales dinámicas, las cuales tienden de manera natural a
volverse no lineales. Esto es, impredecible a mediano y largo plazo.
Lo que sucede es que la disciplina y las normas, el poder y la psicología

(usualmente temor y autoridad), el currículo y los programas se imponen,
ocultan y modifican lo que efectivamente tiene lugar en la clase: la vida misma.
La vida que puja por hacerse posible, por expresarse o acaso manifestarse
como hipertrofiada o como pura potencia (en el sentido aristotélico de la
palabra).
Pues bien, el fenómeno de máxima complejidad conocido –en cualquier

acepción de la palabra– son los sistemas vivos (la vida). Precisamente en este
sentido cabe sostener adecuadamente que las ciencias de la complejidad
son ciencias de la vida (aunque lo contrario no sea el caso). Esto es, el estudio
y explicación de los fenómenos de complejidad creciente, caracterizados por
no linealidad y emergencia en contextos de turbulencia e inestabilidades.
En verdad, la educación, en todo el sentido de la palabra, se trata

de posibilidades de y para la vida, antes que de destrezas, habilidades,
competencias, técnicas y contenidos cognitivos o comportamientos. El
verdadero, el auténtico campo de trabajo de la educación es el de futuros.
Todo lo demás es sucedáneo, anecdótico, instrumental o subsidiario. Y según
si se trata de futuros a corto plazo, o por el contrario, de futuros a mediano y
largo plazo; futuros contenidos y restringidos, o posibilitados y potenciados.
En ello estriba la carga política del proceso educativo y de aprendizaje o, en
su defecto, de enseñanza.
De manera puntual, por ejemplo, cabe mencionar el contraste en la

forma como se visualiza el o los futuros en el proceso de aprendizaje. De un
lado, la educación tradicional –que lamentablemente sigue predominando
en muchos lugares– se funda y consiste en: tablero, papelógrafo, aula
unifuncional, centralidad del maestro o profesor, un solo idioma (el materno)
y linealidad y jerarquía en toda la línea de la palabra.
En contraste está lo que en general puede señalarse como la nueva aula,

la cual se desarrolla alrededor de: tablero interactivo, tablet y toda clase de
nuevas tecnologías de aprendizaje, una biblioteca por salón para efectos
fundamentales y prácticos, horizontalidad, multilingüismo e interculturalidad,
emergencias y no linealidad. De manera puntual, la no linealidad puede y debe
ser entendida en el sentido de: i) el trabajo para resolver problemas y ii) estos
tienen más de una solución posible.

Esta ilustración genérica de la forma de tratar o agenciar el futuro es
tan sólo la expresión puntual de procesos y dinámicas en los que el aula
es entendida como un sistema intrínseca y necesariamente abierto. Y
consecuentemente, en el que los problemas son el tema de trabajo antes que
los contenidos (memorísticos, por ejemplo). Todo esto es posible gracias, en
efecto, a internet y su versión 2.0 (omito aquí, deliberadamente, por razones
de espacio las consideraciones acerca de la 3.0).
Pues bien, quiero sostener que en este sentido las ciencias de la

complejidad son las ciencias de la sociedad del conocimiento (y ni siquiera de
la sociedad de la información). El conocimiento es la vida misma4, y al mismo
tiempo es el más apasionante, riesgoso y peligroso de los actos o procesos
que pueden llevar a cabo los seres vivos, pues para vivir están continuamente
explorando el entorno, construyendo y apostándole a posibilidades, en fin,
arriesgando la existencia. Así, el conocimiento no es algo que ya está ahí de
antemano, sino la construcción misma del vivir. En contraste con la materia
prima del conocer que son los datos y la información que sí se encuentran
anteriores o externos al proceso mismo del conocer.
De manera más exacta la economía del conocimiento es el fundamento

material de la sociedad del conocimiento y, por consiguiente, de manera
necesaria, la producción, distribución, circulación, acumulación y consumo
de bienes intangibles son los que, en el contexto de esta sociedad, garantizan
y definen el bienestar y la calidad de vida de los individuos y la sociedad5.
Sin ambages, el bienestar, la calidad y dignidad de vida de los individuos,
comunidades y sociedades corresponden, plano por plano, con el tipo de
conocimiento al que tienen acceso, el cual se produce y circula. Y en ello, la
educación –y la cultura en general– desempeña un papel protagónico. En
efecto, el conocimiento es un fenómeno que se crea (nested), no se descubre,
en actividades en común (redes complejas, justamente).
Ahora bien, lo anterior tiene consecuencias claras y fuertes por la manera

como el conocimiento se produce, en su forma más acabada, en el mundo
contemporáneo: la investigación. En verdad, nuestra época se distingue de
la historia anterior en el sentido de que la manera como el conocimiento
es producido de punta (spearhead science) es mediante la investigación.
Como, en otro contexto y con otras finalidades perfectamente distintas,
lo puso de manifiesto Karl Popper (1980): el concepto de verdad es hoy el
de investigación. La única salvedad (que no es mencionada para nada por
Popper) es que la investigación es, por definición, un fenómeno abierto.
4
Véase: Humberto M. y Varela F. (1984), El árbol del conocimiento. Las raíces biológicas del conocimiento.
5
Aquí, in ovo, una idea que no cabe ampliar en este espacio, es la siguiente: genéricamente dicho, el objeto
de estudio de la economía política consiste justamente en eso, cómo los bienes que generan riqueza y
bienestar en una sociedad se producen, distribuyen, etc. Otra cosa es la elaboración de una crítica de la
economía política del conocimiento, pero este es el tema de otro texto aparte.

Ciertamente, en la actualidad el concepto de verdad ya no es, como lo fue
durante todo el medievo y en la mayor parte de la modernidad, una posesión.
La ciencia –hablando en general– ya no pontifica, es decir, no afirma de
manera taxativa y concluyente “así son, y así son definitivamente las cosas”.
Por el contrario, un buen científico contemporáneo habla en estos términos:
“hasta donde sabemos”; “hasta donde está establecido”; “creemos que”; “las
investigaciones hasta la fecha indican que” y otros semejantes. Todo esto
quiere decir que la investigación es un fenómeno esencialmente abierto e
inacabado, incompleto, incluso, si se prefiere.
Si eso sucede en la investigación que es, por así decirlo, el nutriente

principal de la educación, a fortiori lo mismo puede decirse del proceso
educativo en su cabalidad. En la actualidad, la educación en el sentido de la
complejidad, no se prepara de manera definitiva (que es lo que se encuentra
in nuce en las ideas de autores como Rousseau y Pestalozzi, entre otros). La
complejidad de la educación estriba exactamente en el proceso inacabado
e intrínsecamente abierto del conocimiento; y por lo tanto, de la vida misma.
Educamos, sensibles a las dinámicas del conocimiento y con adecuación
(adaptación) permanente al avance de la investigación; incluso a los decursos
mismos del mundo y de la vida. Independientemente de la distinción entre
investigación formativa e investigación científica, que para los efectos de
esta reflexión nada nuevo aporta. Sin embargo, de manera puntual, lo que
sí puede decirse respecto de la educación basada en problemas, es que las
verdaderas dificultades en ciencia y filosofía no son aquellas que ocupan a
todo el mundo. Precisamente por esto es muy difícil formular problemas y
resolverlos.
Así, para que la educación pueda ser entendida como un fenómeno

complejo en el sentido señalado, significa, de cara al concepto mismo de
verdad, que ya no existe ni es posible, en absoluto, la afirmación de una única
verdad; la verdad, sustantivada, como fue el caso en la tradición occidental.
En el mundo actual, por el contrario, existe la idea de un pluralismo

respecto del concepto de verdad. No obstante, la noción de pluralismo no
debe asimilarse, en absoluto, a la de relativismo. Esta concepción de verdad
es el resultado del surgimiento de un pluralismo lógico; más específicamente
de las lógicas no clásicas, las cuales, de manera global, ponen de manifiesto
que no hay una única verdad lógica. Dichas lógicas comprenden, entre otras,
a la lógica paraconsistente, la lógica de la relevancia, la lógica del tiempo, la
lógica libre, la lógica cuántica, la lógica multimodal y varias otras (Dov et al.,
2010)

Como puede observarse, las ideas de multiculturalismo y pluralismo lógico
se corresponden perfectamente, y a la vez que apuntan a la complejización
de la educación, al mismo tiempo comportan una enorme carga democrática
en el más fuerte de los sentidos filosóficos (no político-partidistas).
¿Qué sucede en la educación?

El aula es el laboratorio de la
educación, una idea que no tiene
nada de novedoso. Sin embargo,
de lo que se trata es de entender
la manera como sucede la
producción de conocimiento en
su primera forma.
Complejizar la educación
equivale a poner claramente
sobre la mesa, a plena luz del día,
el papel fundamental del juego, la
imaginación, la fantasía. En otras
palabras, el significado de las
emergencias y la autorganización.
Por encima, desde luego, de los
programas y currículos, siempre eminentemente secuenciales y lineales y
que no permiten ni admiten sorpresas, es decir, aprendizaje.
Dicho de manera general, aquello que hace a la ciencia precisa –

tomando la palabra ciencia en su acepción más amplia y generosa– son los
experimentos mentales, las pompas de intuición. Sin obviar la importancia
de las redes de conocimiento, laboratorios, equipos y tecnologías, manejo
de idiomas y otros aspectos semejantes, es posible sostener que la actividad
científica se define por la capacidad de llevar a cabo experimentos mentales.
Y para ello el rol del juego, la imaginación, los desafíos e incluso los errores
resultan absolutamente indispensables. Con el reconocimiento explícito de
que en la imaginación y el juego no puede haber indicadores ni estrategias
didácticas, pues estos se encuentran en sus antípodas.
Sin desconocer, de manera alguna, la importancia de la disciplina –

específicamente la disciplina mental–, se trata de trabajar sobre el gusto
y el placer, la fruición y las fortalezas propias para que el grupo entero se
beneficie, independientemente del nivel de formación o educación de que
se trate. Los retos, desafíos, cuestionamientos y la crítica forman individuos
autónomos con criterio propio, antes que las constricciones y las normas.

Efectivamente, la complejidad consiste en el interés por el aprendizaje
de los sistemas. Es porque un sistema aprende que entonces, como
consecuencia, puede adaptarse. La adaptación es el resultado de la
capacidad que tiene un fenómeno determinado de aprender. Esta idea
merece el reconocimiento explícito de que el aprendizaje no es un hecho
generalizado en la cultura humana.
En el mundo, son numerosas las empresas que fracasan cada año y

los fracasos de políticas de toda índole –una muestra de lo profunda que
es la crisis sistémica y estructural que afecta al sistema de mercado libre,
la cual es predominante en el mundo entero–. También son evidentes los
errores y fracasos de los grandes medios de comunicación e incluso de los
más importantes tanques de pensamiento y acción (think tanks y do tanks)
alrededor del planeta. Los diagnósticos son múltiples y ubicuos en todos
los planos y contextos. Sin alarmismos ni pesimismos, no es evidente que el
aprendizaje sea un fenómeno generalizado y triunfante.
Manifiestamente, hay numerosas organizaciones de todo tipo que no

aprenden, y por ello son incapaces de adaptarse a los entornos fluctuantes en
tiempos de crisis. El aprendizaje stricto sensu es una demanda o un deseo, no
un hecho consumado. De ahí la importancia de áreas como la educación. Un
ejemplo conspicuo de que el aprendizaje no parece ser la regla en la historia
de la humanidad es el interés creciente por el error y el fracaso, el colapso y
las caídas, por parte de economistas6 e historiadores en primer lugar7. Todos
ellos precedidos por la obra clásica de Rachel Carson La primavera silenciosa,
publicada originalmente en 1962 pero reeditada en 2002.
Quiero sostener la idea según la cual, más radicalmente, el aprendizaje

significa de manera exacta la transformación de patrones, comportamientos
y estructuras. La ciencia en general y las ciencias de la complejidad en
particular, son sistemas de acción sobre el mundo. Mejor aún, sistemas de
transformación en y del mundo. Los hombres y mujeres de ciencia son, en
rigor, de acción cuando la ciencia es bien entendida y gestionada.
Pues bien, así la educación es esencialmente una transformación física y

del comportamiento, estructural de los individuos y las comunidades en que
viven; ulteriormente, de la sociedad y el mundo. En este sentido la enseñanza
no puede causar aprendizaje, simplemente doma, condiciona, determina.
6
Véase: Ormerod, P (2007) Why Most Things Fail: Evolution, Extinction and Economics, Nueva Jersey, Wiley;
Stiglitz, J.E. (2011) Caída libre: El libre mercado y el hundimiento de la economía mundial. Madrid, Taurus.
7
Véase: Diamond, J. (2012) Colapso. ¿Por qué unas sociedades perduran y otras desaparecen? Barcelona,
Debate; Weisman, A. (2008) El mundo sin nosotros, Barcelona, Debate; Ferguson, N. (2005) Coloso: Auge y
decadencia del imperio americano. Barcelona, Debate; Ferguson, N (2005) El imperio británico: Cómo Gran
Bretaña forjó el orden mundial, Barcelona, Debate. El título en inglés de la última obra es más afortunado:
Empire: Rise and Demise of the British World Order and the Lessons of Global Power.

En contraste, la complejización de la educación consiste en un proceso
continuo de indeterminación de los modos de aprendizaje, en el sentido
de que la complejidad de un fenómeno estriba exactamente en los grados
de libertad que exhibe el fenómeno o el sistema en cuestión. Literalmente,
a mayores grados de libertad mayor complejidad, o a menores grados de
libertad menor complejidad. En otras palabras, mayor o menor vida.
Por consecuencia, complejizar la educación equivale a cambiar las

estructuras de aprendizaje como la transformación del mundo. Ello conduce
a la necesidad de considerar la importancia del aprendizaje por saltos, no de
manera acumulativa, y situar abiertamente en el foco la importancia de la
innovación radical, sin por ello menoscabar el papel constructivo –selectivo,
en un sentido preciso– que la innovación lleva a cabo en la evolución de la
vida social.
Aquello que sucede en la educación es, simple y llanamente, un proceso

denodado, creativo, con el cual pueden imaginarse tantas posibilidades
de vida como sea posible; esto implica, de manera necesaria, una crítica
robusta y radical a todos los mecanismos que actual e históricamente
han impedido u obstaculizado el acceso a dichas posibilidades. Dicho de
manera puntual, el tema de la educación no es sólo lo actual y lo real –en
cualquier acepción de la palabra– sino también lo posible. En ello consiste
la consideración de la complejidad en los grados de libertad que un sistema
exhibe, tiene o puede tener.
El concepto de grados de libertad (Bar-Yam, 1997), originario de la física

y las matemáticas, significa un proceso de indeterminación creciente, si los
grados de libertad aumentan, en la estructura o la dinámica de un fenómeno
o sistema. Esta indeterminación permite comprender a los sistemas
complejos como complejidad creciente. Este es el rasgo más radical que
permite distinguir a las ciencias de la complejidad del llamado pensamiento
complejo. Un fenómeno complejo creciente es justamente aquel que gana
información, que aprende, que se hace no lineal (tres maneras distintas de
llamar a una misma cosa).
Pues bien, en un sentido amplio, la educación puede ser vista como

un sistema de complejidad creciente, y no simple y llanamente como un
fenómeno centrado en la memoria, didáctica, programas, indicadores,

mediciones, impacto, habilidades y competencias, que es aquello en lo
que grosso modo consiste hoy por hoy la educación normal en el mundo
occidental. La formalización de la educación, en este sentido, corresponde
a la institucionalización de la misma. Y para ser francos, nada más opuesto
a la complejidad que las dinámicas y estructuras de orden institucional. A
eso apunta, de manera general, la distinción entre organización e institución,
y de manera puntual el concepto de autorganización. Como se aprecia sin
dificultad, es más que una mera distinción semántica.
El espacio de la educación sucede, para bien o para mal, en entornos

turbulentos y en tiempos de complejidad creciente. Así, las ciencias de la
complejidad y las NESS emergen como el espacio más idóneo para trabajar,
explicar, vivir y aprovechar circunstancias semejantes.
Esta idea implica, por consiguiente, que el espacio de la educación ya no

es el de las ciencias sociales y ni siquiera el de las ciencias sociales aplicadas.
Pues, por definición, poco o nada saben de sistemas alejados del equilibrio
en general, y más específicamente de las NESS.
Las NESS pueden y deben ser vistas, sugiero, en contraste o como

diferencia de las ciencias sociales y humanas en un sentido tradicional, es
decir, en el sentido marcado desde su origen en el transcurso del siglo XIX.
En ese contexto que aún prevalece en la corriente principal de pensamiento
y educación en el mundo (mainstream science y mainstream education),
las ciencias sociales (y humanas) se diferencian radicalmente de las ciencias
básicas. Así, la perpetuación de “las dos culturas” (Snow, 1960) es perjudicial
para la buena marcha del conocimiento, de la cultura y de la vida misma. El
concepto de NESS permite romper la idea de origen platónico-aristotélico,
según la cual existen jerarquías de conocimiento y de formas de saber. Esto es
jerarquías de epistemología, una idea social, ética y políticamente peligrosa,
pues afirmar que hay formas de conocimiento mejores que otras no es sino la
expresión abstracta de que existen seres humanos –y, in extremis, culturas y
sociedades– mejores que otros. Una idea a todas luces inadmisible, más aún
en contextos de democracia, grados de libertad crecientes, interculturalidad,
en fin, aprendizaje.
Las NESS, originadas en el marco de la economía, permiten, bien

entendidas, mejores perspectivas y acciones al interior de las ciencias sociales,
ciencias de la más alta significación social y humana (no necesariamente
epistemológica, como se acaba de afirmar) (Byrne y Callaghan, 2014).

Conclusiones
La importancia de la educación consiste en que lo que se encuentra en
entredicho en esta son vidas humanas, las cuales están antes y muy por
encima de planes y políticas públicas, estrategias de reproducción de los
mercados y tácticas de supervivencia personales y colectivas. Exactamente
en este sentido, todo el foco estriba en elevar y potenciar al máximo la calidad
y dignidad de vida, sus posibilidades y gratificación de tantas maneras como
puedan imaginarse. Esto ocurre en contextos de creciente inestabilidad y
crisis sistémicas en tiempos de alta incertidumbre y fluctuaciones en todo
el mundo.
Bien entendida, la educación es el ámbito donde la interdisciplinariedad

tiene mejor cabida. Se trata, manifiestamente, del aprendizaje de otras
disciplinas, ciencias, lenguajes, metodologías y enfoques. No en última
instancia, las metaheurísticas resultan determinantes para la comprensión
de la complejidad y complejización de la educación. Las metaheurísticas
comportan precisamente el aprendizaje de que las soluciones a los problemas
son aproximativas, tentativas y provisionales, y no son exactas en cualquier
acepción de la palabra; como lo es, justamente, el proceso del aprendizaje, el
cual se caracteriza por ser aproximativo, tentativo, abierto, adaptativo, en fin,
como un sistema vivo.
Pues bien, para decirlo de una manera franca y breve: la mínima condición
para trabajar con sistemas de complejidad creciente (abiertos), es tener una
estructura de mente abierta. Nadie que no tenga este tipo de estructura
mental puede ver y trabajar, y menos explicar y comprender los fenómenos,
procesos y dinámicas que les acaecen a los sistemas abiertos alejados del
equilibrio.
Si bien debe quedar fuera del espectro de este texto, es inevitable hacer
referencia a la forma como la educación de punta en el mundo encuentra el
más propicio de los espacios. Dicho de manera negativa, la principal forma de
analfabetismo contemporáneo es la tecnológica, y la punta de la tecnología
pasa, medularmente, por el conocimiento y dominio de los modelos y la
simulación. Estos pueden ser vistos como la punta de avanzada de los
procesos de aprendizaje referidos a lo más actual y lo mejor del conocimiento.
Detrás del modelamiento y la simulación, el tema básico es esclarecer

lo que significa propiamente pensar en términos de complejidad, pues no
consiste única ni principalmente en lo que sostiene Morin y sus epígonos. En
un sentido correcto, se trata del reconocimiento de que el pensar –la materia
misma del proceso educativo– no se funda en algoritmos, recetas, normas y

prescripciones de diversa índole. Por el contrario, se trata de esa dimensión
mediante la cual trabajamos con muchas posibilidades. Otro artículo de
distinto tema sería: ¿qué es efectivamente pensar complejo? Sin embargo,
de manera general puede decirse lo siguiente.
Como se aprecia sin dificultad, las ciencias de la complejidad bien

entendidas no son un enfoque, marco, una “cosmovisión” o algo semejante.
No tiene sentido sostener algo como: “se trata de estudiar a X en función de
complejidad”, algo que los legos suelen hacer.
Complejidad, así entendida, no es una filosofía o aproximación que

permita comprender a X o Y. Por el contrario, el mérito consiste en estudiar la
complejidad en sí de X o Y. Incluso considerando que su estructura o dinámica
no son necesariamente complejas, pues no todas las cosas se comportan
como fenómenos de complejidad creciente no lineales.
El hecho de que X o Y exhiban complejidad o se comporten de tal

manera que algunos de los atributos de complejidad permitan entenderlos
o explicarlos correctamente, significa que los diversos y ricos lenguajes,
explicarlos correctamente, significa que los diversos y ricos lenguajes, las
múltiples metodologías, en fin, las teorías constitutivas de las ciencias de la
complejidad resultan más que pertinentes y necesarias.
Pues bien, X es, en el contexto de este artículo, la educación o la pedagogía.

En consecuencia, correctamente entendido el asunto, la cuestión es la
siguiente: la educación no debe comprenderse en el marco de las ciencias
de la complejidad, sino que se debe comprender la complejidad en sí del
proceso educativo. Incluso, de manera más radical, se trata de complejizar
la educación. Por lo tanto, hay que transformarla de una estructura vertical,
centralizada y rígida en un fenómeno con muchos (máximos) grados de
libertad posibles, no linealizar la secuencia y (multi)causalidad de la misma.

Referencias bibliográficas
• Bar-Yam, Y (1997), Dynamics of Complex Systems, Boulder, Westview
Press.
• Brent D. y Sumara, D (2006), Complexity and Education. Inquiries

into Learning, Teaching, and Research, Mahwah, Lawrence Erlbaum
Associates.
• Brent D., Sumara, D, y Luce-Kapler, R. (2007), Engaging Minds: Chaniging

Teaching in Complex Times, Lon- dres, Routledge.
• Byrne, D. y Callaghan, G. (2014), Complexity Theory and the Social

Sciences, Londres, Routledge.
• Carson, R. (2002), Silent Spring. Nueva York, Mariner Books.
• Doll, W. E et al. (eds.) (2006), Chaos, Complexity, Curriculum, and Culture.

Nueva York, Peter Lang Publishing.
• Dov M. Gabbay y Guenthner, M. (eds.) (2010), Handbook of Philosophical

Logic. Londres, Springer, 17 vols.
• Herf, J. (2002), Reactionary Modernism: Technology, Culture, and Politics

in Weimar and the Third Reich, Cambridge, Cambridge University Press.
• Johnston, W. (2009), El genio austrohúngaro. Historia social e intelectual

(1848-1938), Oviedo, KRK Ediciones.
• László Barabási, A. (2002), Linked: How Everything is Connected to

Everything Else and What it Means for Business, Science, and Everyday
Life, Nueva York, Perseus Publishing.
• Maldonado, C. E. (2013), Significado e impacto social de las ciencias de la

complejidad. Bogotá, Ediciones desde abajo.
• Maldonado, C. E. (2011), Termodinámica y complejidad. Una introducción

para las ciencias sociales y humanas, 2ª ed. Bogotá, Ediciones desde
abajo.
• Mason, M. (ed.) (2008), Complexity Theory and the Philosophy of

Education, Oxford, Wiley-Blackwell.

• Merton, R. (1980), “Sobre las teorías sociológicas de alcance intermedio”,
en Teoría y estructura sociales, México, FCE, pp. 56-91.
• Morin, E. (1999), Los siete saberes necesarios para la educación del futuro.
París, UNESCO.
• Osberg, D. y Gert Biesta (eds.) (2010), Complexity Theory and the Politics
of Education. Róterdam, Sense Publishers.
• Pagels, H. (1989), Los sueños de la razón. El ordenador y las nuevas

ciencias de la complejidad. Barcelona, Gedisa.
• Popper, K. (1980), La lógica de la investigación científica, Trad. de Víctor

Sánchez de Zavala, Madrid, Tecnos.
• Reynoso, C. (2009), Modelos o metáforas: crítica del paradigma de la

complejidad de Edgar Morin, Buenos Aires, Sb.
• Serres, M. (2013), Pulgarcita, México, FCE.
• Snow, C. (1960), The Two Cultures and the Scientific Revolution. Cambridge,
Cambridge University Press.
• Wallerstein, I (coord.). (2004), Abrir las ciencias sociales. Comisión

Gulbenkian para la reestructuración de las ciencias sociales, México,
Siglo XXI-UNAM, 2004.

2
Introducción
EDUCACIÓN COMPLEJA:
INDISCIPLINAR LA SOCIEDAD
Sostenía algún autor que nuestra época es la del descubrimiento del “in”:
incertidumbre, incompletitud, indecibilidad, indeterminación (Du Sautoy,
2009). A esta lista podríamos agregar, sin ninguna dificultad, la importancia
y la necesidad de indisciplinar: indisciplinar el conocimiento, indisciplinar la
sociedad, indisciplinar las instituciones. Creo que la idea del “in” sirve más
como un mote pedagógico, o acaso incluso propagandístico, antes que
como una categoría cultural o científica. En cualquier caso, ayuda, por más
kitsch que sea.
La historia de la sociedad occidental, desde la Grecia antigua hasta el

presente, ha sido, incluso aunque el término aparezca ex-post, la historia de
la disciplinarización de la sociedad y del conocimiento. Pues bien, la primera
parte de este trabajo consiste en mostrar que este ha sido efectivamente el
caso, y destacar algunas consecuencias. El segundo parágrafo está dedicado
a la elaboración de lo que podríamos nombrar un pequeño estado del arte en
el llamado a la indisciplinarización de la sociedad. La finalidad de esta sección
es la de conformar, si cabe la expresión, un pequeño ejército en contra de la
historia dominante y hegemónica de disciplina. Sobre esta base, el tercer
argumento de este artículo sostiene que es efectivamente posible y necesaria
una indisciplinarización de la sociedad. Esta es exactamente la tesis de este
trabajo. Se aportan fundamentos y justificaciones a la misma. Finalmente,
la cuarta sección está dedicada a defender la idea de una educación modo
complejo. Se explicita el concepto y se sostiene que no existe en el panorama
sobre las relaciones entre educación y complejidad ninguna otra propuesta
semejante. Al final se extraen algunas conclusiones.
El sentido de este trabajo está dirigido, dicho negativamente, en contra de

la instrumentalización de la educación, incluso en el marco de la complejidad.
En verdad, una buena parte de la comunidad de complejólogos, sensu lato,
se refiere a la educación en términos herramentales. Hay aquí un serio
peligro. Oportunamente se aportan argumentos al respecto. Pero dicho de

manera positiva o afirmativa, el sentido de este trabajo consiste en señalar
que la educación modo complejo cumple, puede cumplir o debe cumplir
una función eminentemente liberadora. En qué consiste dicha función y qué
se sigue de ello, es algo que se deja en claro a lo largo de este trabajo.
Occidente: una civilización disciplinar

Occidente nace con una idea perversa, importada en la Grecia antigua gracias
a Pitágoras, quien la había traído desde sus estancias de viajes, estudios e
investigación del antiguo Egipto. Se trata de la idea según la cual existen
dos clases de conocimientos: el conocimiento esotérico y el conocimiento
exotérico. El conocimiento exotérico es el conocimiento dedicado a la
sociedad, mientras que el conocimiento verdaderamente verdadero es el
esotérico, el cual hay que preservar de la sociedad. A este solo se puede
alcanzar después de pasar por una serie de pruebas de tiempo, lealtad,
fidelidad, pericia y demás. Correspondientemente, el conocimiento esotérico
implica una estructura jerárquica y piramidal de la organización misma del
conocimiento. Sin ambages, aunque con otros nombres y estructuras, todo
el conocimiento en la historia de Occidente se asienta sobre esta división.
La educación configura, a todo lo largo de la civilización occidental, un

papel eminentemente estratégico sin importar si se es griego o bárbaro,
creyente o gentil, burgués o proletario, capitalista o comunista, trabajador o
emprendedor, o cualesquiera otras denominaciones que se quiera adoptar
(Villalba, 2016). Para Tirios y Troyanos, la creencia de que la educación
constituye un pilar para el desarrollo humano, el desarrollo de la sociedad y
la humanidad es algo que no tiene discusiones.
Dicho de manera rápida, no ha habido ningún proyecto social, cultural,

religioso o político que no haya pasado por la educación y haya convertido a
esta en una herramienta fundamental para la conservación del poder y del
statu quo, o bien para el cambio de la sociedad y de la época. En el antiguo
Egipto, el escribano era el segundo puesto en importancia y poder después
del faraón, el de la “casa grande”, y eran, junto con la casta sacerdotal, quienes
encarnaban y representaban la educación y el conocimiento.
En el período clásico de la Grecia antigua, el Liceo y la Academia eran

las encargadas de educar a los mejores hombres del momento, aunque sin
apostar en una dirección o en otra de, como se diría, los egresados. Siempre
vale recordar la segunda frase de Aristóteles en su Metafísica: todos los
hombres buscan conocer. Porque conocer produce placer. De esta suerte, el
gusto por aprender y conocer era una fruición desinteresada.

En el medioevo, la organización de los estudios en torno al Trivium y al
Quadrivium tenía como finalidad afinar el entendimiento, de suerte que los
más acuciosos problemas teológicos pudieran ser estudiados y discutidos.
Sin la menor ciencia, en la Edad Media la teología es Scientia Magna, frente
a la cual la filosofía se erige como Vía Regia. Esta es una historia ya bien
conocida. En cualquier caso, la organización del conocimiento implicó una
especialización en alguno de sus campos.
Sin embargo, los primeros y más sólidos proyectos educativos surgen a

partir de la obra de Rousseau, Goethe y Pestalozzi, quienes, por lo demás,
crean el concepto y la realidad misma del “niño”, una instancia de la realidad
hasta entonces perfectamente inexistente. Posteriormente, vienen otros
grandes proyectos, las contribuciones de Montessori, Dewey, Giroux y hasta
Freire. Esta historia es perfectamente conocida por parte de pedagogos y
educadores.
En paralelo con la entrada en la modernidad, justo a comienzos del siglo

XVII se crea la Royal Academy of Sciences (RAS), a la que le seguirán muy
pronto la Académie Française des Sciences y la Preussische Akademie
der Wissenshaften, para mencionar las más importantes. La creación de
las academias de ciencias es determinante en la organización misma del
conocimiento y, por tanto, en el proceso mismo de disciplinarización del
conocimiento y de la sociedad.
Para decirlo de manera breve, lo característico que sucede a partir de la

RAS es que los químicos, por ejemplo, se reúnen en congresos de química,
hablan de química y publican en revistas especializadas de química. Y lo
mismo cabe decir de los físicos, los biólogos y los economistas, por ejemplo.
Concomitante con la transición del modelo medieval de la universidad
hacia la Universidad de Humboldt, la universidad se organiza en torno a
carreras, departamentos, facultades. No sin razón, Kant (1798) se ocupará
de El conflicto de las facultades (Kant, 2003), como una manera de acusar
la creciente división y especialización del conocimiento. Dicho en términos
medievales: las ciencias y disciplinas se caracterizan entre sí por género
próximo y diferencia específica. Al cabo, terminan de configurarse, no sin la
intervención de A. Comte, las ciencias sociales y humanas, de un lado, y las
ciencias físicas y exactas, de otro. O bien, en el contexto alemán, las ciencias
del espíritu, de una parte, y las ciencias de la naturaleza, de otra. O también,
en el marco anglosajón, la división entre las ciencias y las humanidades. El
resto es historia conocida.
Como se aprecia sin dificultad, la historia de Occidente es la historia de

un proceso cada vez más elaborado de especialización, divisiones, fracturas
y espacios de grupos de ciencias y disciplinas, en fin, de ciencias y disciplinas

que se definen cada una a sí misma como diferencia y en oposición a las
demás. Un veterinario lo es porque no es odontólogo; un economista no es
historiador; un físico no es matemático, y así sucesivamente.
Esta historia está marcada, al mismo tiempo, por la escisión entre dos
concepciones radicalmente distintas: de un lado, el énfasis en la educación de
élite, eminentemente excluyente y privilegiada. Existen alrededor del mundo
notables ejemplos al respecto, hasta la fecha. Y de otra parte, la idea de una
educación democrática, con acceso para todos, cuya calidad generalmente
es más baja, pero con una cobertura social inmensamente más amplia.
Mediando entre ambas, desde el siglo XIX hasta la fecha, emerge la idea de
una educación orientada al trabajo. La mejor expresión de ello es justamente
la práctica de las “tareas”. ¿Vale recordar que la etimología misma de “tarea”
viene del jornalero? Es decir, aquel al que no se le paga si no lleva a cabo
precisamente las indicaciones que se le han pedido o impuesto.
De manera generalizada, los currículos en la educación son lineales en el

sentido de la especialización, la existencia de pre-requisitos y co-requisitos y
el carácter ascendente o descendente (como se prefiera) del conocimiento
(especialización o profundización). En este proceso, la disciplina, esto es
el acatamiento, el seguimiento de órdenes, el cumplimiento de tareas,
las buenas posturas, buenos hábitos y otros aspectos semejantes cobran
creciente importancia. No en última instancia, la idea misma del uniforme,
y en los colegios los manuales de convivencia, y en las universidades los
diferentes reglamentos, resaltan y refuerzan la idea de la disciplina como valor
fundante. Finalmente, la normativización y la gestión determinan, creciente y
eficazmente, la vida misma de la academia. En toda la línea de la palabra.
En dos planos paralelos, si de un lado asistimos a la medicalización

y la terapeutización de la sociedad –dos temas sensibles a la bioética–,
análogamente, por otra parte, asistimos a la escolarización de la vida
pública y privada de los individuos. Ambos procesos se implican recíproca
y necesariamente. Sin ambages, se trata de mecanismos de control, de
disciplinarización y formación de sujetos obedientes y eficientes o eficaces.
De esta suerte, se impone una doble disciplina así: de un lado,

el cumplimiento de normas, preceptos, valores, ideas, actitudes y
comportamientos centrados mucho en la obediencia y el cumplimiento más
que en la formación de criterio propio y en el juego. La imaginación es, por
regla general, desplazada a lugares muy secundarios, y sobre ella se imponen
la memoria, las habilidades, las destrezas, las técnicas y las competencias.
Literalmente, la idea de que vivimos en un mundo competitivo se impone,
se generaliza y repite por diversos canales. Al cabo, los estudiantes no
terminan estudiando lo que desean, sino aquello que es más provechoso o

conveniente desde el punto de vista laboral y de supervivencia. De manera
subrepticia, el mundo es visto como un lugar de lucha, por tanto, antes que la
cooperación y el aprendizaje recíproco se impone la competencia, la lucha, la
rivalidad y el conflicto. Abierto o latente. No es gratuito que los problemas de
matoneo (bullying) emerjan de manera permanente hasta el punto de que,
en Colombia, se imponen por ley preceptivas para evitarlo y otras prácticas
semejantes.
De otra parte, se impone la noción de conocimiento fraccionado,

disciplinariedad, especialización y especificidad de los campos de conocimiento.
Esta especialización y división se expresa y se asienta al mismo tiempo en torno
a aspectos sensibles, como lenguajes, métodos, técnicas, incluso objetos,
campos y áreas específicos; que pueden tener vasos comunicantes con otros
campos y niveles, pero que de suyo aparecen como perfectamente distintos.
En los currículos lineales, las matemáticas nada tienen que ver con la literatura,
y la biología nada con los idiomas, por ejemplo.
Pues bien, a través de este panorama se impone, en ocasiones de manera

sutil, pero muchas veces de manera abierta y directa, la idea–a todas luces
errónea– de que existen formas de conocimiento mejores que otras, lenguajes
y métodos más idóneos que otros, en fin, el manejo de técnicas y habilidades
que son más ventajosas que otras. Solo que esta no es otra cosa que la expresión
abstracta de que existen, entonces, unos seres mejores que otros, a saber:
son mejores aquellos que disponen de los mejores conocimientos, según
definición o convención, que aquellos que no los tienen. Como se aprecia sin
dificultad, se trata de una idea que apunta mucho más hacia las diferencias,
las luchas, los conflictos y las inequidades antes que a la armonía, al diálogo y
a los encuentros. Una sociedad resultante de estas ideas y prácticas no puede
menos que ser una sociedad de desigualdades y disputas.
Contra todas las expectativas, la educación termina generando

individuos competitivos antes que cooperantes y solidarios, grupos sociales
más favorecidos y comunidades con más desventajas, en fin, todos los
gérmenes para un mundo que militarmente puede ser entendido como
de lucha, sospecha, bajas casuales, fuego amigo, enemigos potenciales,
supervivencia y mucha maquinización. Dicho de manera breve y directa,
se trata de un mundo regido enteramente por algoritmos. Pues bien, un
mundo fundado en algoritmos no necesita pensar, le basta con obedecer
y seguir los procedimientos. En dos palabras, un mundo disciplinar y
disciplinado. Digámoslo de manera franca: una educación semejante en un
mundo semejante no es para nada deseable, particularmente si se piensa
en conceptos básicos como libertad, igualdad, transparencia, solidaridad,
conocimiento compartido y otros próximos y semejantes.

Esbozo de un estado del arte acerca de la
indisciplinarización de la sociedad
Quiero sostener la idea según la cual una educación compleja, o bien, una
educación en el modo de la complejidad, o también (una tercera manera
de decirlo) una educación con bases de complejidad, es aquella que
promueve, de tantas maneras como quepa imaginarlo, grados de libertad,
procesos de autonomía y dinámicas de independencia. La educación es y
debe ser liberadora o no es. Una educación no-liberadora es obediencia,
acatamiento y disciplinarización. Argumento aquí, muy específicamente,
por una educación en el sentido de las ciencias de la complejidad (Davis &
Sumara, 2006; Maldonado, 2014).
Ahora bien, una educación con cargas liberadoras no es exclusiva ni

del pensamiento complejo ni tampoco de las ciencias de la complejidad.
Se propone en esta sección elaborar lo que podemos llamar un estado del
arte de la indisciplinarización de la sociedad. En el parágrafo siguiente se
tendrá la oportunidad de argumentar a favor de la indisciplinariedad. Aquí se
plantea sencillamente mostrar un conjunto de argumentos bien elaborados
que o bien coinciden o bien conducen a y refuerzan la idea –compleja– de la
indisciplinarización de la sociedad.
La idea de indisciplinariedad ha sido introducida en el marco de las

discusiones sobre metodología científica, específicamente en el estudio
sobre los diálogos interdisciplinares en el curso del siglo XX por parte de
Graff (2015). Se trata de un trabajo sólido en torno a las posibilidades de crear
puentes y echar abajo fronteras entre los diferentes campos del conocimiento.
Sin embargo, el propósito en este texto es bastante más radical, como se
verá a continuación. Justamente por ello, a manera de introducción vienen
las tres puntualizaciones.
La educación es una ciencia social aplicada. Se alimenta de la psicología

y de la historia, de la sociología y de la filosofía, entre otras. Su situación es
análoga, desde el punto de vista epistemológico, a la de la administración, otra
ciencia social aplicada. De suerte que lo que se dice a continuación vale, con
toda propiedad, para la educación, como ciencia o disciplina social aplicada.

La desescolarización de la sociedad
La idea de una sociedad desescolarizada fue planteada originalmente en
1971 por parte de I. Illich en un texto que tuvo el mayor impacto en todos
los órdenes (Illich, 1985). La idea de base consiste en desinstitucionalizar los
valores, puesto que la escuela no es otra cosa que un modo de organización
de la sociedad y de organización del conocimiento que busca a toda costa
institucionalizar valores, principios, ideas y comportamientos. Como sostiene
el autor, la educación se ha convertido en la religión de los pobres, puesto
que creen que con ella pueden alcanzar la superación de las penurias y
limitaciones.
De manera elemental, la desescolarización de la sociedad significa el

reconocimiento de que el proceso de aprendizaje ni se reduce ni se limita
a la escuela, por el contrario, se extiende a lo largo de la vida a través de
mecanismos formales y no formales, explícitos y tácitos.
Formulado mucho antes del tránsito a la sociedad de la información y la

sociedad del conocimiento, la propuesta de Illich sostiene que la información
debe ser transmitida libremente de unos a otros. Actualmente, podemos
sostener que el conocimiento, por primera vez en la humanidad, ya no es
patrimonio de nadie, que pertenece a todos y cada uno en un proceso de
construcción emergente y no lineal, no local y en paralelo, permanentemente
cambiante y adaptativo; en una palabra, autoorganizativo. De suerte que
la escuela –o la universidad– deja de tener la centralidad que el sistema
económico desearía que tuviera. Los jóvenes aprenden mucho más por fuera
de la escuela y la universidad de lo que habitualmente se piensa. En otras
palabras, el aprendizaje deja de estar centralizado y especializado, literalmente.
Desde luego que ha habido numerosas críticas hacia Illich, particularmente

debido a su radicalismo (Zaldívar, 2011). Sin embargo, la crítica de base a la
educación, por parte del autor austriaco, permanece, a saber: debe ser posible
pensar la educación en términos perfectamente distintos a una industria
y como un producto –o producción de productos–. Muy específicamente,
con diversas razones y argumentos, la educación produce estándares y
estandarizaciones propios del modelo neoclásico de la economía
La desescolarización de la sociedad de Illich contiene elementos favorables

para una crítica de la disciplinariedad. Y, sin embargo, las preocupaciones por
indisciplinar al conocimiento y a la sociedad no están en el primer lugar de
las elaboraciones teóricas de Illich.

El movimiento MAUSS
–Movimiento antiutilitarista de las ciencias sociales– toma su acrónimo
como un reconocimiento al sociólogo M. Mauss, cuyo texto de base es el
(Mauss, 2011), esto es, la importancia de que haya actos
gratuitos, no retributivos: el regalo, la donación (Donner significa en francés
dar y regalar).
Todas las prácticas, modelos, estándares, mediciones y escalafones en

curso acerca de la educación en cualquiera de sus niveles y expresiones
afirman, expresa o tácitamente, que la educación tiene y debe tener una
finalidad; esto es, sin más, una utilidad. Pues bien, filosóficamente, el
utilitarismo constituye un componente de una familia conformada por
el positivismo, el neopositivismo, el utilitarismo, el realismo crítico y el
pragmatismo. Dicho de manera escueta, todas expresiones y fundamentos a
la vez del neoliberalismo; que no es sino el nombre más reciente del sistema
capitalista, de libre mercado (Caillé, 1989).
De manera específica, el movimiento Mauss sirve, en este contexto,

para acusar, de una parte, el espíritu utilitarista que la educación debe
tener. Como si aprender fuera algo que tuviera por sí mismo una finalidad
ya prefijada de antemano. De manera general, las ciencias sociales –y
humanas– no tienen por qué ser vistas desde una perspectiva utilitarista.
No importa cuán noble pueda parecer el argumento, aprender, es lo que
hacen los sistemas vivos para vivir. Y si la teoría de la evolución ha puesto
suficientemente de manifiesto que los sistemas vivos no son teleológicos,
de la misma manera cabe señalar que el aprendizaje carece de cualquier
finalidad, si bien puede ser posible, como es efectivamente el caso, que sea
acomodado con base en estrategias y planes. Pero, bien entendido, eso no es
aprender. Simplemente, en el mejor de los casos, significa interiorizar tareas
y hacerlas de manera más o menos habilidosa. Al fin y al cabo, el aprendizaje
implica la capacidad de formar juicios por sí mismo, la capacidad de tener
criterio propio, incluso la capacidad de dudar. El verdadero aprendizaje no
implica la memoria, sino el cuestionamiento y una sana skepsis.
Pero el movimiento Mauss –en el cual participan algunos de los más

importantes científicos de las ciencias sociales alrededor del mundo (http://
www.revuedumauss.com.fr)– contribuye al mismo tiempo como una
advertencia bien sustentada contra cualquier pretensión de instrumentalizar
cualquiera de las instancias del proceso de enseñanza-aprendizaje.
Digámoslo de manera explícita: una cosa es aprender y otra muy distinta el
adoctrinamiento. El adoctrinamiento maquiniza, mientras que el aprendizaje
tiene como piedra de toque la posibilidad misma de pensar; esto es: pensar

por sí mismos sin absolutamente ningún criterio de autoridad. Algo que, por lo
demás, ya mencionaba, a su manera, Aristóteles (a propósito, por ejemplo, de
los argumentos ad hominem o también, en otro plano, ad autoritatem).
En este sentido, la actitud crítica contra el utilitarismo que utilizan los

miembros del movimiento Mauss constituye un llamado que puede ser
esgrimido con el utilitarismo contra el determinismo y el reduccionismo,
consiguientemente, y entonces sí, contra la disciplinarización del
conocimiento y de la sociedad.
Las ciencias sociales del no-equilibrio (CSNE)

De otra parte, vale la pena echar una mirada por un instante al programa
CSNE (NESS, non-equilibrium social sciences, por sus siglas en inglés).
Formulado originariamente en la primera década del siglo XXI, el programa
se define por su afán de situar a las ciencias sociales en general, por primera
vez, sobre el terreno propio del siglo XXI (http://global-systems- science.eu/
gss/content/ness).
Si la base, el supuesto o el marco epistemológicos de la ciencia clásica

en general fue la mecánica clásica y, a fortiori, también para las ciencias
sociales y humanas en general, nacidas posteriormente a la consolidación
de la mecánica clásica, ya por la obra de Newton, análogamente, el
supuesto o el marco de referencia de las ciencias sociales es aquello que
puede denominarse en términos muy generales como la “nueva física”,
y que corresponde en realidad a la interface entre la teoría del caos y,
particularmente, la termodinámica del no-equilibrio. Dos de las ciencias de
la complejidad.
De manera específica, los conceptos determinantes de las ciencias

sociales de la modernidad son tanto el concepto de control como de equilibrio,
dos facetas de un solo y mismo espíritu. Pues bien, correspondientemente,
las NESS pretenden señalar que las ciencias sociales en general pueden
y deben comprenderse en función de equilibrios dinámicos o, de manera
equivalente, en términos de desequilibrios o, también, equilibrios puntuados;
tres expresiones diferentes para designar el hecho de que los fenómenos,
dinámicas y estructuras más importantes tienen lugar o bien lejos del equilibrio
o bien en el filo del caos (Johnson, Novak, Ormerod, Rosewell, Zhang, 2017).
Pues bien, quisiera radicalizar la idea en el siguiente sentido: las NESS

consisten en lo relativo al pasado: epistemológico, lógico y metodológico
de las ciencias sociales; en desequilibrar la sociedad, desequilibrar el
conocimiento, literalmente, en desequilibrar las instituciones.

Una idea que bien encuentra su sustento en la obra originaria de I. Prigogine.
Si en el plano de la economía, por ejemplo, la idea de equilibrio es artificiosa,
asimismo sucede en las ciencias sociales. Siendo la educación una ciencia
social aplicada, estas ideas abarcan, igualmente, lo que se sepa, se diga y se
haga en el campo de la educación.
Sin ninguna dificultad, podemos asimilar en un mismo plano o

conjunto las ideas de indisciplinariedad y la de equilibrio. Como se aprecia,
el argumento es de una radicalidad sin igual. Pues bien, la tesis del autor
consiste en sostener que una educación compleja es un doble proceso
tanto de indisciplinarización de la sociedad y del conocimiento como de su
desequilibrio.
Como quiera que sea, los tres planos mencionados: la desescolarización

de la sociedad, el movimiento antiutilitarista en las ciencias sociales y la
noción de desequilibrio o de equilibrios dinámicos en las ciencias sociales
coinciden en desplazar el foco de los lugares habituales, tradicionales y
hegemónicamente vigentes hacia espacios que no habían –y no han sido–
considerados por parte del conocimiento “normal”, el cual se centra en
habilidades y competencias, por decirlo de manera sucinta.
Pues bien, es este el lugar de mencionar la forma en que, hoy en día, la

educación es considerada como una herramienta estratégica.
Bien dicho, el lugar de la educación se sitúa en un triángulo conformado

por las neurociencias, las ciencias del comportamiento y la propia educación.
Las tres configuran un triángulo singular y estratégico. La idea de base
es: formar/ transformar los sistemas de creencias, educar en el sentido de
competencias, destrezas y habilidades, y transformar los comportamientos.
Esto es lo que podemos denominar como el primer triángulo diabólico.
“Diábolo” es la palabra que se encuentra en la base de analizar. Triángulo de
análisis del sistema de la educación.
Las neurociencias –cuyo epítome social, cultural y político es la iniciativa

BRAIN– han dado lugar y a la vez se han desplegado en la forma de la
neuroeducación (al lado de la cual cabe señalar, asimismo, el neuroderecho,
el neuromarketing, la neuroética, etc.). Esta es el estudio de la forma como el
cerebro funciona para adquirir o cambiar sus creencias, y cómo las creencias
determinan las acciones de los individuos en un momento determinado. Por
su parte, las ciencias del comportamiento constituyen, hoy por hoy, el marco
científico abierto o tácito de las ciencias de la educación y la pedagogía. La
idea aquí no es difícil, se trata del reconocimiento mismo de que la educación
busca modificar los comportamientos de los seres humanos, justamente
a través y a partir del proceso de enseñanza-aprendizaje. La manera más

discreta de decirlo es que se trata de transformar el mundo de la doxa al
mundo de los conceptos. Sin más, educar es una forma de transformar el
mundo a través del espacio del aula y de la interface entre escuela/universidad
y sociedad/mundo.
De manera precisa, es necesario reconocer que el principal sector

industrial en la sociedad de la información es la educación. Ahora bien, forman
parte de este sector industrial: el transporte, la papelería, las librerías, incluso
los restaurantes y cafeterías y, en general, todas las actividades que pivotan
y coadyuvan al desarrollo de la educación. De manera sintomática, todo el
sistema de educación ha sido sometido o fijado a estándares de escalafones
elaborados periódicamente con niveles, criterios y fines múltiples.
En este marco, literalmente, la educación se encuentra en función del

aparato productivo. Dicho en otros términos, se trata de educar para crecer
económicamente, educar para trabajar y ser productivos, educar para
prepararse para las ventajas, limitaciones y oportunidades del mercado,
tomado en el sentido más amplio e incluyente de la palabra.
En otras palabras, hoy nadie educa por amor al saber ni tampoco por
amor a la felicidad. La prueba de ello son las pruebas Pisa, las pruebas Saber,
las pruebas de los diferentes sistemas nacionales al egresar de la educación
básica (en Colombia el Icfes, Ceneval en México, el COU en España), Saber
11, Saber Pro y otras semejantes; y el hecho mismo de que todo el sistema
de educación aparece comprendido y definido en términos de calidad. El
sistema de la educación se ha convertido en un sistema panópticamente
vigilado y controlado: los estudiantes evalúan a los profesores que evalúan a
los estudiantes y a sus familias, que evalúan a los profesores y al colegio y la
universidad, y así sucesivamente en bucles de retroalimentación crecientes.
Sin ambages ni exageraciones, la educación es uno de los productos mejor
elaborados y al mismo tiempo un estímulo del pensamiento sistémico. La
educación contemporánea es, all in all, educación sistémica, pensamiento
sistémico encarnado cotidianamente y de manera exitosa.
Si lo anterior es cierto, las ideas más nobles, altruistas y no utilitaristas

de la educación parecen haberse quedado atrás. Asistimos así a la
institucionalización de la educación (Illich), a la educación como un sistema
de control (Mauss), en fin, como un sistema disciplinado y disciplinarizante.
Dicho en términos políticos, la educación se ha convertido en un sistema

de reproducción y ampliación del sistema cultural, social, histórico y político
por parte de sí mismo. La innovación, el cambio y la creatividad no suceden
en y gracias a la educación, por el contrario, tienen lugar o bien fuera de ella
o bien a pesar de ella. Como se aprecia, el bucle se cierra sobre sí mismo.

Indisciplinar la sociedad: una posibilidad
y una necesidad
La disciplinarización del conocimiento es un medio para la disciplinarización
de los individuos y la sociedad. Esto es comprender el conocimiento en
términos compartimentados: ciencias mejores que otras, disciplinas más
rigurosas que otras, métodos más consistentes que otros y así sucesivamente.
Sin la menor duda, la disciplinarización de la sociedad tiene lugar a través de
un doble camino, así: de un lado, a través de la idea –de origen aristotélico,
pero errónea– según la cual pensamos y debemos pensar con categorías. Las
categorías clasifican, etiquetan, fijan. En inglés existe la triple distinción entre:
tagging, categorizing y pigeon-holing; las tres se usan como equivalentes
o sinónimos en el uso común y corriente del lenguaje. El equivalente en
español sería etiquetar, categorizar y clasificar, aunque algo se pierde en la
traducción.
Las categorías constituyen un mecanismo de fijación de la realidad.

Desde Aristóteles hasta Kant, existe la creencia equivocada de que pensar
solo es posible por vía de categorías o bien, dicho inversamente, como si no
pudiéramos pensar sin categorías. Recientemente, un autor destacado ha
llamado la atención acerca de esta falacia (Kauffman, 2016).
En su forma acaso más prístina, la disciplinarización del conocimiento y

de la sociedad al mismo tiempo se expresa como, y consiste en, las divisiones
de géneros literarios. Así, por ejemplo, ficción y no-ficción, y sobre esta base,
las divisiones entre poesía, teatro, narrativa, ensayo, artículo. En una escala
más fina, la lírica, la épica, el drama, la prosa y la novela (Read, 1982). Estas
clasificaciones y divisiones bien pueden aún especializarse mucho más,
por ejemplo: el cuento, la leyenda y la novela, de un lado, la comedia y la
tragedia por otro, o incluso, la memoria, la ópera y la epístola, por ejemplo.
La educación y la sociedad han sido muy eficientes a la hora de dividir,
compartimentar y fragmentar el mundo entero. Pero siempre han tenido
enormes dificultades al momento de integrar, unificar o cruzar dominios,
niveles o campos disímiles. La historia de Occidente consiste, sin más, en el
triunfo del análisis y la disciplina.
De otra parte, la disciplinarización consiste en la idea, peligrosa, según la

cual existen formas de conocimiento mejores que otras. Recientemente, un
campo novedoso viene a elevar serios cuestionamientos al respecto. Se trata
de la historia alternativa (Higgs, 2015; Graeber, 2014), en ocasiones llamada
también historia imperfecta (Bartlett, 2015).

Varios de los desarrollos de la historia alternativa tienen lugar con base
en la lógica de contrafácticos (Fletcher, 2014; Tsourtas, 2007; Venning, 2014).
Como se apreciará sin dificultad, la historia alternativa es una corriente
perfectamente novedosa en la historiografía.
Pues bien, la compartimentalización del conocimiento no es otra cosa

que la misma compartimentalización de la sociedad y del mundo. Sostener
que hay formas de conocimiento mejores que otras –con cualesquiera
justificaciones– no es sino la expresión abstracta de que hay seres humanos
mejores que otros. Una idea ética, social y políticamente peligrosa. La
educación no puede ser ajena a este debate. Por ejemplo, a propósito de la
discusión acerca de lenguajes, métodos o enfoques, por decir lo menos.
La disciplinarización del conocimiento conduce a visiones fragmentadas

de la realidad y del mundo y, por consiguiente, a limitaciones en la capacidad
de comprender y, por tanto, de actuar sobre el mundo. La información aparece
dividida –no sin justificaciones técnicas de diversa índole–, la información
aparece incompleta, en fin: hay información que no aparece para nada. En
otras palabras, se trata de una idea, método, enfoque, educación y cultura
analíticos. El análisis es visto como natural y de forma acrítica, como si pensar
fuera simple y llanamente analizar. Desde los trasfondos más oscuros resuena
la voz de Maquiavelo: divide y reinarás.
Existen numerosas formas de clasificación del conocimiento: políticos

y técnicos, profesionales y aficionados, etc. Desde el punto de vista de la
educación, todas ellas no son otra cosa que la expresión de currículos lineales,
desde los niveles más básicos de la educación hasta los más elevados. Al fin y
al cabo, la forma estándar de la educación en las universidades aún se funda
en la existencia de facultades, departamentos, escuelas y programas, todos
los cuales corresponden al doble espíritu de categorización y de divisiones y
clasificaciones.
Así las cosas, desde un punto de vista existencial y al mismo tiempo

intelectual es a todas luces justificable, necesario y deseable indisciplinar
el conocimiento y, a través suyo, al mismo tiempo, indisciplinar la sociedad
y las instituciones. De esta suerte, la indisciplinarización consiste en ganar
grados de libertad y, por consiguiente, alcanzar formas y modos más amplios,
profundos y ricos de comprensión del mundo y de la realidad.
En la estructura normal del conocimiento se encuentran expresiones tales

como: “soy médico porque no soy economista”, “soy historiador porque no
soy matemático” y otras semejantes. Desde la esfera meramente profesional
hasta los más sofisticados, técnicos o elaborados niveles del conocimiento,
la verdad es que lo que ha primado desde siempre es la especialización y

la sub-sub-especialización, literalmente. Son numerosos los campos del
conocimiento que se fundan en esta escala piramidal. La organización social
del conocimiento se corresponde, plano por plano, con la organización misma
del conocimiento. La educación desempeña un papel singular y estratégico
en estos planes y desarrollos.
Una manera amable de concebir la indisciplinarización del conocimiento

y la sociedad consiste en pensar en términos de síntesis. Un avance de esta
idea se encuentra, por ejemplo, en Maldonado (2015b). Es decir, se trata
de pensar y comprender el mundo de forma transversal, como mapas,
geométricamente y no necesariamente de forma algebraica, en términos de
símbolos más que de signos, en fin, en función de visiones globalizantes en
las que, sin embargo, los detalles y las singularidades marcan la diferencia
del cuadro completo.
No obstante, cabe decir al mismo tiempo que la indisciplinarización de

la sociedad consiste en procesos de cuestionamiento serios acerca de la
necesidad y las justificaciones de las fragmentaciones. Al fin y al cabo, la
primera expresión de la libertad (= indisciplina) consiste en el cuestionamiento,
la contra-argumentación, las refutaciones, pero siempre sobre la base de
procesos sólidos de argumentación en el debate.
Existe una expresión sencilla y elemental de la indisciplinariedad a la

que aquí se hace referencia. Se trata, simple y llanamente, de la capacidad
de formación de criterio propio. Kant hablaba en su momento del sapere
aude como el motto guía de lo que significa la Ilustración: atreverse a pensar
por sí mismos; más allá de criterios de autoridad en cualquier acepción
de la palabra, en fin, más allá de mecanismos de presión y constricción
en cualquier sentido. Pero es que la formación de criterio propio no tiene
lugar sin una doble circunstancia, a saber: la libertad, la independencia y la
autonomía, de un lado, y de otro, el diálogo, el buen consejo, la solidaridad,
la amistad y el amor. Se trata, como se aprecia fácilmente, de circunstancias
o acontecimientos que facilitan y permiten al mismo tiempo la formación de
criterio propio. Nadie puede pretenderse libre si no funda sus acciones en
criterios propios elaborados libremente, sin ningún tipo de coacción.
M. Foucault llevó a cabo sesudos estudios acerca de la historia de la

disciplinarización: vigilar, castigar, sistemas panópticos, confinamiento,
silencio, en fin, exclusión y muerte. Todo el método de la arqueología de
Foucault se encuentra en función de esas reflexiones críticas en torno a la
disciplinarización: del sexo o de los lenguajes, del cuerpo humano o de los
diferentes dispositivos de micro-poder. Acogemos plenamente los estudios
de Foucault. Y sin embargo, debemos señalar que en el autor francés la
indisciplinarización del conocimiento y de la sociedad no constituía ni una

finalidad de la educación y acaso tampoco el foco mismo de sus miradas y
consideraciones. Tanto menos cuanto, al final del día, la filosofía de Foucault
no es otra cosa que un retorno, después del paso por la archivística y la
arqueología, a los ideales mismos de la racionalidad moderna.
Por el contrario, el interés de este trabajo es eminentemente liberador: la

educación es un mecanismo de control y debe ser indisciplinada. Esto nos
permite pasar a la sección siguiente.
Educación modo complejo

Lo mejor que el pensamiento complejo ha dicho hasta la fecha acerca de la
educación se encuentra, sin lugar a dudas, en Morin (2001), sobre el cual se
han elaborado distintas églogas y comentarios. Bien intencionado como lo es,
sin embargo, no se encuentra, en absoluto, ningún atisbo liberador, en toda
la acepción de la palabra, y sí mucho de pensamiento algorítmico. No es mi
propósito aquí detenerme en Los siete saberes necesarios para la educación
del futuro, es preciso avanzar un paso hacia delante señalando que existe
una diferencia formal de fondo: aquel es un (pequeño) libro, mientras que
este es tan solo un artículo. Esta diferencia formal no impide, sin embargo,
adelantar algunos elementos determinantes.
Una educación compleja no quiere significar que los temas y problemas

propios de la educación, en sentido específico o amplio, deban estudiarse
en el marco general de la complejidad. Lo anterior por varias razones:
en primer lugar, porque existe más de un marco de la complejidad. En
términos generales, de un lado existe el pensamiento complejo y, de otro,
las ciencias de la complejidad. Sin embargo, más allá de esta distinción, se
trata del reconocimiento expreso de que, en cualquiera de los dos casos, la
complejidad no puede ser considerada como un marco. Así, por ejemplo, no
es para nada afortunado decir: “quiero estudiar x en función de complejidad
o en el marco de la complejidad”. Una expresión y actitud semejante reduce
la complejidad a una doctrina, y de doctrinas el mundo ya está saturado.
Más exactamente, el panorama de la complejidad, muy específicamente

en el marco de las ciencias de la complejidad, es ampliamente rico y
permanentemente cambiante. Hubo una época cuando, por ejemplo, parte
de la complejidad era la econofísica; hoy no es muy evidente que ese sea el
caso. Análogamente, hoy existen desarrollos maravillosos en el marco de la
ciencia de redes complejas, una de las ciencias de la complejidad, que ayer
no existían. Los ejemplos y los casos pueden multiplicarse sin dificultad.

De esta suerte, muy por el contrario, es bastante más acertado sostener,
por ejemplo: “me propongo estudiar la complejidad de x” o, incluso, “quisiera
estudiar si x es complejo (puesto que no todas las cosas lo son) y entonces
considerar qué se sigue de ello”. Naturalmente, las expresiones pueden variar
sin dificultad, pero la idea de base es la de no comprender a x en función
de, aquí, la complejidad. Los enfoques funcionalistas –x en función de y–
pertenecen al pasado, más exactamente a las matemáticas de sistemas
continuos.
Muy por el contrario, la complejidad de la educación consiste exactamente

en complejizar el sistema educativo. Pues bien, hay muchas maneras de
complejizar la educación, así, por ejemplo, desde el punto de vista técnico,
se trata de incorporar wifi y wimax a la educación de suerte que internet sea
una herramienta adicional de la enseñanza-aprendizaje. En este sentido, no
solamente el acceso a internet, sino, mucho mejor, la incorporación de redes,
así como de la ciencia de datos (big-data science), resultan instrumentos sin
igual en la buena educación de punta, hoy. En este sentido, la computación
permite una doble herramienta, así: el modelamiento y la simulación de
fenómenos, sistemas, procesos y comportamientos. Los estudiantes de hoy
deben saber modelar y simular, ambas cosas comportan una complejización
magnífica del conocimiento. Sin ambages, los estudiantes deben aprender
a programar.
Por otro lado, desde el punto de vista de contenidos, el currículo debe

transformarse de un currículo linear en uno no-linear. Ello contribuye
ampliamente a indisciplinar el conocimiento; esto es, a dejar de pensar
en términos analíticos y compartimentados. En este sentido, la educación
debe dejar el énfasis historicista –empezar por el pasado y gradualmente ir
llegando al presente–, para, sin abandonar la perspectiva histórica, concentrar
el aprendizaje en los más apasionantes problemas de la ciencia, la tecnología,
las artes, las ciencias sociales y las humanidades de punta, hoy en día. De esta
suerte, el foco debe ser el estado-del-arte del conocimiento, de manera que,
antes que memorizar, los estudiantes puedan aprender y desarrollar heurísticas
y metaheurísticas que les permitan pensar; esto es, pensar críticamente.
Las ciencias de la complejidad son mucho más y mucho mejores que

la simple expresión: interdisciplinariedad o transdisciplinariedad. Estos dos
conceptos, por lo demás, son mucho más propios de la década de los ochenta.
Hoy en día, una buena mirada a lo mejor del conocimiento alrededor del
mundo pone de manifiesto que se trabaja en términos bastante más amplios
que los de inter y transdisciplinariedad. Una educación modo complejo
consiste exacta y radicalmente en la indisciplinarización del conocimiento. Y
entonces, concomitantemente, de la sociedad y de las instituciones.

Complejizar la educación significa formar y educar seres libres.
Naturalmente felices, pero ante todo libres, sin ataduras. En este sentido, un
elemento capital de las ciencias de la complejidad consiste en los trabajos en
torno a procesamiento no-algorítmico de la información. Una aproximación
a la no-algoritmicidad del mundo y la realidad tiene lugar a través del
trabajo con y sobre problemas. Pero, mucho mejor, reconociendo que la
columna vertebral del trabajo con problemas es la teoría de la complejidad
computacional. En otras palabras, los problemas P versus NP. Es insuficiente
formular, identificar o concebir problemas. Adicionalmente, es indispensable
establecer qué clase de problemas se tienen sobre la mesa: tratables o
intratables, decidibles o indecidibles y así sucesivamente. De manera
manifiesta, el pensamiento complejo no sabe nada al respecto. Una razón
adicional para ampliar el foco sobre las ciencias de la complejidad.
En efecto, la mente es capaz de comprender problemas, procesos,

fenómenos y comportamientos no-algorítmicos. Este misterio, planteado
abierta y directamente, complejiza la educación en toda la línea de la palabra
(Ordine, 2013).
De la misma manera, la complejización de la educación consiste en brindarles

a los estudiantes los mejores colegios y universidades, los mejores profesores, las
mejores bibliotecas y medios técnicos y tecnológicos. Si anteriormente decíamos
que la organización del conocimiento no es ajena ni distinta a la organización de
la educación, excelentes profesores constituyen una conditio sine qua non para
una buena educación. De hecho, el estatus social de los profesores debe poder
cambiar, como es ya el caso en numerosos países, principalmente en Europa,
Estados Unidos, Brasil, China o Rusia, por ejemplo.
Los buenos estudiantes son el resultado de magníficos profesores,

pero estos a su vez pueden desarrollarse en entornos amables, de calidad,
en condiciones laborales de estabilidad, promoción y desarrollo, y en
la conformación de redes, en toda la línea de la palabra. La educación
contemporánea ha desbordado ampliamente al colegio y a las universidades,
y este reconocimiento tiene consecuencias de largo alcance. En otras
palabras, el aprendizaje no sucede ya única y principalmente en el aula, sino
que se ha convertido en un proceso continuo y diversificado. Justamente,
por definición, en contextos, medios y modos no-disciplinares.
El conocimiento produce placer. No hay duda alguna al respecto. La

segunda frase de la Metafísica de Aristóteles así lo dejó en claro hace tiempo,
para no entrar en toda la historia de la cultura. No obstante, es claro que
conocer es una sola y misma cosa que vivir, es decir, lo mejor que, en general,
puede hacer un sistema vivo para vivir es al mismo tiempo lo más grande y
peligroso que puede llevar a cabo: conocer. Si esto es cierto, entonces el tema

de base de una educación compleja no es otro que el de enaltecer, exaltar,
hacer posible, ampliar y profundizar los grados de libertad, en fin, llenar
de calidad y de dignidad, tanto como quepa imaginarlo, a la vida misma.
La vida tal y como la conocemos, y la vida tal-y-como-podría-ser- posible.
En consecuencia, no un modelo simple y llanamente antropocéntrico, con
cualesquiera justificaciones. Y la expresión más inmediata de la exaltación y
gratificación de la vida es la libertad; esto es, la independencia, la autonomía,
la ausencia de cualquier constricción. Es lo que aquí hemos querido sostener
como la formación de criterio propio.
Solo que, en términos muy fundamentales, un buen criterio propio es

definitivamente un criterio bien y suficientemente informado. Así las cosas,
información y reflexión se implican recíproca y necesariamente.
Esta idea puede ser comprendida sin ninguna dificultad: en contraste

con la historia de la logofobia, necesitamos más y mejor conocimiento, más
y mejor información, más y mejor investigación (Maldonado, 2015a). En esto
consiste el proceso de complejización del conocimiento. Como diría un místico
de la Edad Media: existen seres de la luz y seres de la tiniebla. Pues bien, los
seres de la luz se definen de cara a más y mejor conocimiento e información;
no a menos, o a conocimiento controlado o delimitado. Si esto tiene sentido,
la complejidad no es simple y llanamente otra cosa que indisciplinarización:
ganar en grados de libertad. A mayor complejidad, mayores grados de
libertad. Y esta es la historia misma de la vida y de los sistemas vivos, entre
los cuales se encuentran los seres humanos (Jaeger, 1992).

Conclusiones
Una educación compleja no es necesariamente una educación con contenidos
basados en el pensamiento complejo o en las ciencias de la complejidad. El
problema es bastante más amplio y fuerte que esto. No se trata, en absoluto,
de un asunto de contenidos y doctrinas (Ilich, 1985). Por el contrario, se trata
de estilos, modos, escalas y herramientas, al mismo tiempo.
Una buena educación es, sostiene este texto, una educación modo
complejo, la cual consiste, básicamente, en la formación de seres humanos
con criterio propio, libres, independientes, autónomos y, entonces, con
una amplia sensibilidad al entorno social y natural. En este sentido, la
indisciplinarización del conocimiento implica un abandono del esquema
tradicional antropomórfico, antropocéntrico y antropológico de la realidad
y del mundo, por una comprensión bastante más centrada en la vida y en
su cuidado y posibilitamiento. En verdad, los esquemas disciplinares son
clásicamente centrados en la supremacía de los seres humanos sobre la
naturaleza. Dicho en términos epistemológicos, se trata de la distinción entre
sujeto y objeto, con los matices y traducciones que se prefiera.
La historia de la indisciplinarización del conocimiento, de la sociedad y

de las instituciones coincide, plano por plano, con la historia misma de la
cultura a través de la cual ganamos libertad, obtenemos menos restricciones
y constricciones. Una historia que, sin embargo, no es ni plana ni lineal ni
automática o mecánica.
Tenemos dos expresiones que se implican recíproca y necesariamente:

indisciplinar el mundo y la realidad y complejizar la educación y la vida
misma. Como se observa, no se trata de dos ideas que sean inmediatamente
evidentes y aceptables sin más. Pueden, como ha sido el caso, generar dudas
y reproches, críticas y rechazos. Al fin y al cabo, venimos de una historia
de disciplinas en toda la línea de la palabra, la historia de Occidente, sin
más. Asimismo, si hay algo que “el sistema” (en la década de los sesenta
se diría: el establecimiento: the establishment) no perdona es la libertad,
la independencia, la autonomía. Muy por el contrario, lo que se exalta y se
premia es la lealtad y la fidelidad, el acatamiento y el sentido de pertenencia
a las organizaciones y las instituciones. Una educación modo complejo está
aún lejos de ser una realidad amplia y dominante. Todavía es meramente
alternativa y contestataria, exploratoria e innovadora. Este artículo señala a la
vez la flecha que indica la dirección del camino y al camino mismo.

• Bartlett, X. (2015). La historia imperfecta. Una introducción a la historia
alternativa. Madrid: Agapea.
• Caillé, A. (1989). Critique de la raison utilitaire. Paris: La Découverte.
• Davis, B. & Sumara, D. (2006). Complexity and Education. Inquieries

into Learning, Teaching, and Research. Mahwah, NJ-London: Lawrence
ErlbaumAssociates, Publishers.
• Du Sautoy, M. (2009). Simetría. Un viaje por los patrones de la naturaleza.

Barcelona: Acantilado.
• Fletcher, D. S. (2014). Jackboot Britain. The Alternate History – Hitler’s

Victory and the Nazi. UK: CreateSpace Indpendent Publishing.
• Graeber, D. (2014). En deuda. Una historia alternativa de la economía.

Madrid: Ariel.
• Graff, H. J. (2015). Undisciplining Knowledge. Interdisciplinarity in the

Twentieth Century. Baltimore, MD: Johns Hopkins University Press.
• Higgs, J. (2015). Historia alternativa del siglo XX. Más extraño de lo que
cabe imaginar. Madrid: Taurus.
• Ilich, I. (1985). La sociedad desescolarizada. Recuperado de:

http://w w w.mundolibertario.org/archivos/documentos/IvnIllich _
lasociedaddesescolarizada.pdf?utm_ source=lasindias.info/blog
• Jaeger, W. (1992). Paideia. México: F.C.E.
• Johnson, J., Nowak, A., Ormerod, P., Rosewell, B., Zhang, Y. C. (Eds.). (2017).
Non-equilibrium social sciences and policy. Alemania: Inglaterra Springer
Verlag.
• Kant, I. (2003). El conflicto de las facultades. Madrid: Alianza Editorial.
• Kauffman, S. (2016). Humanity in a creative universe. Oxford: Oxford

University Press.

• Maldonado, C. E. (2014). ¿Qué es eso de pedagogía y educación en
complejidad? Intersticios Sociales, 4(7), 1-23.
• Maldonado, C. E. (2015a). Ciencias de la complejidad, educación,

investigación. Tres problemas fundamentales. En C., Correa de Molina A.,
Silvera Sarmiento.
• C. Collante Caiafa (Eds.), Simposio Internacional Educación, Formación

Docente y Práctica Pedagógica en Contexto (pp. 49-64). Barranquilla:
Universidad Simón Bolívar.
• Maldonado, C. E. (2015b). Pensar la complejidad, pensar como síntesis.

Cinta de Moebio, 54, 313-312. Recuperado de http://www.cintademoebio.
uchile.cl/
• Mauss, M. (2011). Ensayo sobre el don. Forma y función del intercambio en

las sociedades arcaicas. Buenos Aires: Katz.
• Morin, E. (2001). Los siete saberes necesarios para la educación del futuro.
Bogotá: Magisterio.
• Read, H. (1982). Educación por el arte. Barcelona: Paidós.
• Ordine, N. (2013). La utilidad de lo inútil. Manifiesto. Barcelona:

Acantilado.
• Tsourtas, G. P. (2007). Rising Sun Victorious: An Alteranate History of the

Pacific War. Presidio Press.
• Venning, T. (2014). An Alternative History of Britain. The Tudors. Inglaterra:

Pen and Sword.
• Villalba Cano, J. (2016). La convivencia escolar en positiv. Educación y

Humanismo, 18,(30), 92-106.
• Zaldívar, J. I. (2011). Revisiting the critiques of Ivan Illich’s Deschooling

Society. Inte national Journal of Cross-Disciplinary Subjects in Education
(IJCDSE), 1(1), 618-629.

3 PENSAR LA COMPLEJIDAD CON AYUDA
DE LAS LÓGICAS NO-CLÁSICAS
Introducción
En el corpus normal del trabajo en ciencias de la complejidad y, a fortiori,
del trabajo con, y la investigación sobre, complejidad no aparece un espacio
para las lógicas no-clásicas. La bibliografía en general en complejidad, de
un lado, tanto como aquella especializada en lógicas no-clásicas, no hace
ninguna referencia en el otro sentido. Mejor aún, si se echa una mirada
cuidadosa a algunos de los principales centros e institutos de complejidad en
el mundo -por ejemplo a las páginas web de SFI, NECSI, ISCPIF- o algunas de
las principales revistas como Complexity, Journal of Complexity, Complexity
International, Journal of Systems Science and Complexity, Journal of
Complexity and Education, The Complexity Revolution, Journal of Social
Complexity, por ejemplo, aparecen numerosos campos de trabajo, problemas
significativos, pero ninguna alusión a las relaciones entre complejidad y
lógicas no- clásicas. Ahora bien, si se estudian con cuidado algunas de las
más prestigiosas revistas de lógica en el mundo, como, por ejemplo, Studia
Logica, Australasian Journal of Logic, Journal of Philosophical Logic, Notre
Dame Journal of Formal Logic, tampoco aparece ninguna referencia que
desde la lógica se dirija de manera directa a las ciencias de la complejidad.
Quizás la mejor aproximación que trata de encontrar o de integrar ambas
perspectivas -complejidad y lógica (s no clásicas)- sea la de Van Benthem
(2008).
Pues bien, con este texto me propongo llenar este vacío.

El carácter exploratorio de este texto, sin embargo, se limitará, por razones
específicamente de espacio, a mostrar diversas puertas comunicantes entre
complejidad y lógicas no-clásicas (LNC), quedando pendiente, para otro
momento y espacio, el trabajo -bastante más especializado- relativo a las
relaciones internas entre las lógicas no-clásicas1 . Lo que aquí me interesa
es mostrar las opciones que las lógicas no- clásicas1 ofrecen para todos
aquellos interesados en el trabajo y el estudio con los sistemas, fenómenos y
comportamientos de complejidad creciente.
La lógica como ciencia

La historia de la modernidad hasta nuestros días se caracteriza por una
magnífica eclosión de ciencias, disciplinas, prácticas y saberes que nacen
de la filosofía pero que se independizan de ella. El nacimiento de la lógica
formal se inscribe en la misma tradición de la inmensa mayoría de ciencias,
disciplinas, prácticas y saberes que nacen a partir de la modernidad hasta
nuestros días. Es decir, se trata de conocimientos que: a) dan cuenta del
mundo, o bien: b) se ocupan de una porción del mundo – sin necesidad de
filosofía, independientemente del “tronco de la filosofía” y la metafísica (para
retomar la metáfora famosa desde Descartes), y se asumen como epistemes
con derecho propio. Desde la economía y la física hasta la psicología y la
antropología, desde la administración y la política hasta la historia y la estética,
por mencionar tan sólo algunos pocos ejemplos.
La lógica formal clásica nace desde la obra de Boole y Morgan hasta

Tarski (Alchourrón et al. 1995), e incluye nombres, entre otros, de la altura de
Frege, Dedekind, Peano, Zermelo, Skolem, Hilbert, Kolmogorov y Gödel (van
Heijenoort, (1967). Una historia más breve acerca del nacimiento de la lógica
formal clásica se encuentra en Nidditch (1983). Pues bien, la lógica formal
clásica es, sin más ni más, la lógica matemática o la lógica simbólica. Como
lo sostiene de manera puntual Nagel (1974), es la “lógica sin metafísica”.
Con seguridad, es gracias a que hubo surgido y se consolidó como

una ciencia por sí misma, independientemente de la filosofía, esto es, de
la metafísica, que la lógica clásica –es decir, la lógica simbólica o la lógica
1
Dicho espacio se reserva, por lo demás, para una investigación que adelanto actualmente sobre el
sentido y la posibilidad de una teoría general sobre la complejidad. Unos avances de esta investigación
son: “Teoría de la historia, filosofía de la historia y complejidad”, en: Maldonado, C. E., (Editor académico),
Fronteras de la ciencia y complejidad, Bogotá, Ed. Universidad del Rosario, 2010, págs. 17-48; “Exploración
de una teoría general de la complejidad”, en: Maldonado, C. E., Complejidad: Revolución científica y teoría
(Editor Académico), Bogotá, Editorial Universidad del Rosario, 2009, págs. 113-143; “El problema de una
teoría general de la complejidad”, en: Maldonado, C. E., (Editor), Complejidad: Ciencia, pensamiento y
aplicaciones, Bogotá: Universidad Externado de Colombia, 2007, págs. 101-132; “El problema de una teoría
general de la complejidad de fractales”, en: F. López Aguilar y F. Branbila Paz (compiladores), Antropología
fractal., México, D.F.: Centro de Investigación en Matemáticas, 2007, págs.

matemática- sirve como condición de posibilidad, por así decirlo para el
surgimiento, paulatino al comienzo y luego en una verdadera eclosión, de las
lógicas no-clásicas (LNCs).
Las LNCs surgen debido a una doble circunstancia: de un lado, porque

los procesos de formalización de la lógica clásica eran muy rígidos, o bien
porque eran demasiado laxos. Dicho de manera puntual, se trata del famoso
problema relativo al falibilismo de la lógica planteado originariamente por
Ch. S., Peirce y expuesto por Quine (1984), (Quine, 1992), (Haack, 1991); es decir,
el falibilismo de la lógica formal clásica.
Lógicas no-clásicas: rasgos o aires de familia

Con seguridad, el rasgo más radical que representan las LNCs es el hecho
mismo de un pluralismo lógico. Por tanto, es perfectamente posible afirmar
que ya no existe una única forma ni una canónica del pensar, por tanto de
decir el mundo y, en consecuencia, tampoco existe una única forma de vivir.
Aquí se establece una ruptura fuerte con la historia de la lógica formal –por
ejemplo en las versiones de Kneale and Kneale (1984) o de Bochenski (1985)–.
En efecto, la presunción de que hay una sola lógica se traduce, en dominios

como la ética, la política y la cultura, tomadas en el sentido más amplio, como
la imposibilidad de pensar y de vivir por fuera de los cánones del pensamiento
– sostenidos por, o iluminados desde, “la” lógica. Esta fue exactamente la
historia de Occidente, notablemente a partir del primer verso del Proemio del
Poema de Parménides (frag. 3 D-K – 6): "tò gàr autò noeîn estin te kaî eînai".
Pensar la complejidad consiste exactamente en pensar sistemas de

complejidad creciente, y por tanto, sistemas de complejidad irreductible. Esto
es, los sistemas complejos no se explican a partir de lo inferior, de lo anterior o de
lo básico, sino, mejor aún, en función de las emergencias que producen o que
contienen. La forma clásica de presentar esta idea consiste en el reconocimiento
de que los sistemas complejos son adaptativos y, por consiguiente, abiertos.
Así, lo que define radicalmente a un sistema complejo son las posibilidades
que tiene, que contiene o que avizora, antes que la historia de causalidades.
En una palabra, la complejidad de un sistema estriba exactamente en las
posibilidades que tiene o que anticipa. Una expresión puntual de este rasgo es
el concepto mismo de posibles adyacentes. De esta suerte, la irreductibilidad
coincide con la noción misma de pluralidad o diversidad, que es, sin duda,
la marca de familia de la complejidad. Con ello, la idea misma de lógicas no-
clásicas, en contraste con la lógica (formal clásica) permite abordar el estudio
de multiplicidades caracterizadas por diversos atributos. El pluralismo lógico
se refiere a la existencia de más de una relación genuina en el estudio de las
consecuencias deductivas (Beall and Restall, 2006).

Más exactamente, no existe una única verdad lógica (there is no one
true logic). Esto significa que decir verdad (o en caso contrario, falsedad)
resulta menos evidente de lo que aparecía a la luz de la lógica formal clásica.
Asistimos a la co-existencia de sistemas alternativos de notación y de estudio y
comprensión de lo que sea (o pueda ser) “verdad” o verdadero (Herrick, 2000).
La semántica de las lógicas no-clásicas es la de noción de semántica de

mundos posibles (en tanto que la semántica de la lógica formal clásica es la
semántica del mundo real o, lo que es equivalente, del mundo en general
(überhaupt)). (Existen, sin embargo, también varias lógicas no-clásicas que
tienen una semántica algebraica). La semántica de mundos posibles es, en
otras palabras, el encuentro, el trabajo y las experiencias con fenómenos
modales.
A la luz de la semántica de mundos posibles, lo plural se contrapone a lo

singular, tanto como lo real se abre a lo posible. Este giro tiene consecuencias
maravillosas que, sin embargo, no se han terminado de explorar plenamente
ni en el campo de la lógica en general ni en el de la complejidad misma. Sin
embargo, existe un sólido eslabón que une lógicas no-clásicas y complejidad
en este punto: las ciencias de la complejidad son ciencias de fenómenos,
sistemas y comportamientos que se encuentran en crisis. Esto se expresa
claramente en la terminología que se emplea cuando se habla de puntos
críticos, estados críticos, criticalidad, subcriticalidad y supracriticalidad,
estados de transición y transiciones de fase. Sólo que se trata de estudiar
la(s) crisis: a) porque son inminentes, o bien b) porque las crisis no están
presentes, pero podrían llegar a tener lugar. Exactamente en este sentido,
las ciencias de la complejidad son ciencias para tiempos de crisis. Pues bien,
la(s) crisis se comprenden y se explican idóneamente mediante la semántica
de mundos posibles; es decir, justamente, de estados posibles.
Pues bien, entre las lógicas no-clásicas más destacadas tenemos:
• La(s) lógica(s) paraconsistente(s)

• Lógica de la relevancia
• Lógica epistémica
• Lógica intuicionista
• Lógica no-monotónica
• Lógica modal
• Lógica dinámica
• Lógica del tiempo (o lógica temporal)
• Lógicas polivalentes
• Lógica difusa
• Lógica cuántica
• Lógica libre
• Lógica de fábrica (o fabricación)

La lista, sin embargo, no pretende aquí ser exhaustiva. Antes bien,
mi interés se concentra en la forma como los fenómenos, sistemas y
comportamientos caracterizados por complejidad creciente pueden ser
estudiados –esto es, explicados y comprendidos- con la ayuda de las lógicas
no-clásicas.
Gracias al desarrollo de las lógicas no-clásicas, las verdades lógicas lo son

de cualquier cosa o aspecto del mundo (Alchourrón et al. 1995); así, las verdades
lógicas dejan de serlo única o principalmente de juicios, razonamientos
e inferencias. Con ello, en realidad, al estudio de la consecuencia como
patrimonio de la lógica formal clásica (desde y gracias a Tarski)2, la lógica en
general accede igualmente al reconocimiento de que el lenguaje tiene una
fuerza expresiva bien determinada y que, en síntesis, “hacemos cosas con
palabras” (Austin). De esta suerte, al estudio de las inferencias válidas se suma
el estudio de la fuerza o capacidad expresiva del lenguaje. Con ello, la lógica
se abre hacia o incorpora o desarrolla desde sí misma –tres formas distintas
de apuntar a un mismo foco- la teoría de modelos. La teoría de modelos se
ocupa, en el sentido más amplio, del estudio de la interpretación de cualquier
lenguaje –ya sea formal o natural- y lo hace por medio de estructuras de
teorías de conjuntos. Exactamente en este sentido, la teoría de modelos y
con ella las LNC abordan importantes problemas de tipo filosófico.
La lógica, en su sentido originario, trata de la consecuencia. Y el pluralismo

lógico trata de las diversas formas como se dice la consecuencia en distintos
lenguajes, o también de la pluralidad de maneras como pueden decirse
en un solo y mismo lenguaje. Ahora bien, las ciencias de la complejidad se
articulan en una multiplicidad de teorías (teoría de las fluctuaciones, teoría de
las bifurcaciones, teoría de la autoorganización, teoría de la autocriticalidad
autoorganizada, y muchas más), diversidad de ciencias, diversidad de
modelos, etc. A fortiori, las LNCs pueden y deben tratar con esta multiplicidad.
2
"De manera puntal, las inferencias son implicaciones o consecuencias. Estas son, de un lado, inferencias
transductivas, que son aquellas en las que la conclusión tiene el mismo grado de generalidad o de
particularidad que las premisas. Así, la novedad del conocimiento obtenido consiste en transferir las
relaciones establecidas entre el término medio y los extremos, formulándola como relación entre los
términos extremos. Éstas comprenden a las inferencias por igualdad, inferencias por simetría, inferencias
por homología, inferencias por desigualdad, inferencias por vinculación, inferencias por referencia,
inferencias por analogía.
De otro lado, las inferencias inductivas se caracterizan por que las conclusiones obtenidas tienen mayor
grado de generalidad que las premisas. Estas pueden ser: inferencia por enumeración completa, por
coligación, por inducción matemática, por recurrencia, por reconstrucción, por inducción amplificadora,
por muestreo, por estadística, por concordancia, por diferencia, por concordancia y diferencia, por residuo,
por variaciones concomitantes.
Como quiera que sea, la forma más general y al mismo tiempo consistente y desprevenida de acercarnos
al problema de las inferencias es el de las inferencias probables. Inducción y probabilidad son los títulos
genéricos que abren y fundan a la vez a la investigación científica. Exactamente en este sentido, se ha
afirmado que la columna vertebral de la ciencia (investigación científica) es la (teoría de la) probabilidad".

Sólo que ya no se trata única y exclusivamente de la multiplicidad de
inferencias o consecuencias sino, además, de la diversidad de definiciones y
modos expresión del lenguaje. Así, una de las lógicas más destacadas y que
sirve a la vez como tránsito entre la lógica formal clásica, propiamente dicha,
y las lógicas no-clásicas es la lógica modal (Garson, 2006).
En efecto, la lógica ha reconocido la importancia del lenguaje, su

capacidad expresiva (y. en caso contrario, su capacidad oclusiva). Con ello,
la teoría de modelos, que se ocupa de los temas y problema de definibilidad
(definability) (Gabbay, Maksimova, 2005); notablemente, se trata de los temas
relativos a las definiciones mismas (de un tema, un objeto, un problema,
un campo o un sistema, por ejemplo). Para decirlo desde otra perspectiva,
se trata del hecho de que construimos, tanto como destruimos cosas con
palabras (Austin). Gracias a la incorporación de la teoría de modelos la lógica
clásica se ve magníficamente ampliada, si no superada.
A la vez, conjuntamente con el estudio de las inferencias válidas y los

problemas de definibilidad, el pensar lógico se compone o se articula en
o como teoría de la recursividad. Esta teoría trata de los problemas de
computación –computación, decidibilidad e indecibilidad, (Rosenberg, 2010),
hipercomputación (Syropoulos, 2008), el dúplice problema importante de los
problemas P versus NP (Carlson et al. 2006) y el problema de la completud
(completeness), Kaye, 2007); ulteriormente, se trata incluso de los problemas
de computación biológica. – Al fin y al cabo, pensar lógicamente (legein) no
es otra cosa que computar. La computación, en otras palabras, es la expresión
actual de lo que clásicamente fue la lógica. La diferencia, sostengo, es que por
primera vez aparecen explícitamente la lógica y la teoría recursiva formuladas
y concebidas, si no en paralelo, sí por lo menos en términos de una doble
implicación recíproca. Exactamente en este sentido se ha señalado a la lógica
como el “cálculo de la ciencia de la computación” (dÁvila Garcez et al. 2009).

Resumiendo
La lógica en general –esto quiere decir, en particular, las lógicas no-clásicas-,
se compone de tres niveles, así:
• Teoría de las demostraciones (es decir, las inferencias válidas; esto es,
el estudio de la consecuencia)
• Teoría de modelos (que trata de la definibilidad; es decir, los temas

relativos a la interpretación del lenguaje – natural o artificial)
• Teoría recursiva (o también teoría de la recursividad; es llamada incluso

teoría de la recurrencia) (es decir, todos los problemas de computación;
por consiguiente, necesariamente, los problemas relativos a la
complejidad algorítmica y a la complejidad computacional)3.
Son, afirmo, los entrelazamientos, las combinaciones y las implicaciones

recíprocas entre sí entre las tres teorías mencionadas las que constituyen
a las lógicas no-clásicas y son precisamente ellas las que sirven de eslabón
sólido para el estudio de los sistemas complejos no-lineales.
En este sentido, es importante observar que es perfectamente posible

asimilar el legein clásico a, en términos contemporáneos, la computación sin
reducir con ello la lógica a un computacionalismo ni nada semejante (en el
sentido como en la historia se ha caído y se ha hecho la crítica a un fisicalismo,
logicismo, matematicismo, biologismo, economicismo y demás). En este
sentido, se ha producido un cambio en la concepción misma de lo que es
computable (Barry Cooper et al. 2008). De acuerdo con este cambio, dentro de
los nuevos paradigmas computacionales se encuentran: i) las conversaciones;
ii) los temas y problemas de numeración; iii) las demostraciones; iv) el tiempo
finito; v) el tiempo infinito; vi) el tiempo continuo; vi) el tiempo discreto.
En otras palabras, las lógicas no-clásicas constituyen la forma más

adecuada para estudiar y explicar sistemas con propiedades como diversidad,
no-linealidad, difusividad (fuziness), paralelismo, ausencia de un control
rígido o, equivalentemente, la presencia de múltiples sistemas deductivos,
cambio, probabilidad, no-determinismo.
3
La complejidad algorítmica hace referencia a la longitud más breve de un algoritmo para resolver un
problema, en tanto que la complejidad computacional se refiere al tiempo necesario para resolver un
problema.

La siguiente Tabla compendia las nuevas relaciones biunívocas entre
lógica en general y computación, y más exactamente entre lógicas no-
clásicas y complejidad:
COMPUTACIÓN PENSAMIENTO (LÓGICA)

Computación Pompas de intuición
Problema P y NP Experimentos mentales
Computación no convencional Lógica Paraconsistente
Complejidad Computacional Lógica de la Relevancia
Complejidad Algorítmica Lógica Cuántica
Computación Bioinspirada Lógica del Tiempo
Lógica no-monotónica
Lógica Epistémica
Lógica Dinámica
Lógica Modal
Lógica Difusa
Lógicas Polivalentes
Lógica Libre
Lógica Intuicionista
Tabla 3.1. Relaciones biunívocas entre complejidad y lógicas no clásicas.
Algunos ejemplos conspicuos

Por razones de espacio, a riesgo de simplificación, quisiera a continuación
destacar algunos ejemplos de cada una de las lógicas mencionadas, que
pueden servir para posteriores elaboraciones más sistemáticas4. El orden de
la presentación a continuación es caprichoso:
La lógica libre procede con libertad acerca de la asunción de existencias.

No necesita asumir que algo existe para hablar al respecto, ni tampoco
necesita demostrar la existencia de algo para hacer lógica de aquello de que
se ocupa. Sus procesos de cuantificación son vacíos.
4
He trabajado estos aspectos puntuales en varios textos: Maldonado, C. E., (2005) “¿Por qué hay múltiples
lógicas”?, en: Zero. Quince, Universidad Externado de Colombia, segundo semestre, págs. 112-117; (2006a)
“Lógicas no clásicas (2): la lógica del tiempo”, en: Zero. Dieciséis, Universidad Externado de Colombia, primer
semestre, págs. 124-128; (2006b) “Lógicas no clásicas (3): Lógicas paraconsistentes”, en: Zero. Diecisiete,
Universidad Externado de Colombia, segundo semestre, págs. 148-152; (2007a) “Comprensión positiva de las
lógicas no-clásicas (4)”, en: Zero. Dieciocho, Universidad Externado de Colombia, primer semestre, págs. 160-163;
(2007b) “lógicas no-clásicas (5): la lógica cuántica”, en: Zero Diecinueve, Universidad Externado de Colombia,
segundo semestre, págs. 164-168, y son el objeto constante de referencia en mis clases y conferencias.

La lógica del tiempo (o lógica temporal) destaca aquello que hace
falta notablemente en la lógica formal: el tiempo. Mientras que el lenguaje
proposicional de la lógica clásica es atemporal –coincidiendo así con una
premisa metafísica: “verdad no está en el tiempo”-, la lógica del tiempo pone
de manifiesto, a partir de la obra seminal de Prior (2003), que el tiempo altera
el valor de verdad o de falsedad de una proposición. En otras palabras, no
solamente hay verdad en la historia, sino que, más radicalmente, hay una
historia de (la) verdad. De este modo, la lógica en general gana en vitalidad,
mundaneidad e historia.
La lógica dinámica pone en primer plano, por vía de contraste, el hecho

de que la lógica formal clásica trata de verdades o falsedades estáticas (con lo
cual, por lo demás, se traza un puente que une a la lógica dinámica con la lógica
temporal5). La lógica dinámica se ocupa de fenómenos, comportamientos
y sistemas esencialmente variables, poniendo claramente, sobre la mesa, a
plena luz del día, el reconocimiento explícito de que dentro de la dinámica
el aspecto más interesante es el de las posibilidades abiertas, hacia futuro,
de un sistema dado. Los procesos de cuantificación de esta lógica permiten
otra clase de formalizaciones distintas tanto a las que tradicionalmente había
tenido la matemática como la lógica, en general.
La lógica no-monotónica se aplica a razonamientos por defecto o también

a razonamientos inciertos. Se trata de aquellos casos en los que se extraen
conclusiones que pueden ser revisadas debido a la inclusión de nuevos datos,
o también ante la presencia de premisas no consideradas anteriormente. Así,
las consecuencias extraídas previamente resultan cuestionables o inválidas.
Esta clase de lógica es la de todos aquellos sistemas que son parcialmente
ordenados y que implican, por consiguiente, el trabajo con sistemas discretos.
La lógica modal es, sencillamente, la lógica de la posibilidad y de

la necesidad; esto es, de las cosas que deben o deberían ser y de las que
pueden o podrían ser. La lógica modal se articula a su vez como lógica modal
alética, lógica deóntica y como la lógica epistémica. La introducción de
determinados símbolos permite distinguir entre lo que es necesario, lo que
es verdadero y lo que es posible (Garson, 2006). Estas distinciones implican
serias cuestiones de orden filosófico.
La lógica paraconsistente logra superar la dificultad de la lógica a

partir de Aristóteles y, de hecho, la racionalidad fundante de la humanidad
occidental: las contradicciones. Las lógicas paraconsistentes trabajan con
contradicciones a condición de que sean no-triviales; esto es, el reto estriba
5
Pero este puente no ha sido objeto de tematizaciones o elaboraciones explícitas hasta la fecha; no por
lo menos en el plano lógico, algo que sí puede decirse (intuitivamente) del lado de las ciencias de la
complejidad.

en la trivialización de la consistencia o la inconstencia. En este plano se
elaboran distinciones más finas, tales como proposiciones consistentes,
inconsistentes y paraconsistentes (Bobenrieth, 1996). El motivo central de
trabajo de esta lógica son las inconsistencias y los conjuntos no satisfechos,
incompletos, digamos.
La lógica de la relevancia es una lógica esencialmente relativa –muy en

la línea de la teoría de la relatividad de Einstein-. Es exactamente la lógica
de la relevancia la que pone de manifiesto que no existe una lógica única
de una verdad (the One True Logic does not exist), algo que es válido, por lo
demás, también para o a partir de la lógica modal. Gracias a la lógica de la
relevancia aprendemos que la implicación (implication) es más débil que la
consecuencia fuerte (entailment)6 . Existe una discusión –no enteramente
dirimida hasta la fecha- acerca de si la lógica de la relevancia forma parte o
no de las lógicas paraconsistentes. Omitimos aquí este tema.
La lógica intuicionista se inspira en la obra del filósofo y matemático L.

E. Brouwer a partir de sus ideas acerca de la naturaleza de las matemáticas.
La matemática es, de acuerdo con este autor, una actividad, antes que
una teoría. Construimos objetos con nuestra mente, con lo cual, un objeto
matemático cualquiera, tanto como una operación o relación matemáticas
no tienen ninguna solidez en el mundo empírico, sino, tan sólo, en función
del rigor interno de nuestra construcción. Un elemento importante es el
reconocimiento explícito de que los fragmentos matemáticos son decidibles,
pero la lógica predicativa intuicionista es indecidible.
La lógica epistémica tiene el mérito de que considera el conocimiento no

solamente en términos individuales sino, además, y muy significativamente,
en términos sociales o colectivos, esto es, como el resultado de interacciones
entre agentes en un grupo. El contraste con la lógica clásica no puede ser
mayor. Lo que un agente sabe acerca del conocimiento o la ignorancia de
otro agente es determinante para la propia comprensión del primer agente
tanto como para sus acciones.
Las lógicas polivalentes se articulan en lógicas tri, tetra, penta, exa, y así
hasta infinivalentes. Estas lógicas nacen al rechazar el principio de bivalencia
de la lógica formal clásica que sostiene que una proposición es verdadera o
falsa. Pero surgen igualmente al introducir otras conexiones funcionales de
no verdad, y las más evidentes son las de modalidad; es decir, la posibilidad
y la necesidad. La lógica trivalente, por ejemplo, trabaja con tres valores:
verdadero, falso e incierto o indeterminado. Los análisis acerca de vaguedad
e inexactitud juegan un papel importante aquí. La semántica de las lógicas
6
Existe en inglés una distinción que es difícil de traducir al español. Se trata de las diferencias entre imply–
implication, entail – entailment, y infer – inference. En español sólo tenemos implicación e inferencia.

polivalentes no se restringe a la semántica de mundos posibles, y se abre a
la semántica algebraica.
La lógica cuántica tiene como antecedente o fundamento la mecánica

cuántica. Esta es la más radical de todas las críticas al lenguaje binario,
booleano, de la lógica formal clásica. Adopta dos formas principales: la
lógica cuántica abstracta (también llamada ortomodular) y la lógica cuántica
concreta (llamada también de Hilbert) (Engesser et al. 2009). El problema
básico consiste en estudiar si lo que sabemos del universo microscópico se
corresponde o no y cómo con lo que sabemos del universo macroscópico. La
lógica cuántica es a todas luces una lógica no-monotónica.
La lógica de fábrica se emparenta con la lógica cuántica y también con

programación. Abarca desde la fábrica de significado hasta la fábrica de
la realidad o de la sociedad. Cubre temas combinatorios y hace referencia
esencialmente a los bloques lógicos con los que justamente construimos
significados.
La lógica difusa es la única que ha logrado ser ampliamente implementada

en términos tecnológicos, pues es la base lógica de todas las nuevas
tecnologías. Este hecho permite un amplio optimismo con respecto a las
implementaciones prácticas de las demás lógicas no-clásicas.
Finalmente, en el capítulo de la metateoría de la lógica –un capítulo

apasionante que se ocupa de los modos como puede ser efectivamente
posible una teoría científica y/o lógica contemporánea- las LNCs ponen
al descubierto el hecho de que son efectivamente posibles distintas
clases de teoría, así: teorías consistentes, teorías inconsistentes, teorías
paraconsistentes, teorías subdeterminadas (Peña, 1993; Urquhart, 2007;
Wolenski, 2007).
Una presentación sucinta de las teorías científicas adopta, a mi modo de

ver, la siguiente expresión:
{teorías subdeterminadas{teorías paraconsistentes{teorías inconsistentes{teorías

consistentes }}}}
Y de manera formal:
{ts{tp{ti{tc}}}}
El bucle se cierra del lado de las teorías consistentes. En general, una

teoría se dice que es consistente cuando se pueden aún hacer cosas con
ella, pero no se le puede hacer decir más de lo que ya ha dicho; es decir, su
capacidad de explicación ya está cerrada, o agotada.

Debe quedar aquí de lado, por razones de espacio, la caracterización de
cada una de estas teorías.
En este mismo plano, es fundamental atender a las distinciones entre

lo trivial y lo no-trivial de una teoría, una explicación o una proposición. La
Tabla 2 suministra un esquema de criterios para distinguir lo trivial de lo no-
trivial. El valor de esta tabla es puramente indicativo, y no pretende aquí ser
exhaustiva.
TRIVIAL NO-TRIVIAL
Proposiciones o universales. Afirmaciones o proposiciones
Extensionales, justamente particulares o singulares
Implicaciones directas Implicaciones indirectas, paralelas,
libres y otras semejantes
Herramientas de uso común Creación de nuevas herramientas y
aproximaciones
Tabla 3.2. Relaciones entre principios triviales y no-triviales.
Lógica, tecnología, mundo

La complejidad implica, manifiestamente, una filosofía del movimiento, a
saber: no ya el movimiento lineal, cíclico, periódico, regular y controlado que
es el que caracteriza precisamente a la mecánica clásica, desde Galileo hasta
Newton. Por el contrario, el tipo de movimiento que concierne a la complejidad
son los movimientos súbitos, inesperados, no predecibles, incontrolables e
irreversibles. Estos movimientos se expresan en el lenguaje de las ciencias de
la complejidad como caos, catástrofes, equilibrios puntuados, redes libres de
escala, leyes de potencia, y otros semejantes.
Mientras que la lógica formal clásica se corresponde con un mundo lineal

– causal, por tanto-, jerárquico, centralizado, rígido y cerrado o aislado –si no
de forma abierta sí de modo implícito-, las LNCs corresponden al desarrollo
de las nuevas tecnologías, así: inicialmente, las tecnologías TICs (tecnologías
de la información y la comunicación)7 y luego igual y más radicalmente,
las tecnologías NBICs -esto es, las nanotecnologías, la biotecnología,
7
Las TICs son el resultado del surgimiento y desarrollo de internet, los GPS, las redes inalámbricas, la
microrobótica, la fibra óptica, la nanotecnología y los sistemas micro-electromecánicos (MEMS, en inglés),
principalmente. Véase, por lo demás, McNeill y Freiberger 1993.
Hay que decir que, en rigor, que las LNCs se corresponden con las nuevas tecnologías, pero no pretendo
establecer ninguna relación de causalidad o de dependencia.

las tecnologías de la información, y las tecnologías aplicadas a procesos
cognitivos- 8 , o tecnologías convergentes. A estas últimas hay que agregar la
dimensión social de la tecnología.
Los rasgos de la complejidad

Con seguridad, uno de los rasgos específicos de los sistemas complejos es el
hecho de que están (por lo menos parcialmente) marcados por incertidumbre.
Huynh et al. (2008) han llamado expresamente la atención acerca de la
conveniencia de combinar análisis de incertidumbre conjuntamente con las
lógicas no-clásicas.
La complejidad no es un objeto o un campo de estudio. Por el contrario,

es el título que comprende una serie de problemas de máxima importancia,
envergadura y alcance (Maldonado, 2009). El estudio sistemático de la
complejidad da lugar a las ciencias de la complejidad.
Paralela, pero independientemente de la noción de pluralismo lógico, en

biología en general y en la filosofía de la biología en particular, la noción de
pluralismo juega un papel fundamental (Mitchell, 2003). Dicho brevemente,
en palabras de Mitchell, “el pluralismo refleja complejidad”, y el pluralismo no
es tanto de variedad de explicaciones cuanto que un pluralismo integrativo.
En otras palabras, se trata del reconocimiento y el trabajo mismo con
la diversidad de la contingencia. Precisamente por ello aparecen y son
necesarias diversas explicaciones, metodologías, técnicas y enfoques – que
es lo que caracteriza, en general, a la ciencia y a la lógica contemporáneas.
Cada época, se ha dicho, posee su propia metáfora. Pues bien, la metáfora

de la ciencia contemporánea en general, y a fortiori de las ciencias de la
complejidad, procede de la biología y la ecología. En verdad, los sistemas de
máxima complejidad conocida –en cualquier acepción de la palabra- son los
sistemas vivos. La naturaleza en general opera en paralelo, se caracteriza por
pluralidad (diversidad, exactamente)9 , y el modo de trabajo es la abducción.
Hay que decirlo: la diversidad es tanto el resultado de contingencias como la
generación misma de contingencias en los sistemas vivos, en la evolución a
todos los niveles de la naturaleza y la sociedad.
8
En contraste con las TICs, las tecnologías convergentes se fundan particularmente en la capacidad de
procesamiento de información y de comunicación. De esta forma, la mirada gira de la mera acumulación
e interpretación de datos e información, hacia la transformación de la información y del conocimiento por
parte de sí mismos. Exactamente en este sentido el fundamento de estas tecnologías son los sistemas
vivos en general y la tecnología –como la ciencia- se da a la tarea no ya de conocer el mundo y la naturaleza
sino, mejor aún, de crear una nueva (o segunda) naturaleza.
8
La diversidad de la vida se dice de tres maneras pero es una sola: diversidad biológica o natural, genética
y cultural. Los países que tienen los tres tipos de diversidad se dicen megadiversos (hotspots).

Las ciencias de la complejidad no parten de una definición de complejidad
sino, mejor aún, a partir de la identificación de una serie de propiedades que
exhiben los sistemas, fenómenos y comportamientos que no pueden ser ya
comprendidos o estudiados como sistemas clásicos.
Las propiedades o atributos más generalmente reconocidos son:

emergencia, no-linealidad, autoorganización, sistemas abiertos, fluctuaciones,
turbulencias, incertidumbre, pluralidad irreductible, en fin, complejidad
creciente, ausencia de jerarquías rígidas, no centralidad, adaptación, no
determinismo (o indeterminación), dinámicas no-lineales.
Figura 3.1. Relación entre la lógica formal clásica y lógicas no-clásicas.

La Figura 1 ilustra la idea central según la cual una vez que se hubo
constituido como ciencia, la lógica formal clásica permite desde sí misma
algunos vasos comunicantes con lógicas no-clásicas. Con seguridad, los
nexos más próximos y fuertes son con la lógica deóntica, la lógica modal
y la lógica de contrafácticos10. En cualquier caso, las lógicas no-clásicas se
dividen entre las que son extensiones de la lógica formal clásica y aquellas
que son alternativas a la misma. Este gráfico no incluye todas y cada una de
10
En este texto se ha hecho deliberadamente omisión a la lógica de contrafácticos que no es, strictu sensu,
una lógica no-clásica.

las lógicas no-clásicas tratadas en este texto, pues sólo quiere dar una idea
general acerca de un territorio. Este territorio, sostenemos, puede contribuir
de manera significativa, como es efectivamente el caso expresamente con
varias de las LNCs, a pensar la complejidad.
En la Figura 1, las que aparecen en azul son extensiones y no constituyen

rupturas fuertes con la lógica clásica, aunque sí introducen nuevos elementos
a la vez que toman distancias del modo canónico de trabajo en la lógica
clásica. Las lógicas que aparecen en naranja/café constituyen alternativas a
la lógica clásica. Son ellas las lógicas filosóficas propiamente dichas.
Es maravilloso observar que las LNCs se desarrollan particularmente a

partir de 1950s y continúan naciendo y desarrollándose hasta le fecha. Basta
mirar a la bibliografía especializada para hacerse a una idea acerca de los
lugares, autores, países y circunstancias que han dado lugar a estas lógicas.
Así, se trata de un continente de trabajo por explorar promisorio, amplio y rico.
Conclusiones
Las ciencias de la complejidad pueden contar con la ayuda de las lógicas no-
clásicas, análogamente a como han contado con la contribución del caos,
la teoría de catástrofes, la termodinámica del no-equilibrio, los fractales o
la ciencia de redes. En este sentido, cabe decir que las lógicas no-clásicas
constituyen una de las ciencias de la complejidad.
Esta afirmación, sin embargo, pudiera generar algún resquemor

debido a que podría interpretarse como una cierta pérdida de estatuto
(epistemológico) propio de las LNCs. No se trata, en absoluto, de que las LNCs
formen parte de las ciencias de la complejidad a la manera como, al decir
de Aristóteles y de la tradición aristotélica, la lógica era concebida como un
organon del conocimiento. No solamente aquella era lógica al servicio de la
metafísica –supuesta la “contribución” de Andrónico de Rodas-, sino que, a
la postre, la lógica misma abandonó los dominios de la metafísica y se hizo
ciencia: fue la lógica formal clásica.
Que las LNCs formen parte de las ciencias de la complejidad no menoscaba,

para nada, su independencia y ciudadanía; su “mayoría de edad”, digamos,
a la manera de Kant. Pero sí indica la dirección en la cual miran y/o pueden
mirar las LNCs, a saber: en la dirección de una magnífica revolución científica
(Kuhn) y cultural.
En síntesis: no solamente es posible pensar, estudiar, comprender y

explicar la complejidad con la ayuda de las lógicas no-clásicas. Mejor aún,

cabe pensar plausiblemente, que el abanico (cluster) de las LNCs entran a
formar parte de las ciencias de la complejidad; lo cual no es poca cosa11.
El lenguaje de las ciencias de la complejidad está fuertemente

permeado por la física, las matemáticas, la biología, la química y las ciencias
de la computación, si bien es cierto que existen numerosos conceptos
provenientes, cada vez más, de la filosofía y las ciencias sociales y humanas.
El diálogo –es una metáfora- entre ciencias de la complejidad y las lógicas
no-clásicas permitirá dos cosas: de un lado, la incorporación del lenguaje de
las LNCs en el estudio de la complejidad y, de otra parte, el aprendizaje de
lenguajes de la complejidad en el ámbito de la lógica en general.
Finalmente, hay que decir que las lógicas no-clásicas también son lógicas
formales, y la formalidad hace referencia al rigor –rigor sintáctico, semántico,
conceptual-. De forma positiva han llegado a ser reconocidas igualmente
como lógicas filosóficas, puesto que los problemas de que se ocupan son
esencialmente filosóficos, en el más preciso sentido de la palabra “filosofía”.
Esta es, por lo demás, otra de las vinculaciones sólidas con la complejidad. Al
fin y al cabo, las ciencias de la complejidad se ha dicho que se ocupan de los
problemas filosóficos que la ciencia clásica no vio o no podía o sabía atender.
Con lo cual, justamente, se produce un quiebre; para decirlo en términos de
Kuhn o de Serres, una revolución, una bifurcación.
11
La Encyclopedia of Complexity and Systems Science, con R. A. Meyers como Editorin-Chief, New York,
Springer Verlag, 2009, no considera en ninguna parte de los diez tomos y numerosas entradas, no digamos
la inclusión de las LNCs en las ciencias de la complejidad, ni tampoco, más moderadamente, la posibilidad
de un diálogo abierto, cruzado y mutuamente nutritivo entre complejidad y lógica (= LNCs). He aquí un
motivo adicional para el estudio que precede.

• Alchourrón, C. E., Méndez, J. M., Orayen, R., (Eds.). 1995. Lógica. Madrid:
Trotta-CSIC
• Aguzzoli, S., Ciabattoni, A., Gerla, B., Corrado M., Marra, V., (Eds.). 2007.
Algebraic and Proof-Theoretic Aspects of Non-classical Logics.
Papers in Honor of Daniele Mundici on the Occasion of His 60th
Birthday. Springer Verlag
• Arló Acosta, H. 2005. “Non-Adjunctive Inference and Classical

Modalities”, en: Journal of Philosophical Logic 34: 581-605
• Barry Cooper, S., Löwe, B., Sorbi, A., (Eds.), (2008). New Computational
Paradigms. Changing Conceptions of What is Computable. New
York: Springer Verlag
• Beal, J. C., and Restall, G. 2006. Logical Pluralism. Oxford: Clarendon

Press
• Bobenrieth, A. 1996. Inconsistencias ¿Por qué no? Un estudio filosófico

sobre la lógica paraconsistente. Bogotá: Colcultura
• Bochenski, I. M., (1985). Historia de la lógica formal. Madrid: Gredos
• Bonnay, D., et Cozic, M., (Textes réunis par), (2009). Philosophie de la

Logique. Conséquence, preuve et vérité. Paris: J. Vrin
• Calabrese, P. G. 2005. “Toward a More Natural Expression of Quantum

Logic with Boolean Fractions”, en: Journal of Philosophical Logic 34:
363-401
• Carlson, J., Jaffe, A., and Wiles, A., (Eds.), (2006). The Millenium
Prize Problems. Providence, RI: American Mathematical Society
• Carnielli, W., Coniglio, M., Gabbay, D. M., Gouveia, P., Sernadas, C. 2008.
Analysis and Synthesis of Logics. How to Cut and Paste Reasoning
Systems. Springer Verlag
• Cook, S., Nguyen, P., (2010). Logical Foundations of Proof Complexity.

Cambridge: Cambridge University Press

• DÁvila Garcez, A. S., Lamb, L. C., Gabbay, D. M., (2009). Neural
Symbolic Cognitive Reasoning. Heidelberg: Springer Verlag
• DÓttaviano, I., (2010). “Non-Classical Logics and Applications”, en:

Maldonado, C. E., (Ed.), Fronteras de la ciencia y complejidad, págs.
79-98
• Engesser, K., Gabbay, D. M., Lehmann, D., (Eds.), (2009). Handbook of

Quantum Logic and Quantum Structures. Quantum Logic. Elsevier
• Gabbay, D. M., Shetman, V., and Skvortsov, D., (2009). Quantification in

Nonclassical Logic. Vol. 1. Elsevier Gabbay, D. M., and Woods, J., (Eds.).
2007. Handbook of the History of Logic. Volume 8 The Many Valued
and Nonmonotonic Turn in Logic: Elsevier/North Holland
• Gabbay, D. M., Goncharov, S. S., and Zakharyaschev, M., (Eds.), (2006).

Mathematical Problems from Applied Logic I. Logics for the XXIst
Century. New York: Springer Verlag
• Gabbay, D. M., Maksimova, L., (2005). Interpolation and Definability.

Modal and Intuitionistic Logics. Oxford: Clarendon Press
• Gardies, J.L. 1979. Lógica del tiempo. Madrid: Paraninfo
• Garson, J. W. 2006. Modal Logic for Philosophers. Cambridge:

Cambridge University Press Goble, L., (Ed.). 2005. The Blackwell Guide
to Philosophical Logic. Blackwell Publishing Haack, S. 1991. Filosofía
de las lógicas. Madrid: Cátedra
• Haack, S. 1996. Deviant Logic, Fuzzy Logic. Beyond the Formalism.

Chicado and London: The University of Chicago Press
• Hanna, R. 2006. Rationality and Logic. Cambridge, M. A./London: The

PIT Press
• Harel, D., Kozen, D., Tiuryn J., (2000). Dynamic Logic. Cambridge, MA
and London: The MIT Press
• Hedman, S., (2004). A First Course in Logic. An Introduction to

Model Theory, Proof Theory, Computability, and Complexity. Oxford:
Oxford University Press Herrick, P. 2000. The Many Worlds of Logic.
Harcourt Brace & Co.

• Hintikka, J. 2007. Socratic Epistemology. Explorations of
Knowledge-Seeking by Questioning. Cambridge: Cambridge
University Press
• Hintikka, J., and Sandu, G. 1996. “A Revolution in Logic?”, Nordic

Journal of Philosophical Logic, Vol. 1, No. 2, pp. 169–183
• Huynh, V.-N., Nakamori, Y., Ono, H., Lawry, J., Kreinovich, V.,
Nguyen, H. T., (Eds.), (2008).
• Interval/Probabilistic Uncertainty and Non-classical Logics.

Berlin: Springer Verlag Jacquette, D., (Ed.). 2006. A Companion to
Philosophical Logic. Blackwell Publishing
• Kaye, R., (2007). The Mathematics of Logic. A Guide to Completeness

and their Applications. Cambridge: Cambridge University Press
• Kneale, W., and Kneale, M., (1984). The Development of Logic. Oxford:
Clarendon Press Kneebon, G. T., (2001). Mathematical Logic and the
Foundations of Mathematics. New York: Dover
• Kyburg, Jr., H. E., and Teng, Ch. M. 2001. Uncertain Inference.

• Maldonado, C. E., (Ed.), (2010). Fronteras de la ciencia y complejidad.

Bogotá: Ed. Universidad del Rosario
• Maldonado, C. E., (2009). “La complejidad es un problema, no una

cosmovisión”, en: UCM Revista de Investigación, No 13, Mayo, págs.
42-54
• Mares, E. D., (2007). Relevant Logic. A Philosophical Application.

• McNeill, D., and P. Freiberger, (1993). Fuzzy Logic. The Revolutionary

Computer Technology That Is Changing Our World. New York:
Touchstone
• Mitchell, S. 2003. Biological Complexity and Integrative Pluralism.

Cambridge: Cambridge University
• Nagel, T. 1974. La lógica sin metafísica. Madrid: Tecnos

• Nidditch, P. H. 1983. El desarrollo de la lógica matemática. Madrid:
Cátedra
• Palau, G., (2002). Introducción filosófica a las lógicas no clásicas.

Buenos Aires: Gedisa-UBA
• Peña. L., (1993). Introducción a las lógicas no clásicas. México: UNAM

Priest, G. 2008. An Introduction to Non-Classical Logic (2nd Edition).
Cambridge: Cambridge University Prior, A. N., (2003). Papers on Time
and Tense. Oxford: Oxford University Press
• Proudfoot, D. 2006. “Possible Worlds Semantics and Fiction”, en:

Journal of Philosophical Logic 35: 9-40
• Rosenberg, A. L., (2010). The Pillars of Cmutation Theory. State,

Encoding, Nondeterminism. New York: Springer Verlag
• Quine, W. V. 1984. Filosofía de la lógica. Madrid: Alianza Editorial
• Quine, W. V. 1992. La búsqueda de la verdad. Barcelona: Crítica
• Smith, N. J., J. 2004. “Vagueness and Blurry Sets”, en: Journal of

Philosophical Logic 33: 165-235
• Syropoulos, A., (2008). Hypercomputation. Computing Beyond the

Church-Turing Barrier. New York: Springer Verlag
• Tarski, A., (1961). Introduction to Logic and the Methodology of

Deductive Sciences. New York: Dover Urqhart, A., (2007). “Metatheory”,
en: D. Jaquette, A Companion to Philosophical Logic, págs. 307- 318
• Van Benthem, J., (2006). “Open Problems of Logical Dynamics”, en:

Gabbay, D. M., Goncharov, S.
• S., and Zakharyaschev, M., (Eds.), (2006). Mathematical Problems from

Applied Logic I. Logics for the XXIst Century, págs. 137-192
• Van Benthem, J., (2008). “Logical dynamics meets logical pluralism?”,

Australasian Journal of Logic (6), 182-209
• Van Heijenoort, J., 1967. From Frege to Gödel. A Source Book

in Mathematical Logic, 1879-1931. Cambridge, MA/London: Harvard
University Press

• Weinstein, S., (2007). “Logic in Finite Structures: Definability,
Complexity, and Randomness”, in: D. Jacquette, A Companion to
Philosophical Logic, págs. 332-348
• Wolenski, J., (2007). “Metatheory of Logics and the Characterization

Problem”, en: D. Jaquette, A Companion to Philosophical Logic,
págs. 319-331

4 METAHEURÍSTICAS Y RESOLUCIÓN DE
Introducción
PROBLEMAS COMPLEJOS
Digamos, a título de discusión, que si bien el pensamiento complejo

(esto es, Morin y los morinianos) dispone de El método –a saber, la obra
principal de E.Morin compuesta por seis libros con el mismo título, pero con
diferente subtítulo cada uno–, las ciencias de la complejidad se componen
de y articulan, en contraste, a la vez, en un pluralismo metodológico. Más
exactamente, en ciencias de la complejidad no existe un único (o principal)
método sino, mejor aún, una diversidad de metodologías, acordes todas
con los desarrollos, teóricos y prácticos, de la investigación de punta en el
mundo. El problema de “el método” en ciencias de la complejidad no puede
ser resuelto sin, entre otras cosas (Maldonado 2011), atravesar por, y elucidar,
el sentido de las metaheurísticas.
Pues bien, las metaheurísticas constituyen uno de los conjuntos de

las metodologías en el trabajo y la investigación con fenómenos, sistemas
y comportamientos caracterizados por no-linealidad, autoorganización,
complejidad creciente, emergencia y otras propiedades semejantes y
conocidas.
Este artículo se propone presentar y discutir las metaheurísticas tomando

como hilo conductor un motivo serio, que habitualmente pasa desapercibido
por una buena parte de la comunidad de complejólogos y de expertos de
temas como la metodología de la investigación científica, a saber: distinguir
qué clase de problemas son complejos –en el sentido técnico de la palabra-
y cuáles no. Sobre la base de este hilo conductor, se trata aquí de trabajar
sumariamente las relaciones de diferencia entre la heurística en general
y las metaheurísticas, para lo cual el estudio de los temas y problemas de
optimización se hace indispensable.

Las ciencias de la complejidad son ciencia de punta, cuyo método, como
gustaba decir a R. García (2006) es la interdisciplinariedad. Solo que, en rigor,
se trata de una expresión genérica y bien intencionada pero de escaso valor
metodológico y científico. Los temas y problemas de metaheurísticas hacen
referencia directamente a los temas y problemas relativos a optimización.
La naturaleza de los problemas complejos

La heurística, en el sentido corriente actual de la palabra, fue introducida
por I. Lakatos en el contexto de la discusión entre Kuhn y Popper acerca
de los criterios de demarcación de la ciencia (Stadler 2010) –discusión en
la que el mismo Lakatos participa con argumentos propios y originales
logrando distanciarse de sus dos amigos y colegas–. Hay que decir que el
concepto mismo de “criterios de demarcación” es acuñado genéricamente
por la Escuela de Viena, como un esfuerzo de distinción entre el idealismo
neokantiano, el idealismo neohegeliano y los neotomismos de la época y la
ciencia. Esto es, de manera puntual, se trata de distinguir a la ciencia de la
metafísica. Las consecuencias subsiguientes de ese trabajo son conocidas
en la historia de la ciencia y la filosofía de la ciencia (Reisch 2009).
Específicamente, el concepto de heurística aparece en el contexto de

la diferenciación entre los “programas de investigación científicos” y los
“programas de investigación metafísicos”. Es a Lakatos a quien debemos, de
manera frontal, el reconocimiento de que la ciencia trata con problemas, y
que lo propio de la investigación científica consiste en desarrollar eso: unos
criterios de identificación y solución de un problema dado. Eso exactamente
es la heurística (Michalewicz & Fogel 2000).
Así, la noción de “problema” viene a reemplazar, de manera radical, a la

concepción clásica, según la cual la ciencia se caracterizaba por que tenía
“objetos”, una expresión que hoy en día resulta arcaica y equivocada. En
otras palabras, debe quedar en claro que la ciencia actual ya no se define por
“objetos”, sino por los problemas de que se ocupa.
Como quiera que sea, dicho en término clásico, puede decirse que lo
propio de la filosofía consistió siempre en formular preguntas y problemas.
Por ejemplo: “¿Qué es el hombre?”, “¿de dónde venimos?”, “¿hacia dónde
vamos?”, “¿qué es la libertad?”, y muchos otros semejantes. Sin embargo,
cuando un problema: a) tiene una solución, o bien: b) puede tener una solución,
esa solución no es filosófica; es, además y fundamentalmente, científica. De
esta suerte, lo propio de la ciencia consiste en resolver problemas.

Este esquema tradicional ha sufrido con el tiempo numerosas y
profundas transformaciones. Quizás la más importante es el hecho de que,
muy recientemente, la filosofía ha aprendido a responder preguntas, y la
ciencia, a su vez, ha aprendido a concebir problemas – adicionalmente. De
hecho, sin lugar a dudas, los más apasionantes, los más importantes, los más
difíciles problemas hoy en día son esencialmente formulados por científicos
que tienen un espíritu o una sensibilidad filosófica.
En rigor, las metaheurísticas nacen en el marco del desarrollo de las

ciencias de la computación, y muy específicamente en el estudio de
problemas de optimización (Doerner et al. 2007). Por consiguiente, las
matemáticas aplicadas constituyen aquí el basamento de las metaheurísticas
y el hilo conductor de las mismas son los algoritmos – justamente en la
resolución de problemas (Maniezzo et al. 2009). Desde un punto de vista
un poco más técnico, las metaheurísticas constituyen el ADN de la teoría
computacional de la complejidad.
Ahora bien, la teoría computacional de la complejidad constituye una de

las ramas de la teoría de la computación consistente en estudiar e identificar
los problemas computacionales de acuerdo con su dificultad. Históricamente,
quizás el primero y más importante de los problemas computacionales –o
de optimizaciónes el famoso problema del vendedor viajero, formulado
originariamente hacia los años 1930. El núcleo mitocondrial, si cabe la
expresión, de todos los problemas teóricos de la computación pivotan en
torno a la capacidad computacional de la máquina de Turing (TM), y en
términos lógicos, alrededor de la tesis Church-Turing (ChT-thesis) (Syropoulos
2008). Así, un problema se dice que es complejo en correspondencia con
el tiempo necesario de computación del mismo o de su resolución, o bien,
igualmente, según la longitud de un lenguaje computacional –esto es, la
expresividad del lenguaje- para formularlo y resolverlo.
En otras palabras, la complejidad de un problema se corresponde con

la complejidad computacional del mismo. Así las cosas, en la base de las
metaheurísticas se encuentra lo que podemos concebir quizás como la
columna vertebral de los trabajos sobre complejidad, a saber: los problemas
P versus NP (Maldonado 2013).

Una primera visión de las metaheurísticas
Mientras que la heurística –un concepto desarrollado originariamente, en
tiempos recientes, por I. Lakatos–, hace referencia a la búsqueda de una
solución a un problema en términos exactos, las metaheurísticas no trabajan
con un problema y la búsqueda de su solución. Por el contrario, trabajan
con conjuntos de problemas en la búsqueda de espacios de solución. Pero,
adicionalmente, desplazan la búsqueda de soluciones exactas o precisas,
para enfocarse en soluciones aproximadas que, paradójicamente, por lo
menos a simple punto de vista, son más precisas y exactas que las primeras.
Las metaheurísticas tienen la ventaja de ser exploratorias y abiertas, no

restrictivas ni axiomáticas (Chen et al. 2015). Esta cualidad representa una
alternativa particularmente apropiada para buscar la convergencia entre la
abstracción, los modelos construidos de futuro y los planes centrados en la
lógica tradicional. Pero con ello, al mismo tiempo y de forma creciente, en el
trabajo con lógicas no-clásicas.
Las metaheurísticas operan mediante algoritmos, salvo que no son

algoritmos de orden común, son especiales; básicamente porque no se
rigen por un patrón predictivo, ni causal ni tampoco organizado; más bien
es aleatorio: el algoritmo adquiere su “forma óptima” a través de itinerancias
o pruebas que aproximan la solución, por ejemplo, mediante métodos de
búsqueda basados en gradientes (Kuo & Zulvia 2015). Los algoritmos más
conocidos en metaheurística son, los algoritmos genéticos, la búsqueda
tabú, ACO (algoritmo de colonia de hormigas, por sus siglas en ingles),
recocido simulado (simulated annealing) PSO (partículas de optimización de
enjambre, por sus siglas en ingles), y en forma común sirven para el mismo
propósito general, tratar de recorrer el espacio de soluciones sin quedar
“atrapados” en una zona.
Los algoritmos metaheurísticos, se basan en la combinación de algoritmos

heurísticos con otro tipo de técnicas; para entenderlo mejor, es necesario
hacer mención de los algoritmos heurísticos. De forma general, “heurística”
deriva del griego heuriskein, que significa “encontrar” o “descubrir”, y en un
esquema tradicional binario o de árboles de decisión ofrece solo uno o ambos
objetivos, que no garantizan la solución óptima pero sí buenas soluciones;
al igual que el método de búsqueda local, llega a ser una búsqueda ciega,
es predictivo, se mueve hacia la vecindad; ahora bien, en esta búsqueda, se
corre el riesgo de quedar atrapados en óptimos locales, razón por la cual
se consideran mejores los algoritmos metaheurísticos; siendo estos menos
“lógicos”, resultan a la postre más efectivos.

A continuación, se presentan algunos de los algoritmos más comunes
en metaheurísticas. Sin embargo, el objetivo de este texto no es el de ser
exhaustivos en esta presentación, sino el de mostrar el aire, el carácter o
las actitudes generales que implican estas técnicas de cara al estudio de
problemas complejos. En otras palabras, se trata de señalar en qué consiste
pensar, de cara a los problemas complejos, de manera compleja, justamente.
• Algoritmo búsqueda tabú, con memoria
Desarrollado originariamente a partir de 1987 por F. Glover (1987), se basa

en la aplicación de estrategias basadas en procedimientos de aprendizaje,
mediante el uso de memoria selectiva y la búsqueda inteligente; la primera,
se enfoca en recordar únicamente las características importantes del camino,
como su evolución y estructura; la segunda, es una exploración inteligente,
basada en la información recogida durante la búsqueda. En la práctica esto
funciona mediante la inclusión de la lista tabú (por ejemplo, evitando repetir
las soluciones ya probadas), en un programa de computador que realiza la
búsqueda de las soluciones optimas, alejándose de los óptimos locales.
Cada ciclo de búsqueda, es una iteración, que por supuesto, inicia de una
probable solución que parece óptima; por ejemplo, reducir el número de
errores de puntería de un arma automatizada de precisión, que requiere una
calibración especial, o apuntar una antena satelital; incluso, reducir los costos
de operación en un proceso industrial, como fabricación de baterías de radio
o municiones. Siempre habrá un valor proporcionado por los parámetros
estándar, considerado como óptimo. A partir de estos valores, se inician las
iteraciones, mediante el algoritmo tabú, que evitará encontrar soluciones del
mismo valor o de valores mayores.
• Algoritmo genético
Desarrollados originariamente por J. Holland (1995), los algoritmos genéticos

son algoritmos con la capacidad de aprender, que constituye el rasgo más
determinante en la evolución de cualquier sistema vivo o que exhiba vida.
A diferencia del algoritmo tabú, el algoritmo genético no es un método de

búsqueda local. Esta técnica de búsqueda usa una población de soluciones
que son manipuladas independientemente. Este algoritmo fue construido
con base en los principios de la teoría de la evolución de Ch. Darwin. Desde
su introducción, esta técnica de búsqueda ha sido usada en una variedad de
disciplinas y hay investigaciones sustanciales para identificar su aplicación
práctica. “Las poblaciones”, son listas que surgen del principio de la
supervivencia del más capaz; cuando el algoritmo se inicia, una población es

creada aleatoriamente; usando la población existente, una nueva generación
es creada usando operadores genéticos, tales como, cruce, mutación y
reproducción. Idealmente, a medida que el algoritmo progresa, las soluciones
van mejorando y las soluciones óptimas, pueden alcanzarse a lo largo del
tiempo (cf. Connor & Shah 2014).
El nombre de algoritmo genético, no quiere decir que incorpore, células

o ADN, como podría pensarse, sino, lo que significa es que se basa en el
lenguaje biológico, y más específicamente evolutivo, en sus conceptos y
lógicas, para emular su comportamiento, salvo que en un entorno distinto:
el virtual.
• Algoritmo GRASP. Procedimientos de búsqueda miopes,

aleatorizados y adaptativos
Creado por Feo, T y M, Resende en 1995 (Feo & Resende 1995), como una
heurística probabilística para un grupo de problemas computacionales
cubiertos, el algoritmo GRASP se basa en la premisa de que soluciones
iniciales diversas y de buena calidad juegan un papel importante en el éxito
de métodos locales de búsqueda. Cada iteración consta de dos fases: la
construcción de una solución factible y la búsqueda local para localización
de un mínimo local en el entorno de la solución construida.
A este algoritmo corresponde una secuencia, así: primero se obtiene una

solución y el algoritmo puede correr entonces a la fase dos, que es aproximada,
rastrea un espacio local de configuración, aplica en lógica, diseño de redes,
horarios, entre otros y apunta entonces a una solución.
• Algoritmo Scatter Search. Búsqueda dispersa
Diseñado por Glover en 1977 (Glover 1977), empezó a usarse en la década

de los 90 del siglo xx. Se trata de un método evolutivo, al igual que GRASP,
que trabaja con poblaciones de solución mediante la exploración sistemática
sobre una serie de buenas soluciones (conjunto de referencia), combinación
de dos o más soluciones del conjunto de referencia, elección de pesos
apropiados de la combinación; combinaciones convexas y no convexas,
distribución “dispersa” de los puntos. Se diferencia de los algoritmos
genéticos, básicamente porque se trabaja con un conjunto limitado de
soluciones, y se aplica un proceso de mejora a las soluciones obtenidas
mediante combinaciones.

Pese al lenguaje ciertamente técnico, en realidad las metaheurísticas
y sus algoritmos pueden ser utilizados e implementados por personas
sin una cualificación matemática de alto nivel, y no implican, en absoluto
un reduccionismo de tipo matemático o computacional en el trabajo con
complejidad (como una mirada externa o acaso superficial pudiera creerlo).
Al respecto, vale recabar sencillamente que el computador y la computación
son herramientas culturales. Asimismo, en la mayoría de los casos, las
metaheurísticas aplicadas a problemas sociales, políticos y organizativos
aportan conceptos, lógicas, analogías y enfoques que permiten ser empleadas
a la medida, según la naturaleza y circunstancias propias del problema. Esto
quiere decir que, no en todos los casos, será necesario o posible aplicar o
emplear un algoritmo a un problema general o específico.
Optimización: una visión sumaria

Los temas y problemas de optimización son fundamentales en ciencia
como en la vida cotidiana, y conciernen por igual a científicos, ingenieros,
empresarios, estrategas, tomadores de decisión en cualquier ámbito y
momento, por ejemplo. El proceso puede ser sintetizado, grosso modo, de la
siguiente manera:
1. Se formula o identifica un problema;
2. Se construye un modelo para el problema. Este modelo puede ser

matemático, lógico, o computacional;
3. Se optimiza el problema, de suerte que se busca una “buena” solución;
4. Se implementa la solución.
Pues bien, un problema de optimización consiste en hallar las soluciones

factibles o posibles a un problema y las funciones de las soluciones. Así,
el objetivo fundamental consiste en encontrar el óptimo global de las
soluciones. De manera general, los modelos de optimización incorporan:
modelos de programación matemática, optimización combinatoria, modelos
de restricción (o constrictivos), y modelos analíticos. Los primeros se dividen
en programación continua, íntegra y mixta, y se articulan como modelos
lineales o no-lineales (Talbi 2009).
La dificultad radica en que numerosos problemas de optimización

son no-tratables. Ello implica la distinción entre problemas decidibles y
problemas indecidibles – un tema que se remonta a Hilbert, Turing y Gödel.

Un problema se dice que es decidible, si puede ser comprensible, y por el
contrario, se dice que es indecidible cuando no existe ningún algoritmo de
solución dados recursos, tiempo y espacio ilimitados. De manera “práctica”,
el foco de la atención se ha concentrado tradicionalmente en la complejidad
de los problemas decidibles.
Digamos, de manera puntual que la complejidad de un problema es

equivalente a la complejidad del mejor algoritmo para resolver el problema.
Así las cosas, un problema se dice que es tratable –esto es, fácil–, si existe
(o se puede crear) un algoritmo en un tiempo polinomial. Por el contrario,
un problema se dice que es intratable –o sea, difícil–, si no existe (y no se
puede desarrollar) un algoritmo en un tiempo polinomial que pueda resolver
el problema. En una palabra: no todos los problemas son complejos (y por
derivación, no todos los sistemas y no todas las cosas son complejas). Pues
bien, un tiempo polinomial es fácilmente comprensible a través, por ejemplo,
de los cronogramas; es el tiempo que se entiende y gestiona en términos de
horas, días, semanas, meses y años, de tal suerte que se busca una solución
al problema dividiéndolo en unidades de tiempo “real”.
La complejidad de la resolución de problemas

La complejidad de la resolución de un problema ha sufrido un cambio
drástico gracias a los desarrollos de la computación, y concomitante con
los trabajos en torno a optimización, gracias también a los problemas
de complejidad combinatoria y los más recientes desarrollos tanto en
matemáticas como en lógica.
Esquema 1: giro en la complejidad de la resolución de un problema
Fuente: Maldonado y Gómez (2011b)

Como se aprecia, la distinción fundamental entre la ciencia clásica y las
ciencias de la complejidad, estriba en el hecho de que anteriormente se
buscaban soluciones precisas a los problemas, con todo y el reconocimiento
de que el o los modelos tenían o podrían tener falencias y ser solamente
aproximados. Por el contrario, en el marco del trabajo con fenómenos y
sistemas de complejidad creciente se desarrollan modelos precisos y se
apunta a soluciones aproximadas, las cuales, paradójicamente son mucho
más exactas o viables que los que la ciencia y los enfoques normales
pretendían o podían.
Ahora bien, se impone una observación puntual. Tanto en la expresión

“ciencia e ingeniería tradicionales”, como “ciencias de la complejidad e
ingeniería de sistemas complejos” es preciso incluir todos los campos de
trabajo e investigación, en el sentido más amplio e incluyente que trabajan o
se encuadran en los planos correspondientes; esto es, los estudios militares
y políticos, todos los trabajos sobre táctica y estrategia, la administración,
y la mayoría de las ciencias sociales, pero también los temas relativos a la
educación, aspectos económicos, y dimensiones de gestión en cualquier
acepción de la palabra. Ahora, con respecto a la ingeniería de sistemas,
complejos, véase (Braha et al. 2006; Maldonado & Gómez 2011a).
Pues bien, existen, genéricamente hablando, dos clases de

metaheurísticas: las orientadas a soluciones singulares, y aquellas dirigidas
a conjuntos de soluciones. En este segundo caso se habla, en propiedad, de
metaheurísticas basadas en poblaciones.
Estas dos clases se subdividen en las metaheurísticas paralelas

(Alba 2005) y distribuidas, y las metaheurísticas híbridas (Blum et al.
2008). Adicionalmente, se encuentran las hiperheurísticas, y en estrecha
relación con ellas las metaheurísticas multinivel y las autodaptativas
(Cotta 2008). Asimismo, muy recientemente, se ha desarrollado también
metaheurísticas híbridas basadas en descomposición (Raidl 2015), además
de la metaheurística basada en gradientes. Digámoslo de manera franca:
las metaheurísticas constituyen un campo vívido de investigación cuyo
nutriente primero consiste justamente en la comprensión de lo que es
propiamente un problema complejo y en los esfuerzos de solución de esta
clase de problemas. Este campo vívido es investigación en proceso.
Como quiera que sea, la idea de base no es difícil: se trata de múltiples

herramientas metodológicas de abordaje y solución de problemas complejos,
y cada cual se usa en función del problema o conjunto de problemas que
interesen al investigador, al científico, o al tomador de decisiones, por
ejemplo.

Si bien podría hacerse una elucidación puntual de en qué consiste cada
una de la metaheurísticas mencionadas, lo importante aquí es atender al
hecho de que existe, manifiestamente, un pluralismo metodológico en
cuanto a las metaheurísticas. Y que este pluralismo constituye una de las
fortalezas de las ciencias de la complejidad conjuntamente con la teoría
de la complejidad computacional. Muy frecuentemente, los problemas de
optimización son problemas complejos (Alba et al. 2009).
Sin embargo, son posibles otros modos de clasificación de las

metaheurísticas. Así, por ejemplo, si se inspiran en la naturaleza o no (Lewis
2009) –y más específicamente, si son bio-inspirados, o no–; según si hacen
uso de memoria o no; de acuerdo a si son deterministas o estocásticos, o si
son iterativos o ambiciosos.
El esquema 2 ilustra el mapa general de la metaheurísticas:
Esquema 2: mapa de las metaheurísticas
Fuente: Maldonado y Gómez (2011b)

De manera general, las metaheurísticas implican estrechamente
campos de trabajo e investigación, tales como la inteligencia computacional,
los temas relativos a optimización numérica, algoritmos evolutivos,
computación evolutiva, y en su horizonte, los sistemas y problemas no-
algorítmicos. Maldonado y Gómez (2014) denominan a esta última clase como
hypercomputación, y el modelo de base es el estudio de los sistemas vivos;
más exactamente, el estudio de la forma, como los sistemas vivos, procesan
información; esto es, resuelven problemas.
La teoría computacional de la complejidad

Ahora bien, debe quedar en claro que en el trabajo con metaheurísticas el
tema de base son algoritmos aproximados, no algoritmos exactos. Ello permite
no solamente hablar, sino incluso trabajar con problemas de optimización en
condiciones de incertidumbre; así por ejemplo, en la elaboración de mapas,
en problemas de temporalidad, o de rutas. Todos son temas específicos
que señalan en una dirección más puntual hacia uno de los sentidos de las
ciencias de la complejidad, lo cual, por decirlo menos, permite comprender
que la complejidad es más que una epistemología y que una jerga (que se
expresa en términos como emergencia, no-linealidad, autoorganización, y
otros). Las ciencias de la complejidad son ciencia en sentido estricto (strenge
Wissenshaft).
Pues bien, la forma de considerar los problemas complejos es mediante

la clasificación de las clases de complejidad de los problemas de decisión. La
clasificación más general son los problemas P versus NP (Fortnow 2013). El
esquema 3 presenta esta clasificación:
Esquema 3: Clases de problemas P y NP
Fuente: http://3.bp.blogspot.com/-jS3ISuY5feA/Th4br02PiuI/AAAAAA-AAAJ4/wV_O88Fm8is/s1600/P_
NP_y_NP-completo.png

Pero una presentación más completa es la que corresponde al esquema 4:
Esquema 4: Visión compleja de las clases de problemas complejos
Fuente: http://www.cse.psu.edu/~sxr48/cmpsc464/ Complexity-classes-diagram.jpg

La explicación del esquema 4, sin embargo, debe quedar aquí de lado
por su carácter técnico y por el tema mismo de este artículo, aunque
otras representaciones son posibles y se emplean en la bibliografía sobre
los problemas P versus NP. El anterior esquema sencillamente tiene la
función de señalar en la dirección de la complejización de lo que es muy
específicamente un problema complejo, y que merece un espacio propio
aparte (este constituye el objeto de otro trabajo en el que me ocupo
actualmente, y el eje de una de las investigaciones que adelanto en la
actualidad).
Como quiera que sea, las metaheurísticas (SA, GA, PSO, etc.) se emplean
generalmente para resolver grandes problemas de manera aproximada, o
bien próximos o cercanos a una optimalidad (Alba et al. 2009). Sin embargo, es
preciso señalar que la eficiencia de las metaheurísticas ha sido calificada por
lo general como impráctica para abordar proyectos del mundo real, incluso
algunas reglas heurísticas incorporadas, especialmente para problemas
combinatorios de gran escala.

Conclusiones
Los tratamientos, abordajes y, por así decirlo, los cortes sobre las
metaheurísticas son variadas y ricas en la bibliografía sobre el tema. Aquí,
sencillamente he querido tomar como hilo conductor el que me parece que es
el núcleo central de todos los tratamientos, a saber: la distinción de problemas
en complejos y no complejos, y entonces el trabajo con los primeros, que es
lo que verdaderamente interesa a la comunidad de complejólogos. Y más
sensiblemente, a los más acuciantes retos, problemas y desafíos del mundo
actual.
Para decirlo de manera franca y directa, a los complejólogos no nos

interesan los conjuntos de problemas que no son complejos. Para ello
existen numerosas técnicas, métodos y aproximaciones exitosas, muchas de
ellas lineales y maximizadoras. Así las cosas, la base primera de trabajo en
complejidad consiste en identificar si un problema es o no complejo, pues
como queda dicho, no todos los problemas lo son. Es más, y de manera muy
exacta, la gran mayoría de los problemas no son complejos. Y sin embargo, los
más cruciales o sensibles de todos los problemas son, sin la menor duda, los
complejos; esto es aquellos que pueden ser llamados clara y distintamente
como problemas complejos.
Esta es, sin lugar a dudas, la distinción más radical de todas entre el
llamado “pensamiento complejo” y las ciencias de la complejidad; se trata
del criterio de demarcación según el cual una teoría que explica todas las
cosas no explica nada. En otras palabras, las ciencias de la complejidad no
se ocupan ni de problemas simples, ni tampoco complicados. Y cuando se
ocupa de problemas complejos dispone de un pluralismo metodológico. Una
faceta de este pluralismo estudiado en este artículo son las metaheurísticas.
Desde luego que existen aspectos bastante más técnicos –conceptual,

matemática, computacionalmente hablando, por ejemplo–, en el estudio de
las metaheurísticas. El propósito de este artículo ha consistido en mostrar de
qué manera se trabaja con problemas complejos; o, lo que es equivalente,
ha sido el de señalar en la dirección propia de la resolución de problemas
complejos. Como se sigue de una mirada reflexiva, ya dependería de cada
problema el empleo de una metaheurística determinada, o de determinadas
técnicas. Así, por ejemplo, en función de las dimensiones del problema, de
la identificación de puntos y estados críticos, de los recursos disponibles, del
tiempo con que se cuenta, y demás.
Quedan abiertos varios problemas que más o menos de manera directa

podrían interpelar a los investigadores. Así, por ejemplo, ¿existe alguna
metodología o marco que facilite resolver de manera aproximada grandes

problemas NP-duros? ¿Podemos hallar todos los puntos críticos de un
problema y si es así cómo? ¿Cómo medir la distancia mínima y promedio
entre óptimos locales en un espacio de búsqueda continuo? Si disponemos
de la información necesaria o pertinente, podemos entonces hacer algunas
cosas interesantes a fin de explotar ese conocimiento con vistas a mejorar el
desempeño de algunas técnicas de investigación o de búsqueda.
Los métodos basados en hacer clusters para medir la distancia mínima o

promedio entre óptimos locales es altamente inconsistente, y esto tiene un
gran efecto sobre el desempeño global de nuestros métodos. Y otra manera
consiste en la elaboración de mapas –por ejemplo mapas cuadráticos–,
que permiten manifiestamente una resolución de problemas en términos
dinámicos y procesos de tomas de decisión en-proceso. En fin, se trata de un
conjunto de problemas, retos, desafíos y dimensiones frente a los cuales la
capacidad investigativa de los científicos, por ejemplo, resulta determinante.
Al fin y al cabo, asistimos a un mundo y época en la que los riesgos están

globalmente interrelacionados. Un motivo serio para la complejidad; la
complejidad y sus métodos (Helbing 2013).
Finalmente, hay que tener en cuenta un hecho elemental en ciencia e

investigación: es el problema el que determina el método – que debemos o
podemos emplear–. Y no al revés. Pues bien, esto aplica también para el caso
de las metaheurísticas. O de los demás métodos y metodologías en ciencias
de la complejidad.
Al fin y al cabo, vivimos en un mundo alta y crecientemente complejo,

en tiempos y con dinámicas de altas fluctuaciones y turbulencias, todo lo
cual demanda comprender muy bien, identificar adecuadamente los tipos
de problemas que emergen. Después de todo, todo el sentido de la ciencia
no es otro que el de la formulación de problemas y la búsqueda de solución
de los mismos. Pues bien, las ciencias de la complejidad contribuyen a este
panorama de forma activa mediante un conjunto de herramientas que les
son propias y que ayudan, dicho en passant, a demarcar a la ciencia general
o normal de las ciencias de punta que son las ciencias de la complejidad.
Digámoslo de manera sucinta: no es suficiente con identificar un problema.
Es necesario, además, establecer si se trata de un problema complejo

o no. Si el problema es complejo, nos encontramos entonces de frente con
temas y problemas de optimización, y con ellos, entonces, con la importancia
y el significado de las metaheurísticas. Un área en pleno desarrollo. Y en el
horizonte de los problemas de optimización, con el tema mismo de la teoría
de la complejidad computacional que puede ser llamada como la columna
vertebral de todos los estudios y trabajos sobre complejidad.

• Alba, E., (Ed.). Parallel Metaheuristics. A New Class of Algorithms. New
Jersey: Wiley & Sons, 2005.
• Alba, E., Blum, C., Isasi, P., León, C., Gómez, J. A. Optimization Techniques
for Solving Complex Problems. New Jersey: Wiley & Sons, 2009.
• Blum, C., Blesa, M. J., Blesa A., Sampels, M., (Eds.). Hybrid Metaheuristics:
An Emerging Approach to Optimization. Berlin: Springer Verlag, 2008.
• Braha, D., Minai, A. A., Bar-Yam, Y. Complex Engineered Systems. Science

Meets Technology. Springer Verlag. 2006.
• Chen, X., Kong, Y., Dand, L., Ye, X. “Exact and Metaheuristic Approaches
for a Bi-Objective School Bus Scheduling Problem” PlosOne July 15 (2015):
1-20.
• Connor, A. M., and Shah, A. “Resource allocation using metaheuristic

Search” En Wyld, D. C., et al. (Eds.): CCSIT, SIPP, AISC, PDCTA, NLP, (2014):
353–364.
• Cotta, C., Sevaux, M., Sörensen, K., (Eds.) Adaptive and Multilevel
Metaheuristics. Springer Verlag, 2008.
• Doerner, K., et al., (Eds.). Metaheuristics: Progress in Complex Systems

Optimization. Springer Verlag, 2007.
• Doerner, K. F., Gendreau, M., Greistorfer, P., Gutjahr, W. J., Hartl, R. F.,
Reinmann, M., (Eds.). Metaheuristics. Progress in Complex Systems
Optimization. Springer Verlag, 2007.
• Feo, T. A., & Resende, M. G. C. “Greedy randomized adaptive search

prcedures” Journal of Global Optimization, 6 (1995):109-133.
• Fortnow, L. The Golden Ticket: P, NP, and the Search for the Impossible.
Princeton, NJ: Princeton University Press, 2013.
• García, R. Sistemas complejos. Conceptos, métodos y fundamentación

epistemológica de la investigación interdisciplinaria. Barcelona: Gedisa,
2006.

• Glover, F. “Tabu Search Methods in Artificial Intelligence and Operations
Research” ORSA Artificial Intelligence Vol. 1, No. 2, 6 (1987).
• Glover, F. “Heuristics for integer programming using surrogate constraints”

Decision Sciences Vol. 8, issue 1, January (1977): 156-166.
• Helbing, D. “Globally networked risks and how to respond” Nature Vol.

497, 2 de mayo (2013): 51-59.
• Holland, J. Hiddel Order. How Adaptation Builds Complexity. Perseus

Books, 1995.
• Kuo, R. J., Zulvia, F. E. “The gradient evolution algorithm: a new

metaheuristic” Information Sciences Vol. 316 (20 septiembre) (2015): 246-
265.
• Lewis, A., Mostaghim, S., Randal, M., (Eds.) Biologically-Inspired

Optimisation Methods: Parallel Systems and Applications. Springer
Verlag, 2009.
• Maniezzo, V., Stützle, T., VoB, S. Metaheuristics: Hybridizing Metaheuristics

and Mathematical Programming. Springer Verlag, 2009.
• Maldonado, C. E. “Matemática aplicada y herramientas de la complejidad”

En Londoño, G., Vera, J., Montealegre, M., (Eds.), Memorias del I Seminario
de Matemática Aplicada. Neiva: Ed. Universidad Surcolombiana-Facultad
de Ciencias Exactas y Naturales, 2011: 9-26.
• _____.“Un problema fundamental de la investigación: los problemas P vs.

NP” Revista Logos, Ciencia y Tecnología Vol. 4, No. 2, Enero-Junio (2013):
10-20.
• Maldonado, C E., Gómez-Cruz, N. “The complexification of engineering”

Complexity, Vol. 17, No. 4, (2011a): 8-15.
• _____.El mundo de las ciencias de la complejidad. Bogotá: Ed. Universidad

del Rosario, 2011b.
• _____.“Biological Hypercomputation: A New Research Problem in

Complexity Theory” Complexity (2014): DOI 10.1002/cplx.21535
• Michalewicz, Z., Fogel, D. B. How to Solve It: Modern Heuristics. Springer

Verlag, 2000.

• Raidl, G. R. “Decomposition based hybrid metaheuristics” European
Journal of Operational Research, Vol. 244, Issue 1, (July) (2015): 66-76.
• Reisch, G. A. Cómo la Guerra fría transformó la filosofía de la ciencia.

Hacia las heladas laderas de la lógica. Bernal: Universidad Nacional de
Quilmes, 2009.
• Stadler, F. El círculo de Viena. Empirismo lógico, ciencia, cultura y política.

México, D. F.: F. C. E., 2010.
• Syropoulos, A. Hypercomputation. Computing Beyond the Church-Turing

Barrier. Springer Verlag, 2008.
• Talbi, E.-G. Metaheuristics. From Deign to Implementation. Wily & Sons,

2009.

5 UN PROBLEMA FUNDAMENTAL EN LA
Introducción
INVESTIGACIÓN:
LOS PROBLEMAS P VS NP
Quizás lo más importante y difícil de los problemas en investigación tiene

que ver con la identificación o formulación de estos. Un problema, desde
luego, no es una pregunta; la razón para ello es que un problema se concibe,
una pregunta se formula; mejor (o peor) aún: una pregunta se responde,
un problema se resuelve. Más exactamente, la formulación del problema
más que un acto analítico es un proceso de la imaginación. Y sin embargo,
quienes hablan (aún) de metodología de la investigación –horrible dictu–
suelen empatar ambas y hasta confundir una con la otra, preferir aquello y
olvidar a esta. Ocuparse de estas confusiones es sencillamente necio, en el
contexto de este artículo.
Los hombres y mujeres de ciencia se caracterizan hoy porque no trabajan

con base en “objetos” –y por derivación, tampoco con “temas”, “campos”
y demás–, sino, mucho mejor aún, a partir de problemas. Este constituye,
con seguridad, el rasgo más fuerte de contraste entre la ciencia clásica y la
ciencia de punta contemporánea. Aquella trabaja (ba) con objetos y campos,
esta se funda en problemas –de investigación, justamente–. Ahora bien, el
trabajo con problemas y la identificación de los mismos es algo que se dice
muy fácilmente pero que es (extremadamente) difícil de lograrlo.
Trabajar con problemas constituye, sin duda alguna, uno de los rasgos
que permiten identificar qué y cómo se está trabajando con ciencia de
punta. Pues bien, la clase de problemas que quisiera destacar aquí son
los de frontera. Un problema se dice que es de frontera cuando una sola
ciencia o disciplina es incapaz de comprender el dilema de que se trata
con el problema, y cuando, adicionalmente, es incapaz de resolverlo por
sí misma. Necesita entonces del concurso de otras metodologías, otros
lenguajes, otros enfoques y tradiciones. Surge así lo que clásicamente se
llama “interdisciplinariedad”. Pues bien, gracias a los problemas de frontera
emergen ciencias de frontera. Con ellas, se avanza un paso importante en el
abandono de la tradición disciplinar de la ciencia.

Con este texto me propongo demostrar el título de este trabajo, a
saber: que los problemas P vs. NP constituyen el núcleo fundamental de la
investigación científica. No existe ningún trabajo en esta línea. En verdad, la
mayoría de los trabajos alrededor de los problemas P vs. NP giran, con buenas
razones, en torno a problemas computacionales -la mayoría- y matemáticos.
A fin de demostrar la tesis, según la cual la investigación de punta actual en
el mundo se funda en los problemas mencionados se impone primero una
somera presentación de la estructura y la lógica de los problemas P vs. NP.
Esta es la primera sección. Seguidamente, sitúo a esta clase de problemas en
el contexto de la complejidad, la innovación y la investigación. Finalmente,
extraigo algunas conclusiones.
Metodología
Luego de señalar el origen de los problemas P vs. NP se señala que forman parte
de los problemas del milenio. A una presentación somera de la estructura del
problema le sigue su delimitación. Así, señalando que habitualmente se lo
considera, con buenas razones, en el marco de consideraciones matemáticas,
computacionales y lógicas, se dirige la mirada hacia la complejidad y, más allá
de ella, se fija en el contexto de la metodología de la investigación científica.
Se destaca el estudio teórico del tema tratado y se destaca al final una parte
de la bibliografía más relevante.
Origen y estructura lógica de los problemas

P vs. NP
En el origen de los problemas P vs. NP se encuentra la lógica en general, y
más exactamente, el conjunto de problemas relativos a la computación y la
teoría de la información. El tema fue formulado (=descubierto) de manera
independiente, pero simultáneamente, por tres investigadores: Cook (1971),
Karp (1972) y Levin (1973).
Es tal la envergadura del problema que ha sido identificado como uno

de los problemas del milenio (The millenium problems) por el Instituto Clay
(Carlson, et al., 2006; Delvin, K., 2002).
Se impone una primera observación importante de orden teórico. El marco

amplio de los problemas P vs. NP es la lógica en general. Pero la motivación
particular es la teoría de la información y más exactamente la teoría de la
computación. En rigor, se trata de los problemas lógicos y matemáticos de la
computación. À la lettre lo que motiva a los problemas que aquí interesan son
temas y problemas de análisis combinatorios. Pues bien, tal es exactamente
la razón por la que el Instituto Clay incluyó a estos problemas entre los más

importantes de nuestra época. Así, la lógica y la matemática, la teoría de la
información y los problemas relativos a la computación constituyen una sola
unidad. Esta unidad es la que da lugar precisamente a la columna vertebral
de las ciencias de la complejidad, o también, del estudio de los fenómenos,
comportamientos y sistemas caracterizados por complejidad creciente y no-
linealidad. Sin ambages, quiero sostener la idea según la cual los problemas
P vs. NP constituyen la columna vertebral de los estudios en la teoría de la
complejidad.
Ahora bien, las ciencias de la complejidad –complexity theory– son ciencia

de punta y ciencia de frontera, en toda la línea de la palabra (Maldonado,
2012a). En ellas, de entrada, los problemas combinatorios desempeñan
un papel destacado. De manera puntual y franca: las matemáticas de las
ciencias de la complejidad son matemáticas de sistemas discretos, y, en
consecuencia, los temas referentes a la teoría de la información, los problemas
de computación, y las lógicas no-clásicas constituyen, si cabe la expresión,
el núcleo mitocondrial del estudio de la complejidad. Y por ello mismo, los
problemas formulados por Cook, Karp y Levin.
Los problemas P vs. NP se denotan de distintas maneras en la bibliografía

especializada; quizás las dos más genéricas son: P vs NP, P =! NP, y otras más
cuyas particularidades pueden ser omitidas aquí de manera provisional.
La puerta de entrada a este grupo de problemas se origina en la obra

de K. Godel, y más específicamente, en la dilucidación de cuáles funciones
son computables y cuáles no. El tema de base es el famoso teorema de la
incompletud que demuestra que existen siempre algunas proposiciones
verdaderas que no pueden ser demostradas. Más sencillamente: hay cosas
que sabemos que son verdaderas y no sabemos por qué –o cómo lo son–.
El resultado de Gödel dio origen a una serie de trabajos dedicados, unos a

mejorar los métodos, las técnicas y los supuestos de la computación misma;
y otros a la lógica, las matemáticas y la teoría de la información. Pero unos y
otros nunca han estado completamente aislados entre sí. En otras palabras,
el reto formulado a partir de Gödel ha interpelado por igual a la computación
aplicada, la teoría de la computación, las matemáticas aplicadas, la lógica
en general, y a los propios fundamentos de las matemáticas. No en última
instancia, por tanto, también a la filosofía y a la epistemología.
Así, los problemas atañen al análisis numérico, la teoría de la aproximación,

la teoría de números computacional, la teoría de sistemas dinámicos, y en
las ciencias de la computación, a la teoría formal del lenguaje, la teoría de
algoritmos, la teoría de bases de datos, la inteligencia y la vida artificial y la
complejidad computacional.

Pero, ¿en qué consisten, propiamente, los problemas descubiertos por S.
Cook –el primero–?
Todos los problemas –en la vida como en ciencia–pueden dividirse en

dos grupos principales, así: como problemas indecidibles y como problemas
decidibles. La decibilidad de un problema hace referencia al famoso décimo
problema formulado por D. Hilbert en el Congreso Mundial de 1900 (Gray,
2006), conocido como el problema de detención (Haltungsproblem).
Un problema se dice que es indecidible cuando no existe un algoritmo

que permita resolver un problema dado, incluso dados tiempo y recursos
ilimitados. En consecuencia, no es posible determinar si dicho problema a)
se detiene, ni b) cuándo se detiene. La ausencia de cualquier algoritmo aquí
significa que el problema no puede ser abordado ni resuelto, básicamente,
con la ayuda de fórmulas, reglas, procedimientos, normas o “recetas” ya
conocidas y probadas anteriormente, y ni siquiera con cualesquiera otra
susceptibles de ser desarrolladas en el futuro. Ejemplos conspicuos de esta
clase de problemas indecidibles son: la vida misma, la salud, la equidad, la
pobreza, el conocimiento Los límites de la computación y la lógica conocidas
da pie para que pueda pensarse, como es efectivamente el caso, en otros tipos
de computación distintos a los conocidos y que se basan en la arquitectura de
Von Neumann y en la tesis Church-Turing (Maldonado, 2012b). Los dos tipos
más factibles de computación son la hipercomputación y la computación
cuántica. No en última instancia, lo que se encuentra detrás de este tipo de
problemas son los retos propios de la criptografía, uno de los capítulos más
apasionantes tanto de la computación, las matemáticas y la lógica como de
las ciencias de la complejidad.
Los problemas indecidibles constituyen, con total certeza, una de las

aristas más apasionantes de la investigación fundamental. No queda la
menor duda al respecto. Sin embargo, para efectos prácticos – para retomar
la fórmula introducida por J. S. Bell en el contexto de la física cuántica: For
All Practical Purposes (FAPP)–, la atención se concentra del lado de los
problemas decidibles, que son, si se prefiere, problemas (pragmática o
prácticamente) tratables.
Un problema se dice que es decidible, por contraste con los indecidibles,

cuando existe –¡o puede existir!– (por lo menos) un algoritmo para su
resolución. En otros términos, un problema indecidible es aquel que no se
sabe o se puede llegar a saber: a) si se detiene, o bien b) cuándo se detiene.
Con base en Hilbert y en la teoría de la computación, esto hace referencia
al famoso problema de la detención (Haltungs-problem). Incluso, desde
otra perspectiva, un problema es decidible cuando es compresible; la
compresibilidad hace referencia a un algoritmo o fórmula en el un problema

–o lenguaje, o programa– puede ser condensado, reducido, comprimido o
expresado. Por contraste, los problemas indecidibles son incompresibles.
Pues bien, los problemas decidibles se dividen en dos: los problemas P

y los problemas NP. P significa que el problema es polinomial; es decir, se
trata de todos aquellos problemas que pueden ser abordados y resueltos
descomponiendo el problema en los términos que componen al problema
considerado. Ejemplos de esta clase de problemas son todos aquellos que
son trabajados en términos de flujogramas, cronogramas, cladogramas,
histogramas, organigramas, y otros semejantes (charts). Incluso, de una
manera más precisa, es posible decir que los problemas P se abordan y se
resuelven en un tiempo polinomial. La unidad física básica de los tiempos
polinomiales en la Tierra son los ciclos circadianos.
Como se aprecia, los problemas P son sencillamente todos aquellos con

los cuales habitualmente las ciencias y disciplinas normales trabajan, las
profesiones y los que son habituales en la vida cotidiana. En matemáticas,
esta clase de problemas se dice que son fáciles –porque se resuelven o porque
se pueden resolver–. Y en consecuencia, se trata, stricto sensu, de problemas
triviales. En verdad, un problema trivial es todo aquel que se resuelve o que
puede (llegar a) resolverse. Naturalmente, dados los gráficos -charts– con los
que se trabajan, los problemas P son fáciles, triviales, pero no en virtud de los
gráficos, sino por la naturaleza misma de esta clase de problemas. La ciencia
que se ocupa de esta clase de problemas es, derivativamente, ciencia fácil.
Por su parte, los problemas NP son todos aquellos que son no-polinomiales
y que, en consecuencia, ni se abordan ni se resuelven descomponiendo los
mismos en los términos que los componen. Y sin embargo, esta clase de
problemas se resuelven y deben resolverse en un tiempo polinomial, esto es,
en el tiempo práctico que caracteriza a todas las actividades normales de los
seres humanos.
Los problemas NP se dice en matemáticas que son problemas difíciles, y

por ello, precisamente, se trata de problemas relevantes. En efecto, en lógica
y en matemáticas, un problema es relevante si no es fácil, esto es, si no se
resuelve o se puede resolver, o no se sabe si puede ser resuelto aun cuando
cabe imaginar que, eventual u ocasionalmente, lo será aunque no se sabe
cómo, ni cuándo con precisión.
Surge aquí la primera dificultad seria que se encuentra en los fundamentos

mismos de los problemas P =! NP. La dificultad se puede enunciar de varias
maneras; elijo a continuación la siguiente:

¿Puede decirse que hay más problemas P que NP? Esto es, nos
encontramos aquí con la siguiente situación:
P ≥ NP
O bien, inversamente, ¿puede decirse –con certeza o razonablemente–

que son más los problemas NP que los P? Es decir,
NP ≥ P
O bien, desde otra perspectiva, puede pensarse en las relaciones entre P

y NP en términos de pertenencia o inclusión. As[, ¿cabe afirmarse con verdad
que los problemas P pertenecen a, o están incluidos en, NP?
P € NP
O bien,
P NP
O acaso, ¿igualmente puede afirmarse la relación inversa?
NP € P
Es decir, ¿puede decirse que los problemas NP pertenecen a los problemas

P? ¿O bien, que están incluidos los primeros en los segundos?
Más radicalmente, ¿puede sostenerse razonablemente que los problemas

fáciles –P– y los problemas difíciles –NP– son iguales, o quizás, en caso
contrario, distintos (Lipton, 2010)?
P = NP
O bien,
P ≠ NP
Intuitivamente podría pensarse que alguna (o algunas) de las

consideraciones anteriores son altamente probables y que hasta suceden
efectivamente en ciencia y en el mundo. Pero la dificultad estriba en el
hecho de que en numerosas ocasiones la intuición no es suficiente en ciencia
(como, por lo demás, tampoco en la vida). Es preciso demostrarlo. Pues bien,
no existe hasta la fecha absolutamente ninguna demostración al respecto

–de una cosa, o de la otra–. Esta es exactamente la primera razón por la que
este ha sido considerado como uno de los Problemas del Milenio.
En cualquier caso, es importante atender al hecho de que la clase de

los problemas NP también contiene todos los problemas que pueden ser
resueltos en un tiempo polinomial.
Ahora bien, justamente esto es lo que caracteriza a los problemas NP-

difíciles (o duros) (NP- hard problems): son problemas que implican, se
abordan y se resuelven en un tiempo polinomial no-determinista. Y a su vez,
los problemas NP- completos son aquellos que son NP y al mismo tiempo NP-
duros. Así, en este caso, si bien se pueden encontrar con facilidad soluciones
a los problemas NP-completos, no es posible situarlos con exactitud en
términos de una solución rápida. Más exactamente, el tiempo requerido para
solucionar esta clase de problemas crece tan rápidamente como crece el
tamaño mismo del problema. Para decirlo de manera simplificada, por vía
de contraste, el análisis en general no es, en absoluto posible, y el proceso
de crecimiento del problema incrementa proporcionalmente el tiempo
requerido para su solución.
Los problemas NP-duros pueden ser del orden de problemas de decisión,

problemas de búsqueda o bien problemas de optimización. Un ejemplo
clásico de problemas semejantes es el famoso problema del vendedor viajero,
y cuyo núcleo consiste en cambiar el número de pasos o links con el tiempo
computacional. De esta suerte, lo que aparece ante la mirada reflexiva es
la complejidad algorítmica de un problema, de un lado, y de otra parte, la
complejidad computacional del mismo.
La complejidad algorítmica hace referencia al tiempo que tarda un

algoritmo en resolver un problema, en tanto que la complejidad computacional
es aquella que, sin importar el algoritmo de que se trate, se ocupa de la
cantidad de recursos o requerimientos computacionales necesarios para la
solución de un problema. Esencialmente, se trata del trabajo, la ductilidad
y la robustez de los modelos matemáticos –y por derivación entonces
también necesariamente computacionales y lógicos– que puedan resolver
un problema determinado trata del trabajo, la ductilidad y la robustez de los
modelos matemáticos –y por derivación entonces también necesariamente
computacionales y lógicos– que puedan resolver un problema determinado.
Las cuatro operaciones aritméticas básicas –suma, resta, multiplicación

y división– son procesos de tiempo polinomial. Dicho en el lenguaje de la
educación, se trata de operaciones propias del pensamiento concreto y
no aún del pensamiento formal. Como es sabido, los pasos siguientes a la
aritmética son el álgebra y los polinomios. Entre tanto surge la geometría,

la trigonometría. Derivaciones naturales de las mismas son la estadística. El
cálculo, por su parte, compone un capítulo propio y se ocupa del estudio de
tendencias, proyecciones y procesos. Pero, lo especifico del estudio de los
sistemas complejos estriba en el reconocimiento explícito de que las suyas
son matemáticas de sistemas discretos, un tema que, sin embargo, debe
quedar aquí al margen, para otro espacio propio.
Como quiera que sea, el Gráfico 1 a continuación resume las explicaciones

anteriores.
Gráfico 1: Identificación de los problemas P vs. NP
Complejidad, innovación, investigación

Pues bien, el trabajo con problemas no es sino una parte de un aspecto más
profundo o sensible cuya contracara es la innovación. En efecto, la mejor
manera de resolver un problema consiste en innovar; y una manera de
innovar es resolviendo problemas.
Sin embargo, surge aquí una dificultad enorme. Se trata del hecho de que
en ciencia como en la vida cotidiana, en el sector privado tanto como en el
sector público, por ejemplo, en numerosas ocasiones se habla, acaso bien
intencionadamente, de innovación, pero en el momento de entenderla en
términos prácticos y habituales existe una enorme resistencia al cambio. La
innovación implica, manifiestamente, una filosofía del tiempo y del mundo
bien determinada, a saber: la pasión por el cambio. No sin razón, ya N.
Wiener (1995) distinguía entre sociedades de conservación y sociedades de
innovación; por derivación, digamos, organizaciones, instituciones, empresas,
universidades y comunidades en general de conservación y de innovación.

La innovación constituye, a todas luces, el rasgo más destacado de la
investigación científica -y otras, como la artística–, en general. Sin desconocer,
en absoluto, la importancia de la innovación incremental, el tema de fondo
en todo este análisis es la innovación radical; esto es, la introducción, por
primera vez en la historia de la humanidad, de un producto, un servicio,
un conocimiento. En otras palabras, el tema de base aquí es el de correr
las fronteras del conocimiento, un tema amplio sobre el cual existen tanto
indicadores como estudios y conceptos, mecanismos y políticas, a la vez que
circunstancias de tipo personal, social y cultural. No en última instancia los
temas y problemas en este contexto hacen referencia a cuestiones como
innovación social, innovación en organización, de canal, marca y otros
semejantes. En este terreno al mismo tiempo confluyen y se diferencian
áreas como la ciencia, las políticas educativas, la administración y la política,
en fin, la sociología y la economía, principalmente.
Sin duda alguna, la marca de calidad de un fenómeno o sistema cualquiera

es el cambio, pero con el reconocimiento explícito de que el cambio introduce,
o puede introducir, transformaciones inesperadas y acaso indeseadas en el
sistema en consideración. Simple: un fenómeno o sistema que no cambia
no se adapta a los cambios –generalmente provenientes del exterior–. En
términos evolutivos, un fenómeno semejante puede encontrarse en peligro de
extinción o tornarse endémico. Pero, consiguientemente, tampoco es capaz
de innovar, y no ya simplemente de adaptarse a las dinámicas y procesos del
entorno. La adaptación es el resultado de demandas de selección, de acuerdo
con la teoría de la evolución, pero a su vez, es insuficiente puesto que significa
exactamente que el fenómeno es reactivo al entorno, pero carece aún de la
capacidad para modificar el entorno al cual se adapta. Carece, digamos, de
iniciativa. La innovación es el rasgo mediante el cual un sistema o fenómeno
toma sus propias iniciativas y le plantea retos al entorno en general, dejando
así, por lo menos de manera provisional, la reacción al entorno.
La ciencia existe en el mundo contemporáneo de una forma específica,

que nunca había tenido antes en la historia de la humanidad, a saber: como
investigación. Y la investigación descansa en productos. Son productos
de investigación artículos científicos (papers), capítulos de libro, libros,
patentes y otros semejantes. En este sentido, como es suficientemente
sabido, la investigación se lleva a cabo mediante la participación en redes
de investigación (circuitos de conferencias, seminarios, congresos, etc.) y con
la elaboración de diferentes clases de indicadores de investigación; esto es,
ulteriormente, indicadores de innovación. No en última instancia, una arista
que surge aquí es la del impacto de la investigación, con el reconocimiento
explícito de que existen numerosas formas de evaluar el impacto, y no
siempre sucede en términos efectistas y a corto plazo.

Conclusiones
Las ciencias, disciplinas, prácticas y oficios se caracterizan, todos, por una
cierta heurística –esto es, su capacidad de resolución de un problema
determinado y, dicho de manera genérica, un problema cada vez, en cada
momento, según la circunstancia–. El concepto de heurística en este sentido
fue formulado originariamente por I. Lakatos en el contexto de la formulación
de programas de investigación y de criterios de demarcación entre ciencias y
disciplinas. De manera puntual, la heurística se caracteriza por la capacidad
de formular o identificar un problema y los medios y procesos posibles o
necesarios para resolverlo. Sin ambages, esto es característica a la ciencia
normal –en el sentido kuhniano de los criterios de demarcación entre ciencias
y disciplinas. De manera puntual, la heurística se caracteriza por la capacidad
de formular o identificar un problema y los medios y procesos posibles o
necesarios para resolverlo. Sin ambages, esto es la característica a la ciencia
normal –en el sentido kuhniano de la palabra (Kuhn, 1996)–. Otra vía clásica,
en esta dirección es el trabajo maravilloso adelantado por G. Polya en su
How to solve problems - Cómo plantear y resolver problemas, originalmente
publicado en 1945.
Posteriormente, en particular en el contexto del desarrollo de la teoría de

la complejidad computacional emergen las metaheurísticas (pero ese es otro
tema que merece un espacio propio, aparte y del cual nos ocuparemos en un
próximo artículo). Por lo pronto, digamos que estas se ocupan de conjuntos
de problemas y la búsqueda de espacios de solución –a lo cual apunta el
Esquema 1–. Como quiera que sea, con este texto he querido demostrar
qué y cómo los problemas P =! NP constituyen la médula de los temas y
problemas relativos a investigación. Con ello, en realidad, se produce un
desplazamiento radical de la metodología de la investigación hacia la lógica
y las matemáticas.

Esquema 1: Isomorfismos de problemas
La dificultad -en rigor la tragedia- en ciencia como en la vida estriba
en el hecho de que habitualmente, con las razones y motivos que se
quieran, generalmente abordamos siempre primero los problemas fáciles
y posponemos los problemas difíciles. La dificultad enorme surge con el
reconocimiento de que los problemas difíciles son, al cabo, los verdaderamente
relevantes, y que cuando los atacamos, entonces, en numerosas ocasiones,
puede ser ya muy tarde.
El Esquema 1 sugiere que en lugar de trabajar en términos de heurística,

mejor vale la pena identificar conjuntos de problemas. Una manera de
identificar conjuntos o clases de problemas es mediante el isomorismo de
los problemas considerados, por ejemplo.
Al trabajar con un conjunto de problemas se abordan espacios de solución.

Con el reconocimiento explícito de que al trabajar con espacios de solución
no siempre se abordan o se resuelven todos los problemas. En el Esquema
1, es lo que se quiere precisar en el tiempo 1 (t1). En este tiempo se abordan
conjuntos de problemas y se buscan espacios de solución (por tanto no ya:
un problema en cada momento, o un problema por prioridad, etc.). a, b y c
quieren significar que son algunos de los problemas que quedan sin resolver
en el t1. Entonces, esta clase de problemas, identificados por ejemplo en
función de simetrías o asimetrías y no únicamente de isomorismos, pueden,
conjuntamente con otros aines o semejantes, ser abordados en un t2.
Siempre, por razones de orden lógico, temporal o de recursos, por ejemplo,

quedará un pequeño grupo de problemas sin resolver. Pero cuando se trabaja
en términos de conjuntos de problemas, con toda seguridad se innova y se
resuelven problemas mucho mejor que si se lo hace analíticamente.

El t2 designa un pequeño grupo de problemas que han quedado
irresolutos –por las razones que se quiera– pero que comparte un cierto
rasgo de familiaridad. Se los designa aquí como i, j, k.
Pues bien, son esta clase de problemas, conjuntamente con otros

semejantes, los que se trabajarán en un tiempo t3. Y así sucesivamente.
Como se aprecia, en el esquema los elementos e, f, g, designa al pequeño
conjunto –subconjunto, en realidad–, de los que no han sido en ese momento
abordados en el t3 y que quedarían para el momento o tiempo siguiente.
La explicación y la interpretación no es difícil, como se aprecia. Y sin

embargo, en ese dominio genérico que se denomina metodología de la
investigación jamás se ha considerado la incorporación de los problemas P vs.
NP, un problema que como se aprecia, aporta nuevas luces en la formulación
de proyectos de investigación y en el desarrollo de la investigación. Hasta la
fecha la atención se ha concentrado en otros aspectos, y no siempre en el
más sensible de todos a la hora de investigar: la identificación o formulación
de problemas. Digámoslo eufemísticamente: el problema de la investigación.
Como es sabido por parte de académicos, investigadores y gestores del

conocimiento, el proceso más difícil y apasionante de todos, y el que toma
más tiempo, es, de lejos, el de la identificación o formulación del problema. He
querido aquí intentar allanar el camino señalando ante la mirada un territorio
generalmente desconocido y por tanto inexplorado en la metodología de la
investigación científica.
Pero es preciso hacer una observación puntual: una vez que se entra
en los problemas P =! NP, el continente en el que nos encontramos es, de
manera específica, el de los entrelazamientos y retroalimentaciones entre
matemáticas, lógica y computación. Y en términos generales, más amplios,
el dominio que se erige ante la mirada es el de la complejidad, esto es, el de
las ciencias de la complejidad. Cabe decir, sin ambages, que en el estudio de
los sistemas fenómenos y comportamientos caracterizados por complejidad
creciente, los problemas originariamente formulados por Cook, Karp y Levin
–pero que han sufrido desarrollos maravillosos hasta la fecha–, constituyen,
si cabe la expresión, la columna vertebral de todos los temas y problemas de
complejidad.
Dicho de manera puntual: frente a los problemas P vs. NP, cualquier otra
preocupación en el contexto de la complejidad del mundo, la sociedad y la
naturaleza es quizás derivada o subsidiaria de este, que con justa razón ha
sido incluido entre los problemas del milenio.

• Carlson, J., Jaffe, A., and Wils, A. (Eds.) (2006). The Millenium Problems.
Cambridge, MA: Clay Mathematics Institute-American Mathematical
Society.
• Cook, S. (1971). “The complexity of theorem-proving procedures”, en:

Conference Record of Third Annual ACM Symposium on Theory of
Computing, New York: ACM, págs. 151-158.
• Deolalikar, V. (2010). P ≠ NP. HP Research Labs, Palo Alto, California.
• Devlin, K. (2002). The Millenium Problems. The Seven Greatest Unsolved

Mathematical Puzzles of Our Time. New York: Basic Books.
• Gray, D. (2005). El reto de Hilbert. Los 23 problemas que desafiaron a la

matemática. Barcelona: Crítica (original, 2000, Oxford University Press).
• Karp, R. M. (1972). Reducibility among combinatorial problems, en:

Complexity of Computer Computations, Miller, R. E., and Thatcher, J. W.,
(eds.), New York: Plenum Press, págs. 85-103.
• Kuhn, Th. (1996). Estructura de las revoluciones científicas. México: F. C. E.
• Levin, L. (1973). Universal Search Problems (en ruso), Problemy Peredachi

Informatsii 9 [Problemas de información de la comunicación, C. E. M.],
págs. 265-266. Traducción al inglés en. Trakhtenbrot, B. A., A Survey of
Russian Approcahes to Perebor (bruteforce search) algorithms, en:
Annals of History of Computing (1984), págs. 384-400.
• Lipton, R. J., (2010). The P = NP Question and Gödels Lost Letter. New York:
Springer Verlag.
• Maldonado, C. E. (2012a) “¿Qué son las ciencias de la complejidad? Filosofía

de la ciencia de la complejidad”, en: Maldonado Derivas de complejidad.
Fundamentos científicos y filosóficos, Maldonado, C. E. (Ed.), Bogotá, Ed.
Universidad del Rosario, págs. 7-102.f
• Maldonado, C. E., Gómez Cruz, N. (2012b). “Biological Hypercomputation:

A Concept is Introduced”, en: 2nd International Conference on Complex
Systems, Santa Fe, NM, diciembre (en prensa).

• Maldonado, C. E., Gómez-Cruz, N. (2011). “Facing N-P Problems via Artificial
Life: A Philosophical Appraisal”, en: Kampis, G., Karsai, I., and Szathmáry,
E., (Eds.), ECAL 2009, Part II, LNCS 5778, págs. 216-221, Berlin: Springer
Verlag.
• Polya, G. (1965). Cómo plantear y resolver problemas. Madrid: Ed. Trillas.
• Wiener, N. (1995). Inventar. Barcelona: Tusquets.

6 UNA REFLEXIÓN CRÍTICA SOBRE LA
CULTURA DE RANKINGS E INDICADORES
Introducción
Sociológicamente hablando, el final del siglo xx conoce el tránsito del
capitalismo posindustrial a la sociedad de la información (Castells, 1996).
En este cambio, en plena guerra fría, nace la cienciometría —ciencia de
segundo orden o, también, medición cuantitativa de la ciencia, prima facie—,
con el Manual de Frascati (2012) de la Organización para la Cooperación
y el Desarrollo Económicos —OCDE— 1963, con posteriores revisiones y
actualizaciones). Al Manual de Frascati le siguieron el Manual de Oslo (1993) y
el Manual de Canberra (1997). Para Iberoamérica y América Latina, se crearon
posteriormente el Manual de Lisboa, el Manual de Santiago y el Manual de
Bogotá.
El capitalismo informacional y la sociedad del conocimiento responden

ambas al hecho de que la información en general y el conocimiento han
crecido de manera hiperbólica, literalmente. Jamás había habido tantos
académicos, científicos, ingenieros e investigadores como en nuestros
días. Al crecimiento y expansión de la información y el conocimiento, la
cienciometría responde con mediciones de tipo cuantitativo, sencillamente
porque por primera vez es posible, es deseable y es necesario medir la ciencia
y cómo se hace, al igual que todo su arsenal y expresiones.
Pues bien, en la transición hacia el capitalismo informacional, emergen

diversos escalafones, centrados específicamente en la cantidad y la calidad
de universidades, luego también de programas, escuelas y facultades, y más
recientemente de los propios profesores e investigadores. En general, el
espectro de escalafones también se amplía en el plano del conocimiento a los
tanques de pensamiento (Think Tanks; Think Tanks Watch, 2016), destacando
en todos los casos la importancia que la información y el conocimiento
adquieren en las sociedades y en el mundo contemporáneos. La sociedad
de la información da lugar luego a la del conocimiento, que es propiamente
la de los años 2000, hasta llegar a la actualidad, cuando se habla también de
la sociedad de redes.

Tecnológicamente, estas transiciones consisten en el paso de las
tecnologías de la información y el conocimiento —tic— a las tecnologías
convergentes: NBIC+S, a saber: la nanotecnología, la biotecnología, las
tecnologías de la información, las tecnologías del conocimiento, y la dimensión
social de las tecnologías y del conocimiento. Pues bien, justamente en este
último sentido se trata del tránsito de la web 2.0 a la 3.0, hasta la discusión en
curso acerca de la eventual web 4.0. Dicho de manera puntual, consiste en
la importancia de las redes sociales de todo orden y el internet de las cosas
(Internet-of-Things —IoT—).
Este texto quiere ser una reflexión sobre la primera década del índice H.
La tesis que queremos sostener es que este representa la arista más aguda
de un fenómeno más general que está transformando la economía mundial,
y el orden interno e internacional de las sociedades y los países. Sin embargo,
esta transformación no puede en absoluto ser asumida como una cuestión
de hecho.
Este estudio se concentra en un aspecto puntual de los procesos

mencionados: en el índice H, uno de los indicadores cada vez más importantes
en términos de prestigio, reconocimiento y gestión del conocimiento.
El editorial se compone de cuatro partes: en la primera, presentamos y
discutimos el índice H en una perspectiva multidimensional y cruzada. En
la segunda sección discutimos índices cuantitativos alternativos. El tercer
parágrafo presenta y discute el debate internacional sobre el índice H y las
métricas. Finalmente, la cuarta parte se concentra en las implicaciones del
índice H en América Latina, con algún énfasis particular en Colombia.
El índice H: una definición en palabras

Existen diversas clases de indicadores y escalafones en cienciometría. El
índice H consiste en una medición de cada autor, y mide al mismo tiempo la
productividad y el impacto de cada investigador. Formulada originalmente por
Jorge Hirsch en el 2005, arroja luces acerca del impacto de las publicaciones,
y permite establecer redes de coautoría, intereses e impacto.
Esta indicación exige hacer explícita una distinción: de un lado, cabe

identificar a la comunidad académica, conformada esencialmente por
profesores en los distintos escalafones al interior de cada universidad; de otra
parte, al mismo tiempo, cabe distinguir a la comunidad científica, consistente
en los investigadores de los institutos, centros y facultades de una universidad,
por ejemplo. Ahora bien, es perfectamente posible que un miembro de
la comunidad científica sea al mismo tiempo miembro de la comunidad
académica, pero lo contrario no se implica en modo alguno con necesidad.

Esta distinción supone el reconocimiento explícito de que los profesores
llevan a cabo una labor social y culturalmente determinante, a saber: socializar
el conocimiento y permitir la apropiación social de lo mejor de la ciencia —
en sentido amplio e incluyente— ante estudiantes, miembros de la sociedad
civil, y representantes del sector público y privado. Por su parte, es propio
de los investigadores darse a la tarea de (intentar) correr las fronteras del
conocimiento. Pues bien, el índice H se aplica en propiedad a los miembros
de la comunidad científica (véase Radicchi & Castellano, 2013).
El primer reconocimiento explícito del índice H es el siguiente: cuanto

mayor sea el número de artículos importantes (en el sentido de su cantidad de
citas) de un investigador, tanto mayor será el índice H, independientemente
de dónde haya sido publicado el trabajo.
Existen tres escalas del índice H: el de InCites Journal Citation Reports,

de Clarivate Analytics —jcr—, el de Scopus (Elsevier) y el de Google Scholar
(llamado propiamente Google Scholar Citations —gsc—). Cuando se los ve
sucesivamente, el siguiente en la lista es más incluyente, de suerte que:
GSC Scopus JCR-Clarivate Analytics
La relación de inclusión o pertenencia mencionada quiere significar que

el más cerrado de los indicadores mencionados es jcr; luego, con respecto a
este, es más incluyente Scopus; y este, a su vez, fue integrado o ampliado por
parte del GSC. El índice H de Google Scholar Citations es el más incluyente,
puesto que tiene en cuenta no solamente artículos publicados en revistas
JCR o en Scopus, sino, también, artículos de calibre menor (registrados en
bases de datos y sistemas de indexación diferentes a los de JCR y Scopus),
por así decirlo, capítulos de libros, libros e, incluso, productos de socialización
del conocimiento (Research Gate, 2014).
Específicamente, el índice H expresa el impacto, esto es, el número

de citaciones que los trabajos de un profesor han tenido. No se tienen en
cuenta, por tanto, las revistas o las editoriales en las que ha publicado, lo
cual aporta una idea más sólida acerca de la importancia de su investigación,
independientemente de lo que podría ser considerado un criterio de
autoridad (la revista, la editorial).
Implícitamente, lo que se encuentra aquí es, en verdad, la distinción entre

la comunidad académica y la comunidad científica (en inglés, el acceso al
índice H se dice: “Google Scholar”, que aparece traducido en español como
“Google Académico”. Sin embargo, en rigor, un scholar es un profesor o un
investigador, y no simple y llanamente un “docente”). Alguien forma parte
de la comunidad académica si lleva a cabo una labor social y culturalmente

determinante, a saber: contribuir a la apropiación social del conocimiento,
y, por tanto, a su socialización. Desde luego, es perfectamente posible que
un profesor-que-hace-docencia (“miembro de la comunidad académica”)
escriba y publique textos.
Por el contrario, alguien forma parte de la comunidad científica si,

sobre la base de algunos títulos de formación de alto nivel —en particular
el doctorado (Ph.D.)—, esta persona dedica sus mejores esfuerzos a tratar
de correr las fronteras del conocimiento. En consecuencia, su trabajo
consiste en la escritura y la publicación de textos en revistas llamadas de
alto impacto —además de libros y capítulos de libro, principalmente—, pero
es efectivamente posible que también escriba y publique en medios de
distintos calibres y envergaduras. No en última instancia, aquí también cabe
la producción de innovación, que se traduce en registro de obras y patentes.
En los marcos de la sociedad del conocimiento, la calidad de vida y su

dignidad se definen en términos de una nueva economía política: la del
conocimiento. De esta suerte, dicho de manera sucinta, la calidad de vida
de los individuos en la sociedad del conocimiento se mide y se determina
en función de la producción, la circulación, la distribución, el consumo y
la acumulación de los bienes que produce dicha sociedad. Pues bien, los
bienes aquí son (primero) información y (luego también) conocimiento. Este,
queremos sostenerlo, es el marco genérico del índice H.
En síntesis, dicho índice constituye una medición incluyente de la calidad

de ciencia que se produce por parte de cada investigador, reconociendo que
cada uno puede —e incluso debe— producir textos para públicos diversos, de
calidades diferentes, con finalidades múltiples, y que existen efectivamente
medios y canales para que ello sea posible. En consecuencia, el índice H no
permite la separación, la distinción o la jerarquización entre la comunidad
académica y la científica, un tema social, cultural y políticamente sensible.
Esto no puede decirse igualmente de los otros dos índices mencionados, JCR
y Scopus, dado que consideran exclusivamente los productos reconocidos
por sus propias bases de datos.
Índices cuantitativos alternativos:

una discusión viva
Son cada vez más numerosas las universidades que como condición para la
contratación de nuevos profesores piden, de entrada, el índice H. Así mismo,
es habitual que cada vez más, en la presentación de un conferencista se
haga, además de una breve exposición de su hoja de vida y logros, referencia
al índice H que posee el profesor conferencista. A través de procesos como

estos, sin dejar de mencionar su relevancia desde el punto de vista de la
gestión del conocimiento en general, lo cierto es que la importancia y el
significado de este índice se extiende cada vez más en la vida social.
En efecto, si se tienen en cuenta los que son, quizás, los tres rankings más
prestigiosos, cada uno de ellos tiene en cuenta, entre otros factores, al índice
H. En efecto, el Ranking de Shanghai 500, el Times Higher Education —THE—
y el QS World University Ranking clasifican a las universidades considerando
adicionalmente el factor H. Hay una observación puntual, y es que el índice H
rige, por así decirlo, desde las universidades hasta las revistas y desde estas
hasta los investigadores individualmente considerados. Cabe hablar, en toda
la extensión de la palabra, de una cultura del índice H.
El debate en torno al alcance, el impacto y el significado del índice H

no tiene lugar sin consideraciones acerca de otros índices alternativos.
Pues bien, los más importantes alternativos pueden reunirse en tres grupos
principales, así:
1. De un lado, el grupo de empresas —e índices— más relevantes de

revistas que son importantes para las comunidades de profesores e
investigadores. Estas incluyen a Clarivate Analytics, Elsevier, Springer
Verlag, Taylor & Francis, entre otras, las cuales no contienen índices
por sí mismas, pero se adaptan a cualquiera de los dos anteriores.
Estas son las revistas de los grupos Wiley & Sons (Wiley Interscience),
Emerald y Sage. Es preciso señalar expresamente que todas son
empresas privadas. Google, el productor del índice H, también es
privada, pero cumple una función pública.
2. Un segundo grupo está definido por las revistas de BioMedCentral y

la Public Library of Science de libre acceso, entre otros.
3. Finalmente, el tercer grupo está constituido por bases de datos —no

ya indizadores—, como Ebsco, ProQuest, entre otros.
La discusión acerca de estos tres grupos tiene que ver con modos de
acceso al conocimiento, políticas de socialización de este, y calidad de
indizaciones e impacto de las publicaciones. En la mayoría de los casos, las
revistas e índices son disciplinares, y, frente a ellos, Google Scholar y Microsoft
Academics son eminentemente interdisciplinarias.
Sin la menor duda, la ventana del índice H es más amplia que cualquiera
de las de JCR y Scopus—las principales—, pues comprende artículos
indizados, capítulos de libros, libros y artículos en revistas de ciencia, filosofía
y pensamiento en general, aun cuando no se encuentren necesariamente en
bases de datos de indizaciones.
Esta circunstancia plantea, en el marco de la sociedad de la información
y del conocimiento, una contradicción debido a que, por primera vez, el
conocimiento no es de nadie. Sin embargo, con la excepción del Google
Scholar Citations, para acceder a todas las demás bases de datos hay que
o bien pagar, o bien trabajar en alguna organización o institución que, a su
vez, haya pagado para que sus trabajadores accedan a estas bases de datos.
Sin rodeos, esto es lo que algunos autores han denominado “capitalismo
académico”.
Hay que decir, por lo demás, que existe una gama amplia de métricas
de impacto académico. Algunas de las más conocidas son (Kaur, Radicci &
Menczer, 2013):
• El índice de Redner, que es la raíz cuadrada del número total de

citaciones de los artículos de un autor.
• El índice Hm que se ocupa de las citaciones de artículos de múltiples

autores.
• El índice g designa el mayor número de g artículo (una cifra) que

reciben conjuntamente g2 o más citaciones.
• El índice h i10 , elaborado también por Google Scholar, que se refiere a

los artículos que tienen más de diez citaciones
• El índice Hs que propone una normalización del índice H por el

promedio H de autores H en la misma disciplina.
Como se observa, existen varias variantes y alternativas al índice H, pero,

en el panorama que acabamos de mostrar, todas se fundan en, o pasan por
la importancia de, la fórmula originalmente desarrollada por Hirsch.
Por otra parte, la Comisión Europea ha planteado el plan Horizonte 2020

(Comisión Europea, 2014), en el que se propone abrir por completo el acceso
a las fuentes de información, una política manifiestamente dirigida en contra
de JCR y Scopus, como es sabido, a los cuales se puede acceder tan solo
por pago o compra de las bases de datos (por ejemplo, debido a políticas
nacionales, los investigadores argentinos no disponen normalmente de
artículos y revistas de JCR-Clarivate y Scopus-Elsevier).
Como se aprecia sin dificultad, las discusiones, las comprensiones y las

políticas en torno al índice H no son ajenas a las cuestiones mismas acerca
del libre acceso al conocimiento, un tema de la mayor importancia social,
cultural y política. De forma rápida y creciente, tanto los investigadores como

las universidades —vía los repositorios— y las revistas apuntan en la dirección
del open access, libre acceso al conocimiento y a la información.
Ahora bien, el índice H ha llegado a cobrar un impacto creciente en diversos

órdenes. Así, por ejemplo, en numerosas conferencias internacionales
y eventos académicos alrededor del mundo, es cada vez más habitual
que la presentación de un conferencista o profesor vaya acompañada
por la referencia que se hace a su índice H. Gracias a Internet es habitual
observar asistentes que en sus teléfonos inteligentes o tabletas buscan
inmediatamente el índice H referido, el cual es una muestra indudable
de calidad e impacto. Así mismo, en redes académicas, como Research
Gate y Academia.edu, es cada vez más habitual observar cómo una de las
condiciones para la contratación de nuevos profesores, antes incluso que su
cv, es el índice H. Este se erige como un sólido indicador que, si es verdad —y
Google Scholar así permite anticiparlo—, sienta las bases para la posterior
demanda de los documentos convenientes para el caso.
Sin embargo, quisiéramos concentrarnos en otro aspecto: el impacto del

índice H para los rankings internacionales, como Shanghai 500, qs y the.
La clasificación de universidades en términos de calidad y prestigio se

encuentra principalmente en los rankings Shanghai 500, que cada año elabora
la Universidad de Shanghai en China en agosto, el qs, una clasificación que
se elabora anualmente por parte de la Quacquarelli Simonds, una compañía
privada con sede en Inglaterra, y el the, una revista semanal británica con
sede en Londres. Existen, naturalmente, otros escalafones, pero sin duda
estos son los tres más importantes y prestigiosos de las universidades. Los
criterios de clasificación son diferentes entre sí, pero ello no constituye aquí
el centro de nuestro interés.
El ranking Shanghai 500 considera un criterio, aquí pertinente, a los

investigadores que son altamente citados, específicamente con artículos
tanto en Science y Nature, como en Journal Citation Reports. Por su parte,
el QS toma como uno de los criterios para sus escalafones el impacto de las
citaciones y el índice H, pero con base exclusivamente en Scopus. Finalmente,
el THE toma como uno de los criterios de calidad el promedio de registro de
citaciones (average citations score) por artículo, con base en el Scopus de
Elsevier. Como se aprecia, ninguno de estos escalafones incluye al gsc.
La actual influencia del índice H lo ha convertido en un objeto de estudio

en sí mismo y en una poderosa herramienta de investigación cienciométrica.
Una muestra reciente de ello fue el análisis efectuado por el “Scholarometer”
de la Universidad de Indiana, según el cual el científico más influyente de
toda la historia (según una versión ponderada por áreas de conocimiento

basada en Google Scholar) es Karl Marx (Van Noorden, 2013). En dicha lista
también figuran Sigmund Freud, el sociólogo Pierre Bourdieu y el físico
de Princeton Edward Witten. No obstante, un uso tan extendido de una
herramienta cuantitativa a lo largo del tiempo y del espacio no se iba a liberar
de un duro debate.
El debate internacional sobre H y las métricas:

los manifiestos de San Francisco (dora) y Leiden
Una muestra de la gran influencia internacional que están teniendo el índice H
y demás métricas derivadas de la citación es la resistencia que han generado.
Probablemente los dos movimientos internacionales más importantes de
debate al respecto son la Declaración de San Francisco sobre Evaluación de
la Investigación —dora— y el Manifiesto de Leiden sobre las Métricas de la
Investigación.
La dora se firmó el 16 de diciembre del 2012 en el encuentro anual de la

American Society for Cell Biology —ascb— principalmente como reacción
ante el uso generalizado y acrítico del factor de impacto de Thomson Reuters
(ahora Clarivate Analytics) como forma de evaluar la productividad de los
investigadores científicos. Surge de la recomendación general de no usar
las métricas basadas en las revistas (principalmente los factores de impacto)
como una medida que subroga la calidad de los artículos de investigación,
para efectos de evaluar las contribuciones individuales de los científicos con
diversos fines (por ejemplo, decisiones de selección, financiación o despido).
La dora incluye también recomendaciones específicas para cinco

actores del proceso de investigación científica: 1) las agencias financiadoras;
2) las instituciones (centros de investigación y universidades); 3) las
editoriales científicas; 4) las organizaciones que proporcionan las métricas;
5) los investigadores. Los firmantes originales de la Declaración fueron 155
individuos, principalmente investigadores, y 82 instituciones de Estados
Unidos y otros países, entre sociedades científicas, revistas especializadas,
institutos de investigación, editoriales y fundaciones. En el momento del
escrito (y luego de nuestro respaldo particular), se completaron 12 423 firmas
individuales y 825 organizacionales.
Por su parte, el Manifiesto de Leiden (Holanda) sobre métricas en la

investigación fue publicado en la revista Nature por cinco investigadores
reconocidos en los campos de la política científica y la cienciometría (Hicks,
Wouters, Waltman, de Rijcke & Rafols, 2015). Se trata de un conjunto de diez
principios, que han sido traducidos a nueve idiomas diferentes, con el fin de
promover la adecuada evaluación de la calidad de la investigación, y evitar el

mal uso indiscriminado y descontextualizado de las cada vez más populares
métricas, como el factor de impacto y el índice H. Las recomendaciones son
las siguientes:
1. La evaluación cuantitativa tiene que apoyar la valoración cualitativa

por expertos.
2. El desempeño debe ser medido según las misiones de investigación

de la institución, el grupo o el investigador.
3. La excelencia en investigación de relevancia local debe ser protegida.
4. Los procesos de recopilación y análisis de datos deben ser abiertos,

transparentes y simples.
5. Los datos y los análisis deben estar abiertos a verificación por los
evaluados.
6. Deben tenerse en cuenta las diferencias en las prácticas de publicación

y citación entre campos científicos.
7. La evaluación individual de investigadores debe basarse en la

valoración cualitativa de su portafolio de investigación.
8. Debe evitarse la concreción improcedente y la falsa de precisión.
9. Deben reconocerse los efectos sistémicos de la evaluación y los

indicadores.
10. Los indicadores deben ser examinados y actualizados periódicamente.
Aunque la dora muestra un tono más beligerante, la Declaración de

San Francisco y el Manifiesto de Leiden sin duda reflejan conjuntamente el
Zeitgeist crítico de la presente década ante la vigente hegemonía global de
los indicadores métricos, basados en citaciones, para la toma de decisiones
que afectan, de hecho, a los investigadores científicos. El reclamo básico y
común es la priorización de la calidad sobre la cantidad en la evaluación de
la producción investigativa. Cuando la cantidad prima sobre la calidad, los
riesgos éticos son muy altos (Pérez-Acosta & Amaya, 2017).

Pese a todas estas críticas, como parte de un proyecto financiado por la
Unión Europea, el Consejo Superior de Investigaciones Científicas —CSIC—
de España ha elaborado recientemente, con base en el índice H, otro ranking
de las más prestigiosas universidades y los investigadores más citados de
muchos países, el cual se encuentra en línea: Webometrics. Este toma como
punto de referencia el cruce entre Google Scholar Citations y Scimago. Se
está actualizando en promedio dos veces al año. Nuevos elementos de juicio
y comparación se toman por parte de gestores del conocimiento con base
en el escalafón de Webometrics. Esta, puede decirse, es la última fase, o
las más reciente, de la impronta del índice H y las métricas de la ciencia.
Dicha experiencia se extiende a numerosos países y áreas geográficas, como
veremos a continuación.
Implicaciones del problema en Latinoamérica

y Colombia
En términos de políticas macroeconómicas, en el contexto de la sociedad
del conocimiento y la construcción en marcha de la sociedad de redes cabe
una consideración. El marco último (¿o primero?) de todas las referencias
es la OCDE. Así, el grupo de países más desarrollados o, como se dice
eufemísticamente, los “países con buenas prácticas” sientan las bases para
un proceso—gradual— de estandarización de la cantidad y la calidad de los
sistemas de educación, y de investigación y desarrollo —I+D— .
Hacia abajo, el mensaje puede ser leído por los países que aspiran a
ser miembros de la OCDE como una exigencia de niveles de calidad. Hacia
arriba, por así decirlo, apunta a los desarrollos posibles ulteriores de los
países que representan lo mejor del sistema de libre mercado y los principios
democráticos. Y hacia adentro, en medio de la crisis que viven los países
desarrollados más importantes (el techo de la deuda interna de Estados
Unidos, la crisis financiera europea, etc.), se trata de mantener los estándares
y los indicadores como condiciones de excelencia y ejemplo.
En el caso de Colombia y de América Latina, los sistemas de métrica

apuntan a perfeccionar el conocimiento —innovación, ciencia y tecnología,
patentes, revistas de alto impacto, formación de doctores (Ph.D.) y demás—
como el mecanismo más idóneo tendiente al mejoramiento tanto de
condiciones de la sociedad en general, como del propio sistema productivo.
El conocimiento en general está en función del desarrollo y el crecimiento
económicos de los países (Maldonado, 2005).

Latinoamérica siempre ha sido una de las periferias de la ciencia en
el mundo. Sin embargo, la región poco a poco se ha convertido en una
autopista de doble vía en relación con asuntos de investigación científica
y tecnológica: por un lado, sigue siendo consumidora y receptora de las
tendencias hegemónicas, incluyendo ahora la cultura de las métricas y el
índice H. Por otro lado, ha promovido iniciativas de acceso abierto a la ciencia
y la visibilización de la investigación en los países en vías de desarrollo, como
es el caso del portal SciELO.
Justamente este portal permite el acceso al primer estudio que hemos

detectado de factor de impacto de las revistas científicas latinoamericanas,
publicado en la Revista Médica de Chile (Téllez-Zenteno, Morales-Buenrostro
& Estañol, 2007). Curiosamente, este análisis pionero resultó bastante
sesgado pues no incluyó las ciencias sociales (medidas en el Social Sciences
Citation Index) y optó por examinar las revistas por países que tienen más
de una revista en el Science Citation Index: Argentina, Brasil, Chile y México.
Extrañamente dejó a Colombia por fuera, país que en el 2004 contaba con
más de una revista en el sci de Thomson (actual Clarivate Analytics). Con
todo, su conclusión es que no había diferencias significativas entre los
factores de impacto comparados entre países, así publicaran artículos en
inglés. Probablemente este resultado no hubiera cambiado con la inclusión
de las revistas colombianas con factor de impacto.
Si tenemos en cuenta que el índice H se lanza en el 2005, era predecible

que un estudio sobre índice H de revistas latinoamericanas surgiera hasta
la presente década. Efectivamente, en el 2013, Romero-Torres, Acosta-
Moreno y Tejada-Gómez publicaron el primer estudio sobre H y revistas,
particularmente las colombianas. Ellos analizaron 211 revistas incluidas en la
Base de Datos Nacional Publindex de Colciencias. Encontraron que el índice
H resultó ser el mejor indicador para generar un ranking por cuartiles de
170 revistas de la muestra, que es homologable al ranking por cuartiles del
Scimago Journal Rank —sjr— de Scopus-Elsevier.
El estudio de Romero-Torres et al. (2013) sirvió de insumo para el nuevo

modelo de medición de la calidad de las revistas científicas colombianas,
es decir, la nueva edición del Publindex de Colciencias, que fue lanzado en
agosto del 2016. En este se combinó el uso de H5 de Google Scholar Metrics,
para las revistas emergentes promisorias, con la propuesta de la comunidad
científica local (que incluye la firma de uno de los autores de esta nota
editorial) de homologar los cuartiles del factor de impacto de Clarivate
Analytics (Journal Citation Reports) y de Scimago Journal Rank (basado en
Scopus de Elsevier) con las clasificaciones de revistas, así: A1 (Q1), A (Q2), B
(Q3) y C (Q4), para aquellas revistas colombianas que están ya incluidas en el
Journal Citation Reports o en Scopus.

La decisión estatal de Colciencias —el organismo colombiano de ciencia
y tecnología— de integrar estas métricas globales (factor de impacto JCR,
SJR y H5 de Google Scholar) no solo impactará la evaluación de las revistas
científicas, sino también todo el Sistema Nacional de Ciencia, Tecnología e
Innovación de Colombia —Scienti— en la evaluación y la categorización de
los grupos de investigación y de los investigadores individuales, con todas las
consecuencias institucionales y particulares que ello acarrea. Esta situación
ha generado un profundo malestar, a saber: las ciencias sociales y humanas
se miden con el rasero de las ciencias clínicas, básicas y experimentales.
Precisamente el índice H tiene ahora un importante impacto para la

medición de la productividad de investigadores en Latinoamérica, por cuenta
de Webometrics. Esta empresa originalmente genera un ranking mundial de
universidades basado en la visibilidad en la web, pero desde hace un par de
años ha comenzado a generar rankings individuales, basado en el índice H
de los perfiles públicos de Google Scholar. Además de exhibir los autores más
citados, Webometrics tiene organizados los listados básicamente por países.
Entre los latinoamericanos están: Argentina, Brasil, Bolivia, Chile, Colombia,
Costa Rica, Cuba, Ecuador, El Salvador, Guatemala, Honduras, México,
Nicaragua, Panamá, Paraguay, Perú, Puerto Rico, República Dominicana,
Uruguay y Venezuela.
No cabe la menor duda: Google Scholar ha emergido como “la caja

de Pandora académica” (Oriduña-Malea, Martín-Martín & López-Cozar,
2016). Los desempeños académicos e investigativos, y por consiguiente
profesionales, adquieren de repente visibilidad, transparencia y objetividad y
no son elaborados “a la medida” (taylor-made). Manifiestamente, el sistema
académico y de investigación ha cambiado. Para emplear la expresión,
el índice H, las métricas de Google Scholar y otras, y los indicadores y los
escalafones llegaron para quedarse.
Los estándares de una o dos generaciones científicas y académicas hacia

atrás eran diferentes, manifiestamente más cualitativos. Con la cienciometría
los parámetros cambiaron radicalmente. La perspectiva cualitativa persiste,
pero ahora la acompañan indicadores cuantitativos. La ecuación de Hirsch
constituye una expresión conspicua al respecto. De cara a los estándares
del pasado, la verdad es que grandes nombres del mundo académico
sencillamente no figuran o sus indicadores —índice H— son muy bajos.
Igualmente, los parámetros que otrora se usaban—hasta no hace mucho
tiempo, digamos 10, 15 o 20 años a lo sumo— han dejado de ser necesarios
e, incluso, valederos. Asistimos, tirios y troyanos, a verdaderas fuentes de
sorpresas.

Conclusiones
En esta nota editorial se ha discutido la importancia y el impacto del índice H
y se lo ha comparado con otros indicadores semejantes. La conclusión es que
dicho índice es más incluyente, permitiendo un vaso comunicante entre la
comunidad académica y la científica. Sin embargo, al mismo tiempo, el índice
H ha contribuido a modificar sustancialmente los parámetros, estándares e
indicadores que fueran válidos hasta hace algunos pocos lustros. “El sistema”
—literalmente Google— registra las acciones y las cuantifica. Técnicamente
hablando, el aprendizaje de máquinas (machine learning) constituye un
catalizador que conduce de la tercera a la cuarta revolución industrial. Los
académicos y los científicos son al mismo tiempo objeto y medios de esta
revolución industrial en curso.
Ya hoy no es suficiente con tener una maestría o un doctorado.

Adicionalmente, las demandas y las exigencias de producción y productividad
van en aumento, y, con ellas, la participación real en redes nacionales e
internacionales de cooperación científica. Pues bien, el catalizador y el
medidor de estas nuevas políticas es el índice H. De manera creciente
pero consolidada, los países, las universidades y la propia comunidad de
investigadores se refiere, necesariamente, al índice H como un referente
necesario, en ocasiones más aséptico o con tonos críticos.
Se manifiesta que no todas las acciones de investigación, ni todos los

planes de gestión del conocimiento pueden determinarse por el índice H.
Sin embargo, es igualmente cierto que no es posible hacerlo, trabajar y vivir
sin o al margen del índice H. Hay aspectos de inclusión, pero también de
discriminación latentes en esta medida cienciométrica. Lo determinante,
desde el punto de vista de una sociología del conocimiento y de las políticas
de ciencia y tecnología, es que el índice H se encuentra cada vez más
estrechamente entrelazado con los planes y las acciones de libre acceso al
conocimiento (open access). Así, los criterios mediante los cuales alguien
se encuentra incluido o no en los rankings y escalafones es objeto de una
mirada pública, en la que, para una visión atenta, aparecen los productos, sus
calidades, los medios de publicación y el impacto que han tenido. Asistimos
al nacimiento de una época de mucha luz, de más y mejor información y
ciencia —todo ello, aparentemente, con transparencia y objetividad—.
El índice H es justamente eso: una luz sobre la forma como los científicos
definen su vida, pero, al mismo tiempo, indirectamente, sobre las culturas
organizacionales a nivel micro (universidades) o macro (países) favorables a
la ciencia y la tecnología, esto es, a más y mejor conocimiento.

• Castells, M. (1996). La era de la información. Economía, sociedad y cultura.
Vol. 1. México D.F.: Siglo XXI Editores.
• Comisión Europea (2014). Horizon 2020 en breve. El programa marco de

investigación e innovación de la Unión Europea. Recuperado de https://
ec.europa.eu/programmes/horizon2020/sites/horizon2020/files/H2020_
ES_KI0213413ESN. pdf
• Hicks, D., Wouters, P., Waltman, L., de Rijcke, S. & Rafols, I. (23 de abril del
2015). The Leiden Manifesto for research metrics. Nature, 520, 429-431.
Recuperado de http://www.nature. com/polopoly_fs/1.17351!/menu/main/
top-Columns/topLeftColumn/pdf/520429a.pdf
• Hirsch, J. E. (2005). An index to quantify an individual’s scientific research

output. Proceedings of the National Academy of Sciences of the United
States of America, 102(46), 16 569-16 572. DOI: 10.1073/pnas.0507655102.
• Kaur, J., Radicchi, F. & Menczer, F. (2013). Universality of scholarly impact

metrics. Journal of Informetrics, 7, 924-932.
• Maldonado, C. E. (2005). CTS + P. Ciencia y tecnología como política pública

y social. Bogotá: Universidad Externado de Colombia/Observatorio
Colombiano de Ciencia y Tecnología. Orduña-Malea, E., Martín-Martín,
A., Ayllón, J. M. & López-Cozar, E. D. (2016). La revolución Google Scholar.
Destapando la caja de Pandora académica. Granada: UNE.
• Organización para la Cooperación y el Desarrollo Económicos —

OCDE— (2012). Frascati Manual: proposed standard practice
for surveys on research and experimental development. 6.ª ed.
Recuperado de http://www.oecd.org/sti/inno/frascatimanualproposed
standardpracticeforsurveysonresearchand experimentaldevelopment
6thedition.html
• Pérez-Acosta, A. M. & Amaya, L. (2017). Editorial: retos contemporáneos a

la ética en el proceso de la publicación científica. Avances en Psicología
Latinoamericana, 35(3), 427-431.
• Radicchi, F. & Castellano, C. (2013). Analysis of bibliometric indicators for

individual scholars in large data set. Scientometrics, 97, 627-637.

• Research Gate (2014). Which indexing service is good from the following:
Scopus, Thomson Reuters ISI, Google Scholar? What are the advantages
and disadvantages of each? Recuperado de https://www.researchgate. net/
post/Which_indexing_service_is_good_from_the_following_Scopus_
Thomson_Reuters_ISI_Google_ Scholar_What_are_the_advantages_
and_disadvantages_of_each#view=-579b734793553b35193316d6
• Romero-Torres, M., Acosta-Moreno, L. A. & Tejada-Gómez, M. A. (2013).

Ranking de revistas científicas en Latinoamérica mediante el índice
h: estudio de caso Colombia. Revista Española de Documentación
Científica, 36(1), e003. doi: http://dx.doi.org/10.3989/redc.2013.1.876
• Téllez-Zenteno, J., Morales-Buenrostro, L. & Estañol, B. (2007). Análisis del

factor de impacto de las revistas científicas latinoamericanas. Revista
Médica de Chile, 135(4), 480-487.
• Think Tank Watch (27 de enero del 2016). 2016 think tanks rankings – Cheat
sheet. Recuperado de http://www.thinktankwatch.com/2016/01/2016-
think-tank-rankings-cheat-sheet.html.
• Van Noorden, P. (6 de noviembre del 2013). Who is the best scientist of

them all? Nature. Recuperado de http://www.nature.com/news/ who-is-
the-best-scientist-of-them-all-1.14108.

7 COMPLEJIDAD Y CIENCIAS SOCIALES
DESDE EL APORTE DE LAS
MATEMÁTICAS CUALITATIVAS
Introducción
Las ciencias de la complejidad en general se iniciaron en el marco de las
ciencias llamadas “duras” –la física, la química, la biología, las matemáticas
y los sistemas computacionales e informacionales–, pero, desde su origen,
no solamente han reconocido que los sistemas de que tratan esas ciencias
son en realidad bastante más simples que los de las ciencias sociales, sino,
precisamente por ello, han avanzado también en dirección al estudio de
los sistemas sociales humanos con herramientas, lenguajes, metodologías
y enfoques propiamente complejos. Con ello, no solamente las ciencias de
la complejidad han ganado extensión y fortaleza sino, lo que es aún más
significativo, la comprensión de los procesos, estructuras y dinámicas de
los sistemas sociales humanos se han enriquecido enormemente y han
ganado universalidad asimilándose, a la par, sin más ni más con los sistemas
que estudian las ciencias positivas, exactas y naturales (para decirlo con el
lenguaje propio del siglo XIX).
En particular, las matemáticas cualitativas –matemáticas de los sistemas

complejos adaptativos– han aportado nuevas, sugestivas y sorprendentes
luces a la complejidad de las ciencias sociales. Al cabo, para decirlo de
manera directa, ha habido el reconocimiento explícito de que los sistemas
sociales humanos son los más complejos imaginables. De lejos, bastante
más complejos que los sistemas biológicos, que los sistemas físicos o que
los sistemas y procesos químicos. Esto, desde luego, ya se intuía –si se
quiere, desde “siempre”. Pero en ciencia y en filosofía –mejor: en buena
ciencia y en buena filosofía, la intuición no es suficiente: hay que demostrar,
efectivamente, que las ciencias sociales son de una envergadura y una
arquitectura compleja bastante mayor y magnífica que la de las ciencias
naturales y positivas.
Con esto, no se trata, en absoluto, de invertir el dualismo –esta vez a favor de

las ciencias sociales. Por el contrario, se trata de trabajar en la dirección de
la complejidad: que es, básicamente, la de un trabajo denodado por superar

el dualismo, el pensamiento binario, imperantes a lo largo de la historia de la
humanidad occidental. Sólo que este esfuerzo de superación del dualismo
restituye, por así decirlo, por primera vez, la dignidad y el valor de las ciencias
sociales. En esta historia, las matemáticas cualitativas o matemáticas de la
complejidad desempeñan un papel protagónico. Se trata, sencillamente, de
incorporar estructuras, experiencias, aprendizajes y procesos matemáticos
en un terreno que, por diversas razones, estuvieron al margen: las ciencias
sociales y los sistemas sociales humanos.
I
Desde la antigüedad griega, originándose con seguridad en la escuela
Pitagórica, hasta hace muy poco, los matemáticos trabajaron con un
tipo determinado de entidades: los números1. Lo demás, fue el trabajo de
operaciones entre números y posteriormente de relaciones entre ellos. Así
surgieron, por ejemplo, la aritmética y la geometría, el álgebra, y el cálculo
integral y diferencial. Con base en esta tradición, usualmente se creyó –y se
hizo creer–, que las matemáticas consistían en trabajo con números, fórmulas
y ecuaciones de distinto tipo. En rigor, la matemática nace con Descartes, que
es quien unifica, por primera vez a las dos áreas fundamentales de trabajo
con la mathema: el álgebra y la geometría analítica, su propia invención.
Sin embargo, en el curso del siglo XX surgieron otro tipo de

matemáticas –en plural, en contraste con la matemática tradicional. Estas
nuevas matemáticas se conocen como “matemática moderna”, “nuevas
matemáticas” o “matemáticas cualitativas”. La cuna en la que se incuban
estas matemáticas es la topología, entreabierta originariamente por H.
Poincaré, pero posible efectivamente gracias a S. Smale, su verdadero padre.
En cualquier caso, los desarrollos más importantes de la topología giran
acreedor de la obra y nombre de W. Thurston. En consecuencia, en lo sucesivo
se trató cada vez menos de estructuras y espacios fijos, y sí mucho más, cada
vez, de topologías, cambios de espacios, formas, redes y relaciones. El punto
arquimédico puede, así ser identificado como el acceso a, y la preferencia
por el trabajo por, las funciones (notablemente, a partir de las funciones
continuas sin tangentes, y lo que se deriva de las mismas); en realidad, el
tema es y será en lo sucesivo el trabajo con funciones, sistemas y conjuntos.
1
Este artículo es un avance de un proyecto de investigación que adelanto actualmente en la Universidad
del Rosario, gracias al apoyo del FIUR, sobre sistemas complejos.

El rasgo característico de la nueva matemática es que, con ella, los
matemáticos se dan a la tarea de crear nuevos entes, con los cuales trabajan
a fin de explicar los nuevos problemas y realidades que los ocupan, en
contraste con la matemática –¡y la cultura!– tradicionales. Los ejemplos
más conspicuos de estas nuevas entidades son: los conjuntos (Cantor), las
clases (Cantor, Dedekind, Weiertrass), los conjuntos de Julia, Serpienski
y Mandelbrot, el copo de Koch, la botella de Klein, la cinta de Möbius, los
toros y los atractores (caos) (de Henin, de Lorenz, y otros), la transformación
del panadero, problemas como el del vendedor viajero, las estructuras
disipativas (I. Prigogine), las redes y las conexiones (P. Erdös), los fractales (B.
Mandelbrot), en fin, incluso la cohomología y los teselados (R. Penrose).
En correspondencia, se producen nuevos desarrollos conceptuales que

dan lugar a nuevas teorías y disciplinas, tales, entre otras, como la topología,
el análisis de variable real, el análisis funcional, la teoría axiomática y formal
de conjuntos, la teoría de la medida, el álgebra que, al cabo, termina
denominándose “moderna”, y demás (De Lorenzo 1998, Penrose 2005).
Naciendo de la topología –la cual a su vez tiene un ancestro directo

en campos como las geometrías no euclidianas–, las matemáticas
contemporáneas se ordenan alrededor de tres grandes áreas: la teoría
de grafos, que nacen con Euler, pero cuyo verdadero padre es P. Erdös, el
análisis combinatorio (o complejidad combinatoria), y las matemáticas
de los sistemas dinámicos. No con indiferencia ante las dos primeras, es
propiamente en el marco de estas últimas como emergen las matemáticas
propias del estudio de los sistemas dinámicos no-lineales, o también, de las
ciencias de la complejidad. Como quiera que sea, un elemento común a las
tres es el de encontrar algoritmos para los problemas que conciben o con los
que se encuentran.
En matemáticas, un problema se designa como P si se pueden resolver

con un algoritmo que funcione en un tiempo polinomial. Esta clase de
problemas se designan como problemas fáciles –y son, sencillamente,
susceptibles de abordarse y resolverse en términos polinomiales; esto es,
dividiendo el problema en términos de los componentes del mismo. Una
forma adecuada de traducir esto consiste en el uso de mecanismos como
organigramas, cronogramas, histogramas, y demás. Básicamente se trata de
algoritmos que permiten y hasta exigen el análisis.
Frente a los primeros, existen igualmente los problemas N-P, que son
aquellos que no pueden resolverse en un tiempo polinomial no determinista.
Por derivación, se trata de aquella clase de problemas que no se definen, se
abordan ni se comprenden en los términos en los que lo hacen los problemas
P. Ahora bien, consiguientemente, todos los problemas que forman parte de

la clase P también se encuentran en la clase N-P. Pero lo contrario no es
cierto. Que sea posible comprobar una solución a un problema en un tiempo
polinomial no implica necesariamente que también se lo pueda encontrar
en un tiempo polinomial. Por tanto, no es, en manera alguna, evidente que
P ≠ N-P.
En este punto se encuentra exactamente la frontera entre los problemas

combinatorios de optimización y aquellos que interesan y conciernen
propiamente a las ciencias de la complejidad. Inmediatamente volveré
sobre esta idea. Mientras tanto, lo central estriba en el reconocimiento de
que es altamente difícil demostrar que un problema no se puede resolver
en un tiempo polinomial. Nos enfrentamos aquí con el problema de las
demostraciones de no existencia o de imposibilidad. La razón para esta
dificultad consiste en que, en matemáticas, como en ciencia, en filosofía, y
en la vida en general, se abordan siempre primero los problemas fáciles y se
postergan los problemas difíciles.
Asimismo, de otra parte, se habla de problemas N-P completos si

pertenecen a N-P. Así, en otras palabras, todo problema de la clase N-P, que no
esté ya en P, se designa como un problema N-P completo. Lo verdaderamente
interesante estriba en el reconocimiento de que los problemas N-P que, por
definición, no son fáciles, se conocen como problemas relevantes.
Pues bien, quiero aquí argumentar a favor de la idea de acuerdo con la

cual, las matemáticas de la complejidad se ocupan con problemas relevantes,
en el sentido mencionado y que, en por lo tanto, en términos filosóficos y
más amplios, las ciencias de la complejidad se caracterizan como el conjunto
de los problemas filosóficos de la ciencia contemporánea. De la adecuada
comprensión de esta idea se siguen claras implicaciones con respecto al
concepto/problema relativo a “verdad”.
II
Hacia finales del siglo XIX y comienzos del siglo XX nadie inteligente –teórico,
académico o investigador– podría sustraerse a la discusión acerca de la
naturaleza y los fundamentos de la matemática. Algunos de los nombres
más ilustres del cambio del siglo se ocuparon de este dúplice tema en su
obra: Wittgenstein, Russell y Whitehead, Peano, Freud mismo, Frege, Hardy
y Husserl, para mencionar tan sólo algunos de los casos más conspicuos.
El debate tenía que ver con la naturaleza misma de las matemáticas,
así: ¿son ciencia o son un lenguaje? Este problema definió el problema
mismo de la fundamentación de las matemáticas y, consiguientemente,
el de su función y sentido. Como señala con acierto De Lorenzo (1998), el

problema de la fundamentación hace referencia esencialmente a dos
ámbitos: de un lado, la fundamentación ontológica de la matemática –en
la cual se incluye la fundamentación lógica, la conjuntista y la categórica–
y la fundamentación metodológica. O para decirlo en otras palabras, más
sucintamente: el problema de la fundamentación hace referencia al tema,
sensible, de las definiciones, en un debate que oscilaba entre el formalismo y
el intuicionismo, o el externalismo y el internalismo. La reaparición frecuente
de fenómenos complejos obliga al matemático a nuevas definiciones. Como
se aprecia fácilmente, éste es el lugar en el que confluyen y divergen, a la vez,
matemática y lógica.
Ahora bien, el papel más destacado en el giro del siglo XIX al XX en torno
al tema mencionado lo desempeñó, sin lugar a dudas, D. Hilbert cuando en
el Congreso Mundial de Matemáticas realizado en París en Agosto de 1900,
formuló los conocidos 23 problemas. El hecho significativo radica en que con
ellos, por primera vez, de manera programática, Hilbert inspiró a la comunidad
de matemáticos a pensar en términos más conceptuales que operativos y
funcionales. Con seguridad, esta actitud le debe mucho a B. Riemann, quien
unos cincuenta años antes había producido un giro significativo al pensar las
matemáticas no ya como un tema de fórmulas y ecuaciones, sino de ideas y
de teoría abstracta2.
Frege era, a la sazón en el giro del siglo, el más destacado matemático

de una pléyade de matemáticos fundamentalmente de dos naciones,
Francia y Alemania, que incluía los nombres de Dirichlet, Sieltjes, Hadamard,
Weierstrass, Landau, Riemann mismo, Dedekind, Hermite, el belga de la
Vallée-Poussin, Minkowski, en fin, Poincaré3.
2
Un profesor de matemáticas refiere en los siguientes términos la situación de Hilbert en la presentación
de los 23 problemas en Paris: “Already recognised as one of the greatest mathematicians of the age,
Hilbert had prepared a daring lecture. He was going to talk about what was unknown rather than what
had already been proved. This went against all the accepted conventions, and the audience could hear
the nervousness in Hilbert`s voice as he began to lay out his vision for the future of the mathematics” (Du
Sautoy 2003:1). Posteriormente volveré sobre Riemann.
3
La razón por la que los matemáticos más importantes de la época pivotaban alrededor de Francia y de
Alemania –con la excepción clara de Euler, trabajando en San Petersburgo–, tiene que ver con el contraste
entre los dos modelos de enseñanza e investigación como eran, respectivamente, el Politécnico de Paris, y
la Universidad de Humboldt en Berlín y Alemania en general. (Göttingen habrá de destacarse en el medio
universitario alemán, como una auténtica fortaleza para el trabajo en matemáticas, en contraste con
Berlín en ciencias, y Friburgo en filosofía, por ejemplo). El Politécnico estaba dedicado fundamentalmente
a la matemática aplicada, con claros intereses industriales y militares, mientras que la Universidad de
Humboldt era reconocedora de la importancia de la investigación libre, desinteresada, en fin, básica y
promovía y destacaba este tipo de investigación sobre la aplicada. Dicho en otras palabras, se trata de la
distinción entre la investigación orientada a fines y la investigación basada en fortalezas.

La preocupación tenía que ver en general con la historia de la ciencia
en la modernidad y, más particularmente, con la historia de la lógica. El
surgimiento de la ciencia moderna tiene lugar como una verdadera eclosión
de ciencias, disciplinas, prácticas y saberes que se independizan de la filosofía
(= metafísica) y que afirman tener, cada cual, un objeto propio, un lenguaje
auténtico, un método incluso, que no dependen ya para nada de la metafísica.
Tal es la historia de la transición de la alquimia a la química, de la emergencia
de la física –con todo y que Newton aún se empecina en concebirla como
“filosofía natural”–, la historia de la economía, y posteriormente de la inmensa
mayoría de ciencias y disciplinas que nacen en el curso del siglo XIX: entre
ellas, la antropología, la psicología, la sociología, y varias más.
Por su parte, en cuanto a la historia de la lógica, asistimos a una situación

verdaderamente apasionante. La lógica asiste al mismo proceso que las
demás ciencias, prácticas y disciplinas que se independizan de la metafísica.
La lógica se independiza de la filosofía y con lo cual, al mismo tiempo, nace
como ciencia propia que nada tiene que ver con la metafísica. En este sentido,
en rigor, la lógica nace entre 1847 y 1936. El primer paso en esta historia fue el
de Boole y Morgan; posteriormente G. Frege –quien publica el Begrifschrift
(Escrito conceptual), hasta arribar, finalmente, a la obra de Tarski, sin excluir
antes, claro está, el proyecto de Russell de fundar la matemática sobre la
base de la lógica en los Principia.
Pues bien, la lógica que se independiza de la filosofía (Lógica sin

metafísica, al decir de Nagel), ciencia por sí misma sin necesidad de la
metafísica, es la lógica simbólica o también la lógica matemática. Se marca,
así, una ruptura radical e irreversible de aquella vieja creencia según la cual la
lógica y la matemática tuvieron una sólida implicación recíproca, en toda la
historia de la cultura occidental desde la Grecia antigua. Si la lógica de había
independizado de la filosofía, ¿qué quedaba de las matemáticas? El debate
se dio en términos generales así: ¿es la matemática una ciencia o un lenguaje,
a saber, el lenguaje de la ciencia e incluso, como lo sostuviera en los orígenes
de la ciencia moderna Galileo, el lenguaje en el cual está escrita la naturaleza?
Al albur de este debate Einstein formula la conocida respuesta: en la medida
en que las matemáticas se refieren a la realidad, no son verdaderas, pero en
la medida en que no se refieren a la naturaleza, son verdaderas. No en última
instancia, R. Penrose habrá de escribir, hacia el final del siglo XX el libro The
Shadows of the Mind, que es la defensa más fuerte y reciente acerca del
carácter platónico, esto es, no subjetivo, de las matemáticas, y que terminará
de desarrollar, ilustrar y aplicar en Penrose (2005).
Más allá de la discusión entre el formalismo y el intuicionismo que marcó

el comienzo del siglo y buena parte de su historia hasta la obra de Bourbaki,
de cara al desarrollo de las matemáticas, el hecho determinante se origina a

partir de los problemas formulados por D. Hilbert en el Congreso Mundial de
Matemáticas realizado en París en el año 1900. Específicamente, se trata de
la historia que se deriva de los problemas 2 y 23 formulado por Hilbert (Gray
2005).
Como resultado de ese problema, el desenlace central tiene como

protagonistas, en primer lugar, a K. Gödel, quien acusa de tautológica a toda
la lógica y matemática tradicionales y con cuyo trabajo desarrolla la idea de
lo incompleto de los sistemas coherentes, con sus consecuencias sobre el
problema de “verdad”. De otra parte, en segundo lugar, A. Turing escribe
el famoso paper: Can Machines Think?, con el cual habrá de desarrollar
la famosa Máquina de Turing cuyo núcleo es el tema de la indecibilidad
de determinados problemas y la consiguiente incompresibilidad de los
programas verdaderamente significativos. En términos más generales,
como ha sido ampliamente reconocido por parte de la historia de la ciencia,
asistimos a una crisis de la ciencia cuya expresión física es Heisenberg y cuya
expresión lógica es Gödel.
En cualquier caso, de cara a Hilbert, quizás su más grande contribución

relativamente al problema de la naturaleza y la fundamentación de la
matemática estriba en el desarrollo de la metamatemática, un subcampo
que habrá de adquirir a la postre un derecho de existencia y un estatuto
propio tanto en matemáticas como en filosofía de la matemática.
Pues bien, a partir del problema, fundamental, acerca de la naturaleza y

la función o sentido de la matemática abordado en el giro del siglo XIX-XX
que atraviesa por el problema delicado de las contradicciones, las paradojas
y los celos alrededor del principio (o ley) de la no-contradicción–, habrá de
producirse un cisma con una triple consecuencia. El cisma será el surgimiento
de las matemáticas cualititativas, relegando a un lugar secundario a la
matemática cuantitativa (obsérvese el uso del plural y el singular). Y la triple
consecuencia será el desarrollo de tres clases de matemáticas: la matemática
pura, la matemática aplicada y la matemática que se desarrolla con la ayuda
del computador (Odifreddi 2006). En rigor, se trata de tres estrategias
diferentes tendientes a resolver lo que sea verdadero y lo que no.
Ahora bien, creo que el problema de la fundamentación de la matemática

fue –durante mucho tiempo– el problema central de la filosofía de las
matemáticas y respondió a una historia cuyo vórtice central era el debate
acerca de la naturaleza misma de la matemática –supuesto, justamente, que
sólo había una o la matemática. Sin embargo, el tema de una filosofía de las
matemáticas de la complejidad no encuentra, perentoriamente, al problema
de la fundamentación como piso y ni siquiera como hilo conductor.

En efecto, es posible considerar la filosofía de las matemáticas de la
complejidad desde dos perspectivas básicas, así: de un lado, según si atiende
a la complejidad misma de varios temas determinantes de la matemática,
algunos de cuyos más conspicuos ejemplos sería la relación entre el infinito
y los números transfinitos, el carácter caótico mismo de números como Pi
(π), o al carácter de la indeterminación misma de la conjetura de Riemann,
por ejemplo. No es en esta línea que quisiera situarme aquí. Por el contrario,
quisiera considerar el carácter complejo mismo que las matemáticas referidas
a sistemas y fenómenos caracterizados por no-linealidad, autoorganización,
sinergia y emergencia, por ejemplo. Más exactamente, quiero situar en el
centro de la mirada el tema mismo de las matemáticas de la complejidad. A
fin de precisar mejor ésta idea, se impone una observación.
Las ciencias de la complejidad no son simplemente ciencias de sistemas

dinámicos –pues la dinámica, de hecho forma parte de la mecánica clásica
y que es un caso particular de la teoría de la relatividad y de la mecánica
cuántica 4. Por el contrario, el tipo de fenómenos, sistemas y comportamientos
que interesan y que son constitutivos de las ciencias de la complejidad son
aquellos que se caracterizan por ser de complejidad creciente. A fortiori, este
es exactamente el caso también para las matemáticas de la complejidad. En
una palabra, la complejidad es un fenómeno emergente, y no ya causal.
Los ejemplos característicos de fenómenos de complejidad creciente son

la geometría de campos o geometría fractal, desarrollada por B. Mandelbrot,
el caos y, en general, el trabajo con y el desarrollo de sistemas en perspectiva
evolutiva. De esta suerte, puntualmente dicho, la filosofía de las matemáticas
de la complejidad responden en realidad una ecuación simple, así:
Matemáticas + Tiempo = Complejidad
Precisamente, en este sentido, el tipo de ecuaciones con que se trabaja, en

muchas ocasiones, en complejidad, tienen que ver con iteración, evolución,
aprendizaje – generalmente a través de procedimientos computacionales.
En esto exactamente estriba el tema de la filosofía de las matemáticas

de la complejidad, en contraste con la filosofía de la matemática tradicional:
en el modo como el tiempo puede y debe ser integrado en los estudios
matemáticos. Es en esto en lo que consiste la incorporación de la perspectiva
evolucionista.
4
En Maldonado (2005b) se encuentra una precisión y ampliación de esta idea y que sostiene que antes
que hablar, en ese caso, de sistemas dinámicos, en el marco amplio de la complejidad mejor vale hablar
de fenómenos y sistemas termodinámicos, con lo cual, justamente, se abre la puerta –necesaria– a la
termodinámica del no-equilibrio.

III
Una especificidad de la forma como se trabaja en ciencia es en relación con
los medios técnicos a la mano, de un lado, y con la tecnología disponible,
de otra parte. Lo mismo sucede en el caso de las matemáticas – referidas a
los sistemas de complejidad creciente. Esta idea se ilustra mucho mejor con
relación al problema de la no-linealidad.
Desde el punto de vista histórico, la relación entre técnica/tecnología e

investigación puede ilustrarse de la siguiente manera5. En la Grecia antigua,
nadie podía llamarse investigador si no manejaba dos herramientas básicas
de investigación: la regla y el compás (o también, la escuadra y el compás).
De hecho, la matemática griega se apoya en mucho en el trabajo con regla
y con compás, aunque, evidentemente, no se reduce a ellos. En la Edad
Media era imposible hacer “ciencia” (= teología como scientia magna) sin
el empleo de la mejor tecnología de la época: libro, cuaderno y lápiz. No
en vano, buena parte de la ciencia medieval (= teología) se lleva a cabo
como el trabajo de los copistas. No es casual que la matemática medieval
permanezca hipertrofiada durante mucho tiempo debido al predominio del
sistema romano de numeración.
Será tan sólo con el descubrimiento por parte de Occidente y la

incorporación del sistema numeral arábigo, y con ello, el número cero,
en el siglo XII, por lo que se sientan las bases para la ciencia moderna.
Posteriormente, en la Modernidad, los científicos se dan a la búsqueda de lo
infinitamente grande y lo infinitamente pequeño mediante dos instrumentos
distintos, pero, al cabo, complementarios: el microscopio y el telescopio. La
matemática es herramienta de medición y la ciencia moderna es ciencia
eminentemente cuantitativa.
Pues bien, correspondientemente, en el mundo contemporáneo,

específicamente a partir de 1944, es imposible hacer investigación de
cualquier tipo sin el uso pleno de un instrumento conceptual: el computador.
Puntualmente dicho, el trabajo efectivo con sistemas no-lineales es
posible gracias específicamente al computador. Así, en rigor, las ciencias
de la complejidad son al mismo tiempo posibles gracias al desarrollo de
la computación y contribuyen, a su vez, para el desarrollo de lenguajes
de programación, de cara a la heurística y metaheurística de los sistemas
complejos no-lineales.
5
El siguiente desarrollo está ampliamente trabajado en Maldonado (2005a).

El trabajo esencial con el computador es, desde luego, supuesta la base
material del mismo –hardware–, el trabajo de/con software (o logiciels). Así, se
trata del trabajo con lenguajes de programación que permiten la simulación.
Como es sabido, se trata del trabajo con dos grupos de simulación: simulación
de objetos y simulación de procesos o series, para lo cual existen dos grandes
posibilidades: trabajar con alguno(s) de los lenguajes ya existentes, o bien
programar. Esto a su vez se inscribe en el marco más amplio aún de la opción
por lenguajes cerrados (= patentados), o bien mediante el recurso al open
source (por ejemplo, Unix, Linux, y otros).
Desde el punto de vista metodológico, lógico, matemático y heurístico,

asistimos, así, al tránsito de la descripción a la explicación, y del modelamiento a
la simulación en el desarrollo de la investigación científica, una transformación
de muy largo alcance que termina de ratificar el hecho de que las ciencias
de la complejidad constituyen una auténtica revolución científica en el
sentido de T. Kuhn. En este orden, el conocimiento y el trabajo con la obra de
S. Wolfram es determinante, especialmente A New Kind of Science (2002),
sin desconocer Complexity and Cellular Automata. Ahora bien, en este
panorama, es fundamental al hecho de que las matemáticas que subyacen
a la lógica computacional son el álgebra Booleana, que se encuentra en la
base del mejor trabajo explicativo de los procesos de autoorganización, tal y
como lo llevó a cabo S. Kauffman (1995). En este mismo sentido, el desarrollo
de los algoritmos genéticos (J. Holland) condensa e ilustra a la vez el trabajo
con sistemas evolutivos. Con los algoritmos genéticos, el tema es, por tanto,
la inteligencia artificial y la vida artificial.
Como quiera que sea, el desarrollo de los sistemas computacionales

permite, por primera vez en la historia, ver, literalmente, y trabajar con
fenómenos y comportamientos no-lineales. Es cierto que la no-linealidad ya
fue prevista por Leibniz –notoriamente–, pero es tan sólo gracias al desarrollo
del computador como herramienta conceptual que la ciencia pudo acceder al
mundo de la no-linealidad; y con él, igualmente al de las emergencias. Esta idea
ancla en el trabajo pionero de H. Pagels, con seguridad, unos de los padres de
la complejidad, y uno de los primeros en ver la importancia de la computación
para la complejidad. En un desarrollo ulterior de esta idea, se trata de temas
tales como la computación gráfica, la computación cuántica, y otras.
Ahora bien, este panorama podría dar la impresión de que el trabajo con
complejidad se inclina hacia las matemáticas aplicadas, antes que hacia las
matemáticas puras y la lógica (una visión semejante se sigue, sin dificultad,
de Odifreddi 2006). Una impresión semejante es, sin embargo, errónea por
simple y reduccionista. Lo que sí es manifiestamente cierto es el hecho de que
también en el caso de la complejidad, las matemáticas contemporáneas son
una creación continua e incesante. Son numerosos los autores que coinciden

en precisar que esta creación continua es tan variada, amplia e impredecible
como la vida misma (Mankiewicz 2000, Holland 1995, Bar-Yam 1997).
Sin embargo, a propósito de las relaciones entre computador y

matemáticas, hay un tema bastante más delicado que surge inmediatamente
ante la mirada reflexiva. Se trata del reconocimiento de que el uso
computador –esto es, notablemente, de lenguajes de simulación– no aporta
ninguna demostración. A lo sumo, tan sólo una ilustración. Más allá de la
discusión acerca de los tres tipos de matemáticas –puras, aplicadas y
computacionales–, la demostración sigue siendo el aporte fundamental de
las matemáticas al cuerpo del conocimiento humano. Y la demostración es
la obra de la intelección de los matemáticos.
Al respecto, sin embargo, es importante atender al descubrimiento

alcanzado por Gödel en el sentido de que hay cosas que sabemos o que son
verdaderas y que, sin embargo, no podemos demostrar. En otras palabras,
existen fallas en la demostración. Estas fallas cierran el camino de la ciencia,
pero abren el camino de las matemáticas por cuanto una demostración
matemática es muchas, muchas veces más exigente que una científica –
experimental (Cfr. De Sautoy 2003). Una demostración matemática es un
argumento impecable que sólo usa los métodos del razonamiento lógico
que nos permiten inferir la validez de una afirmación matemática. Es clave
entonces: mostrar las relaciones entre matemática y lógica, y que la lógica se
ocupa de las inferencias –entailment.
IV
¿Es la complejidad relativa al observador? En rigor, en el contexto de las
ciencias –y de las matemáticas– de la complejidad esta es una pregunta
equivocada que tan sólo cabe en el marco del pensamiento sistémico. Por
el contrario, lo propio de la mirada –matemática– de la complejidad consiste
en el reconocimiento de, y el trabajo con, la multiescalaridad. Los enfoques
multiescalares establecen que la complejidad de un fenómeno descansa
en la naturaleza misma del fenómeno –y no en el observador–, pero que
un fenómeno cualquiera puede y debe ser visto de distintas maneras –por
ejemplo, por distintos observadores.
Sería un truismo sostener que la matemática trabaja con símbolos,

definiciones y ecuaciones con propiedades y reglas de transformación bien
precisas. Lo verdaderamente relevante estriba en el reconocimiento de que
en la matemática contemporánea no existe un objeto de trabajo determinado
y preciso, de la misma manera que el sujeto tampoco crea la matemática y la
pone como explicación del mundo sin más. El lenguaje de las funciones hace
insostenible la división sujeto-objeto; las matemáticas de la complejidad

plantean filosóficamente el tema del análisis funcional en el que, para decirlo
en lenguaje clásico, la estructura es una consecuencia de la función.
El problema fundamental de la complejidad consiste en comprender el

orden. Un orden que, hemos llegado a saberlo, no es precisamente estático
o regular, sino, más exactamente, aperiódico, marcado por inestabilidades,
turbulencias, fluctuaciones y bifurcaciones. La expresión de S. Strogatz es,
al respecto afortunada: entender la sincronía, la armonía y el equilibrio –
el orden– en términos espaciales es relativamente fácil. Mucho más difícil
es entenderlo en términos temporales (Strogatz 2003). Hace apenas muy
poco tiempo que hemos comenzado a estudiar y a comprender esta clase
de fenómenos –temporales, evolutivos, irreversibles: en fin, de complejidad
creciente. Si, como es efectivamente el caso, para entenderlos hay que
inventar nuevas matemáticas, pues se asume el reto. Este es exactamente el
punto de encuentro entre complejólogos y matemáticos, por ejemplo. (Hay
que decir que la posibilidad y la necesidad de inventar nuevas matemáticas
no es una prerrogativa de las matemáticas, sino, mejor aún, del conocimiento
mismo. De cara a nuevos enigmas, retos, realidades, posibilidades y desafíos,
el conocimiento –en general– se da a la tarea de crear nuevos lenguajes,
nuevos conceptos y categorías, en fin, nuevas metáforas).
G. Chaitin (1999) tuvo toda la razón al advertir que el sueño de Hilbert

fracasa en matemáticas y en lógica pero triunfa en la computación; más
exactamente, en el desarrollo de los lenguajes computacionales, pues la
primera exigencia de esta clase de lenguajes –incluso independientemente
de que se trabaje con lenguajes cerrados o con open source, es el rigor
sintáctico del lenguaje, sin el cual es imposible que se alcance un sólido
desarrollo semántico y otros de esta clase de lenguajes artificiales. Sobre la
base de esta idea, Chaitin lleva a cabo una labor importante en complemento
del trabajo que, por otra parte, adelantara Kolmogorov. En efecto, un
problema al mismo tiempo filosófico y científico que no podía resolverse sin
la contribución de las matemáticas, y que permaneció sin resolver durante
siglos, es el de la aleatoriedad. Dicho puntualmente, se trata de las relaciones
entre necesidad, o causalidad, y aleatoriedad.
El trabajo con aleatoriedad tiene dos preámbulos: de una parte, el cálculo

diferencial e integral –que es inocuo para el estudio de la complejidad–, y de
otra parte el álgebra no-lineal –mucho más idónea, pero con restricciones
sobre el ámbito o dominio en el que opera. Sobre estas bases, el paso
siguiente es la apropiación de herramientas de probabilidad así como el
trabajo con sistemas estocásticos6.
6
La discusión con sistemas hamiltonianos es siempre necesaria y provechosa, pues permite allanar el
camino hacia la identificación de sistemas ergódicos y no-ergódicos. (Un lugar obligado de tránsito es la
identificación de comportamientos lagrangianos).

G. Chaitin y Kolmogorov son dos fuentes independientes pero
complementarias en el estudio y definición de la aleatoriedad. Chaitin,
notablemente gracias al lenguaje que desarrolló denominado LISP, y
Kolmogorov, gracias a los procedimientos de axiomatización de la probabilidad.
Este constituye, exactamente, el eslabón que al mismo tiempo unifica y
diferencia a las matemáticas de los sistemas dinámicos y el estudio de los
fenómenos de complejidad –y optimización– combinatoria. En efecto, dicho
en términos al mismo tiempo filosóficos y matemáticos, la complejidad del
mundo es el resultado de que vivimos justamente en un universo probabilístico,
en el que, consiguientemente, de un lado, los temas de decisión, juego y tipos
y modos racionalidad son determinantes, y en el que, al mismo tiempo, de
otra parte, la incertidumbre constituye un rasgo ontológico y no simplemente
epistemológico, en el conocimiento, explicación y comprensión de lo que es
real y posible, en general.
En ciencia, como en la vida, se trabajan tradicionalmente primero,

siempre, los problemas fáciles, y se postergan y relegan, los problemas
difíciles. Pues bien, algo semejante sucedió con el estudio de la aleatoridad,
hasta el desarrollo de los trabajos de Kolmogorov-Chaitin que permitieron
herramientas al mismo tiempo lingüísticas, lógicas y matemáticas que
permitieron ver que los sistemas deterministas, lineales y predecibles
son, en realidad, sistemas irrelevantes. I. Prigogine representa una buena
contribución al respecto, específicamente cuando, en contraste con las
ideas defendidas por J. Monod, precisa que la complejidad es el resultado
de una relación dinámica entre azar y necesidad. En este sentido, Prigogine
entiende el trabajo científico, matemático y filosófico como la elaboración
de una formulación unitaria de la complejidad (Nicholis y Prigogine 1994).
Como quiera que sea, es necesario observar que las ciencias de la

complejidad permiten poner al descubierto, en marcado contraste con
toda la historia de la ciencia y la filosofía desde la Grecia antigua, una no
centralidad de las matemáticas, en contraste con la ciencia clásica, aunque
sí adquiere un papel necesario al lado de otros instrumentos, como el
computador7. En otras palabras, las matemáticas de la complejidad ya no
tienen un papel hegemónico en la comprensión de la complejidad – lo que
sería a todas luces una contradicción, cuando se habla de ciencias de frontera
fundadas en problemas de frontera, y con un carácter cruzado, integral o
interdisciplinario. Incluso autores como Holland (1995) y Chaitin (2001 y 2002)
coinciden en esto.
7
Para una ampliación de esta idea, cfr. Maldonado 2007 a y 2007b.

Las matemáticas de la complejidad son matemáticas cualitativas. La
comprensión matemática de la complejidad es aquella que establece que
se trata de sistemas, comportamientos o fenómenos caracterizados por un
amplio número de grados de libertad, de tal suerte que a mayores grados de
libertad en el sentido físico y matemático de la palabra–, mayor complejidad.
Ahora, desde luego que esto no excluye, en manera alguna, la idea de que
también haya lugar para una comprensión cuantitativa de la realidad, del
mundo, de la complejidad. Por lo demás, es cierto que las matemáticas de
la complejidad se encuentran fuertemente centradas –o marcadas– por la
física, la química y la biología. Pero ello se debe, más que a las propias ciencias
de la complejidad, a la historia de la ciencia moderna y contemporánea. En
este sentido, recientemente se vienen incorporando matemáticas también
a las ciencias sociales y humanas, en el sentido más amplio de la palabra. Al
respecto hay que decir que la contribución específica de las matemáticas
–en general– mediante su empleo de fórmulas, símbolos y lógica consiste,
en rigor, en su capacidad de compresión de lo que, de otro modo, requeriría
muchas palabras para ser expresado. Este carácter es igualmente válido para
las matemáticas cualititativas.
Finalmente, un elemento adicional en el trabajo matemático –y no

solamente matemático– con la complejidad es la existencia de patrones
replicativos e iterativos, algo que fue puesto de manifiesto originalmente
por el libro clásico de D. Hofstaedter en torno a la replicación y reiteración:
Gödel, Escher y Bach. No en última instancia, es necesario incluir aquí las
contribuciones de H. Haken para el estudio de los fenómenos caracterizados
por sinergia.
V
El estudio de la complejidad consiste en la descripción, comprensión y
explicación de sistemas dinámicos –¡en rigor, termodinámicos! (Maldonado
2005b), caracterizados por no-linealidad, sinergias, bucles de retroalimentación
positiva y negativa, transiciones de fase, bifurcaciones, autorganización y
emergencias, en los que lo importante no son los elementos que componen
un sistema determinado, sino las relaciones entre los componentes del
sistema de que se trate, así como el hecho, fundamental, de que se trata de un
sistema abierto, o sensible al entorno o medio ambiente. Fundamentalmente,
por consiguiente, se trata de sistemas abiertos, incompletos, inacabados y
en evolución (Maldonado 2007a y 2007b).
Quisiera insistir en esta idea: El problema de la fundamentación de las

matemáticas hace esencialmente referencia la naturaleza y, por derivación, a
la función o al sentido de las matemáticas. Como tal, es un tema propio de la

matemática clásica. Quiero sostener la idea según la cual, de cara a las nuevas
matemáticas, el problema de la fundamentación varía sustancialmente.
Las matemáticas de la complejidad son matemáticas de sistemas
termodinámicos –y no ya simplemente dinámicos. En rigor, la matemática
de los sistemas dinámicos es la matemática clásica; las nuevas matemáticas
ya no se interesan tanto por los fenómenos dinámicos –mecánicos, lineales,
por consiguiente–, sino, mejor aún, por aquello caracterizados por no
linealidad, emergencia, autoorganización e irreversibilidad. Ahora, dado que
la fundamentación hace referencia a estructuras y estabilidades, a principios
y a leyes, éstas tienen en el contexto de las ciencias de la complejidad otro
carácter radicalmente distinto, pues se trata de la fundamentación de aquello
que es variable, o que se ocupa de lo variable.
El estudio matemático de la complejidad se lleva a cabo de dos

modos, alternos. De un lado, encontramos métodos analíticos de estudio y
simulación de la complejidad. De otra parte, se trabaja con conceptos que,
ocasionalmente, son ilustrados mediante simulaciones, gráficos u otras
herramientas.
Entre los métodos analíticos, se ha privilegiado usualmente los siguientes:

las redes booleanas –integradas, notablemente, por S. Kauffman en el estudio
de las redes autocatalíticas–, los exponentes de Lyapunov – útiles en general
en los estudios que integran perspectivas ecológicas–, los mapas iterativos
–lineales y no lineales y cuadráticos–, la constante de Lotka-Volterra –útil en
el estudio de los sistemas de la ecología–, los fractales –notablemente las
mediciones fractales sobre determinados fenómenos–, los toros y atractores
– De Henin y otros–, siendo, sin embargo los más relevantes los atractores
extraños –que constituyen el paradigma en el estudio del caos–, y que
son bastante utilizados en el estudio de fenómenos como los solitones, la
identificación de puntos críticos, estados críticos y transiciones de fase –todos
los cuales encontraron en los trabajos sobre criticalidad autoorganizada de P.
Bak una base sólida–, y en general la identificación de los grados de libertad
de los fenómenos de que se trata en cada caso8.
La lista puede en realidad hacerse tan larga como se quiera, pero a fin
de tener un mapa general sólido basta con ver Bar-Yam (1997) y Nicholis y
Prigogine (1994). A estos métodos es preciso agregar, de manera puntual,
la identificación de leyes de potencia (power law) y, con ellas, la Ley de Zipf.
Ambas, sin embargo, han llegado a ser reconocidas recientemente como
casos particulares en el estudio de conexiones y osciladores (Strogatz 2003).
8
Entre nosotros, una buena presentación de algunos de los métodos analíticos en el tratamiento de la
complejidad es el libro de Campos e Isaza (2002).

Los sistemas complejos –en rigor, alejados del equilibrio o en el filo del
caos, dos metáforas equivalentes–, son el resultado de aprovechamiento y
negación, al mismo tiempo, de la entropía. En este orden, el trabajo pionero
de Shannon y Weaver es imprescindible, pues sienta las bases para la teoría
matemática de la información. Sin embargo, los trabajos de W. H. Zurek
(1989a y 1989b) son absolutamente obligatorios en este plano, y todos los
investigadores coinciden en la centralidad de los trabajos de Zurek para la
apropiada comprensión de la entropía –ya no solamente informacional.
La teoría de grafos ha venido a convertirse en una ciencia obligatoria en el

estudio de la complejidad, desde el punto de vista científico, específicamente
a partir de la configuración de la ciencia de redes (connections) –y ya no
simplemente de la teoría de redes (networks), gracias a las contribuciones
fundamentales de Barabasi (2003), Strogatz (2003) y Watts (2004). De esta
suerte, la ciencia de conexiones permite un avance significativo con respecto
a los enfoques simplemente matriciales.
Finalmente, faltaría por hablar de la lógica –lógicas, en rigor– de los sistemas

de complejidad creciente. Se trata de las lógicas filosóficas –anteriormente
llamadas “lógicas no-clásicas”–, pero ese es otro tema que debe quedar aquí
aparte9. Y, asimismo, de ciertas herramientas computacionales tales como
los autómatas celulares, los algoritmos genéticos y la vida artificial, pero ese
es, igualmente, otro tema para otro momento.
VI
El problema más importante de todos acerca de la naturaleza y la función
de las matemáticas en la economía de la naturaleza y del conocimiento
en general, tiene que ver con la relación entre matemáticas y realidad y,
consiguiente e inevitablemente, con la comprensión y definición misma de
lo que sea la realidad y lo que sea “real”.
Este problema se origina, en el marco de las matemáticas a partir del

tema, fundamental, de la geometría. Si son efectivamente posibles varias
geometrías –la geometría Euclidiana, las de Lobachevsky, Bolyai y Riemann,
la de Mandelbrot, en fin, incluso la de Witten–, ¿cuál de ellas describe mejor
el mundo físico, y con el mundo físico, el mundo de los asuntos humanos en
el sentido normal y natural de la palabra?
9
He trabajado estas lógicas en varios artículos dedicados al pluralismo lógico, las lógicas paraconsistentes,
la lógica del tiempo, la lógica de la relevancia y la lógica cuántica. Está en preparación un artículo sobre
lógica difusa.

El problema de las contradicciones aparece aquí como inescapable y
fundamental. En efecto, el mérito de Hilbert consistió en que sentó las bases
para demostrar que/si las matemáticas poseen contradicciones. La primera
forma como ello se llevó a cabo en la historia de la matemática fue, como es
sabido, con respecto a la geometría de Euclides, y luego también con relación
a la teoría de números. Una vez descubiertas las contradicciones, el problema
consiste en decidir qué hacer con ellas. Es exactamente en este punto en
donde nacen o anclan, por así decirlo, las matemáticas de la complejidad de
cara al problema de lo que sea verdad.
Como tal, el concepto/problema de “verdad” hace referencia a condiciones

del mundo –de la realidad, en fin, de la sociedad o de la naturaleza–, según
los intereses de investigación, antes que a la estructuración misma del
pensamiento. Tarki ya fue claro al respecto hace tiempo. “Verdad”, así, es el
título que designa la adecuación del juicio o la demostración al mundo, sólo
que, en el contexto de los sistemas de complejidad creciente, se trata de
un mundo que, por definición, está marcado por turbulencias, fluctuaciones,
inestabilidades y rupturas de simetría. Así la cosas, se impone una
comprensión de “verdad” que se corresponda con una perspectiva evolutiva.
Dicho en el lenguaje genérico de los sistemas evolutivos, el problema se

condensa en los siguientes términos: ¿es el mundo en evolución verdadero,
o bien hay verdad en la evolución del mundo y de los fenómenos? Hay que
decir que, en rigor, el concepto/problema de verdad no ha sido un objeto
directo de preocupación por parte la comunidad de complejólogos y de
matemáticos y filósofos de la complejidad.
Como ya se dijo, queda dicho que es suficientemente conocido el juicio

de Einstein según el cual en la medida en que las matemáticas se refieren a
la realidad no son verdaderas, pero en la medida en que no se refieren a la
realidad son ciertas. Como quiera que sea, esta tensión entre matemáticas y
realidad ha dado lugar a la articulación de las matemáticas en tres grandes
áreas: matemática pura, matemática aplicada y matemática computacional.
La primera se abstrae claramente de la realidad y no sabe de conexiones
directas o inmediatas con la realidad física o empírica en cualquier sentido
de la palabra. Una tensión semejante tan sólo es conocida, en el cuerpo
del conocimiento, por la filosofía –un tema sobre el cual habremos de
volver en otro momento y lugar. Las matemáticas puras son, grosso modo,
10
En la historia de la filosofía, el llamado más reciente a la formulación y comprensión del problema: por
qué hay algo y no nada, fue el que llevó a cabo M. Heidegger –con otro lenguaje: ¿por qué el ser y no la
nada? Es claro que el tema tiene un eco metafísico u ontológico. Como quiera que sea, el problema tiene
que ver, aquí, con el problema, filosófico, del carácter epistemológico u ontológico de la complejidad.

aquellas que se ocupan de R superior a 4; es decir a espacios, mundos y
realidades superiores a 4 dimensiones; por ejemplo, un R5, un R8, o un
R20. Como se aprecia, se trata de dimensiones que son (casi) imposibles de
representárnoslas intuitiva, gráfica o imaginativamente.
Por su parte, las matemáticas aplicada y computacional representan,

en contraste, aproximaciones muy vinculantes con la realidad, en el sentido
empírico o físico de la palabra. Existe, incluso, el debate entre una buena parte
de los matemáticos acerca del carácter bastante apócrifo, si no irrelevante, de
la matemática que trabaja con y resuelve métodos numéricos y otros sobre
la base, o con la ayuda de, los lenguajes informacionales y computacionales.
Desde el punto de vista filosófico, el problema es bastante básico, a saber:

se trata del problema –a todas luces fundamental– de por qué hay algo y
no nada que es, por lo demás, el modo como R. Penrose (2005) formula el
tema mismo de las relaciones entre matemáticas y realidad (10). El simple
hecho de que ya exista una realidad y no la nada, siente sólidas bases para
un capítulo amplio las matemáticas y, por derivación, de la filosofía y de la
cultura científica y humanista en general. Desde el punto de vista físico, el
debate puede ser traducido en términos del famoso debate de Copenhaguen
entre Bohr y Einstein. El último creía en el carácter entitativo o sustancial de
la realidad; el primero defendía la tesis –bastante popular, por lo demás entre
el pensamiento sistémico, el constructivismo y una corriente importante
de las neurociencias– según la cual la realidad no existe por sí misma, sino
que es relativa al observador. La realidad es así ilusión y, en rigor, no puede
hablarse de una realidad única, sino de múltiples realidades –universos, por
ejemplo; de universos paralelos, por ejemplo. Dicho en términos de filosofía
de la ciencia, el debate consiste en las relaciones entre el internalismo y el
externalismo (cfr. Comesaña, 2005, para una aproximación al problema en
general, y del externalismo en particular). No en última instancia, el problema
incumbe también a la naturaleza misma de la realidad o de lo real, según si
es sustancial o resultado de nuestra biología.
Como quiera que sea, el debate consiste en el dilema de acuerdo con el

cual o bien pensamos en/con imágenes, o bien pensamos con fórmulas y
ecuaciones. Exactamente en este sentido, Zellini (2007) precisa que, desde
el punto de vista matemático, el problema de las relaciones con la realidad
interpela, en rigor, a la física, puesto que para los matemáticos el tema se
formula como el de las relaciones entre pensamiento y fórmulas. Esta es
exactamente la perspectiva adoptada por R. Penrose.
Existen, en la historia de las matemáticas y de la física, notablemente,

posiciones cruzadas; esto es, no hay una posición única de corte
fundamentalista o principal al respecto cuando se va de un matemático a

otro o de un físico a otro, por ejemplo. La tendencia, en términos generales,
es que destacar las imágenes sobre las ecuaciones tiende a una postura
más favorable al realismo, en tanto que la opción de las fórmulas sobre las
imágenes opta por preferencias más abstractas y menos ligadas a la intuición
y, por extensión, al sentido común.
Las relaciones entre matemática y realidad pasan, por consiguiente, por

la comprensión o definición misma de lo que son las matemáticas. Si se
trata de una ciencia, entonces ellas contienen la clave de la realidad. Es en
esta dirección que Pitágoras llegó incluso a afirmar que el universo entero
está controlado por la música, a partir, justamente, de los nexos fuertes, si
no identidad, que Pitágoras y los pitagóricos entrevieron entre matemática
y música. Tal fue exactamente la creencia que los pitagóricos legaron a
la posteridad. Si, por el contrario, se afirma que las matemáticas son un
lenguaje, entonces ellas expresan el lenguaje mismo de la realidad. Una idea
semejante es la que se encuentra en la base de la creencia de Galileo, según
la cual la naturaleza está escrita en caracteres matemáticos, y lo que hace la
ciencia es sencillamente leer o descifrar dicho lenguaje.
Ahora bien, desde el punto de vista filosófico, la realidad ha sido

tradicionalmente comprendida, en la historia de Occidente, en términos
de Ser –esto es, estabilidad, fijeza, rigidez, o regularidad y orden–, o bien de
Devenir –es decir, de cambio, movimiento, transformaciones, bifurcaciones,
irrepetibilidad e irreversibilidad. La dificultad grande estriba en que ambas
concepciones acerca de “realidad” han sido inconmensurables entre sí en
la historia de Occidente. Tradicionalmente –por distintos factores y fuerzas–,
la idea predominante ha sido la de ser –a la cual la ciencia y la filosofía
tradicionales contribuyeron activamente–, en desmedro de la de devenir, que
nunca ocupó un papel verdaderamente destacado y permaneció clandestina
en la mayor parte de la historia de Occidente.
Desde luego que en este punto entra también, de manera inevitable, el

problema de la existencia –¿coexistencia?– de múltiples realidades, haciendo
del término “realidad”, un problema de mayor complejidad combinatoria,
por decir lo menos. La primera vez que en la ciencia contemporánea tiene
lugar la posibilidad razonable de hablar de varias realidades sucede con la
formulación del principio de superposición de estados, en el marco de la
mecánica cuántica. Más recientemente, el descubrimiento de que las leyes
de la física se aplican en realidad para este universo en el que vivimos, y no
necesariamente para todos los universos posibles, ha llegado a fortalecer la
idea de una pluralidad de universos o realidades. Asistimos, en realidad, al
reconocimiento de la relatividad del concepto de realidad, y por extensión,
de ser, universo y demás. (La lógica de los mundos posibles fue originalmente
abierta por parte de Lewis, y constituye uno de los vórtices de trabajo en las
lógicas no-clásicas).
Por consiguiente, en correspondencia, cabe elaborar una tipología de
“verdad” con referencia a estabilidad, regularidad y simetría, y una también
con respecto a “verdad” con referencia a evolución, cambio, transiciones
de fase e irreversibilidad. Pero si ello es así, la consecuencia no deja de ser
sorpresiva: asistimos, así, al descubrimiento de un pluralismo con respecto
a “verdad” –análogamente, por lo demás la idea de pluralismo lógico y de
multidimensionalidad del mundo.
No es exagerado incluso sostener que las matemáticas son una disciplina

estética en la que se habla principalmente de la belleza de las demostraciones
y de la elegancia de las soluciones. La matemática nos enseñó hace ya
bastante tiempo, desde la Grecia antigua e incluso desde el antiguo Egipto,
que uno de los criterios fundamentales para definir una teoría es la belleza.
Una teoría es tanto más sólida cuanto más hermosa sea –más allá de criterios
mucho más populares como la falseabilidad (Popper) y otros, introducidos
en su mayoría a partir de la Escuela de Viena y la filosofía de la ciencia que
se deriva de sus miembros y representantes. La belleza hace referencia a
una experiencia estética fundante, a saber: la belleza del conocimiento.
Al respecto los matemáticos, al igual que algunos filósofos, la reconocen
cuando la ven, pues es una sola con el acto mismo del conocimiento. Lo
demás, es por ejemplo, la discusión acerca del papel de la intuición o bien de
la deducción, como agentes constitutivos de la belleza.
Pues bien, las matemáticas de la complejidad son, en los términos que

se acaban de exponer, matemáticas del devenir –y no del ser. De allí al
mismo tiempo su novedad, su impacto y su también su alcance. Desde esta
perspectiva, se trata, en verdad, de un terreno esencialmente inacabado y en
incesante construcción. Como la vida misma.

Conclusiones
Las matemáticas de la complejidad, acompañadas, siempre, de la filosofía
de las matemáticas –de la complejidad– constituyen un capítulo notable
en la revolución científica, filosófica y cultural –para emplear libremente la
expresión de Kuhn– a la que asistimos y de la cual, de diverso modo y grado
somos protagonistas (incluso, a veces, sin saberlo, como es efectivamente
el caso). Con toda seguridad, el rasgo más novedoso consiste en el aporte
hecho al estudio tanto de los sistemas complejos mismos, como de las
ciencias sociales.
Las ciencias sociales se benefician enormemente –tanto como la

propia filosofía de las ciencias sociales, en consonancia, asimismo, con la
sociología y la historia de las ciencias sociales, sin dejar de lado, por ejemplo,
a la psicología del descubrimiento de los sistemas sociales humanos– de
los desarrollos de las matemáticas cualitativas. La forma primera como
tiene lugar este beneficio sucede a través de la incorporación de heurísticas
y metaheurísticas que coinciden en el reconocimiento explícito de si las
matemáticas habituales (“normales”) no arrojan luces nuevas sobre los
problemas, entonces, sencillamente, hay que crear nuevas matemáticas.
No hay duda: la complejidad de las ciencias sociales consiste en su carácter

abierto, esencialmente inacabado, en fin, en la incompletud intrínseca de las
dinámicas sociales. Pero si ello es así, los científicos sociales –en el sentido
amplio de la palabra– pueden volver su mirada hacia las herramientas y
experiencias que les ofrecen las matemáticas cualitativas. No simplemente
para matematizar las ciencias sociales (ese sueño ya se soñó, como es sabido),
sino para destacar, sin ambages, la dignidad de los temas, retos, problemas y
asuntos propios de las ciencias sociales y humanas.
En este artículo se han presentado los más destacados autores, temas y

áreas de trabajo de las matemáticas cualitativas con la intención de trazar
puentes entre las ciencias sociales, la filosofía de las ciencias sociales y
las ciencias de la complejidad. El hilo conductor ha sido, sencillamente, la
comprensión cualitativa de las matemáticas de los sistemas dinámicos. El
panorama se ofrece amplio y generoso a la vez. Con seguridad, las comunidades
de trabajo en complejidad y en ciencias sociales es un fenómeno creciente
y cada vez más robusto. El horizonte de trabajo se ofrece amplio y rico: pero
con él, a través suyo, en fin, operando como límite –es decir, ulteriormente–,
se encuentra el cuidado, el posibilitamiento, la exaltación y la gratificación de
la vida mismas: de la vida humana tanto como de la vida en general sobre el
planeta. Y quizás, eventualmente, de la vida por fuera del planeta.

• Barabasi, A-L. 2003. Linked. How everything is connected to everything
else and what it means for business, science, and everyday life. Plume
Publisher.
• Bar-Yam, Y. 1997. Dynamics of complex systems. Reading, MA: Addison-

Wesley.
• Campos, D. y Isaza, J. F. 2002. Prolegómenos a los sistemas dinámicos.

Bogotá: Universidad Nacional de Colombia.
• Chatin, G. 2002. Conversations with a mathematician. Math, art, science

and the limits of reason. Berlin: Springer.
• Chatin, G. 2001. Exploring randomness. Berlin: Springer.
• Chatin, G. 1998. The Limits of Mathematics. Berlin: Springer.
• Comesaña, J. 2005. We are (almost) all externalists now. Philosophical

Perspectives Epistemology 19: 59-76.
• De Lorenzo, J. 1998. La matemática: de sus fundamentos y crisis. Madrid:

Tecnos.
• Du Sautoy, M. 2003. The music of the primes. Searching to solve the

greatest mystery in mathematics. New York: HarperCollins Publishers.
• Gray, J. 2005. El reto de Hilbert. Los 23 problemas que desafiaron a la

matemática. Barcelona: Crítica.
• Holland, J. 1995. Hidden order. How adaptation builds complexity.

Reading, MA: Perseus Books.
• Kauffman, S. 1995. At Home in the universe. The search for the laws of
self-organization and complexity. Oxford: Oxford University Press.
• Maldonado, C. E. 2005a. CTS +P. Ciencia y tecnología como políticas

públicas y sociales. Bogotá: Universidad Externado de Colombia-
Observatorio Colombiano de Ciencia y Tecnología.

• Maldonado, C. E. 2005b. Termodinámica y complejidad. Una introducción
para las ciencias sociales y humanas. Bogotá: Universidad Externado de
Colombia.
• Maldonado, C. E. 2007a. “El problema de una teoría de la complejidad de

fractales”. En: López, F. y Brambilla, F. (Eds.) Antropología fractal. México,
D.F.: Sociedad Matemática Mexicana-CIMAT, págs. 9-24.
• Maldonado, C. E. 2007b. “El problema de una teoría general de la

complejidad”. En: Maldonado, C. E. (Ed.) Complejidad: ciencia, pensamiento
y aplicaciones. Bogotá: Universidad Externado de Colombia, págs. 101-
132.
• Mankiewiccz, R. 2000. Historia de las matemáticas. Del cálculo a caos.

Barcelona: Paidós.
• Odifreddi, P. 2006. La matemática del siglo XX. De los conjuntos a la

complejidad. Buenos Aires: Katz.
• Penrose, R. 2005. The road to reality. A complete guide to the laws of the
universe. New York: Alfred A. Knopf.
• Nicholis, G. y Prigogine, I. 1994. La estructura de lo complejo. En el camino

hacia una nueva comprensión de las ciencias. Madrid: Alianza.
• Strogatz, S. 2003. Sync. How order emerges from chaos in the universe,
nature, and daily life. New York: Hyperion.
• Watts, D. J. 2004. Six degrees. The science of a connected age. New York:
W.W. Norton. Wolfram, S. 2002. A new kind of science. Wolfram Media
Publisher.
• Zellini, P. 2007. La rebelión del número. Madrid: Sexto Piso.
• Zurek, W. H. 1989a. Thermodynamic cost of computation, algorithmic

complexity and the information metric. Nature 341: 119-124.
• Zurek, W. H. 1989b. Algorithmic randomness and physical entropy.

Physical Review A 40(8): 4731-4752.

8 COMPLEJIDAD DE LOS SISTEMAS
SOCIALES: UN RETO PARA LAS CIENCIAS
Introducción
SOCIALES
Diversas ciencias sociales y humanas han venido incorporando elementos

provenientes de las ciencias de la complejidad. Las más destacadas son la
historia (Gaddis 2002, Wallerstein 1987 y 2004, Shermer 1995, Reddy 2001,
McNeill 2001 y 1998, Lindenfeld 1999, McCloskey 1991), la antropología
(Helmreich 1998, Pérez-Taylor 2006), la arqueología (Beekman y Baden 2005),
los estudios culturales (Taylor 2003), la economía (Arthur, Durlauf y Lane
1997, Anderson, Arrow y Pines 1998, Blume y Durlauf 2005, Ormerod 2005), la
sociología (Watts 2003, Smith y Jenks 2006, Stewart 2001), la epistemología
y la filosofía (Bunge 2003, Rescher 1998, Sawyer 2004, Stewart 2001). Hay
disciplinas sociales que han estado sistemáticamente cerradas a los estudios
sobre complejidad; el derecho constituye el caso más conspicuo. De otra
parte, hay disciplinas que han incorporado a brazos abiertos a la teoría de
la complejidad, como la administración, pero la inmensa mayoría de la
literatura que habla de complejidad o incorpora elementos de complejidad en
administración sólo tiene, en el mejor de los casos, un barniz de complejidad,
con notables excepciones como Axelrod y Cohen (1999) o Gilpin y Murphy
(2008). Ahora bien, hay campos de las ciencias sociales y humanas en las que
no conocemos que existan trabajos serios o de reconocimiento (por diversas
razones) en, con o sobre complejidad, como la geografía, la lingüística o el
trabajo social.
Por nuestra parte, hemos venido explorando las incorporaciones de

complejidad y ciencias sociales con acentos y enfoques distintos1. En
cualquier caso, resulta evidente que existe una apertura o un acercamiento
–por motivos y con énfasis diferentes– entre las ciencias sociales y humanas
y el estudio de fenómenos caracterizados por no-linealidad, emergencia,
autoorganización, equilibrios dinámicos y comportamientos aperiódicos.
1
En arquitectura: Maldonado, C. E., “¿Cómo es la complejidad de la ciudad?”, en: C. Hernández (Comp.),
Multibogotá, Bogotá, Pontificia Universidad Javeriana-Alcaldía Mayor de Bogotá (en prensa), “Estrategias
de experimentación en arquitectura y complejidad”, capítulo de libro, en: C. Hernández (Comp.), Artefacto
crítico, Bogotá, Pontificia Universidad Javeriana (en prensa); en historia: (2007) “History and Complexity”,
en: Filosofski Alternativi (del Instituto de Filosofía de la Academia de Ciencias de Bulgaria), No. 4 págs.

En este artículo me propongo estudiar un problema puntual, pero,
creemos, de inmensa envergadura, para el futuro inmediato y a mediano plazo
de las ciencias sociales y humanas. Se trata de la complejidad o complejización
de la base misma de las ciencias y disciplinas sociales, a saber: la idea misma
de sistemas sociales. La tesis que quiero sostener aquí es que el concepto
mismo de sistemas sociales no es ya patrimonio único de las ciencias sociales
y humanas. El argumento no es complicado: Las ciencias sociales encuentran
rasgos de familiaridad, en el estudio sobre los sistemas sociales, naturales en
la forma de insectos sociales por primera vez a partir del trabajo pionero de
Hölldobler y Wilson (1996). Por su parte, el tránsito de los sistemas naturales
a los sistemas artificiales tiene lugar por primera vez en el trabajo pionero de
Bonabeau (1999). Dar el paso siguiente, es algo apenas natural. A continuación
estudio las razones y las consecuencias de esta idea.
El punto de partida
Todas las ciencias sociales y humanas, así como diversas otras disciplinas
que se integran en ellas, nacieron posteriores al desarrollo de las ciencias
exactas, físicas y naturales. Este hecho hizo que el espíritu, las aspiraciones,
el lenguaje y numerosos métodos y aproximaciones de las ciencias sociales
y humanas nacieran y permanecieran, durante mucho tiempo, a la luz –o a la
sombra; según se mire– de las ciencias físicas y naturales.
En consecuencia, el prestigio, la confianza, la solidez y la propia

autoestima de las ciencias naturales y positivas fueron siempre mayores
que los de las ciencias sociales y humanas. Estas buscaron siempre
desarrollarse a la manera de aquellas. El motivo delicado de comparación
fue siempre el carácter deductivo o hipotético-deductivo de las teorías de
las ciencias naturales, y, consiguientemente, la posesión de un sólido aparato
matemático. Con seguridad, el caso más conspicuo de este estado de cosas
es el de la economía, la cual aspiró durante mucho tiempo a un estatuto
superior entre todas las ciencias humanas gracias a la incorporación de un
5-17, (original en inglés, publicado en búlgaro); en antropología: “Ambigüedad lo humano: Un estudio hacia
la complejidad de la antropología”, en: I. Calderón (Ed.), ¿Quiénes somos? Hacia una comprensión de lo
humano, Bogotá, Universidad de la Sabana, 2008, págs. 143-172; en finanzas: “Teoría de las catástrofes y
teoría financiera”, en: Odeón. Observatorio De Economía y Operaciones Numéricas, Universidad Externado
de Colombia, págs. 47-74, 2006; en relaciones internacionales, “La lógica del multilateralismo. Una red
dinámica compleja”, en: OASIS. Observatorio de Análisis de los Sistemas Internacionales, Universidad
Externado de Colombia, págs. 98-122, 2004; en sociología y política, Filosofía de la sociedad civil, Bogotá,
Siglo del Hombre Editores/Universidad Libre, 2002 (traducción al rumano: Ed. Bastion. Bucarest, 2008);
““Política y sistemas no-lineales: la biopolítica” en: Dilemas de la política, B. Vela Obregón (Coordinador),
Bogotá, Universidad Externado de Colombia, 2007, págs. 91-142; en estética, (2008b) “Beauté et science: a
la recherche de l í nconnu”, en: Alkemie. Revue semestrielle de litterature et philosophie, No. 1, págs. 73-79;
en administración: (2009a) “Una nota sobre criptología y complejidad” en: Innovar, Universidad Nacional
de Colombia (en prensa) – entre otros, siendo el trabajo principal en filosofía en general (y que omitimos
aquí por razones de espacio).

aparato matemático relativamente consistente. Tal por lo menos, fue el caso
de la economía clásica y neoclásica.
De hecho el concepto mismo, la denominación y el ámbito de las ciencias

sociales y humanas fueron posibles como presupuestos de diferencia,
y en ocasiones de contraposición, con el estudio de la naturaleza y con la
matemática (cuantitativa). Precedidas por la economía –cuyo modelo original
fue el de los fisiologistas–, y parcialmente por la política, las ciencias sociales
y humanas nacen en una verdadera eclosión de conocimientos en el curso
del siglo XIX y continúan naciendo –con una proporción baja, ciertamente–
en el curso del siglo XX.
Mientras que las ciencias físicas y naturales nacen con la expresa

disposición de rechazo y distanciamiento con respecto a la filosofía (=
metafísica), con pretensiones de dar cuenta del mundo en general, o en
particular, con pretensiones propias y sin necesidad de recursos o principios
metafísicos, las ciencias sociales y humanas nacen teniendo como referente
inmediato el modelo naturalista, particularmente la física Newtoniana; y sólo
indirectamente, la discusión de aquellas con la filosofía y la metafísica. En
otras palabras, la distancia entre ciencias humanas y filosofía es menor que
entre la filosofía y las ciencias positivas.
La importancia de las ciencias sociales y humanas consiste en que nos

hablan de nuestros intereses, de la comunidad a la que pertenecemos, del
sentido de identidad y de los propósitos que tenemos o que no podemos
alcanzar. Buscan decirnos lo que somos y cómo somos, en el contexto de
la sociedad y de la cultura. Nos aportan un conocimiento acerca de cómo
podemos y debemos vivir, y en ocasiones incluso nos dicen, de manera
franca y directa, como deberíamos llevar nuestras vidas (Smith, 1997).
Propiamente hablando, el concepto mismo de ciencias sociales y humanas

es, visto con ojos contemporáneos un arcaísmo, tanto como lo son las propias
ciencias naturales y físicas. En efecto, su mera designación y clasificación
responde al espíritu de una época –la modernidad– que obedece, en realidad
a una larga tradición que se remonta hasta la Grecia antigua, de acuerdo con
la cual, la realidad en general es binaria o dualista, y este dualismo se expresa
de diversas maneras: alma-cuerpo, hombre-naturaleza, cultura-tecnología,
humanidades-ciencia, ciencias naturales-ciencias sociales, res cogitans-res
extensa, y otras semejantes.

Así entonces, las ciencias sociales y humanas nacieron teniendo
como modelo la física newtoniana y, en general, la mecánica clásica. Solo
posteriormente, de manera tardía e incompleta, han comenzado a pensar a
la manera de la biología y la ecología. Es decir, en términos distintos a la física
clásica. Sin embargo, es claro que este lenguaje merece una observación
cuidadosa, a fin de evitar malentendidos que puedan hacer pensar que a
cambio de un reduccionismo fisicalista abogamos aquí a favor de otro tipo de
reduccionismo: biológico. Oportunamente tendremos la ocasión de precisar
y ampliar esta observación.
Si se hace un repaso a algunas de las mejores revistas sobre filosofía y

teoría de las ciencias sociales –por ejemplo, Philosophy of Science, British
Journal for Philosophy of Science, Philosophy of the Social Sciences–, el
espacio dedicado a la discusión de la(s) relación(es) entre ciencias sociales y
humanas y ciencias de la complejidad es prácticamente nula. De otra parte,
si se repasa algunas de las mejores revistas de complejidad –notablemente
Complexity–, la situación no es diferente, con la particularidad de que se
trata de aplicaciones o estudios puntuales acerca de la complejidad de
determinados fenómenos, comportamientos y sistemas. Con tanta mayor
razón se amplía y se fortalece esta visión cuando se examinan libros, capítulos
de libros y memorias de eventos en el mundo sobre el tema. Una excepción
notable es, entre nosotros, por lo demás, la revista Cinta de Moebio, cuya
fortaleza –que es una revista hispanohablante– es al mismo tiempo su
debilidad, si se tiene en cuenta que, de hecho, el fuerte de la ciencia se hace
hoy por hoy en lengua inglesa2.
En cualquier caso, asistimos al nacimiento de un problema delicado, a

saber: la determinación de la forma como las ciencias sociales y humanas
contribuyen a entender la complejidad del mundo, lo cual tiene como
consecuencia, de rebote, una elucidación acerca de la propia complejidad
de las ciencias y disciplinas – otrora– dedicadas (exclusivamente) con el ser
humano, la sociedad y la cultura.
2
Contra las lecturas superficiales que dan por sentadas razones políticas, económicas y hasta militares que
hacen referencia a un país determinado, hay que recordar un hecho histórico: fue la Académie Française
des Sciences la que en el siglo XVIII estableció que el idioma oficial de la ciencia fuera el inglés; la decisión
se tomó como un distanciamiento del Medioevo, para el cual la lengua de la ciencia y de la filosofía era
el latín. Siguiendo el ejemplo de la Academia Francesa, posteriormente la Preussische Akademie der
Wissenshaften y la propia Royal Academy siguieron el ejemplo. Y desde entonces, el idioma de la ciencia
ha sido el inglés. Este dato lo recuerda Lloyd (2006) Programming the Universe. New York: Alfred K. Knopf,
2006, pág. 69.

Complejidad de lo social
Las ciencias sociales y humanas se fundan en un supuesto metafísico; más
exactamente, en una metafísica cuyo origen se remonta a la Grecia antigua
en general y a la filosofía de Aristóteles en particular. De acuerdo con esta
metafísica, existe algo así como una naturaleza humana perfectamente
distinta a la naturaleza en el sentido primero de la palabra. De hecho, toda la
historia de la civilización occidental se funda en o se deriva de esta metafísica.
Y precisamente en correspondencia con ella, el ser humano, en general,

admite o necesita un tipo de conocimientos distintos a aquellos referidos a
la naturaleza –en el sentido físico de la palabra. Estos conocimientos son la
psicología, la sociología, la ética, la antropología, la economía y la política, en
el sentido originario de la palabra. Y posteriormente también la lingüística,
la administración, la semiótica o semiología, la historia y la geografía,
principalmente.
Así, el supuesto –implícito y manifiesto– de una naturaleza humana –ya

sea incluso en su versión fuerte o en una más moderada–, consiste en la tesis
según la cual los seres humanos y, a fortiori, los sistemas sociales humanos
son los únicos o bien los más excelsos –en el contexto de la economía de la
naturaleza.
Existen tres modos o tres dimensiones de lo social, a saber: los sistemas

sociales naturales, los sistemas sociales humanos y los sistemas sociales
artificiales. Los primeros constituyen el objeto de ciencias y disciplinas como
la ecología del paisaje, la biología de poblaciones, y la propia astrofísica y la
cosmología; los segundos son el objeto de las ciencias sociales en el sentido
decimonónico de la palabra (sciences sociales, tout court); los terceros son
el objeto de disciplinas y ciencias como las redes complejas, los sistemas
informacionales y las ciencias de la computación, la robótica colectiva y la
vida artificial.
Este panorama plantea abiertamente un desafío para las ciencias sociales

en sentido tradicional, puesto que éstas entienden que existe únicamente un
tipo de sistema social: el humano. Sin embargo, los desarrollos más recientes
de las investigaciones de punta han puesto suficientemente de relieve no
solamente la existencia de estas tres clases de sistemas sociales sino, además
y fundamentalmente, su fuerte interacción.
Las ciencias sociales y humanas son las más complejas de las ciencias. Pero
la demostración de su complejidad rompe el marco mismo de lo humano y lo
social –en contraposición con lo natural, lo biológico, lo artificial y lo matemático.

Asistimos, en rigor, a la constitución de fronteras móviles y permeables; difusas
incluso, si se prefiere entre las tres clases de sistemas sociales2.
Como es sabido, en el marco de las ciencias sociales asistimos, con

referencia al problema en consideración a tres momentos: el primero y
de lejos el más duradero fue el del primado del individualismo ontológico;
posteriormente, en particular gracias al “paper” publicado originalmente
en 1957 por J. Watkins (1995), se hizo el tránsito hacia el individualismo
metodológico. Sin ninguna duda, esta es la corriente predominante en
(la filosofía de la ciencia de) las ciencias sociales. Recientemente hemos
aprendido a reconocer la importancia de la acción colectiva y de la
racionalidad colectiva a partir del modelo de los sistemas sociales biológicos.
Desde este punto de vista, el fenómeno social se comprende de entrada

como complejo, y por consiguiente, no simple y llanamente como un agregado
de partes. Mejor aún, la individualidad es, en realidad, una inflexión de un
sistema social. Esta idea ha sido estudiada desde diversas vías (redes booleanas:
Kauffman 1998); interacciones funcionales: Chauvet 1995). En otras palabras,
los sistemas complejos nacen ya complejos, a saber, con una complejidad
mínima, la cual se va volviendo magnífica en la medida en que la evolución
conduce al sistema a estos modos y niveles de complejidad creciente.
Existen diversas maneras como se ha explicado la complejidad de los

sistemas sociales, apelando desde la existencia de equilibrios dinámicos,
hasta la presencia de atractores extraños, desde la presencia de leyes
de potencia hasta la existencia desde dimensiones fractales, desde la
importancia de la flecha del tiempo hasta los procesos autoorganizativos,
por ejemplo. Sin embargo, el marco más reciente en el que se inscriben y
se desarrollan los temas relativos a acción colectiva, racionalidad colectiva,
sinergias y complejidad creciente es el de las redes complejas, formulado
originariamente, con acentos distintos, por Watts, Barabasi y Strogatz
entre 2001 y 2003. Desde entonces la bibliografía ha sido creciente y de una
cobertura cada vez mayor en los temas y las áreas. En cualquier caso, el rasgo
más importante ha sido precisamente poner suficientemente de manifiesto
que los tres tipos de sistemas sociales constituyen en realidad uno sólo y que
las distinciones entre los tres son, sencillamente, de orden epistemológico o
metodológico.
En otras palabras, la complejidad de lo social tiene lugar en la dirección que

apunta a una síntesis en la que los sistemas sociales humanos, los sistemas
sociales naturales y los sistemas artificiales, no simplemente muestran una
sinergia positiva –lo cual es en realidad bastante trivial–, sino, mejor aún,
2
Como quiera que sea, en el caso de las ciencias sociales y humanas, más que en cualquier otro campo, es
importante retener las experiencias y enseñanzas del famoso Asunto Sokal (Affaire Sokal).

emergen autoorganizadamente. Esta autoorganización de los tres tipos de
sistemas tiene, sin embargo, un espacio obligado de referencia: el planeta.
Pero es claro que dicho espacio puede ampliarse, como es efectivamente el
caso, en términos de heurísticas y metaheuristicas. Este nuevo espacio es,
con seguridad, un espacio imaginario (= “espacio de fases”).
Para finalizar esta sección, se impone una observación puntual. La idea

según la cual el todo es mayor que la sumatoria de las partes no es, en manera
alguna una idea propia de las ciencias de la complejidad, sino, es una idea de
orden sistémico. En complejidad lo que podemos decir, más adecuadamente,
es que los sistemas complejos no solamente son susceptibles sino, mejor
aún, exigen de una mirada distinta, a saber: la multiescalaridad. Esto quiere
decir que lo propio de un sistema complejo –y a fortiori de un sistema social
complejo– es que demanda de parte del investigador una visión o estudio
multiescalar. La multiescalaridad es el hecho de que un fenómeno complejo
requiere de escalas distintas en sus procesos de explicación, pero que las
diversas escalas se encuentran en estrecha relación entren ellas y que
ninguna tiene, a priori, absolutamente ninguna prelación sobre las demás
(Bar-Yam 2004).
Complejidad de lo humano
Las ciencias sociales (y humanas) son eminentemente antropocéntricas y
antropomórficas. En sentido tradicional el objeto de las diversas ciencias
y disciplinas sociales era el ser humano, de acuerdo con determinadas
justificaciones, circunstancias, lenguajes o metodologías. Esta es al
mismo tiempo su fortaleza y su debilidad. Sin embargo, el tránsito hacia
el reconocimiento del conjunto de problemas ecológicos –en el sentido al
mismo tiempo más fuerte y amplio de la palabra– puso de manifiesto que
pensar en términos ecológicos es mucho más que pensar en términos
de sociedad y de naturaleza. Emergieron, así, nuevos grupos de ciencias;
propiamente hablando, se trata de ciencias de frontera definidas a partir de
problemas de frontera. El grupo más destacado de estas nuevas ciencias
incluye a las siguientes:
• Ciencias cognitivas
• Ciencias de la vida
• Ciencias de la salud
• Ciencias de la tierra
• Ciencias del espacio
• Ciencias de materiales
• Ciencias de la complejidad

Lo novedoso es que estas ciencias emergen como nuevas y magníficas
síntesis, a partir del reconocimiento explícito de que no tienen objeto sino,
mejor, un problema, en cada caso. El hecho sorprendente es que numerosas
ciencias y disciplinas sociales en sentido tradicional vienen a integrarse en
alguna o en varias de las nuevas ciencias, tanto como que hay algunas ciencias
y disciplinas sociales que incluso desaparecen ante el nuevo escenario
de la investigación científica. Por ejemplo, la psicología y la lingüística se
integran, por lo menos parcialmente, a las ciencias cognitivas; la sociología
y la antropología entran a formar parte de un sector de las ciencias de la
complejidad; el derecho queda al margen de este esquema, excepto por el
derecho al medioambiente, que se integra en las ciencias de la tierra; otras
ilustraciones pueden mencionarse sin dificultad: baste aquí la idea.
Con seguridad el tema más importante es el de la relación entre individuo

y sociedad. Expresado en términos de filosofía de la mente, se trata del
dilema según el cual muchas mentes pueden dar lugar a una sola mente,
común y unificada, o bien, si diversas, numerosas mentes permanecen
plurales, y en medio de y a pesar de la diversidad pueden expresarse como
un colectivo. La mejor respuesta hasta la fecha proviene de otra dirección, a
saber: los estudios sobre inteligencia de enjambre (swarm intelligence) han
sido altamente significativos al respecto.
La respuesta a los retos ecológicos tiene la limitación de que el ser

humano no concibe a ningún otro sistema como más complejo que sí
mismo. La condición para resolver los conflictos, amenazas, peligros, riesgos
y problemas de gran escala estriba en que el ser humano acepte que son
posibles y que existen otros sistemas más complejos que el meramente
humano; e inversamente, que el humano no es precisamente el sistema de
máxima complejidad conocida. Quiero sostener aquí la tesis según la cual
el mayor y más magnífico de los sistemas es el sistema de las posibilidades,
al interior del cual se inscribe y adquiere sentido lo humano. Abogo a favor
de una tesis de una ontología de lo posible. (Sin embargo, propiamente
hablando, no se trata de que el ser humano no conciba a otro(s) sistema(s)
como más complejos que sí mismo, sino, el problema es de los modelos
mentales –conceptuales y otros- que han formado a los seres humanos).
La complejidad de lo humano se hace manifiesta cuando atendemos al

hecho de que lo humano es tan sólo una instancia, un momento o un nodo
–tres maneras diferentes para expresar una misma idea–, de un conjunto
esencialmente abierto e indeterminado. La manera más sencilla de designar
a este conjunto es: medioambiente. Pero entonces es necesario reconocer
que el medioambiente tiene una connotación espacial y temporal al mismo
tiempo. Dicho inversamente, en la manera en que se asume lo humano como
cerrado o aislado del conjunto de sistemas sociales naturales y artificiales, lo

humano mismo se simplifica, se erosiona, se pierde. La riqueza, la grandeza, o
el significado de lo humano es proporcional a las relaciones – de intersección,
de complemento, de unión o de vacío– entre los sistemas sociales humanos,
naturales y artificiales al mismo tiempo.
No existe, por consiguiente, una línea demarcatoria clara entre lo

humano y lo no humano. Lo humano comienza en algún lugar antes de
nosotros y termina también en algún punto después de nosotros. Pensar en
complejidad, como sabemos, equivale a pensar en términos de diferencias
de organización, cualitativas o de grados, pero nunca –¡nunca más!– como
diferencias de naturaleza. La maravilla de lo humano no puede ser entendida
–¡ni resuelta!– por sí misma, aisladamente.
Si hemos de confiar en El Informe Gulbenkian, hablamos de abrir las

ciencias sociales. Pues bien, esta apertura no se da hacia el lado de las
ciencias naturales o positivas, sino como la apertura de lo humano mismo
y de lo social humano, cuyo resultado es la transformación de las ciencias
sociales tal y como las habíamos entendido habitualmente –en rigor, a partir
del siglo XIX, cuando nacen. Pero, lo verdaderamente significativo es que su
tema o problema de base, permanece, a saber: lo humano como fenómeno
complejo, en fin, los sistemas sociales humanos como entrelazados,
complementados y atravesados, al mismo tiempo, por los sistemas sociales
naturales y por los sistemas sociales artificiales.
Si en una escala cósmica, con base en la termodinámica del no equilibrio

cabe sostener razonablemente que la vida es la respuesta del universo al
problema de la entropía, asimismo, en la escala planetaria podemos decir
que la forma humana de vida es la mejor respuesta que Gaia pudo haber
imaginado en términos de biomasa. Sólo que, en ciencia como en la vida,
los problemas se resuelven hacia adelante, nunca hacia atrás. Esta idea
refuerza la tesis según la cual el problema, en cualquier escala, dimensión o
envergadura de los sistemas sociales humanos –por ejemplo, problemas de
comunicación, de justicia, de distribución de bienes, de igualdad y otros más
semejantes–, se resuelven en la dirección que apunta al entrelazamiento
entre los tres tipos de sistemas sociales. Ninguna otra época de la humanidad
se había enfrentado con este reto, pero tampoco había tenido tantas
oportunidades de salir avante.
Lo humano, sostenemos, está intrínsecamente marcado por ambigüedad

–y no precisamente por ambivalencias. La ambigüedad de lo humano apunta
en la dirección a la polisemia, a escalas polifónicas, en fin, a nuevas y mejores
tonalidades, ritmos, acordes, armonías y definiciones del silencio –para
decirlo en lenguaje musical. Apenas, sostenemos, comenzamos a entrever
este nuevo lenguaje, estructura y musicalidad. Debemos refinar nuestro

oído musical y educarlo en consonancia con las nuevas formas de expresión
y de creación musicales emergentes. De esta suerte, pensamos, lo humano
habrá de enriquecerse. Pero el costo –costo termodinámico– será el de un
quiebre fuerte con buena parte de la tradición.
Teoría social compleja

Hablamos de la complejidad de los sistemas sociales. Pues bien, son tres
las teorías fundamentales de la complejidad: la teoría matemática de la
complejidad –y en especial la distinción entre problemas P y N-P4, la teoría de
la evolución y la teoría cuántica. Las ciencias sociales y humanas permanecen
por regla general ignorantes de la primera, reconocen, pero aceptan a
regañadientes la segunda, pero desconocen la tercera5. Otra manera de
plantear este tema es en los siguientes términos: las ciencias sociales
permanecen atadas en la escala macroscópica o, a lo sumo, mesoscópica.
Pero no incorporan, en general, a la escala microscópica. Lo apasionante del
tema es que las cosas más importantes del mundo y de la vida emergen
de la escala microscópica pero se plasman en el universo macroscópico. El
problema es que cuando se plasman en él, eventualmente, puede ser ya muy
tarde.
Como es sabido, en el marco de la filosofía de la ciencia se dice que las

teorías sociales (humanas) son de rango medio. Quisiera aquí argumentar a
favor de una teoría social compleja. La forma que adoptaré será la de destacar
los ejes primarios de dicha teoría y justificar por qué razón (o razones)
estos ejes son fundamentales en el desarrollo de esta teoría. Debe quedar
aquí de lado, por razones de espacio, el desarrollo de esta teoría compleja
(sobre la cual nos hemos pronunciado, por lo demás, en otras partes).
El primer eje consiste en la idea según la cual, a partir de la tesis expuesta

en este artículo, por primera vez en la historia de Occidente, el input y el
output son diferentes. En efecto, durante toda la historia de Occidente, el
input era el ser humano; es decir, el ser humano el motor de las acciones
y decisiones que tenían como finalidad al propio ser humano; éste es el
output. En contraste, hemos entrado en una época en la que, si bien las
4
Formulada por primera vez en 1972, esta teoría se origina a partir de la distinción hecha por Turing
entre funciones numéricas calculables y no calculables. Un problema P es aquel que puede resolverse
en un tiempo polinomial, e inversamente, un problema N-P es todo aquel que no puede ser resuelto en
cualquier tiempo polinomial. Las ciencias sociales y humanas permanecen en su gran mayoría al margen
de esta teoría y deberían poder incorporarla o trabajar con ella. Algunos ejemplos de problemas sociales y
humanos del tipo N-P son: la felicidad, el medioambiente, la pobreza, la equidad, el conocimiento.
5
He trabajado en la relación con la tercera en Maldonado, C. E., “La dimensión filosófica del nanomundo:
La nanologia”, en: Episteme. Uma revista brasileira de filosofía e historia das ciencias (número 28 de Jul/
Dic. 2008).

acciones y las decisiones son humanas, el referente de las mismas no es ya
única o principalmente el ser humano, sino, en general, la vida entera sobre
el planeta tanto como el conjunto de elementos abióticos. El título genérico
de este output es Gaia, un término introducido por Lovelock y Margulis.
El segundo eje destacable hace referencia al desarrollo de una teoría

general de las organizaciones –un reto que interpela en general a las ciencias
sociales y humanas tanto como a la biología y la cosmología, por ejemplo.
Debe ser posible una teoría general de las organizaciones que al mismo
tiempo atraviese o implica los tres órdenes de sistemas sociales mencionados.
Hasta la fecha carecemos de una teoría semejante. Haciendo referencia a la
cuchilla de Ockham, es oneroso e inútil tener “teorías” diversas, incoherentes
e inconsistentes por lo demás, cuando deberíamos poder disponer de una
teoría común de las organizaciones humanas, sociales y artificiales.
El tercer eje de una teoría social compleja hace referencia a la

incorporación de escalas y densidad temporales diversas, de tal suerte que,
a mayor incorporación de densidades distintas, mejor robustez de la teoría y
de la congruencia entre los tres tipos de sistemas sociales. De hecho, existe,
manifiestamente, una implicación recíproca entre las escalas temporales
humanas, naturales y artificiales, así como, ulteriormente, entre los diversos
componentes y niveles de cada uno de ellos, pero no existe hasta la fecha
ninguna teoría que efectivamente establezca este entrelazamiento y acciones.
Pues bien, las justificaciones para estos tres ejes son dúplice, así: de un
lado, tenemos tres sistemas sociales. Éste es el equivalente del problema
clásico de los tres cuerpos –abordado por Poincaré en respuesta a la
propuesta y al premio formulado por el Rey Oscar II de Suecia. La idea detrás
de este reconocimiento es el de una topología (estructural, notablemente)
de las tres teorías. Basta con una cierta sensibilidad hacia las matemáticas
(cualitativas) o bien hacia las ciencias de la complejidad para entender el
significado verdadero de la topología propuesta.
De otra parte, al mismo tiempo, se trata de atender al hecho de que

una teoría compleja del orden mencionado tiene como asunción básica
el cuidado del ser humano en general pero con él, entonces también,
necesariamente, de toda otra forma de vida conocida y por conocer. La
forma como se designa en ciencia y filosofía de la ciencia esta idea es en
términos de la vida tal-y-como-podría ser (life-as-it-could-be), una expresión
afortunada en el lenguaje científico y filosófico introducida por primera vez
gracias a los trabajos sobre vida artificial y, posteriormente, sobre inteligencia
de enjambre (swarm intellgence).

Como quiera que sea, el tema mismo de la complejidad de los sistemas
sociales no es, como se observa, ajeno al problema del desarrollo de una
teoría unificada o general de los tres modos básicos de sistemas sociales: los
humanos, los naturales y los artificiales. Si esta idea es plausible, tenemos ante
nosotros un tema de enorme significado. Lo que se encuentra, finalmente,
en la base de ambos, es el tema mismo del cuidado, el posibilitamiento, la
exaltación y la gratificación de la vida en general en todas sus formas conocidas
e imaginables, sobre la base de programas de investigación (en curso) marcada
y radicalmente inter, trans y multidisciplinarios; o mejor, de frontera.
• Adams, R.N. 2001. El octavo día. La evolución social como autoorganización
de la energía. Iztapala, México, D.F.: Universidad Autónoma Metropolitana.
• Anderson, P.W, Arrow, K., Pines, D. 1998. The economy as an evolving

complex system I. Santa Fe: Westview Press.
• Arthur, B., Durlauf, S.N., Lane, D. 1997. The economy as an evolving

complex system II Santa Fe: Westview Press.
• Axelrod, R. y Cohen, M.D. 1999. Harnessing Complexity. Organizational

Implications of a Scientific Frontier. New York: The Free Press.
• Bar-Yam, Y. 2004. Making Things Work. Solving Complex Problems in a

Complex World. NECSI – Knowledge Press.
• Beekman, C.S. y Baden, W.W. 2005. Non Linear Models for Archeology
and Anthropology: Continuing the Revolution. Burlington, VT: Ashgate
Publishing.
• Blume, L.E y Durlauf, S.N. (Eds.) 2005. The economy as an evolving complex
system III (Santa Fe Institute Studies in the Sciences of Complexity).
Oxford: Oxford University Press
• Bonabeau, E., Dorigo, M., Theraulaz, G. 1999. Swarm Intelligence. From

Natural to Artificial Systems. A Volume in the Santa Fe Institute Studies
in the Sciences of Complexity. Oxford: Oxford University Press.
• Bunge, M. 2003. Emergence and Convergence: Qualitative Novelty and

the Unity of Knowledge. Toronto: University of Toronto Press.

• Chauvet, G. 1995. La vie dans la matière. Le rôle de léspace en biologie.
Paris: Flammarion.
• Gaddis, J.L. 2002. The Landscape of History. How historians map the past.
New York: Oxford University Press.
• Gilpin, D.R. y Murphy, P.J. 2008. Crisis Management in a Complex World.

Oxford: Oxford University Press.
• Gonzalez Casanova, P. 2004. Las nuevas ciencias y las Humanidades.

De la academia a la política. México: Anthropos-UNAM-Universidad
Complutense.
• Helmreich, S. 1998. Silicion Second Nature. Culturing Artificial Life in a

Digital World. Los Angeles: University of California Press.
• Hölldobler, B. y Wilson, E.O. 1996. Viaje a las hormigas. Una historia de

exploración científica. Barcelona: Crítica (Grijalbo Mondadori).
• Kauffman, S. 1998. At Home in the Universe. The Search for the Laws of
Self-Organization. Oxford: Oxford University Press.
• Lindenfeld, D.F. 1999. Causality, Chaos Theory, and the End of the Weimar
Republic: A Commentary on Henry Turner´s Hitler´s Thirty Days to Power.
History and theory 38: 281-299.
• Maldonado, C.E. (Ed) 2007. Complejidad: Ciencia, pensamiento y

aplicaciones. Bogotá: Universidad Externado de Colombia.
• Maldonado, C.E. 2005a. Termodinámica y complejidad. Una introducción

para las ciencias sociales y humanas. Bogotá: Universidad Externado de
Colombia.
• Maldonado, C.E. (Comp.) 2005b. Complejidad de las ciencias y ciencias

de la complejidad. Bogotá: Universidad Externado de Colombia.
• Maldonado, C.E. 2005c. ¿En qué sentido puede hablarse de diálogo de

las ciencias? Acerca de las nuevas ciencias de la complejidad. Revista de
la Academia de Ciencias Físicas, Exactas y Naturales XXIX(112): 417- 428.
• Maldonado, C.E. 2002. Sistemas complejos, evolución tecnológica y retos

para la ética. Bogotá: Universidad El Bosque.

• Maturana, H. y Varela, F. 1990. El árbol del conocimiento. Las bases
biológicas del conocimiento humano. Madrid: Debate.
• Maturana, H. y Varela, F. 1994. De máquinas y seres vivos. Autopoiesis: La

autoorganización de lo vivo. Buenos Aires: Lumen.
• McCloskey, D.N. 1991. History, Differential Equations, and the Problem of

Narration. History and theory 30: 21-36
• McNeill, W.H. 2001. Passing Strange: The Convergence of Evolutionary

Science with Scientific History. History and Theory 40:1-15.
• McNeill, W.H. 1998. History and the Scientific Worldview. History and
theory 37: 1-13.
• Ormerod, P. 2005. Why Most Things Fail. Evolution, Extinction, and

Economics. New York: Pantheon Books.
• Pérez-Taylor, R. 2006. Antropología y complejidad. Barcelona: Gedisa.
• Prigogine, I. y Stengers, I. 1994. La nueva alianza. Metamorfosis de la

ciencia. Madrid: Alianza.
• Reddy, W.M. 2001. The Logic of Action: Indeterminacy, Emotion, and

Historical Narrative. History and theory 40: 10-33.
• Rescher, N. 1998. Complexity. A Philosophical Overview. New Brunswick:

Transaction Publishers.
• Resnick, M. 2000. Turtles, Termites, and Traffic Jams. Explorations in

Massively Microworlds. Cambridge: The MIT Press.
• Sawyer, R.K. 2004. The Mechanisms of Emergence. Philosophy of the

Social Sciences 34(2): 260-282.
• Shermer, M. 1995. Exorcising Laplace´s Demon: Chaos and Antichaos,

History and Metahistory. History and theory 34: 59-83.
• Smith, R. 1997. The Norton History of the Human Sciences. New York:
Norton & Co.
• Smith, J. y Jenks, C. 2006. Qualitative Complexity. London: Routledge.

• Stewart, P. 2001. Complexity Theories, Social Theory, and the Question of
Social Complexity. Philosophy of the Social Sciences 31(3): 323-360.
• Taylor, M.C. 2003. The Moment of Complexity. Emerging Network Culture.

Chicago: The University of Chicago Press.
• Tyrtania, L. 1999. Termodinámica de la supervivencia para las ciencias

sociales. Iztapala, México, D.F.: Universidad Autónoma Metropolitana.
• Wallerstein, I. 2004. The Incertainties of Knowledge. Philadelphia: Temple

University.
• Wallerstein, I. 1987. Historical systems as complex systems. European

Journal of Operational Research 30: 203-207.
• Watkins, J. 1995. “Methodological Individualism and Social Tendencies”.

En: R.Boyd, P. Gasper y J.D. Trout (Eds.). The Philosophy of Science.
Cambridge: The MIT Press, pp. 733-742.
• Watts, D.J. 2003. Six Degrees. The Science of a Connected Age. New York:
Norton & Co.

9
Introducción
LA INVESTIGACIÓN CIENTÍFICA
COMO LUDOPATÍA
La ciencia en general constituye, por sus consecuencias, la más importante

de las formas de racionalidad. Y sin lugar a dudas, la mejor expresión de la
ciencia es la investigación, un tema que, a decir verdad, ha terminado por
convertirse en una auténtica ingeniería social. La cienciometría, las políticas
de gestión del conocimiento y las propias políticas públicas de ciencia
y tecnología, por ejemplo, constituyen tres áreas que permiten ver, sin
ambages, que la investigación es acaso la forma más refinada del capitalismo
académico (Slaughter and Rhoades, 2009).
No obstante, este artículo se concentra en un aspecto pocas veces

considerado, a saber: comprender la investigación como hybris; esto es,
como más que una pasión que implica adoptar el conocimiento como una
forma de vida. Ello cuando decidida, determinantemente el investigador
se propone (tratar de) correr las fronteras del conocimiento; un tema que
se dice fácilmente pero que es extremadamente difícil de llevar a cabo. En
este sentido la tesis que defiende este artículo es al mismo tiempo el hilo
conductor del mismo: la investigación es una auténtica forma de ludopatía.
Los argumentos que soportan la tesis enunciada son cuatro, así: en primer
lugar, se lleva a cabo una caracterización general de la investigación de punta
en el mundo actual. La idea de base es que la investigación verdadera demanda
de, y al mismo tiempo instaura (o impone), una libertad radical. Se discute en
qué consiste esta libertad y se sientan las bases para la segunda sección.
En efecto, la segunda sección presenta y discute en profundidad la tesis

enunciada. Se presenta el argumento acerca de la investigación científica
radical y se ilustran diversos casos de ludopatía en distintas fuentes de la
bibliografía al respecto. Por su parte, la tercera sección discute las diferencias
entre ludopatía y lúdica y afirma que la investigación científica radical no
es simple y llanamente lúdica, esto es, una actividad fruitiva, sino, más
auténticamente, una actividad que compromete la totalidad de la existencia,

y en ocasiones llega incluso a
desbordarla.
Pues bien, la cuarta sección

se concentra exactamente
en la elucidación de la idea
según la cual, en el mundo
contemporáneo, la investigación
científica es en ocasiones
una experiencia límite. A ello
apunta precisamente la idea de
investigación como hybris. Al final
se extraen algunas conclusiones.
La relación entre investigación

científica y ludopatía es más
que una analogía. Se trata de
entender esa forma de vida que
es la investigación, o el amor
por el conocimiento, como esa
experiencia en la que el científico
se desboca a sí mismo, para
Imagen 1. “Untitled”. ©Marian Scott. www.galeriemichelbigue.com alcanzar, ulteriormente, una gran
obra.
La investigación de punta, hoy

La historia de la ciencia y la tecnología puede ser vista como un ejercicio
de juego, esto es, de apuestas y toma de riesgos. Ello, cuando hablamos de
ciencia de punta y de la historia de la producción de bifurcaciones (Serres,
1991), y del corrimiento de las fronteras del conocimiento. Pues la verdad es
que hay otro tipo de investigación menos arriesgada, menos juguetona, que
simplemente se sienta y hace la tarea.
En efecto, la investigación científica sucede análogamente al trabajo de

los maestros de construcción en un edificio. Uno pone un ladrillo, otro más
pone otro ladrillo, y así sucesivamente. Alguno pone el marco de una ventana,
otro más cada vidrio y así progresivamente hasta que se va completando
todo el edificio. Se trata de un proceso, no acumulativo, pero sí que se va
superponiendo como pequeñas capas geológicas. Ninguno tiene como
finalidad revolucionar la ciencia y mucho menos transformar el mundo.
Simplemente, hacen su trabajo.

Exactamente en este sentido, la inmensa mayoría de la investigación
científica es minimalista por técnica, por especializada. Como el obrero
experto en la tuberradicalidad; mucho mejor, hybris establecidos de la ciencia
implica un cierto esp Turing, por preferencias personales; por ejemplo, el que
es conocedor del cableado eléctrico, el que conoce como ninguno la plomada
y la rectitud de los ladrillos, aquel otro que pinta los muros y paredes, por
ejemplo.
Cada quien sabe hacer lo suyo, todos se implican recíproca y necesariamente,

y ninguno adquiere, y ciertamente no a priori, un protagonismo más allá de su
especialidad. Así sucede en la física, y en cada una de sus especialidades, en la
ingeniería, en la inmunología, en la bioquímica, o también en la economía, por
mencionar tan sólo algunos casos.
Se trata de trabajadores intelectuales que, en el mejor de los casos, hacen

la tarea. Hay quienes enseñan poco e investigan mucho, y otros más que
escriben alguna cosa, son invitados a algún congreso nacional o internacional
y que adquieren, durante un momento episódico, una cierta notoriedad y
fama local. Existe un recíproco reconocimiento entre los investigadores,
acaso cada quien reconociendo la valía de los demás. Como los maestros de
construcción, esos que fueron llamados durante mucho tiempo “los rusos”.
Es en este sentido que se habla justamente de redes; esto es, de

imbricaciones y colaboraciones, directas o indirectas, en las que cada quien se
apoya en el trabajo de los otros, y todos en una red que confluye, ulteriormente,
en la consolidación de la ciencia o la disciplina. El edificio del caso.
Y es que la analogía no es exagerada. En un caso como en otro, se les

impone a obreros e investigadores metas, logros, cumplimientos, y se les
establecen objetivos e indicadores precisos. Y cuando un edificio ha sido
terminado –y vendido, entonces-, pues se comienza con la construcción
de otro. Es lo que podría asimilarse como la conclusión de un proyecto de
investigación y el inicio de otro. Que es la forma como se va construyendo
esa urbe que es la ciencia en general. Hoy por hoy, una urbe cada vez más
poblada, con mayores especializaciones, con recovecos cada vez más sutiles
y difíciles.
Esta es la ciencia que se hace con promedios, con políticas para mayorías
(de investigadores), con indicadores.
Otro es el modo radical, pero inmensamente más difícil, de avance de la

ciencia.

La otra forma de avance de la ciencia no desplaza, en absoluto, al modo
anterior, sino, lo supone. Mientras que allí tiene lugar, de manera imperceptible,
el cambio de mentalidades, el segundo modo de avance de la ciencia es el
que produce rupturas y discontinuidades, revoluciones y cambios profundos
y estructurales.
Este segundo modo de avance de la ciencia no se propone, y ciertamente

no de entrada, el cambio del mundo y la realización de una revolución
científica o tecnológica. Pero lo que sí es claro es que es al final del día, por así
decirlo, que los científicos logran adivinar que se viene un cambio profundo
y que las cosas serán transformadas radicalmente. Y entonces dedican sus
mejores esfuerzos y energías a llevar a cabo la revolución. Les creen, más que
a las ideas, adicionalmente, a sus pálpitos e intuiciones, a su capacidad de
apuesta y sus corazonadas (guts, en inglés).
Las revoluciones científicas suceden a través de dos caminos distintos,

pero que, al cabo, pueden encontrarse, eventualmente. De un lado, se trata
del trabajo descomunal, verdaderamente titánico, que logra realizar grandes
síntesis. Son pocos los investigadores que alcanzan a visualizar, y mucho
menos a proponerse la realización de grandes síntesis. Pues, como queda
dicho, la inmensa mayoría son minimalistas por técnicos.
Imagen 2. “El Alquimista”. © Ernesto Reategui, 2013. www.artmajeur.com

Y de otra parte, se trata de aquellos que son verdaderamente radicales,
se enfrentan al destino, al mundo y a sí mismo, y se proponen rupturas
y quiebres – frente a la tradición y frente a la corriente dominante de
pensamiento (mainstream science). Literalmente, estos investigadores son
ludópatas: apuestan los bienes más preciados a la empresa de innovación y
descubrimiento. Pierre Curie muere por radioactividad, Einstein termina en
una confortable soledad, Gödel es víctima de la paranoia y muere al cabo de
hambre, cuando no son inducidos al suicidio, como Turing, por preferencias
personales; por ejemplo.
Porque enfrentarse a los poderes establecidos de la ciencia implica

un cierto espíritu de radicalidad; mucho mejor, hybris (un concepto que
conocían muy bien los griegos de la Grecia arcaica, y que significa bastante
más que “pasión” o “pathos”). Se trata de una compleja mezcla de fuerte
autoestima, espíritu de riesgo, capacidad de desafío, y mucho trabajo con
tesón y disciplina, entre otras condiciones.
De suerte que el segundo modo de avance de la ciencia consiste en una

capacidad de apuesta fuerte, y en mucha capacidad de autonomía, libertad
y criterio propio. Grothendieck constituye uno de esos excelsos casos de
independencia y ruptura. Pero la verdad es que la historia está llena de otros
buenos casos, en casi todas las disciplinas.
Investigar como quien hace más que la tarea, y más exactamente como
quien no hace la tarea. Porque su decisión y su apuesta son otros. Esta es
la ciencia con gente que se sale del promedio, los que marcan la diferencia:
outliers. Ahora bien, esta es la circunstancia en ciencia, pero en filosofía no
sucede algo diferente.
La investigación que se define como el esfuerzo por introducir

innovaciones radicales puede ser comprendida de tres formas, así: como
inversión de alto riesgo, como inversión a fondo perdido, y como inversión a
largo plazo. Eso: el alto riesgo, la inversión con incertidumbre, y a largo plazo,
son rasgos característicos de eso que, en otras palabras, ya expresaba H. von
Braun cuando le preguntaban qué es investigación: “Yo hago investigación
cuando no sé a dónde voy con lo que hago”. Ello en contraste con los planes
y programas normales de investigación que incluyen aspectos tales como:
objetivos generales y objetivos particulares, plan a corto a mediano y largo
plazo, y cronogramas serios y rigurosos, y descripción metodológica, paso a
paso, de lo que se va a hacer y cómo.

Digámoslo de entrada de manera franca y directa: la investigación radical
no sirve esencialmente para nada. No es utilitarista ni eficientista. Por el
contrario, busca esencialmente entender, comprender qué es el mundo,
la naturaleza y las cosas. Y cambiar los modos mismos de comprensión
anteriores y prevalentes hasta entonces, vislumbrando nuevos horizontes,
apostando por nuevas realidades.
Investigación y ludopatía
La investigación científica radical puede ser adecuadamente comprendida
como el ejercicio o la pasión misma que se confunde con la ludopatía. Galileo
y Copérnico, proponiendo un modelo heliocéntrico que se oponía al modelo
imperante desde la antigüedad y el medioevo, el heliocentrismo, constituyen
un buen ejemplo. Con todo y las amenazas de Roberto Bellarmino, sacerdote
jesuita, quien había llevado a la pira a Giordano Bruno e intentó hacer lo
mismo con Galileo.
Varios ejemplos clásicos pueden mencionarse libremente, así: L. Pasteur

logra oponerse con firmeza a la idea de la generación espontánea imperante
hasta entonces, y descubre la importancia de la microbiología. Antes, Lavoisier
había dado al traste con la idea del flogisto, él mismo, un apasionado por la
revolución francesa de 1789. Vesalius y Loewenhoeck habían dado al traste
con la idea de los espíritus animales y los homúnculos, y catapultan al mismo
tiempo los primeros cimientos de la medicina científica y las expectativas
de vida de los pacientes. Mendeleiev, verdaderamente obsesionado, pero
siempre jovial y alegre, por encontrar la lógica del alfabeto del universo, hasta
que descubre la lógica de la tabla periódica en un sueño. Einstein mismo
elimina la idea del éter, y cae en apasionantes e interminables con Bohr
acerca de las interpretaciones de la mecánica cuántica, en discusiones que
sólo serán bruscamente interrumpidas por la historia externa de la ciencia
(Bernal, 1968; Gribbin, 2005).
Cabe también mencionar la presunta adicción a las anfetaminas por

parte de P. Erdös, el padre de la teoría de grafos, y el más prolífico autor en
matemáticas, con una vida bastante excéntrica (Hoffman, 1998).
Y es que investigar es una actividad que implica fruición, manifiestamente.

Al respecto, no es la primera, sino la segunda frase de la Metafísica de
Aristóteles la que es significativa. Primera frase: “Todos los hombres
buscan conocer”. Segunda frase: “Porque conocer da placer”. En la
Grecia antigua existía el concepto de setemi, justamente para designar
la búsqueda (pesquisa), la investigación. Sólo que, particularmente, en el
tránsito del capitalismo post-industrial al capitalismo informacional, y de

este, respectivamente, a la sociedad de la información, la sociedad del
conocimiento y la sociedad de redes, la investigación se ha convertido,
manifiestamente, en un fenómeno social, colectivo.
(Digamos, entre paréntesis, que el investigador está generalmente bien

pagado, dispone de cierta libertad de trabajo y determinadas facilidades,
aun cuando existen dos tipos básicos de investigación: aquella orientada a
fines, en cuyo caso usualmente los fines son determinadas por la entidad
financiadora; y la investigación basada en fortalezas y capacidades. La
investigación radical sucede, manifiestamente, más en el segundo caso que
en el primero).
En otras palabras, el placer que produce la investigación constituye un

auténtico estado mental, que cuando involucra a la totalidad de la existencia,
adquiere rasgos claros de ludopatía. Se trata de apostar por alcanzar un
nuevo descubrimiento, invento o idea que transformen radicalmente el
decurso del conocimiento habido hasta entonces. En el imaginario social, el
investigador –el científico, digamos- tiene un fenotipo y un comportamiento
genéricamente conocidos: el cabello despeinado de Einstein, el genio
iracundo de M. Gell-Mann, una alta inestabilidad emocional y afectiva, como
Kafka o Mahler, en fin, un cierto carácter despistado, aislados del mundo, sin
mucho sentido práctico, como muchos conocidos alrededor. Todo ello bajo
el supuesto de que se trata de fenotipos y comportamientos auténticos, y no
tantas veces auto- proclamados y auto-publicitados. Lo cual no es más que
apariencia y (auto)engaño.
Y es que la investigación que genéricamente se define como de punta y

por el esfuerzo de correr las fronteras del conocimiento no sabe de horarios
o espacios precisos, no sabe de convenciones y de protocolos rutinarios. Por
el contrario, se lanza a la experimentación, a la escritura, a la composición
–según-, en fin, a la reflexión como a un auténtico escenario en el que nada
más parece importar. Eso, a la manera de la ludopatía – esto es, del juego
extremo.
Pero, ¿por qué la investigación es asimilada a la ludopatía? ¿Dónde

está la patología, o qué es lo patológico de la investigación? Porque querer
cambiar el mundo, querer cambiar la sociedad y las estructuras explicativas,
en fin, las propias estructuras mentales es patológico, relativamente a la
normalidad imperante. ¿Por qué ludopatía y no lúdica? Th. Kuhn habla de
“anomalías” como un factor que gatilla los nuevos paradigmas. Asimismo, la
investigación es un ejercicio que no termina. No se trata simple y llanamente
de un juego, sino de un juego que adquiere caracteres agónicos1.

Se trata de la tensión misma de la investigación al mismo tiempo que
del disfrute, dado el hecho de que en ciencia sólo hay medalla de oro. (No es
posible inventar lo que ya está inventado, no es posible descubrir lo que ya
está descubierto, no es posible pensar lo que ya se ha pensado).
Grosso modo, la ludopatía se caracteriza por un comportamiento

compulsivo consistente en querer jugar y apostar cada vez más, perdiendo el
sentido de la realidad, y que afecta la vida personal y familiar. Habitualmente
es diagnosticado como un problema de origen psicológico. Existen diversas
consecuencias en la ludopatía, pero todo ello desde el supuesto básico de
diagnósticos epidemiológicos. Los tratamientos de la ludopatía consisten
básicamente en “normalizar” a los jugadores compulsivos.
Imagen 3. “Planta Insumisa”. ©Remedios Varo, 1961. http://remedios- varo.com
1
Ello a pesar de las apariencias que dan los grandes medios masivos de comunicación como un mundo
en crisis, en desasosiego, en caída libre. El periodismo científico debe cumplir un papel más activo, así
como los procesos de socialización del conocimiento (de punta). Ello a pesar de las apariencias que dan
los grandes medios masivos de comunicación como un mundo en crisis, en desasosiego, en caída libre.
El periodismo científico debe cumplir un papel más activo, así como los procesos de socialización del
conocimiento (de punta).

Y es que, social o culturalmente hablando, la imagen del científico o el
pensador no es distinta. El pensador, creador o innovador es un auténtico
outlier, se sale de las normas (“desviaciones estándares”), y es con frecuencia
objeto de burla. Manifiestamente que en algunas ocasiones pueden haber
circunstancia serias de posibles enfermedades mentales (Nasar, 2016), por
ejemplo a propósito de J. Nash, quien resulta un genio en matemáticas y
economía.
Sin embargo, con seguridad el mejor estudio acerca de la ludopatía –y

por consiguiente, en el interés aquí, de sus extensiones hacia la investigación
científica-, lo elabora, desde la literatura F. Dostoievsky en El jugador (2007).
Alekséi Ivánovich no es dueño de sí mismo. Por el contrario, es objeto de su
adicción por el juego, pero el juego es la forma de vida que adoptó a pesar de
sí mismo. Sólo que Alekséi es empujado, por así decirlo, al juego por su amada,
Polina Aleksándrovna, la hijastra del general. Ivánovich entra en el juego por
amor, tiene éxito en el mismo, pero termina con adicción por despecho del
amor. Es cuando la ludopatía deja de ser una enfermedad porque es el escape
a los dolores del corazón: antes del amor, y después del mismo.
Los caminos hacia la ciencia no son menos recónditos. Pero no es ese el

núcleo aquí, sino esa pasión desenfrenada que implica un cambio de vida;
tal y como acontece con Alekséi Ivánovich. Fischer (2016) es generoso en
anécdotas e historias acerca de los caracteres de varios científicos: desde
Maxwell hasta Röntgen, y desde Pauli hasta Delbrück, pasando por Euler,
Kekulé y varios más.
La investigación radical al mismo tiempo que demanda de mucha

libertad, permite al mismo tiempo una enorme independencia y autonomía
investigativas. Esto es, medularmente dicho, libertad de pensamiento y
de expresión (algo que, dicho sea de pasada, no poseen los investigadores
adscritos a organismos gubernamentales y a grandes corporaciones).
Mandelbrot (2014) menciona que tuvo mucha suerte, y que de hecho él fue
el último en la IBM en alcanzar estas garantías. De otro modo, difícilmente
hubiera nacido la geometría de fractales.
Por su parte, D. Coxeter siempre puso de manifiesto que el desarrollo de los

politopos jamás hubiera sido posible si no era jugando libremente (Hoffman,
1998). Se trata de esa actividad que para nada está supuesta de ninguna
manera en la elaboración de proyectos y propuestas de investigación.
Sería el objeto de otro artículo diferente ilustrar con casos el argumento

planteado aquí acerca de investigación y ludopatía. Aquí, por lo pronto
caben algunas indicaciones ilustrativas; en contraste, el objetivo aquí es el
de introducir el argumento o la tesis. Como quiera que sea, se trata de un

problema en el que se cruzan enfoques diferentes como la psicología del
descubrimiento científico, la sociología de la ciencia, la antropología de
la ciencia, la historia y la filosofía de la ciencia, y el estudio de las políticas
de ciencia y tecnología y la gestión del conocimiento. Como se aprecia sin
dificultad, un área amplia, cruzada, transversal, en fin, interdisciplinaria.
¿Por qué no “investigación y lúdica”?

Gracias a G. Gadamer (1993) podemos distinguir dos clases de juegos: de un
lado, los juegos representacionales; esto es, aquellos se juegan ante otros y
para otros. Y de otra parte, los juegos que son una finalidad en sí mismos (pp.
143 y ss.): es, en el caso de Gadamer, el juego del arte, y la estética. En el juego,
el sujeto es el juego mismo: “La estructura ordenada del juego permite al
jugador abandonarse a él y le libra de la iniciativa, que es lo que constituye el
verdadero esfuerzo de la existencia (1993: 148).
La lúdica es un modo de afirmación de la existencia, y puede ser vista

incluso como un modo de realización de la existencia. Pero no por ello lleva a
la existencia al límite mismo de sus propias posibilidades. Más bien, conduce
al límite mismo de la actividad y así, en algunas ocasiones, al límite de la
existencia. Pero no al revés. Al revés: esto es, el juego que lleva al jugador al
límite de su existencia (Dias et al., 2008); que es lo que acontece en el caso
de la investigación radical.
La lúdica del juego es una actividad expansiva, si cabe. Pero la investigación

científica radical constituye una forma de tocar las fronteras mismas del
conocimiento, de la realidad, de la vida, por tanto. Se trata de alcanzar un
modelo, o una teoría, o una idea, por ejemplo, como la esencia misma de un
nuevo mundo, de una forma nueva y perfectamente distinta de existencia.
La lúdica es aquella fruición que habitualmente se acompaña de risas, gritos
y alegría. La del científico, por el contrario, se trata de una experiencia que
apunta al avistamiento de (la) verdad, en fin, al descubrimiento del sentido
mismo de las cosas. Como nunca antes había sucedido.
En los niveles básicos de la educación es ya costumbre establecer puentes

entre aprendizaje-enseñanza y lúdica. Verosímilmente, así aprenden mejor
los niños y los jóvenes. Sin embargo, a medida que se avanza en los niveles
superiores de la educación, la lúdica desaparece drásticamente, pues lo
que entra a primar es la lógica del mercado (sistema laboral). Entonces se
imponen tiempos, tareas, responsabilidades, y demás aspectos vinculados
al sistema de mercado.

En la investigación la lúdica desaparece por completo dado que se asume
a aquella como una empresa adusta, con consecuencias, con indicadores y
mediciones de distinta índole: de impacto, de innovación y otros. Algo que
difícilmente puede decirse del juego y la lúdica. Pues bien, quisiera decirlo
de manera puntual: la investigación radical puede ser entendida como
un juego; sólo que es un juego agónico, y no ya simplemente un juego
representacional. Puede ser un juego si está alimentada de mucha libertad,
independencia y autonomía (. Pero es agónico en tanto hay apuestas, riesgos
de inmensa envergadura y desafíos enormes. Justamente, producir nuevo
conocimiento, que es tanto como decir crear nueva vida (Kauffman, 1995;
Solé and Goodwin, 2000; Maturana y Varela, 2004; Barrow et al., 2005).
Digámoslo de manera franca y directa: lo que ulteriormente está en juego

en la ciencia es la vida mima, esto es, la comprensión suya, la explicación
de sus orígenes y posibilidades, los riesgos que la amenazan, los horizontes
de evolución y desarrollo, en fin, las condiciones de calidad de la misma, su
dignidad y la exigencia de hacer posible y cada-vez-más- posible.
Manifiestamente, F. Jacob ha hablado del juego de la vida como del juego

de lo posible (1982). Pero debe quedar claro que de lo que se trata entonces
es de un juego no-teleológico, cuya base es, al decir de Jacob, el bricolaje,
una idea que Jacob retoma, por lo demás de C. Levy-Strauss. A diferencia del
ingeniero, el experto en el bricolaje sabe que los objetos son el resultado de
una serie de acontecimientos contingentes. No existe programa alguno: sólo
la adecuación contingente de procesos en la medida en que el tiempo avanza.
La vida es un juego en la medida misma en que no simplemente se

reduce a, ni responde a, ser un “programa”, que fue la expresión acuñada
por Watson y Crick en su explicación del dogma central de la biología. Los
sistemas vivos evolucionan, en otras palabras, con base en exaptaciones y
bricolaje, y no ya única y determinantemente por selección y adaptación.
Pues bien, la investigación científica puede ser asimilada a un juego, sólo
que su impronta es la del más serio juego de todos en el universo: el de la
vida resolviendo el problema de la entropía (Kondepudi, Prigogine, 1998;
Ben-Naim, 2011). Es exactamente por esta razón que se adopta aquí mejor
el dúplice rasgo de investigación radical y de ludopatía. La investigación de
punta está atravesada y nutrida de hybris.

Imagen 4. “Modern Society”. © Dhiman Choudhury, 2003. https://fineartamerica.com
La hybris de la investigación
Nunca antes había habido tantos científicos, académicos, investigadores en
la historia de la humanidad. Por ejemplo, tanta gente con títulos de maestría,
doctorados y otros. Y todos, cada vez más, en dinámicas de redes, esto es,
de aprendizaje mutuo y de procesos de cooperación recíproco a distintas
escalas. Vivimos, literalmente, una era de luz: de mucho conocimiento, de
mucha información, de mucha reflexión y crítica. Las caracterizaciones de
sociedad de la información, sociedad del conocimiento y sociedad de redes
no son simples denotaciones; corresponden a profundos procesos sociales,
culturales, económicos, políticos y otros. Con una salvedad fundamental: en
rigor hoy no se debe hablar más de “ciencia”, a la manera de la modernidad;
tenemos ante nosotros alrededor de nosotros ciencias (en plural) y grupos
de ciencias; así por ejemplo, las ciencias de la salud, las ciencias de la vida, las
ciencias cognitivas, las ciencias de la tierra y muchas otras.
Hoy hay numerosos individuos, numerosos grupos y comunidades,

incluso muchas sociedades y culturas que han llegado a definir sus vidas
–esto es, las condiciones de calidad de vida y de dignidad- literalmente en
términos de conocimiento; más exactamente, de innovación y creatividad.
Se trata de un fenómeno absolutamente único en toda la historia de la

humanidad, desde el punto de vista de sus estructuras, sus dinámicas y sus
consecuencias.
La hybris de la investigación puede ser comprendida desde dos puntos

de vista. De un lado, negativamente, como la capacidad para enfrentarse a
la tradición y al paradigma de la corriente de pensamiento dominante. Por
ejemplo, enfrenarse a un modelo, o una teoría determinadas. Se requiere
de mucha fuerza interior, mucha autoconfianza, ciertamente algo de buena
fortuna, y mucha disciplina. De otra parte, positivamente, se trata de una
enorme capacidad de apuesta, de desafío, de riesgo y juego.
La verdad es que la inmensa mayoría de investigadores no son de este

tipo. No es sobre ellos sobre quienes se ocupa este texto. Por el contrario.,
se trata de todos aquellos que rompen psicológica y emocionalmente,
tanto como desde el punto de vista cultural y político las distribuciones
normales, las campanas de Gauss, en fn, las desviaciones estándares. Son los
auténticos outliers. Se trata, manifiestamente, de aquellos, que jamás son la
mayoría, que experiencian la hybris del conocimiento y de la investigación, y
se convierten en el objeto de sus propias pasiones.
De manera puntual, atendiendo a sus orígenes en la Grecias arcaica, tres

personajes pueden mencionarse sin dificultad como imbuidos de hybris.
Ellos son: Agamenón, el propio Eliseo, dos personajes centrales creados por
Homero, y Edipo en la tragedia de Esquilo; aun cuando la Orestíada ocupa
también un papel central al respecto. En la Grecia antigua, la hybris equivale
tanto a un estado de locura, como a una ebriedad, en fin, a la ausencia de
dominio por parte de la razón. Sólo que los griegos disponían de dos conceptos
para designar la razón: el nous, en el período arcaico, y el logos en el periodo
clásico y helenístico. Aquel puede traducirse como un conocimiento intuitivo,
en tanto que el logos es eminentemente proposicional y predicativo. En
cualquier caso, la hybris es esa clase de vida que se abandona a sí misma
en pos de un objeto o experiencia determinados, pero que no sabe que se
abandona a sí misma.
Pues bien, existe una dúplice circunstancia que explica el tipo de hybris
de la investigación hoy en día. Se trata del hecho de que vivimos un mundo
inmensamente rico en información, en datos, en conocimiento. Justamente
por ello, a partir de 1998 ha emergido la ciencia de grandes bases de datos
(big-data science): jamás había habido tal proliferación de publicaciones,
eventos académicos y científicos. Y en estrecha relación con lo anterior, se
trata de que, manifiestamente, vivimos en una sociedad de redes.

Esta sociedad se expresa, en un plano, en las múltiples conexiones entre
científicos, humanistas, académicos e investigadores, y en otro plano, en el
tránsito de la web 2.0 a la web 3., y el horizonte probable de la web 4.0 en el
futuro inmediato y a mediano plazo.
De esta suerte, los amantes del conocimiento y la investigación se ven

literalmente avasallados por oleadas de información, actualización, debates,
cuestionamientos y avances. El simple esfuerzo por mantenerse al día en
los avances del conocimiento implica un estado mental que conduce al
investigador casi al límite.
Una visión pesimista o escéptica al respecto afirmaría que hoy por hoy
es imposible leer todo lo que se publica (en un área) en el mundo. Por el
contrario, una visión optimista asiste al marasmo (hybris) de conocimientos
palpitantes, vívidos, altamente adaptativos y permanentemente cambiantes,
y de comunidades académicas y de investigadores cada vez más entrelazadas
de diversas maneras y a través de distintos canales, en proceso sinérgicos de
cooperación, aprendizaje y re-aprendizaje permanente. Evidentes muestras
de vitalidad. Eso: de esa vitalidad que se desborda a sí misma y cuya mejor
comprensión es como hybris; esto es, una mezcla sutil, difícil, compleja, de
ebriedad, unja cierta locura (o por lo menos algunos estados límite mentales),
mucho desenfreno y un fuerte sentido de incontinencia mental3.
Mantenerse al día (updated) en los más recientes conocimientos, las más

recientes publicaciones, los congresos, presentaciones, líneas de discusión y
demás – todo ello implica un estado que puede rayar con límites de distintos
tipos, así: mentales, de estrés, sociales, económicos o financieros, laborales,
por ejemplo. La sombra de Alekséi Ivánovich, una vez que se ha hecho la (re)
lectura de la novela, permea y cruza estas reflexiones y experiencias.
2
Cierto, existen también patologías en este proceso: las dos más evidentes es el “publish or perish”, y
consiguientemente, el peligro de caer en prácticas peligrosas, tal y como lo evidencia sistemáticamente el
sitio https://retractionwatch.com

Conclusiones
Aquí nos hemos concentrado en la investigación científica como una forma
de ludopatía. Pero la verdad es que la ludopatía no es exclusiva de la ciencia.
Se la encuentra igualmente en las artes (Jaspers) y en la literatura (Balzac), en
la filosofía y en las humanidades.
He querido señalar que la investigación científica se hace de tres modos

conspicuos, así: como un juego de libertad, como una apuesta arriesgada, en
fin, como un ejercicio de desafío y originalidad (Sood et al., 2003). Pues bien,
el rasgo común a los tres modos es la capacidad de apuesta, la originalidad,
la radicalidad de la innovación. El elemento que cruza los tres modos puede
ser entendido de dos formas. Se trata de la capacidad de llevar a cabo
experimentos mentales, y el trabajo con base en pompas de intuición. En
cualquier caso, se trata de mucha autonomía, independencia, libertad – en el
sentido al mismo tiempo más fuerte de la palabra.
Los científicos e investigadores que trabajan sincera, total, de no

dadamente en ciencia pueden ser vistos como jugadores entregados a una
pasión que los domina (Joliot, 2004), a una forma de vida que desplaza todo
lo demás o convierte todo lo demás en subsidiario. El investigador apuesta
de diversas maneras: en las conferencias que hace, en las publicaciones de
distinto calibre que lleva a cabo, en las exposiciones que de sus temas y de sí
mismo hace en un momento determinado.
La investigación científica ha sido vista de muchas maneras: como una

empresa, como una práctica, como un ejercicio, como una forma de vida;
aquí se ha argumentado que es, además, un juego desmedido. Pero no es
únicamente un juego individual. En muchas ocasiones es un juego social:
ludopatía social. Es lo que sucede, verdaderamente con la “gran ciencia” y
no solamente ya con la “pequeña ciencia”. Por ejemplo, el trabajo que se
lleva a cabo en el CERN (Organización Europea para la Investigación Nuclear) , o las
investigaciones en torno a LIGO (Observatorio de detección de ondas gravitatorias),
aunque otros casos pueden mencionarse sin dificultad. Esto es, esos juegos
en los que son decenas, centenas, miles de investigadores (ingenieros, físicos,
matemáticos, etc.) los que están involucrados en el juego.

• ASIMOV, I., (2007). Historia y cronología de la ciencia y los descubrimientos.
Barcelona: Ariel.
• BARROW, J. D.; DAVIES, P. C. W.; HARPER, JR., CH. L., (Eds.), (2005).
Science and Ultimate Reality. Quantu, Theory,
Cosmology and Complexity. Cambridge: Cambridge University Press.
• BEN-NAIM, A., (2011). La entropía desvelada. El mito de la segunda ley de

la termodinámica y el sentido común. Barcelona: Tusquets.
• BERNAL, J. D., (1968). Historia social de la ciencia, I. La ciencia de la

historia; II: La ciencia de nuestro tiempo. Barcelona: Península.
• DEGRANDE, F., (2015). “Ludopatía y estrategias narratológicas: El caso

Barrios en Responso de Juan José Saer”. En: Orbius Tertius, vol. XX, núm.
21, pp. 78-94.
• DIAS, F. M. V., CANO-PRAIS, H. A., KEHDY, S., & TEIXEIRA, A. L. (2008). “Um
jogador patológico por dostoiévski”. En: Revista De Psiquiatria do Rio
Grande do Sul, vol. 30, núm. 3, pp. 236-240.
• DOSTOIEVSKY, F., (2007). El jugador. Madrid: Ed. Milenium.
• FISCHER, E. P., (2016). El gato de Schrödinger en el árbol de Mandelbrot.

Barcelona: Crítica.
• GADAMER. H.-G., (1993). Verdad y Método, vol. I y II. Salamanca: Sígueme.
• GRIBBIN, J., (2005). Historia de la ciencia.1543-2001.Barcelona: Crítica.
• HOFFMAN, P., (1998). The man who loved only numbers. The story of Paul
Erdös and the search for mathematical truth. New York: Hyperion.
• INIESTA, I. (2014). “Epilepsy in the process of artistic creation of

Dostoevsky”. En: Neurología (English Edition), vol. 29, núm. 6, pp. 371-378.
• JACOB, F., (1982). El juego de lo possible. Ensayo sobre la diversidad de los

seres vivos. Barcelona: Grijalbo.

• JASPERS, K., (1956). Genio y locura. Madrid: Aguilar.
• JOLITO, P., (2004). La investigación apasionada. México: Fondo de Cultura

Económica.
• KAUFFMAN, S., (1995). At Home in the Universe. The Search for the Laws
of Self-Organization and Complexity. Oxford: Oxford University Press.
• KONDEPUDI, D., PRIGOGINE, I., (1998). Modern Thermodynamics. From

Heat Engins to Dissipative Structures. Wiley & Sons.
• KUHN, Th., (1992). La estructura de las revoluciones científicas. México:

Fondo de Cultura Económica.
• MANDELBROT, B., (2014). El fractalista. Memorias de un científico

inconformista. Barcelona: Tusquets.
• MATURANA, H., y VARELA, F., (2004). El árbol del conocimiento. Las raíces
biológicas del conocimiento. Santiago de Chile: Lumen.
• NASAR, S., (2016). Una mente prodigiosa. Madrid: Debolsillo.
• ROBERTS, S., (2007). King of the infinite space. Donald Coxeter, the man
who saved geometry. London: Profile Books.
• SERRES, M., (Ed.), (1991). Historia de las ciencias. Madrid: Cátedra.
• SLAUGHTER, S., y RHOADES, G., (2009). Academic Capitalism and the

New Economy. Johns Hopkins University Press.
• SOLÉ, R., y GOODWIN, B., (2000). Signs of Life. How Complexity Pervades
Biology. New York: Basic Books.
• SOOD, E., PALLANTI, S., Y HOLLANDER, E. (2003). “Diagnosis and

treatment of pathologic gambling”. En: Current Psychiatry Reports, vol.
5, núm. 1, pp. 9-15.

10 TIPOLOGÍA DE MODELOS CIENTÍFICOS
DE EXPLICACIÓN. CIENCIA Y
Introducción
COMPLEJIDAD
El concepto de “teoría”, tal y como lo conocemos –por ejemplo, en el sentido

como se habla de teoría del estado, o teoría de la relatividad, o teoría de la
evolución-, aparece por primera vez gracias a un libro de Th. Burnet (1635-
1715): Theoria Terra Sacra (Teoría de la Tierra Sagrada), conocido en ocasiones
también como Telluris Theoria Sacra (con el mismo título como traducción),
publicado en 1681 (aun cuando S. J. Gould le adscribe como fecha 1602).
En la época, se viene configurando gradualmente una nueva imagen del

mundo (Imago Mundi), conducente, ulteriormente a la cosmovisión propia
de la Modernidad y la primera revolución científica. Nace la ciencia moderna,
y con ella, emergen posteriormente las distintas revoluciones industriales,
hasta llegar actualmente a la cuarta revolución industrial.
Ahora bien, la forma como la ciencia en general se va desarrollando

consiste, en su expresión más acabada, en la elaboración de modelos teóricos
–modelos científicos-, que son los que finalmente sostienen las explicaciones
acerca del mundo, la sociedad, la realidad (Bailer-Jones, 2009). El origen del
concepto de “modelo” científico no está muy bien precisado a la fecha, pero
es claro que nace en el ámbito de las matemáticas, y en algún momento
entre finales del siglo XIX y comienzos del siglo XX.
Este artículo deja de lado, por delimitación de tema, el estudio histórico

y se concentra en la metodología de la investigación científica. Su finalidad
consiste en elaborar una tipología de modelos científicos, con la intención de
caracterizar en qué consiste, exactamente la ciencia de punta contemporánea.
Los argumentos son cruzados e interdisciplinarios, así: en primer lugar, se
plantea el más importante y difícil de los problemas en ciencia, a saber, la
discusión acerca de la validez, origen y legitimidad de un modelo teórico.

Un problema científico y político
Un modelo científico consiste en una explicación de un fenómeno o conjunto
de fenómenos (Rowher, Ric, 2016). En la tradición del justificacionismo en
filosofía de la ciencia, puede decirse de que un modelo es un conjunto de
creencias justificadas. Todo el debate en torno a los modelos gira por tanto
en torno a los tipos de justificaciones. A justo título cabe hablar aquí también
de verificaciones – de una hipótesis, de un enunciado, de una teoría. Como
es sabido, en la historia de la filosofía de la ciencia contra el justificacionismo
Popper erige el falsacionismo, lo cual, para efectos de este artículo, no
modifica gran cosa nada.
Como quiera que sea, quisiera aquí sugerir tres problemas fundamentales
en los que convergen campos disimiles como las políticas (públicas) de
ciencia y tecnología, los estudios culturales sobre ciencia y tecnología, la
filosofía de la ciencia, la metodología y la sociología y la política como tales.
Se trata de la distinción de tres planos, así: cómo surge un modelo, cómo se
mantiene, cómo se echa abajo o por qué cae.
Los modelos teóricos o conceptuales (ya volveremos al respecto) son

explicaciones de los fenómenos basadas en diversos criterios; así, por
ejemplo, en estudio de casos, o bien en criterios de universalización o de
generalización, o bien en esquemas matemáticos. Un esquema constituye
una explicación del mundo en general o bien de una parte del mundo. En
este sentido, es determinante estudiar cómo surge un modelo determinado.
Un problema semejante no es el objeto de una sola ciencia o disciplina, y
por el contrario, comporta una preocupación de tipo global o estructural,
digamos.
Los modelos tienen en muchas ocasiones la capacidad de determinar

acciones de individuos, instituciones y sociedades a partir de comprensiones
determinadas por el modelo mismo. Al fin y al cabo, la condición mínima a
partir de la cual actúan los seres humanos es a partir de lo que entienden;
o creen entender. Los modelos determinan las acciones, y con ello, vidas
enteras, durante una o varias generaciones (Currie, 2016). Esto se encuentra
perfectamente ilustrado por la historia de la ciencia –el modelo geocéntrico,
el heliocéntrico, y así sucesivamente, por ejemplo.
Un modelo comporta –o puede comportar- una cosmovisión completa. Y

muchas veces algo semejante: poder ser revolucionario o subversivo, según
se mire. El juicio que a nombre de la Iglesia Católica emprendió el jesuita
Roberto Bellarmino, primero contra Giordano Bruno, y luego también contra
Galileo Galilei, son un ejemplo notable de lo que digo.

En un ejemplo igualmente radical en un plano diferente, las crisis
económicas y financieras de Argentina primero y de México luego a finales
del siglo XX –el efecto corralito, y el efecto tequila, respectivamente-, habría
obedecido a que las autoridades nacionales no entendieron el “modelo
económico” dictado por el Banco Mundial y el Fondo Monetario Internacional,
según se dijo en su momento. Es preciso estudiar cómo surgen los modelos
de que se trata, en cada caso.
En este mismo sentido, es importante estudiar, asimismo, cómo se

mantiene un modelo teórico. Pues bien, los modelos tienen la fuerza de las
ideas, pero lo cierto es que terminan encarnándose (embodiment) a través
de prácticas, rituales, organizaciones e instituciones de diversa índole.
Un modelo teórico muchas veces tiene un polo a tierra a través de formas
específicas de organización social. Así, por ejemplo, los cristianos primitivos,
lograron al cabo convertirse ya no en una secta – que es lo que eran., sino en
una religión y ulteriormente en la religión oficial del Imperio Romano, gracias
al Edicto de Tesalónica del emperador Teodosio, en el año 380. El resto es
historia conocida.
Son numerosas los mecanismos y las vías a través de las cuales un modelo
determinado se mantiene en el tiempo –durante un lapso más breve o más
amplio-.
Establecer cómo y por qué razón un modelo determinado se mantiene

vigente es significativo desde muchos puntos de vista. Esto es lo que, a su
manera, Th. Khun denominaba como un paradigma (vigente). El hegemón,
dicho en términos políticos; esto es, la ciencia normal o el pensamiento
único. Instrumentalmente, por ejemplo, Hitler solía decir que el triunfo del
nacionalsocialismo hubiera sido imposible sin la ayuda del megáfono. (El radio
ya había sido inventado unos años antes). Es evidente que la comunicación y
los medios mismos de comunicación, en un momento y lugar determinados,
inciden de manera crucial en la vigencia de un modelo determinado.
Con todo y que queda siempre la fuerza, el atavismo, la costumbre y la

inercia como otra razón de permanencia de un modelo determinado en un
momento dado. El tema queda aquí simplemente señalado. Sería el objeto de
un trabajo extenso abordar y resolver adecuadamente el asunto.
Finalmente, pero siempre en estrecha relación con los dos planos

antes mencionados, se hace imperativo igualmente estudiar y explicar
suficientemente cómo y por qué un modelo determinado se viene abajo.
Th. Kuhn ha dado una explicación, a saber: la presencia de anomalías dentro
del paradigma vigente. Pero es claro que esta no puede ser la única razón que
puede aducirse.

La fuerza y el impacto de un modelo teórico es algo que no cabe
subestimar, y dejar simplemente a un área tan aséptica políticamente, como
la metodología de la investigación científica, el problema acerca de cómo o
porqué se caen o se echa abajo los modelos en la historia de las sociedades y
de la ciencia. La física constituye un buen ejemplo al igual que la historia de la
geometría, para entender que los modelos anteriormente vigentes quedan
incluidos, como casos particulares, de esquemas explicativos más amplios, y
por tanto exactos y robustos al mismo tiempo. Sin embargo, esto es algo que
se dice fácilmente, puesto que comporta auténticas revoluciones culturales
y sociales en toda la línea de la palabra.
La verdad es que ningún modelo vigente se cae solo. Para su caída –o

derrumbe- se requiere de toda una revolución epistemológica, una auténtica
bifurcación, en el sentido de M. Serres.
¿Qué es un modelo (teórico)?

En los orígenes de la modernidad emerge un nuevo modelo del universo
y la realidad: el modelo heliocéntrico, que desplaza al modelo geocéntrico,
de origen ptolemaico-aristotélico. El modelo heliocéntrico, que incluye a la
revolución copernicana, y que incluye los trabajos de Galileo y de Kepler,
se formaliza ulteriormente en la obra de I. Newton y la ley de la gravedad
universal. En el siglo XIX, Maxwell introduce la idea un demonio para explicar,
en el marco de la segunda ley de la termodinámica, cómo puede ser violada la
entropía; su marco es eminentemente el de la física estadística. Sin embargo,
en rigor, el demonio de Maxwell es un experimento mental, antes que un
modelo teórico. Puede decirse que el primer modelo como tal, es el que lleva
a cabo H. Poincaré para explicar el problema de los tres cuerpos, a partir de
un desafío-concurso lanzado originalmente por el rey Oscar II de Suecia.
El concepto de “modelo teórico” es de uso en ciencia en general, no así

en filosofía. Esta distinción tiene que ver con el hecho de que mientras que
la filosofía consiste en plantear grandes preguntas-¿qué es el ser humano?
¿de dónde venimos? ¿Hacia dónde vamos?, etc.-, la ciencia consiste en
responder preguntas y explicar fenómenos. En cualquier caso, la elaboración
de modelos es un atributo propio del modo científico de pensar, en contraste
con el modo filosófico de reflexionar.
De manera atávica, un modelo teórico descansa en principios o criterios

matemáticos (esto es, en una ecuación, o una fórmula matemática). Esta es la
razón más determinante de que los modelos sean prerrogativas de la ciencia
y no tanto de la filosofía. Manifiestamente, la filosofía contribuye a explicar
y a comprender el mundo y la realidad, pero nunca en términos precisos de
modelos (teóricos) (De Bianchi, 2016).

En términos puntuales, un modelo es una simplificación de un sistema
o comportamiento complejo – de la realidad. Sin embargo, esa idea bien
puede ilustrarse con una expresión –casi un consejo-, por parte de Einstein:
“Make it simple, but not simpler”. La precisión de un modelo teórico es una
simplificación no primaria aunque sí básica acerca de la realidad y el mundo,
pero una simplificación que sirve.
Así, simplificación y predicción se conjugan para lograr explicar de forma

sólida un comportamiento o un sistema.
"De manera más radical, un modelo es una predicción de la realidad o

de los fenómenos. Si el modelo, por ejemplo, explica que todo cuerpo con
una masa ligera será atrarunstein y Bohr estaban de aus. o el Debate de
Copenhague. masa ligera será e la filosofidad es un experimento mental.
Puede dído por un cuerpo con una masa mayor, entonces se podrá predecir
que siempre un cuerpo de masa mayor atraerá hacia así a un cuerpo de
masa menor. Los ejemplos pueden ampliarse fácilmente con la ayuda de la
historia de la ciencia (Fiora, 2016)".*
En términos elementales pero directos, un modelo teórico es una

interpretación del fenómeno en cuestión. Einstein y Bohr estaban de
acuerdo en la descripción de los fenómenos, y tenían básicamente los
mismos datos. La diferencia consistía en la interpretación de los mismos
datos y descripciones de que disponían. Esa diferencia se conoce como el
Debate de Copenhaguen. En el marco de la física cuántica, hemos llegado
a alcanzar más de quince interpretaciones diferentes del mismo fenómeno
o comportamiento. El Santo Grial del conocimiento y la ciencia no son
por tanto los datos ni las descripciones y demás de los fenómenos, sino la
interpretación de los mismos. Es en la interpretación donde se dirime la
inteligencia y la genialidad, la originalidad y la creatividad (Helland, 2009).
La dificultad estriba en el hecho de que la interpretación no puede ser

caprichosa, debe estar soportada por un excelente cuadro argumentativo,
debe haber originalidad, valores diferencias notables, en fin, creatividad
e inteligencia – todas características que se dicen fácilmente, pero cuya
combinación resulta trabajosa. El genio del científico o del investigador
consiste exactamente, en este marco, en la(s) interpretación(es) de que sea
capaz.
*
Copiado integra y literalmente conforme a texto original.

Tipos de modelos
Cabe identificar cinco tipos de modelos científicos, así, modelo teórico o
conceptual, modelo matemático, modelo lógico, modelo informacional,
modelo computacional.
Un modelo teórico o conceptual hace referencia simple y llanamente al

rigor en el manejo de las teorías, tanto como de los conceptos. Por defecto,
todo modelo científico es ya este tipo de modelo. En la base de esta clase de
modelos se encuentra un excelente manejo del estado de arte y la capacidad
de búsqueda e investigación, por ejemplo en bases de datos. La distinción
y buen manejo entre fuentes primarias y secundarias forma parte de este
primer tipo de modelos científicos.
De manera atávica, todo modelo teórico es, además, un modelo

matemático. Sin embargo, es evidente que el componente o la arista
matemática le imprime, de forma clásica, un tono de rigor y una capacidad
de síntesis que fortalece al modelo teórico o conceptual. Al fin y al cabo la
matemática tiene como valor excelso la capacidad de compresión de ideas,
argumentos y razonamientos en una fórmula o ecuación, o bien en un grupo
concentrado de ecuaciones y fórmulas. (Cfr. Stewart, las 17 ecuaciones que
cambiaron el mundo, xyz).
De otra parte, siendo diferentes, como es sabido, un modelo teórico

puede también tener un componente lógico. Entonces se dice que el modelo
–teórico o conceptual (por definición y por vía de descarte, al mismo tiempo)
es un modelo lógico. En este caso, el modelo se sustenta en un proceso
de formalización lógico, que es perfectamente distinto a la formalización
matemática. En lógica existen diversos modelos de notación, que van desde
la notación clásica de la lógica simbólica o la lógica matemática –incluyendo
la algebrización de la lógica-, hasta los sistemas de notación alternativos,
propios de las lógicas no clásicas.
Un cuarto tipo de modelo es el informacional. Un modelo se dice que es

informacional, cuando se recurre al uso de lenguajes de programación ya
existentes y se incorpora alguno de ellos en el desarrollo y fundamentación
del modelo de que se trata en cada caso. Existe actualmente una muy
amplia variedad de lenguajes, desde el más básico de todos, el Excel, hasta
los más sofisticados. Como es sabido, hoy en día, la base de los lenguajes de
programación es el Java.

Por su parte, en contraste con el modelo informacional, el quinto tipo
de modelo científico es el computacional, el cual se caracteriza por que ya
no se hace uso de un lenguaje determinado (NetLogo, Lisp, Mathematica, y
muchos otros), sino, mejor aún, se hace un trabajo de escritura, y por tanto, de
desarrollo de programación. En este caso, el investigador sabe escribir código,
y entonces se da a la tarea de escribir un programa con vistas a sostener o
fortaleceré el modelo teórico en el que trabaja y está interesado en defender o
sustentar de alguna manera (conferencia, artículo científico, etc.).
Ahora bien, es preciso destacar que no existe en ningún sentido,

ninguna preferencia ni jerarquía en los tipos de modelos anteriores. Se
trata sencillamente de una tipología atendiendo a las especificidades de la
tecnología y su combinación con los procesos reflexivos y críticos buscando
cada vez más un mejor desarrollo de las herramientas mentales mediante las
cuales cabe entender y explicar al mundo, la sociedad y la naturaleza.
Ahora bien, análogamente a como sucede en lo mejor del pensamiento,

pero que se expresa acaso de la mejor manera por puntual, la estética debe
ser, absolutamente, considerada como criterio de rigor. Dicho de forma
simple y directa: la estética merece ser considerada en todos los casos
como criterio de un buen modelo, de tal suerte que un buen modelo es
un modelo hermoso – conceptual, matemática, lógica, informacional o
computacionalmente hablando.
En dos palabras: a mayor estética, mejor modelo. Este es un tema

que casi siempre se pasa por alto en los marcos de la metodología de la
investigación científica, la cual atiende generalmente sólo aspectos técnicos
y herramentales, empobreciendo así la dignidad y la envergadura de la
investigación y la ciencia, en general.
Clases de Ciencia
Los tipos de modelos anteriormente formulados se corresponden con los tipos
de ciencia que poseemos en la humanidad occidental. Los tipos de ciencia,
histórica, lógica y metodológicamente hablando son cuatro, así: ciencia
inductiva o empírica, ciencia deductiva o racional, ciencia computacional,
ciencia basada en grandes conjuntos de datos.
Las dos primeras formas corresponden a la ciencia clásica, la ciencia de la

modernidad. Correspondientemente, se hablaba de dos métodos científicos:
el método empírico o inductivo, y el método deductivo. Ocasionalmente
se habló de métodos mixtos, que son la combinación de ambos. Esta es la
ciencia de los siglos XVI al XX.

La ciencia computacional es ciencia que trabaja por modelamiento
y simulación. La importancia de los códigos y de la programación es
determinante. Se habla entonces, equivalentemente, de un tercer método,
que es justamente el modelamiento y la simulación. Cabe decir, de manera
puntual que los sistemas clásicos, simples y lineales pueden modelarse;
pero sólo los sistemas complejos pueden ser simulados. Esta es la ciencia de
punta que abarca a los años 1980s hasta la fecha.
Finalmente, la ciencia basada en datos, es ciencia que recurre a programas

como Python, o R, para, sobre la base de la minería de datos, manejar los
conjuntos impresionantes de datos disponibles en cada momento. No existe,
absolutamente, ninguna clase de ciencia de punta hoy que no esté implicada
o bien que no atraviese por la ciencia de grandes datos (big-data cience).
Esta es la ciencia de los años 2000 hasta el presente (Mazur, Manley, 2016).
El manejo de las grandes bases de datos requieren programas de

procesamiento en paralelo que corren a través de decenas, cientos y hasta
miles de servidores simultáneamente. Mientras que en la escala cotidiana,
puede decirse que existe casi un computador por persona en países
desarrollados (grosso modo; sin ser exactos), en la misma escala, a nivel
médico, militar, financiero o científico se trabaja con decenas de decenas de
servidores en paralelo, al mismo tiempo.
Hoy en día, es prácticamente imposible hablar de, o trabajar sin, la ciencia

de grandes bases de datos. Naturalmente, incluso entre la comunidad de
complejólogos se habla cada vez más y se trabaja creciente ente con la
ciencia de grandes bases de datos (analítica de datos, etc.). Sin embargo, hay
que observar de manera expresa, que el cuarto tipo de ciencia, fundamental
como es, no tiene nada que ver con complejidad. De manera prácticamente
determinista, la buena ciencia de punta en el mundo, cada vez habla menos
y se ocupa en poco y nada con “variables” y otros conceptos y herramientas
ya clásicos, y sí, por el contrario, con aspectos tales como: infraestructura
como servicio, analítica y visualización, bases de datos estructuradas,
infraestructura analítica e infraestructura operacional, datos como servicios,
y otros aspectos próximos y relacionados.
Al fin y al cabo, la idea de base no es difícil: cada época desarrolla la ciencia

que puede, y cada época desarrolla la ciencia que necesita. Hoy en día las
dos mejores expresiones de la ciencia son, justamente, como modelamiento
y simulación (= complejidad), y con base en las grandes bases de datos.
Ello implica un cambio estructural en la visión del mundo y la naturaleza,
tanto como nuevas formas de organización social y de organización del
conocimiento – en toda la línea de la palabra.

Una observación de tipo social y político
El mundo de los datos invadió a la vida de los individuos, llenándolos de
información antes imprevista, o bien transformando para siempre sus vidas.
Lo que atávicamente se llamó el derecho a la intimidad parece haber quedado
en una mera declaración formal (Van Riel, 2015). La verdad es que, sin que
las personas lo sepan, sus teléfonos inteligentes, tablets o computadores
les toman fotos en determinados momentos, en la búsqueda de algunas
páginas sin que ellos lo sepan; o existen sistemas de bases de datos que
saben exactamente dónde se encuentra alguien, cuáles han sido sus
recorridos, con quiénes se ha encontrado, y tienen todo el historial disponible
en cualquier momento, sin que los usuarios lo sepan; o que existen sistemas
inteligentes -por ejemplo “aprendizaje de máquina” (machine learning), o
“deep learning” (aprendizaje profundo, un campo sensible para el cruce entre
inteligencia artificial y vida artificial)-, que conocen perfectamente el historial
de las búsquedas, acaso de las adquisiciones, las preferencias de todo tipo,
y por tanto los perfiles psicológicos, emocionales y comportamentales de
cada quien. La vida parece destino.
La intimidad parece un concepto arcaico, de antes de la era de los datos.

De antes de la inteligencia artificial, de la vida artificial, y de la robótica en
cualquiera de sus manifestaciones. De cuando apenas había computadores,
así, y antes de los clusters y los hubs informáticos. En fin, de antes de cuando
grandes empresas y el propio Estado descubrieran y decidieran hacer uso de
la computación y las bases de datos colosales.
Los individuos se han convertido en conjuntos de datos, datos que no

pesan absolutamente nada, se pueden acumular fácilmente, se pueden
compartir y almacenar, y cuyos fines no son generalmente públicos. Gracias
a las grandes bases de datos, cada quien es objeto de perfiles de todo
tipo que suelen ser analizados por psicólogos, expertos en computación,
analistas, ingenieros, expertos militares, estrategas y otros campos afines y
próximos. La conquista de Roma, de la división entre el derecho privado y el
derecho público ha desaparecido por la puerta de atrás. Todos somos hoy
virtualmente públicos.
Hay ocupaciones en las que es inevitable ser públicos; esto es, que buena
parte de la información esté disponible a la luz de cualquiera. Los profesores,
por ejemplo. O los periodistas y hasta los médicos, por ejemplo. Basta con
cruzar diferentes bases de datos –por ejemplo, WhatsApp, Facebook, Google
y otros – sencillamente con minería de datos, o bien con otros procedimientos
más sofisticados- y se tendrá la información que virtualmente se desee sobre
alguien. Nadie parece escapar de este destino.

La división digital
Este panorama no es plano ni lineal. La verdad es que existe en el mundo
una profunda división digital, que implica inequidades de tipo económico,
educativo y social. La principal inequidad en el mundo actual no es
exactamente la del ingreso per cápita, sino la del acceso a la información per
cápita.
Al interior de estados Unidos al interior de la Unión Europea misma, o al

interior de la China, las divisiones digitales son enormes. Esto es, el número
de computadores por cada cien personas, de acuerdo con datos de la ONU.
A escala global, la división digital es enorme, afectando principalmente
a algunos países centroamericanos y del Caribe, a Argentina y Bolivia en
Suramérica, prácticamente toda el África y el sur de Asia.
Así las cosas, es evidente que existe una correlación muy fuerte entre
quienes producen y/o manejan grandes bases de datos, y quienes no logran
hacerlo.
Económica, política y socialmente existen fuertes correlaciones al

respecto. El poder aparece hoy por hoy cada vez más centrado en el manejo
de grandes bases de datos, y por tanto, en el acceso a y el trabajo con las
grandes bases de datos.
Con una observación puntual: hoy por hoy nadie tiene problemas con las
bases de datos. Literalmente, las (grandes) bases de datos se compran, se
alquilan, se roban, se permutan. Lo determinante es el manejo de las bases
de datos. Existe un amplio y muy fuerte mercado abierto y negro de bases de
datos. Acceder a él es solo cuestión de contactos y dinero. Punto.
La división digital hace referencia al uso de internet, al número de

computadores por cada cien habitantes, a la velocidad de navegabilidad, a
la capacidad de procesamiento de los computadores, en fin, el libre acceso
al internet. Mientras que hay países en los que se ha declarado ya el uso e
internet como un derecho fundamental –análogo a la educación, al aire o
al agua-, en muchos países cada quien debe pagar por tener acceso a una
cuenta propia, en algunos lugares se debate acerca de la extensión del Wifi,
y en algunas ciudades se implanta el Wimax (internet gratuito a gran escala).
No es ya suficiente, como en el esquema marxista tradicional, con

referirse a los medios de producción para establecer las relaciones entre las
clases sociales.

Existen hoy por hoy, a nivel sociológico tres clases de sociedades, y
correspondientemente tres clases de economías; esta son:
– La sociedad de la información, cuya base material es la economía

basada en la información.
– La sociedad del conocimiento, cuya base material es la economía
basada en el conocimiento.
– La sociedad de redes, cuya base material son los tejidos informacionales,
computacionales y de datos disponibles en una sociedad.
La era digital comienza, de manera puntual, en el año 2002, y entonces

los tres tipos de sociedades mencionadas se entrelazan en tres etapas
fuertemente entrelazadas que determinan factores sensibles como calidad
de vida, dignidad de la vida, democracia.
Las clases sociales se definen, hoy por hoy, en función del acceso a, y el
manejo de, las grandes bases de datos. Literalmente, lo que define a una
clase social con respecto a otras, es la información y el conocimiento. Cabe
hablar entonces de una economía política del conocimiento que se ocuparía
de la forma como la información o el conocimiento en una sociedad: se
produce, circula, se acumula, se distribuye y se consume.
Cuando entra la política: la WAR-NET

Lo que aparece a nivel micro como un destino individual tiene sin embargo
otros visos y alcances cuando se lo ve a nivel meso y macro. Han emergido
nuevos movimientos sociales que saben hacerle el juego a los controles
políticos de la información.
Wikileaks, Anonymous y numerosas otras organizaciones emergen en el

mundo en el contexto que precede. A nivel fenomenológico, cabe hablar de
la war-net.
Existen alrededor del mundo numerosos grupos pequeños perfectamente

entrelazados entre sí que participan de diversas maneras en lo que
políticamente puede llamarse como procesos de liberación de información y
con base en información.
Se trata de grupos de personas a las que no los une ninguna ideología

o religión en particular. Mucho mejor, los une un conjunto de valores
básicos que comparten cabalmente; se trata de valores tales como verdad,
transparencia, igualdad, equidad, justicia, libertad, independencia, por
ejemplo. Se trata de equipos interdisciplinarios, conformados, sin embargo,

con base en ingenieros de sistemas, politólogos, juristas, economistas,
sociólogos, filósofos y periodistas.
La forma de trabajo es elemental. Casi siempre en casas –no en

apartamentos por razones evidentes-, se ubican varios servidores en cadena
y en paralelo, y dependiendo de las facilidades, los lugares y los momentos,
trabajan en hackeo. Hay que decir que el hackeo tiene sólidos fundamentos
éticos1. Técnicamente, se trata de la nética (net-ethics)– que estudia la
relación del hacker con la red (internet).
Más allá de la apariencia de un juego digital que lleva el mismo nombre,

la war-net es un colectivo no formal de actores en la sociedad de redes que
trabaja con bases de datos, información y conocimiento buscando diferentes
finalidades: sacar a la luz pública información clasificada y vetada al gran
público; ofrecer información al público acerca de militares, políticos y gente
del sector económico y financiero; denunciar sistemas de corrupción; acusar
a dictadores y prófugos de la ley (delincuencia de cuello blanco); develar
mentiras y engaños por parte del sector gubernamental y del Estado, por
ejemplo.
Existen alrededor del mundo tres grandes válvulas de escape,

perfectamente diferentes entre sí; estas son:
– Juristas connotados. Es un principio de las democracias que los

juristas no deben revelar las fuentes de la información que disponen.
Esto permite determinados juristas de prestigio sirvan como válvulas
de escape para iniciar proceso jurídico en países distintos a los de los
delincuentes, dado que en los países de origen no existen garantías
suficientes. El juez Baltazar Garzón podría ser una válvula semejante.
– Periodistas bien identificados. Otro principio de las democracias es

que los periodistas no están obligados normalmente a revelar sus
fuentes de información. De esta suerte, algunos medios, algunos
periodistas críticos e independientes, por ejemplo, pueden servir
de válvulas de escape y a la generación de verdaderos movimientos
sociales fundamentales en algunos países.
– Profesores universitarios. Algunos académicos pueden ser de

importancia a la hora de revelar, o socializar alguna información. Al
fin y al cabo, a los intelectuales no siempre se les pone atención, y
sin embargo, pueden contribuir a la socialización y clarificación de
determinados procesos, fenómenos y dinámicas.
1
P. Himanen, La ética hacker y el espíritu de la era de la información, 2001, Ed. Simbióticas; en Youtube,
véase: https://www.youtube.com/watch?v=y7dm7i4o0S4

La forma de organización y de trabajo varía en función de las
capacidades, los compromisos, las situaciones sociales o políticas en un
momento determinado en un país dado. Lo cierto es que existen encuentros,
virtuales y personales, entre activistas de la war-net alrededor del mundo
y los intercambios de información, aprendizajes y experiencias son reales y
fructíferos (Price, Rogers, 2016).
Sin teorías de la conspiración, y sin ánimos clandestinistas ni nada

semejante. Pero con mucha prudencia, inteligencia y sagacidad.
Alguna expresión de estas dinámicas pueden verse también en: https://war-

net.org, una organización académica dedicada al estudio de los imaginarios,
lenguajes y representaciones de la guerra alrededor del mundo, por ejemplo.
Dirimiendo Tensiones
Técnica y políticamente el problema puede ser adecuadamente visto como la
lucha contra la encriptación. En el sentido más fuerte de la palabra, el poder
político consiste, no simplemente en el manejo de grandes bases de datos,
sino, mejor aún, en la encriptación de la información. Esto es, el hecho de
que hay una cantidad de información codificada, cifrada –eso: encriptada-,
de cuya encriptación justamente dependen niveles de seguridad, tomas de
decisión, acciones en una dirección determinada.
La lucha por la libertad frente contra los controles políticos de la

información es exactamente lo que puede apreciarse en gente como J.
Assange, Wikileaks, los miembros de Anonymous, Chelsea Manning, E.
Snowden, y tantos más, la mayoría de ellos anónimos, o de muy bajo perfil.
Deliberadamente.
El hackeo consiste en el rompimiento de los códigos que estructuran el

acceso a fuentes de información y el propio manejo de esas fuentes y de
esa información. Internet es un sistema que, a pesar de lo que se diga, no
puede ser (totalmente) controlado. No es inevitable, ni tampoco es seguro
que el encriptamiento sea el ganador definitivo del juego. Cada vez más se
hace evidente que los decriptadores, toman la iniciativa con mayor fortaleza.
Científicamente hablando, la puerta última del debate es la computación no
tradicional, y en últimas la computación cuántica.
Mientras tanto, nuevos movimientos sociales con aspiraciones políticas

fundamentales básicas, se hacen posibles, se organizan y se fortalecen
alrededor del mundo. La plaza pública, que fue el lugar tradicional de la
política, se ha desplazado a internet: a lo que sucede allí, y a lo que sucede a
partir de la red (Travers, Belanger, 2015).

Escenarios en el futuro inmediato
La creatividad por parte de los nuevos partidos, movimientos y procesos
políticos y sociales alrededor del mundo es un imperativo. Pero con ella, al
mismo tiempo, el acceso a nuevos conocimientos, habilidades y capacidades.
La buena información y el buen conocimiento producen movimientos
sociales y políticos, y nuevos fonemas de organización social. Contra todas
las apariencias, si bien es cierto que el poder de los grandes medios de
comunicación es ampliamente dominante en la superficie, en las bases de
los movimientos sociales aparecen formas alternativas de comunicación que
se traducen en formas diferentes de organización. Esta es una historia que,
en verdad, apenas comienza.
Conclusión: en búsqueda del rigor

Primero en Arquímedes y luego también con el Círculo de Viena, la distinción
fundamental entre “desarrolladores” (developers) de modelos y teorías
“verificadores” (testers), ha sido una constante en la historia de la ciencia.
Unos son quienes formulan y desarrollan modelos y teorías, y otros quienes
los verifican o contrastan. Aunque no es necesario que deba haber una
yuxtaposición entre ambos.
No existe ninguna garantía de superioridad entre el mito y la ciencia, o

entre la religión y la ciencia, o entre la metafísica y la ciencia. Y ciertamente
no a priori.
C. Levy-Strauss, desde la antropología ya dejó esto claramente establecido

(La Pensée Sauvage). Las distinciones entre ciencia y mito son esencialmente
de orden práctico o de efectividad: es preferible aquello “que sirve”; y lo “que
sirve” es aquello que cura más y mejor las enfermedades, o que estructura
mejor la sociedad y el mundo, o bien, aquello que admite mayor economía
de conceptos y mayor compresibilidad, por ejemplo. Entonces lo preferible
se torna razonable y racional.
Si “verdad” es el proceso mismo de la investigación –nos acercamos

entonces a verdad sin jamás alcanzarla plenamente-, debemos poder
discutir y formarnos seriamente en términos de los modelos teóricos o
conceptuales que podemos alcanzar. Y la metodología de la investigación
siembra las condiciones propicias y mejores para ello. Sólo que, en el mundo
actual, dichas condiciones están nutridas y gatilladas por aspectos como
redes, cooperación, bilingüismo y multilingüismo, y apropiación activa de la
tecnología de punta, en cada caso.

Un buen científico o investigador es sencillamente aquel que logra
desarrollar modelos de explicación. Algo que se dice fácil pero que es muy
difícil de logra. Ideal o desiderativamente, un modelo contribuye a ampliar,
mejorar o fortalecer una comprensión de la realidad. Así que lo que, en
últimas, está en juego a propósito de los modelos teóricos o científicos es una
afirmación y exaltación de la vida misma. De la vida tal y como la conocemos,
tanto como de la vida tal y como podría ser posible.
• Bailer-Jones, D. M., (2009). Scientific Models in Philosophy of Science.
Pittsburgh, PA: University of Pittsburgh Press
• Currie, G., (2016). Models as Fictions, Fictions as Models. The Monist 99 (3):
296-310
• De Bianchi, S., (2016). Which explanatory role for mathematics in scientific

models? Reply to “The Explanatory Dispensability of Idealizations”.
Synthese 193: 387-401
• Fiora, S., (2016). The Nature of Model-World Comparisons. The Monist 99:
243-259
• Helland, I. S., (2009). Steps Towards a Unified Basis for Scientific Models
and Methods. Singapore: World Scientific
• Mazur, M. & Manley, E., (2016). Exploratory Models in a time of Big Data.
Interdisciplinary Science Reviews 41 (4): 366-382.
• Price, M. & Rogers, M. (2016). Teaching Nature of Science Through Scientific

Models: The Geocentric vs. Heliocentric Cosmology. Journal of College
Science Teaching 46 (2): 58-62.
• Rowher, Y. & Ric, C. (2016). How are models and explanations related?.
Erkenntnis 81: 1127-1148.
• Travers L. C. & Belanger, Ch. (2015). The generality of scientific models: a

measure theoretic approach. Synthese 192: 269-285.
• Van Riel, R. (2015). The content of model-based information. Synthese 192:

3839-3858.

Páginas web
• Web oficial de Anonymous. Accesible en: http://anonofficial.com Web de

Wikileaks: Accesible en: https://wikileaks.org
• Ranger, S. “The undercover war on your internet secrets: How online

surveillance cracked our trust in the web”. TechRepublic. Accesible en:
http://www.techrepublic.com/article/the-undercover-war-on-your-
internet- secrets-how-online-surveillance-cracked-our-trust-in-the-web/

11
Introducción
BIOECONOMÍA, BIODESARROLLO Y
CIVILIZACIÓN.
UN MAPA DE PROBLEMAS Y
SOLUCIONES
De todas las ciencias sociales, aquella que tiene una relación más sólida con
las ciencias de la complejidad es la economía. Las razones son evidentes,
pero no sobra destacar tres, aquí. En primer lugar, la economía es un sistema
adaptativo, altamente fluctuante, inestable y esencialmente impredecible.
Ello se explica particularmente bien en nuestros días cuando la expresión
más acabada de esta son las finanzas; esto es, en la etapa del capitalismo
financiero, el cual es bastante dependiente de percepciones, es nervioso y
reacciona impulsiva e inmediatamente a las inestabilidades sociales, políticas
y militares, por ejemplo.
En segunda instancia, la economía es, de todas las ciencias, la que

más y mejor ha desarrollado un aparato matemático, lo que la hace más
proclive a los enfoques más duros y clásicos a la vez propios de las ciencias
de la complejidad. De consuno, la econofísica constituye un capítulo que
bien permite trazar puentes con los capítulos más robustos científica y
epistemológicamente hablando de las ciencias de la complejidad; esto es, las
matemáticas, la biología, la física, la química y las ciencias de la computación.
Finalmente, la tercera razón es sencillamente estratégica: estudiar y

comprender la complejidad de los sistemas económicos constituye una
auténtica prioridad para los estados y las sociedades, para las empresas y los
individuos.
Pues bien, en la bibliografía en general acerca de las relaciones entre

economía y complejidad existe un gran vacío, a saber: no existe absolutamente
ningún trabajo hasta la fecha acerca de las relaciones entre el núcleo de la
economía, que es, si lugar a dudas, el desarrollo y la complejidad en general.
Este texto quiere ser una contribución a llenar ese vacío1. Ahora bien, dada la
1
Hemos trabajado ya en esta dirección. Véase “Biodesarrollo y complejidad. Propuesta de un modelo
teórico”, en Eschenhagen y Maldonado (Eds.) (2014).

crisis sistemática y sistémica de la economía en general y del mundo como
tal, pensar las relaciones entre desarrollo y complejidad equivale a pensar,
estrictamente, alternativas al desarrollo. Es evidente que el modelo imperante
—o hegemónico— de desarrollo no cumple la función que ética, histórica,
social y científicamente debía cumplir. Precisamente por ello, este texto
aborda el tema en términos de una elaboración alternativa al desarrollo, tal
cual existe “allá afuera”, en el mundo real: (lo que quiera que ello signifique).
Para ello, este texto trabaja cuatro argumentos, así: en primer lugar, es
costumbre en los textos sobre complejidad (particularmente ante quienes
aún no conocen suficientemente el tema), se hace una breve caracterización
de lo que es complejidad. Caracterizaciones semejantes nunca estarán de
más, por lo menos durante un tiempo, en la academia, la comunidad científica
y ante la sociedad. Sobre esta base, el segundo argumento sostiene que es
imposible pensar la complejidad y, a fortiori, las relaciones entre economía
y complejidad, sin tener una idea básica de lo que son los sistemas vivos.
En consecuencia, la tercera sección presenta y discute, aunque de manera
breve, los fundamentos de lo que es la vida y lo sistemas vivos, para lo cual
elabora un cuadro de la comprensión de los sistemas vivos en la ciencia actual.
Posteriormente, el tercer argumento presenta y discute a la bioeconomía; y
con ella, introduce el concepto de biodesarrollo, que es, quiero sostenerlo, la
alternativa al desarrollo en contextos de complejidad. El tercer argumento es
de orden estrictamente epistemológico y científico. En él, sostengo el modo
y las razones por las que es indispensable pensar en alternativas al desarrollo.
Finalmente, el cuarto argumento se concentra en un problema particular. Se
trata de las relaciones entre economía y civilización. Este cuarto argumento
afirma que, al pensar alternativas al desarrollo, es preciso pensar alternativas
a la civilización occidental y justifica esta tesis. Al final se extraen algunas
conclusiones.
El estudio de los sistemas de complejidad

creciente
Las ciencias de la complejidad nacen en el grupo de ciencias más prestigioso
y más consolidado, social y epistemológicamente hablando. Cabe distinguir
dos orígenes sobre las ciencias de la complejidad: de un lado, sin ser prolijos
ni exhaustivos, teóricamente, las raíces de la complejidad conducen hasta
Gödel y Turing, los desarrollos de la termodinámica del no equilibrio por
parte de I. Prigogine, los trabajos de biología teórica de S. Kauffman, los
desarrollos sobre modelamiento y simulación con los trabajos pioneros sobre
vida artificial y algoritmos genéticos, los fundamentos del caos y los pilares
acerca de la geometría de fractales.

De otra parte, sin embargo, administrativa-organizacionalmente,
podemos decir que el origen de las ciencias de la complejidad se sitúa
en 1984, cuando se crea el instituto Santa Fe (en Nuevo México), y con él,
seguidamente, una serie de institutos y centros alrededor del mundo
dedicados al estudio de los sistemas caracterizados por autoorganización,
emergencia, no linealidad, fluctuaciones y demás atributos conocidos.
El trabajo en complejidad puede, en una primera mirada, ser tomado

como propio de un enfoque fuertemente interdisciplinario sobre el mundo
y la realidad. Ello implica no solamente un diálogo entre ciencias al interior
de un grupo determinado —así, por ejemplo, el encuentro en las diversas
ciencias, disciplinas y enfoques al interior de las ciencias sociales—, sino,
además y fundamentalmente, el diálogo entre las dos grandes tradiciones
científicas de la humanidad: las artes y las humanidades. Las dos culturas,
para decirlo con el texto clásico de C. P. Snow.
Sin embargo, esta idea resulta de una radicalidad sorprendente, cuando

se lo observa adecuadamente. En efecto, una vez que se asume, en toda la
extensión, propiedad y radicalidad la interdisciplinariedad, de un lado; y, a
fortiori, una vez que se asume el trabajo al interior del estudio, comprensión
y explicación de los fenómenos de complejidad creciente, resulta ya un
arcaísmo hablar de cada ciencia o disciplina en particular, a menos que
se haga en referencia a un comentario histórico, o bien, en un sentido
simplemente indicativo.
En otras palabras, más directamente: hablar de economía y complejidad

es, à la lettre, un arcaísmo, una vez que se asume que los procesos, dinámicas
y estructuras económicas admiten y exigen a la vez enfoques, metodologías,
conceptos y herramientas propios de las turbulencias, las inestabilidades, las
fluctuaciones y la no linealidad, por ejemplo. Economistas destacados como P.
Ormerod así lo han reconocido ya, abiertamente. De manera general, hablar
de ciencias sociales —tanto como hablar de ciencias humanas— resulta, hoy
por hoy, estrictamente hablando, un arcaísmo supuesto que lo característico
de cada uno de estos grupos de ciencias consiste en estudiar lo propio o
específico de los seres humanos, como tales; esto es, como seres sociales, en
medio de relaciones de concordia, conflicto, y demás.
En efecto, la economía —que, en un sentido laxo, forma parte de las

ciencias sociales— pretendió alguna vez dar cuenta de los comportamientos
económicos en tanto tales. Sin embargo, como observaremos en la sección
tercera, ello es imposible sin considerar seriamente a la naturaleza y los
procesos naturales. Pero si ello es así, las ciencias sociales como tales resultan
insuficientes; no obstante su dignidad e importancia.

Vivimos tiempos y contextos caracterizados por ausencia de equilibrio,
ruptura de simetrías, impredecibilidad y cambio. Más crítica y radicalmente,
vivimos tiempos y contextos de crisis; crisis sistémicas y sistemáticas. Pues
bien, el estudio y la comprensión de la economía en general se inscribe al
interior de la consideración de estas crisis, al mismo tiempo sociales y de
confianza, financieras y políticas, medioambientales y epistemológicas o
científicas, por ejemplo.
Así las cosas, las herramientas científicas que hablan de predicción

y variables —dependientes e independientes—, de control y de carácter
puramente descriptivo; las ciencias y disciplinas que trabajan con promedios
y estándares, con la ley de grandes números e incluso con la etnografía sin
más, por ejemplo, resultan limitadas e insuficientes. Ante la complejidad
misma del mundo y de la naturaleza se impone una actitud correspondiente
en el plano teórico y metodológico. En este sentido, se trata de pensar más
bien los temas y los problemas, antes que las ciencias y disciplinas con las
que nos ocupamos de aquellos. En otras palabras, bien vale la pena ver el
mundo en sus turbulencias e inestabilidades y darnos a la tarea, al esfuerzo,
por comprender y explicarlo. En el sentido más sano y franco de la palabra,
es en ello en lo que consiste pensar en complejidad.
Más exactamente, por consiguiente, ni se trata de pensar a la economía

y al desarrollo en los marcos de la complejidad2, sino, mucho mejor aún, se
trata de pensar la complejidad misma del desarrollo y la economía.
Pues bien, de sentido preciso, la complejidad de la economía y el

desarrollo consisten en temas, problemas y aspectos tales como inequidad,
agotamiento de los recursos naturales, injusticia social, mala distribución de
la riqueza y los ingresos, división social y malestar cultural en toda la línea
de la palabra, serias contradicciones en materias de políticas de salud, y
en general de políticas sociales, en fin, formas y estilos de vida perversos e
históricamente insostenibles; entre otros rasgos. En fin, en una palabra, se
trata de los riesgos y peligros que amenazan a la vida en general sobre el
planeta.
2
Esto conduce, más pronto que tarde, a convertir a la complejidad en una doctrina, un peligro que, digamos
en passant, ya le sucedió, de un lado, al pensamiento sistémico y, de otra parte, al pensamiento complejo.
No me interesa aquí discutir estas circunstancias.

Economía, complejidad y sistemas vivos
Filosóficamente podría decirse que la economía no simple y llanamente trata
del manejo de recursos en contextos de escasez, sino, mejor aun, se ocupa
del cuidado del oikos —el hogar— humano y entonces de las relaciones
medio-a-fin. La economía nace y permanece esencialmente como una
ciencia social, estrechamente vinculada a la física, y pre-ocupada por la
gestión de los recursos disponibles para el bienestar humano. A la postre,
sin embargo, la economía deja de ser una ciencia social y entra a integrar
a las ciencias económicas, administrativas y contables, justamente al lado
de la administración (de empresas) y de la contaduría. No como último
argumento, cabe recordar que, de acuerdo con algún autor, la economía, es
esencialmente sicología, más un aparato matemático.
El más complejo de todos los fenómenos y sistemas, en cualquier

acepción que se quiera, es la vida, esto es, los sistemas vivos. Es imposible ir
por el mundo, a la buena de los buenos dioses, de un lado, y de otra parte,
es igualmente imposible gestionar los sistemas sociales humanos sin una
condición anterior, a saber: es necesario tener una idea básica de lo que es la
vida, los sistemas vivos.
Con dos antecedentes notables, la vida, como problema al mismo tiempo

científico y filosófico, y definitivamente interdisciplinario y/o complejo, nace,
podemos decir, en 1942 gracias a ese pequeño hermoso libro de E. Schödinger,
¿Qué es la vida? Los dos antecedentes conspicuos son Darwin y Lamarck,
los cuales sientan las bases teóricas de toda la biología hasta la fecha, y sin
embargo, no hacen de una conceptualización de lo que es la vida, su primer
problema. Su interés, como sabemos, se dirige en otras direcciones.
Desde luego que la palabra “vida” existía anteriormente en otros idiomas.

Sin embargo, la existencia de la palabra no configura, necesariamente, la
existencia del problema. Con Schrödinger la vida nace como un problema
de investigación científica en un contexto bien determinado, a saber, las
relaciones entre la física y la biología.
Más específicamente, es evidente que la vida es un fenómeno físico, y

sin embargo, no se reduce a, ni se agota en, la física. De manera más precisa,
la física comprende —hasta el momento de Schrödinger— tres capítulos
notables, así: la mecánica clásica y la teoría de la relatividad, la física cuántica,
con su núcleo, la mecánica cuántica, y esa ciencia que tarda prácticamente
todo el siglo XIX en nacer, la termodinámica. Una ciencia en la que al mismo
tiempo confluyen y se refuerzan la física y la química.

De acuerdo con el físico austriaco, la vida consiste esencialmente en un
fenómeno: negar la entropía. En verdad, la entropía, formulada originariamente
por L. Boltzmann, constituye la segunda ley de la termodinámica y afirma
que, en los sistemas cerrados o aislados, la flecha del tiempo conduce
inexorablemente al equilibrio, esto es, a la muerte. Más exactamente, de
acuerdo con la termodinámica, antecedidos por los trabajos de Carnot,
lo único cierto es que la flecha del tiempo, conduce de manera inevitable
hacia la entropía calórica, la entropía térmica, la entropía informacional, la
entropía gravitacional, y así sucesivamente. Entropía es el concepto técnico
(y elegante) para designar: muerte.
Sin embargo, si ello es así, ¿por qué tanto esfuerzo y trabajo de parte
de la naturaleza para crear tanta diversidad, tanta multiplicidad? Como es
sabido ya a partir de El origen de la vida por medio de la selección natural de
Darwin (1859), lo propio de la vida consiste en un proceso de diversificación y
que se expresa por el diagrama de Darwin en su libro consistente en un árbol.
Desde entonces, la expresión “el árbol de la vida” constituye un referente
obligado y necesario.
Es exactamente en esta dirección y por este motivo que la respuesta de

Schrödinger a su pregunta es hermosa y sencilla: la vida es esencialmente un
fenómeno neguentrópico. De manera más precisa, la flecha del tiempo de la
evolución, es diametralmente opuesta a la flecha del tiempo de la entropía.
Con un elemento adicional fundamental. La razón es que los sistemas vivos
son esencialmente abiertos —no cerrados o aislados, como es la asunción de
la termodinámica clásica.
A partir de Schrödinger y en un contexto apasionante en el que diversos

autores confluyen con contribuciones maravillosas, la vida habrá de
convertirse en un problema central de la cultura científica contemporánea.
Contemporáneos al físico austríaco, cabe mencionar la síntesis entre
darwinismo y los trabajos de Mendel, tales como Dobzhansky, Fischer y
varios otros. Hace muy poco —hacia finales de los años 1930— el vitalismo
ha sufrido un golpe mortal gracias a los trabajos de G. Canghuilhem. Pocos
años después, por un camino independiente, Watson y Crick descubrirán
la estructura del ADN y formularán el gran dogma de la biología. Diversos
trabajos sobre taxonomía arrojan nuevas y refrescantes luces acerca de los
reinos de la naturaleza, hasta cuando unos años más adelante, C. Woese pone
de manifiesto que los dominios de la vida son tres: los arquea, las bacterias y
los fungi. Las clasificaciones anteriores en la historia, desde Aristóteles hasta
Linneo, por ejemplo, estallan en mil pedazos y desaparecen del panorama
científico, quedando, a lo sumo, como referencias históricas.

Sin ambages, si la primera mitad del siglo XX fue el primado de la
física —en sus tres capítulos: la teoría de la relatividad, la física cuántica y
la física atómica— sin lugar a dudas, la segunda mitad del siglo XX fue el
descubrimiento y extensión de la biología en su acepción primera, esto es,
como un logos del bios: la ecología nace como ciencia propia, la biología
descubre nuevos componentes propios, los cuales incluyen a la biología de
paisaje y la biología de poblaciones, así como la panbiogeografía, por ejemplo.
Hacia finales del siglo XX la biología se despliega en dos vertientes paralelas,

como el enfoque “evo-devo”, que busca integrar la perspectiva del desarrollo
(ontogénesis) conjuntamente con la de la evolución (filogénesis), a la vez que
da lugar a la biología sintética, la cual consiste en la integración de la biología
con el modelamiento y la simulación, combinando al mismo tiempo, al trabajo
empírico con el teórico, de una forma como jamás lo había conocido.
Por otra parte, auténticos desafíos teóricos surgen desde la astronomía y la

cosmología, con la búsqueda de inteligencia extraterrestre, con la exobiología
y la búsqueda de exoplanetas y de formas de vida en el espacio exterior.
Concomitantemente, la microbiología se articula en y como la virología,
hacemos el descubrimiento de que somos esencialmente holobiontes,
y que antes que mecanismos selectivos, es la cooperación lo que prima y
caracteriza a la trama de la vida en general. Esto se conoce como la simbiótica.
Los nombres de Lovelock y Margulis se vuelven en referentes inevitables en
la comprensión contemporánea de la vida, y asistimos a una maravillosa
inflexión en la historia de la comprensión de lo que es la vida. No en última
instancia, la termodinámica clásica se desarrolla como termodinámica del no
equilibrio, poniendo abiertamente sobre la mesa a plena luz de día la idea de
que no existen en el mundo ni en la naturaleza sistemas cerrados o aislados
y que todos los fenómenos y sistemas son abiertos.
En esta historia, el descubrimiento de los extremófilos, es decir, de

organismos y especies que viven en condiciones extremas en las que la
vida tal y como normalmente fue conocida no sería en absoluto posible. Los
extremófilos son organismos que no solamente existen en un medioambiente
extremo, sino, mejor aún, construyen en él un entorno propio habitable;
análogamente a lo que hace la vida basada en el carbono y en el oxígeno a
partir de la síntesis y de ahí en adelante hasta los seres humanos.
Finalmente, en este breve fresco, cabe decir que una buena comprensión
en general de los sistemas vivos —desde las bacterias hasta los mamíferos
superiores— implica no únicamente el reconocimiento de que están vivos,
sino, mucho mejor aún, que tienen vida. Si ello es así, como sabemos, tener
una vida (propia) es un asunto serio y delicado al que accedemos mucho

mejor mediante la ficción y la narrativa; esto es, mediante metáforas y figuras,
antes que a través de conceptos y categorías.
Como se aprecia sin dificultad, una comprensión básica de lo que es la

vida en general implica inmediatamente el reconocimiento de su diversidad
y entrelazamiento al mismo tiempo que de su complejidad. Subrayemos: es
imposible hacer buena ciencia hoy por hoy, e ir por el mundo a la buena de
los dioses, sin tener una idea básica de lo que son los sistemas vivos. Ellos
transforman radicalmente la visión que tenemos de la realidad en general
tanto como de nosotros mismos.
Pues bien, quiero decirlo de manera directa y abierta: el estudio de la

economía en general es imposible sin un conocimiento esencial de lo que
es la vida. Es precisamente la ausencia de un conocimiento semejante, el
que conduce a la crisis de los modelos y sistemas económicos actuales. En el
mejor de los casos, la economía pareciera tener una idea básica de los seres
humanos, pero es ciega y sorda con respecto a la vida en general. Con ella,
por consiguiente, es sorda y muda con respecto a la naturaleza.
La economía, hay que decirlo, con la columna vertebral suya que es el

estudio, tematizaciones y problematizaciones acerca del desarrollo. Y ello
sin entrar aquí en las difíciles y conflictivas relaciones entre crecimiento y
desarrollo.
Mejor aún, la economía, que se articula en cuatro capítulos principales,

así: microeconomía, macroeconomía, finanzas y comercio. Todo lo demás
es subsidiario de estos cuatro momentos. O bien, dicho inversamente, la
economía sufre una verdadera metamorfosis cuando aprende y sabe de la
vida, en general, esto es, de los procesos y flujos de los sistemas vivos y de la
naturaleza. Ello nos conduce a la bioeconomía.
Bioeconomía y biodesarrollo
Nicholas Georgescu-Roegen tiene el mérito de haber puesto el dedo en la
llaga con respecto a la economía, por lo demás de una forma mucho más
abierta, decidida y en profundidad que Marx. La economía no es, no puede
ser posible a costa de la naturaleza. Para ello, el economista rumano toma
como hilo conductor un capítulo fundamental de la ciencia contemporánea,
tradicionalmente abandonado por las ciencias sociales y humanas: la
termodinámica3. Y más específicamente, el segundo principio de esta, la ley
de la entropía.
3
Una notable excepción en ciencias sociales y el estudio y comprensión de la termodinámica es Tyrtania
(1999).

Desarrollada originariamente por el rumano N. Georgescu-Roegen —La
ley de la entropía y el proceso económico, originalmente publicado en inglés
en 1971, y con traducción al español de 1996—, la bioeconomía produce una
verdadera inflexión en la historia de la economía y constituye un capítulo
propio. Sin ambages, la bioeconomía constituye la más radical crítica
a la economía política desde la crítica de Marx, con la salvedad de que el
marxismo jamás conoció ni estudió (hasta la fecha) la bioeconomía.
La bioeconomía toma como hilo conductor a la termodinámica y

más exactamente al segundo principio de esta, la ley de la entropía.
Consiguientemente, se trata de la más radical crítica a la función de producción
—y por tanto a la idea de crecimiento económico tanto como de desarrollo
económico—, a partir del reconocimiento explícito de que en la naturaleza
existe una tendencia constante a que el orden se convierta en desorden. Así
las cosas, el principal reto económico consiste en cómo trabajar con entropía
baja que tiende a alta entropía. Al fin y al cabo, la vida, la existencia misma se
fundan en sistemas de baja entropía.
Georgescu-Roegen alcanza la fama mundial en econometría, estadística

y matemática económica. Y sin embargo, el grueso de sus reflexiones se
fundan en un profundo y sólido aparato epistemológico que tiene como
resultado mostrar la inviabilidad del sistema capitalista, o el sistema de
libre mercado, a partir de la más fundamental de todas las ideas en la física:
el principio de la entropía: algo que los economistas, por lo menos hasta
Georgescu-Roegen, jamás habían visto (incluso hasta la fecha).
Los cuatro modelos económicos habidos e imperantes son una sola y

misma cosa: el modelo clásico, el neoclásico, las economías de escala y el
desarrollo (humano) sostenible o sustentable. Propiamente hablando, se
trata, gradualmente, cada vez, de una cara más amable del capitalismo. La
razón por la que son una sola y misma cosa es que dejan inalterada la función
de producción. Frente a esto, todo lo demás es todo lo de menos.
La bioeconomía constituye, manifiestamente, el mejor acercamiento

a las relaciones entre economía y complejidad, gracias precisamente al
reconocimiento explícito de que la economía es un sistema complejo
evolutivo. En otras palabras, la ley de la economía es el cambio, pero si ello
es así, no puede resolver la tendencia a generar sistemas de alta entropía.
Dicho en términos clásicos, con Schumpeter, por ejemplo, el capitalismo (y
las empresas) tienen que innovar, porque no tienen ninguna otra alternativa
(de supervivencia).
Así las cosas, la economía queda presa de sí misma, lo cual significa, à la

lettre, que los retos, problemas y desafíos económicos no se pueden resolver

al interior de la economía misma. Este reconocimiento plantea enormes
desafíos al cuerpo duro de la economía: la micro, la macro, las finanzas y el
comercio.
La bioeconomía tiene una arista importante, que sin embargo solo puede
aquí ser mencionada: se trata de las contribuciones propias e independientes
de R. Passet. Lo que sí resulta fundamental es señalar que la bioeconomía
se realiza y da lugar al mismo tiempo a dos áreas, cada una más radical: la
economía ecológica, y luego también, la ecología política. Al fin y al cabo, la
gestión de la economía es imposible sin poner sobre la mesa, a plena luz de
día, la importancia de la naturaleza.
En otras palabras, es imposible entender el mundo y gestionarlo al

margen de la física y la biología, de la ecología y la política. Pero si ello es así,
el reto que la entropía le plantea a la economía merece ser tomado en serio y
resuelto. De lo contrario, la sociedad es como una locomotora desenfrenada
que ha perdido el control y avanza a velocidades crecientes. Ello implicaría la
muerte de la sociedad y de la civilización.
En buenos términos de ciencias de la complejidad y de termodinámica,

es evidente que las razones del fracaso de un sistema consisten exactamente
en las razones de su triunfo. El capitalismo es un sistema triunfante dado que
implica un modo alta y crecientemente complejo de orden cuyo costo es la
generación a su alrededor de una masa igualmente creciente de desechos.
En una palabra: a mayor orden de un sistema, mayor generación de entropía
a su alrededor.
A su manera, de forma lapidaria (en este contexto), el economista rumano

afirma: “Me apresuro a añadir que la innovación y la expansión no son un fin
en sí mismas. La única razón para este ajetreo es un mayor placer de vivir”.
Pero si ello es así, el foco se desplaza de la economía —en toda la extensión
de la palabra— a una cierta idea de buen vivir y de saber vivir. Algo que se
dice fácil pero que es sumamente difícil de llevar a cabo.
Las relaciones de complejidad creciente, no linealidad, inestabilidades

y turbulencias entre economía y sociedad, tanto como entre economía y
naturaleza, plantean el reto de una radicalidad y un calibre superior al que
supone el panorama de las discusiones actuales en torno a la economía
presente. Incluido Thomas Piketty. Piketty, un tibio más por una razón
específica: a todo lo largo de su extenso y minucioso trabajo deja intacta la
función de producción y jamás se refiere a ella. Así las cosas, su propuesta
de redistribución de los ingresos y demás deja incólume la esencia misma

del sistema capitalista que, en términos económicos, es la función de
producción. Digamos que en la historia de la economía solo dos economistas
han elaborado una crítica radical al respecto: C. Marx y N. Georgescu-Roegen.
En verdad, comprender la complejidad de la economía implica poner el dedo

sobre su núcleo mitocondrial, la función de producción y, más puntualmente,
en la idea misma de desarrollo —esto es, el desarrollo económico—. Desarrollo
económico se traduce inmediata y directamente en crecimiento económico,
y con ambos, en todos los fundamentos del sistema capitalista: consumo,
producción, circulación, acumulación, políticas fiscales y demás.
Pues bien, el motivo que permite una crítica radical del sistema de vida
y de producción que es el capitalismo es, para Marx, una postura humanista
que busca liberar al ser humano de la explotación y la enajenación y en
Georgescu-Roegen la recuperación de la naturaleza como fuente primera de
vida. En Marx la crítica a la economía política es posible gracias a la economía
misma. En el autor rumano, gracias a la termodinámica.
Más exactamente, la termodinámica —una ciencia física que nace en el

transcurso de todo el siglo XIX gracias principalmente a los trabajos de Joule,
Carnot y Clausius— se expresa a través de tres leyes; la más determinante
es, desde muchos puntos de vista, la segunda, conocida como la ley de la
entropía. “Entropía” es el término empleado para medir, cuantitativamente,
una medida de desorden. Posteriormente, en la historia de la ciencia, será
utilizada, inversamente, como una medición de orden. Hay que decir que
cualquiera de las dos es válida con la condición de que no se las intercambie.
De manera precisa, la entropía corresponde a la parte de la energía que no
puede ser utilizada para realizar un trabajo.
Complejidad y desarrollo: el tema es magnífico y exige una mirada

novedosa. Pero ese ya es otro tema aparte.
Como quiera que sea, la complejidad de las relaciones entre economía

y vida ponen de relieve la necesidad del diálogo entre termodinámica, y
muy especialmente, la termodinámica del no equilibrio y economía. A nivel
anecdótico, existió un debate sordo entre I. Prigogine y Georgescu-Roegen.
Pero esa es otra historia.
El tema de base en las relaciones entre economía y termodinámica

consiste en pensar la naturaleza. El pecado capital de la modernidad, esto
es, del capitalismo, consiste en haberse alejado de la naturaleza y haber
concebido a esta como un medio de cara a los fines, que son los intereses y
las necesidades de los seres humanos. Este pecado, sin embargo, se remonta
a los orígenes mismos de Occidente en la síntesis que constituyeron Grecia,

Roma y Jerusalén. Desde entonces se impuso una ontología de lo humano
como superior en todos los órdenes con respecto a la naturaleza.
Pues bien, en la dúplice perspectiva de N. Georgescu-Roegen y de R.

Passet), la bioeconomía consiste en situar en el centro de todas las miradas
a la vida misma (bios), frente a la cual la economía se comprende tan solo
como un sufijo. En este sentido, la bioeconomía es economía de y para la
vida, y es claro que la vida en general no comienza ni tampoco se funda en
los seres humanos, sino, por el contrario, en algún punto anterior a estos, los
atraviesa, y termina también en algún lugar mucho más allá de los propios
seres humanos.
Después de C. Marx, jamás se había emprendido una crítica de la

economía política, y solo Gorgescu-Roegen lleva a cabo el equivalente de
una crítica de la economía política. La diferencia con Marx es que mientras
que este se funda en la economía, la política y la historia para su crítica de
la economía política, el autor rumano se basa en la termodinámica y en la
estadística. Dos enfoques perfectamente diferentes.
La bioeconomía puede ser complementada con los trabajos sobre

economía y complejidad (cf. Anderson et al., 1988; Arthur et al., 1997;
Blume et al., 2006), con una salvedad fundamental. En ninguno de esos
trabajos fundamentales existe un tratamiento explícito y directo acerca de
las relaciones entre desarrollo y complejidad. Quizás el primer texto que
expresamente trata esta relación es Maldonado (2014). En otras palabras,
no se postula en esos estudios ninguna alternativa al desarrollo. Pues bien,
quiero decirlo de manera expresa. Una alternativa al desarrollo no es, en
absoluto, simplemente una alternativa a un modelo económico, sino, más
radicalmente, una alternativa a una forma de vida.
Las referencias a Georgescu-Roegen y a la complejidad en general,

sirven para poner expresamente de manifiesto que las ciencias de la
complejidad son ciencias de la vida (aun cuando lo inverso no pueda decirse
necesariamente). Más exactamente, se trata del reconocimiento explícito
según el cual el más complejo fenómeno es la vida. Es imposible girar la
mirada alrededor nuestro, en el planeta, y no ver vida. Incluso en las más
inhóspitas e inimaginables circunstancias existe vida. El tema que aparece
aquí ante la mirada es el de la importancia de los extremófilos.
Lo que quiero decir aquí es que es imposible hablar de todos los temas,
articulaciones y capítulos propios de la economía, en el sentido más amplio
de la palabra, sin tener una idea básica, por lo menos, acerca de lo que es la
vida; es decir, lo que son los sistemas vivos.

En términos generales, cabe decir que la vida nace en 1942 como tema,
esto es, como problema específico de investigación. En verdad, el origen
de la vida es el libro de E. Schrödinger, ¿Qué es la vida?, que constituye,
propiamente hablando, la formulación de un programa de investigación.
Antes de Schrödinger existía, naturalmente, la palabra “vida” —así, por
ejemplo, bios, zoe, vita, etc.—. Es evidente que una palabra no define por
sí misma un problema de conocimiento4. La vida aparece como un tema
explícito, directo y como un problema de investigación gracias al libro de
Schrödinger, a partir del cual, por lo demás, contemporáneamente, emergen
las ciencias de la vida5.
No existe absolutamente ningún elemento, ningún contenido material,

ningún constituyente hylético que permita distinguir la vida de la no vida.
Todas las diferencias entre la vida y la no vida son: a) cualitativas, b) diferencias
de grados o gradientes, c) diferencias de modos de organización. El alfabeto
de la totalidad del universo conocido y por conocer está básicamente
identificado, comienza por el hidrógeno (H) y termina —a la fecha—, por el
Unuctonio (Uuo).
Sin ser exhaustivos, una buena comprensión de la vida y los sistemas vivos
implica el reconocimiento explícito de una mutua y total codependencia
entre los diversos niveles, escalas, formas y expresiones de la vida, sin
absolutamente ninguna centralidad o prioridad de ninguna especie sobre
las demás. Así, dado que, por ejemplo, el 98 % de la biomasa del planeta
son plantas, la vida en el planeta o por fuera suyo es imposible sin la vida
vegetativa. Lo mismo cabe decir con los animales, en general, que habitan
desde nuestra imaginación, amores y temores, hasta nuestra existencia
cotidiana, ya sea en la forma de mascotas o en zoológicos. Los seres
humanos, biológicamente una peste, puede modificar su propia imagen y la
de sus relaciones con el resto de la trama de la vida. Pero esta idea comporta,
asimismo, el cuidado de unidades verosímilmente abióticas, como el aire y el
agua, el medioambiente en general, las selvas, bosques, y demás.
Una comprensión semejante puede traducirse, simple pero

adecuadamente, como el reconocimiento explícito del vivir bien y el saber
vivir, una idea que ha sido re-descubierta por Occidente gracias a los pueblos
andinos: suma qamaña y sumak kawsay. Ello comporta la idea de un savoir
vivre, algo que se dice fácilmente pero resulta endemoniadamente difícil de
llevar a cabo.
4
A menos que se asuma una perspectiva nominalista, como bien se ve en la novela de U. Eco, El nombre
de la rosa, de acuerdo con la cual “en el nombre de la rosa esta la rosa”.
5 Notablemente a partir del descubrimiento de la estructura del ADN en 1953 por parte de Watson y de
Crick; esto es, “el dogma central de la biología”.

En resumen, un modelo de biodesarrollo —y por derivación, el desarrollo
de una bioeconomía y una biopolítica, por ejemplo6 —, se funda en y consiste
a la vez en una forma de vida. Así, el tema desborda cualquier comprensión
disciplinar del conocimiento, apunta hacia la idea y la práctica misma de
una sabiduría, y se traduce como una redimensionalización de la imagen
antropocéntrica habida hasta la fecha, y antropomórfica de la naturaleza, la
realidad y el mundo.
Resolver un problema: un tema radical

Plantear un problema es sumamente difícil. Tanto más cuanto que el
verdadero núcleo mitocondrial de la ciencia consiste en distinguir en general
los temas y problemas, las afirmaciones y las conclusiones triviales de las no
triviales. Algo que se dice fácilmente pero que es extremadamente difícil de
realizar. Pues bien, aún más difícil es resolver un problema. Esto es, quiero
subrayarlo, resolverlo verdaderamente.
Una parte de la lógica y la metodología de la investigación científica están

dedicados a este dúplice problema. Pero también, los mejores esfuerzos de
la heurística se orientan en la misma dirección. Pues bien, existe un capítulo
importante en las ciencias de la complejidad dedicado expresamente a
concebir y resolver problemas complejos. Se trata de las metaheurísticas7.
Quisiera aquí llamar la atención sobre una idea de alguien que, en sentido
estricto, no sabe nada de complejidad en cualquier acepción de la palabra, y
que, sin embargo, elabora una reflexión sencilla y profunda con respecto a la
idea de resolver problemas científicos. Se trata de A. Einstein.
Sostenía Einstein que si verdaderamente queremos resolver un problema

debemos entonces transformar el marco en el que surge el problema.
Veamos con detenimiento.
De manera habitual, se dice en numerosas ocasiones que la mejor manera

de circunscribir o acercarse a un problema es mediante una pregunta, a
saber: la pregunta de investigación. Horribile dictum, a decir verdad. Una vez
identificada la pregunta de investigación, se dice, es posible avanzar en la
identificación del problema de investigación de que se trata un proyecto de
investigación.
6
La noción de biopolítica poco y nada tiene aquí que ver con las interpretaciones de autores como Foucault,
Negri o Agamben, entre otros. Al respecto, cf. Maldonado (2003).
7 He dedicado un espacio a este respecto en Maldonado (2016), en prensa (Revista Colombiana de Filosofía
de la Ciencia).

Como se observa, existe aquí una simplificación extrema, como si un
auténtico investigador solo se ocupara de un problema; incluso, solo de
un problema, en cada caso. Nada más lejano a la realidad; particularmente
cuando tratamos de fenómenos, sistemas y comportamientos de complejidad
creciente.
Aún así, cuando se ha captado verdadera, esto es, amplia y profundamente

un problema, si queremos resolverlo de veras es indispensable modificar
el contexto en el que surge el problema. Esto quiere decir, literalmente, el
contexto teórico y metodológico, el contexto lingüístico y semántico, en
fin, el contexto social y cultural, en el sentido más amplio pero fuerte de la
palabra en el que surge el problema.
Einstein tenía por qué saber esto. En efecto, como es sabido, Einstein
tiene en mente dos grandes teóricos en su vida. De un lado, el debate con
Bohr acerca de la naturaleza cuántica de la realidad, y que se conoce en la
historia de la ciencia como el debate de Copenhague. El otro debate que
tiene Einstein, hacia el final de su vida, es con su propia teoría y sus propias
contribuciones a la física cuántica. Sobre el primer aspecto, nunca dio el
brazo a torcer. Sobre el segundo, se dio cuenta tardíamente y afirmó que
había cometido el error más grande su vida.
El primer aspecto hace referencia al carácter determinado o

indeterminado de la realidad. Einstein, como sabemos, era determinista, judío
convencido y creía que Dios no puede jugar a los dados. En otras palabras, la
realidad habría de tener un fundamento in re, digamos en términos clásicos,
independientemente del observador y de los comportamientos cuánticos
de los fenómenos. Por su parte, el segundo aspecto hace referencia a la
naturaleza cuántica de la luz y, por consiguiente, a la idea de que la realidad
es esencialmente discreta. Einstein logra ver esto estando ya en Princeton,
pero no logra desarrollar las herramientas teóricas y conceptuales que
permitieran vincular esta idea con lo que él mismo había desarrollado acerca
de la teoría de la relatividad; particular y general.
Al margen de sus preocupaciones estrictamente científicas, Einstein

tuvo una conciencia ética muy crítica acerca del Proyecto Manhattan, y del
desarrollo de la bomba atómica. Por derivación, adoptó siempre una postura
pacifista y antibelicista criticando de forma severa a la física atómica. En
este plano, cabe decir que Einstein vio o entrevió la dificultad de resolver
el problema del uso militar de la energía atómica, tal y como aconteció en
Hiroshima y Nagasaki.

Pues bien, en estrecha relación con los aspectos anteriores, vale la
pena recapitular acerca de la reflexión einsteniana sobre cómo resolver
verdaderamente problemas.
Un problema surge, literalmente, al interior de una teoría, en un contexto

intelectual social y cultural muy particulares, los cuales actúan de forma
expresa y directa o bien de manera tácita y como resorte de fondo.
En verdad, nadie resuelve auténticamente nada si no transforma al mismo

tiempo todo el marco en el que emerge el problema. Como se aprecia, una
idea radical y altamente sana y lúcida.
En verdad, una mirada fresca, refrescante, ajena al contexto y a la tradición

del problema constituye en numerosas ocasiones la mejor forma de resolver
un problema difícil. Esta observación exige una precisión puntual.
El más complicado de todos los problemas en ciencia como en la vida,

consiste en distinguir un problema fácil de uno difícil; o bien, igualmente,
un problema que parece difícil de uno que es verdaderamente difícil. Dos
maneras de significar un mismo fenómeno. Pues bien, existe un capítulo
—poco conocido en general— que se denomina los problemas P vs. NP,
consistente justamente en distinguir qué es un problema fácil y qué uno
difícil. Estos problemas P vs. NP fueron originariamente formulados en 1971-
1973 independientemente por Cook, Karp y Levin, y constituyen el tema
mismo de la complejidad computacional (Fornow, 2013).
Un problema se dice que es fácil o difícil, en primer lugar, con relación al

tiempo “real” en el que puede ser resuelto. Dicho tiempo se dice polinomial,
en el sentido de que se aborda y se resuelve en términos de unidades
particulares que lo componen. Hay dos formas de entender lo que es un
tiempo polinomial, así: de un lado, para los sistemas vivos en el planeta se
trata de los ritmos circadianos; de otra parte, en la escala humana, son las
unidades que componen y articulan el tiempo, notablemente en Occidente,
a saber: el segundo, el minuto, la hora, el día, la semana, el mes, el año, y otras
unidades mayores, en términos de un número finito de años.
Pues bien, al lado de los tiempos polinomiales, podemos hablar también

de los tiempos no polinomiales. Los problemas verdaderamente difíciles
son aquellos que implican tiempos no polinomiales para su planteamiento
y resolución. Este campo, aunque apasionante, difícil técnicamente y quiero
dejarlo aquí de lado, provisoriamente, para concentrarme en otro aspecto.
Se trata de la forma como la bioeconomía en general, y el biodesarrollo, en
particular, constituyen, quiero decirlo expresamente, problemas NP.

De manera puntual, se trata del conjunto de problemas que puede
resumirse en los siguientes aspectos: mayor democracia y equidad,
enfoques de cambio bottom-up (esto es, iniciativas desde abajo, emergentes
y autoorganizativas, redistribución de actividades basada en el manejo
de variedad, gestión compleja a partir de unidades autorreguladas de la
sociedad y la economía.
Básicamente, se trata del reconocimiento explícito de que el sustento

vital de la Tierra no ha sido proporcionado para nosotros; sino, acaso, en el
mejor de los casos, culturalmente hablando, por nosotros. No nacimos para
ser los dueños de la tierra, a lo sumo, nacimos para aprender de ella y vivir
con ella. Ahora, gracias a los desarrollos de la ciencia y la tecnología y la
posibilidad de terraformación en otros lugares —la luna, marte o la luna Io de
Júpiter, a la fecha—, la idea de la “tierra” debe y podría ampliarse pero con la
misma asunción. Tierra puede ampliarse a otros lugares en el sistema solar,
pero la idea de cohabitación, interdependencia y unidad se mantiene. No es
desdeñable la posibilidad de habitar otros lugares en el universo.
De acuerdo con un investigador (Bar-Yam, 1997), cabe identificar siete

áreas evidentes mediante las cuales es posible hablar de progreso. Estas son:
• El conocimiento —manifiestamente la disponibilidad de información

compartida y la importancia, ayer, de las TIC, y hoy de las NBICS—.
Este primer aspecto se expresa, notablemente, en los avances desde
la web 1.0 hasta la web 3.0, esto es, la internet de las cosas.
• La energía —esto quiere decir, su disponibilidad y los mecanismos

para usarla a fin de llevar a cabo numerosas tareas—. Existe aquí,
manifiestamente, una tensión consistente entre, de un lado, las
energías tradicionales, en particular el carbón y el petróleo (y sus
derivados), y de otra parte, energías alternativas, tecnologías verdes,
y más y mejores tecnologías. Notablemente, se trata en este segundo
caso de la energía solar, la energía eólica, y otras.
• El transporte —esto es, el transporte rápido de individuos tanto como

de materiales—. Sin duda, el transporte constituye uno de los ejes
estratégicos de desarrollo de las sociedades contemporáneas. No
solamente hemos derrotado a los tiempos tradicionales sino, mejor
aún, hemos creado nuevos tiempos, totalmente anodinos cuando se
los mira con los ojos del pasado.
• La computación —en particular la descentralización en la forma

de computadores personales y, con ellos, los nuevos dispositivos:
tablets, celulares inteligentes y demás. Gracias a los desarrollos de

la computación, literalmente, la tierra se ha vuelto una aldea global,
las configuraciones anatómicas y fisiológicas del cerebro humano
están cambiando, y se crean redes de escalas diferentes alta y
crecientemente entrelazadas.
• La duplicación y el almacenaje. En estrecha relación con el propio

desarrollo de la computación, es evidente que tanto la capacidad
de procesamiento como de almacenamiento se ha multiplicado
magníficamente, lo cual ha facilitado la existencia misma. Disponemos,
sin ambages, hoy por hoy, de más y mejor información, lo cual es
inmediatamente concomitante con el reconocimiento explícito de
que tenemos a la mano más y mejor conocimiento y que, por tanto, el
conocimiento ya no es de nadie. Se ha convertido en un bien común
de la humanidad.
• Comunicaciones. Así, la telefonía, la comunicación masiva, abierta a

más de un solo destinatario, y las redes de computación han permitido
que la comunicación sea, literalmente, un sistema ubicuo. Sin duda,
las facilidades de comunicación hacen del mundo un fenómeno más
rico, amable y vividero.
• Finalmente, el séptimo factor decisivo de progreso es la salud.

Manifiestamente, hemos alcanzado un mayor bienestar a través del
conocimiento y todas las tecnologías afines. Este constituye uno
de los motivos claros mediante los cuales hemos ganado una vida
de más. Tanto las expectativas como las esperanzas de vida se han
ampliado de forma impresionante con respecto a la mayor parte de
la historia de la humanidad. El progreso humano es una sola y misma
cosa con el progreso en la salud; no solamente personal, sino también
social y del medioambiente.
Como se aprecia, sin ambages, la búsqueda de alternativas al desarrollo

no es otra cosa que la búsqueda de formas de vida más dignas y con calidad, y
el trabajo permanente y denodado por hacer posible y cada vez más posible,
por exaltar, por ampliar y enriquecer, en fin, por hacerla más grata a la vida
misma. La vida: de eso se trata finalmente todo, y cualquier otra idea, valor,
acción y demás está en función suyo y es tan solo un medio para hacer la
vida posible y mejor cada vez.

Pensar alternativas a la civilización (occidental)
Occidente está enfermo. La enfermedad de Occidente es al mismo tiempo
crónica, aguda y compleja, en el sentido de que estos tres conceptos tienen
en medicina. Esto es, se trata de la combinación letal de enfermedades con las
que Occidente viene de tiempo atrás y con las que ha debido aprender a vivir;
enfermedades de desarrollo súbito y desarrollo imprevisto, generalmente no
muy optimista; y, finalmente, enfermedades que son en realidad conjuntos
de enfermedades, y no una sola y única enfermedad.
Esta triple característica de lo enfermo que está Occidente se expresa de

múltiples maneras; la lista casi podría hacerse interminable. Así, por ejemplo,
crisis medio ambientales, contaminación de aguas, aire, visual y auditiva,
crisis económicas y financieras, pero también crisis sociales, de confianza,
políticas y la corrupción galopante en el sector público y en el privado;
crisis a nivel cotidiano, mucha agresividad y violencia; guerras de diverso
tipo alrededor del mundo, incluida, actualmente, de manera significativa,
la guerra de y contra el Estado Islámico; todos los problemas de derechos
humanos alrededor del mundo, que coinciden básicamente, en la inequidad
en los países del orbe, la pésima distribución del ingreso, la disminución de
la calidad y de la dignidad humana por parte de la gran base de la sociedad.
En fin, se trata de enfermedades tales como la pérdida de la soberanía
alimentaria por parte de la mayoría de los países como consecuencia de los
monopolios de producción y distribución de alimentos.
Occidente es una civilización gravemente enferma, que, en la escala de las

grandes civilizaciones del mundo, morirá muy joven. Se trata, como muestra
la cultura popular, de aquella idea según la cual “vive rápido y muere joven”.
Occidente nunca supo de tiempo, y para las tres religiones monoteístas
fundacionales de la civilización occidental, el tiempo fue siempre una
maldición; algo que restaba y quitaba, algo que había que aguantar pues la
“verdadera vida” comenzaba siempre en el más allá.
Occidente se hizo posible al costo de matar numerosas otras culturas y

civilizaciones y de imponer la uniformización y estandarización de valores,
ideas, comportamientos. Esto se llama el capitalismo, en sus distintas fases,
desde el capitalismo comercial hasta el financiero. Occidente eliminó y robó
la historia de otros pueblos, desde el descubrimiento de América en adelante,
aunque antes incendió en varias ocasiones la biblioteca de Alejandría, y
destruyó numerosos otros tesoros culturales de numerosas sociedades
alrededor del mundo.

En bioética en general, y particularmente en un capítulo, estrechamente
vinculado con la medicina, existe un tratamiento especial para enfermos
terminales. Se trata de los cuidados paliativos. Bioéticamente, cabe decir
que hay que ayudarle a Occidente a morir; esto es, ayudarle a morir en paz.
Esta idea coincide, por lo demás, con la gran sabiduría del mundo: saber vivir
y saber morir. Así, por ejemplo, notablemente, se trata de recordar el Libro
tibetano de los muertos, tanto como, en otro espacio, el Libro egipcio de
los muertos. Ambos son, esencialmente, en contextos, épocas y con culturas
diferentes, aprendizajes y enseñanzas acerca de un saber morir. Que es, por lo
demás, bastante más que lo que el propio Occidente hizo con otras culturas,
pueblos y civilizaciones a los cuales eliminó sin piedad.
Sostenía Einstein que para resolver un problema hay que cambiar el

marco en el que surge el problema. Naturalmente, el tema de base para
Einstein era el debate de Copenhague, y de manera puntual la discusión con
Bohr acerca de si la mecánica cuántica puede/podía o no ser considerada
como una teoría completa.
Si se quiere resolver un problema es preciso modificar también el contexto

en el que surge el problema. De lo contrario no se habrá resuelto nada.
Así, el contexto hace referencia, inmediatamente, a aspectos tales como el

lenguaje, el marco metodológico, los principios o supuestos epistemológicos,
por ejemplo. Pero también y más radicalmente, el contexto incluye temas
como el marco académico y científico, el marco social, el marco cultural y,
no en última instancia, las estructuras económicas y políticas en las que
emerge el problema en cuestión. Ciertamente, Einstein no es tan prolijo en
su comentario, pero si tomamos al pie de la letra su idea, las derivaciones son
exactamente estas que mencionamos.
Esta idea bien podría complementarse con la distinción, introducida

primariamente por I. Lakatos, entre la historia interna de la ciencia y la
historia externa de las teorías. Sin la menor duda, el marco de un problema
está mediado y constituido por las dos clases de historia mencionadas, y la
propia historia de la ciencia efectivamente muestra que es imposible separar
tajantemente ambos planos.
Resolver un problema exige, en la profundidad y radicalidad de la actitud,

cambiar el marco en el que surge el problema. Pues bien, el modelo económico
capitalista es el producto mejor acabado de toda la racionalidad y forma de
vida occidental. Así las cosas, a fin de pensar alternativas al desarrollo, se
hace imperativo pensar en posibilidades alternas a la civilización occidental.
De tal tamaño es la tarea que tenemos ante nosotros.

Occidente se caracteriza, grosso modo, por un estilo de pensamiento, el
reduccionismo, por una estructura mental, el objetivismo y la creencia en la
objetividad, bajo todas sus formas; y, por consiguiente, en la yuxtaposición
entre la subjetividad y la objetividad, con todas sus variantes y traducciones.
Occidente se caracteriza por una creencia fundamental, a saber: creer que
existen y son necesarias las jerarquías. Asimismo, es propio de esta civilización
el desconocimiento o desvaloración de otras culturas y civilizaciones:
contemporáneas o anteriores. En fin, dicho en lenguaje médico, Occidente
fue una civilización que se hizo vieja prematuramente, debido a estilos de
vida bastante poco saludables, y terminó envenenando el entorno como a sí
misma. En una palabra, de manera atávica, Occidente descontó siempre el
tiempo.
Económicamente, podemos decir que, una vez que emerge el capitalismo,

por ejemplo cuando se hace el tránsito de un sistema de reproducción simple
a un sistema de reproducción ampliada, los modelos económicos habidos
son exactamente una sola y misma cosa: el modelo clásico, el neoclásico, las
economías de escala y el desarrollo (humano) sostenible (o sustentable). La
razón por la que son una sola y misma cosa, consiste en que la función de
producción, permanece siempre la misma. En otras palabras, el capitalismo
es depredación de la naturaleza, división de la sociedad, generación de
inequidades a gran escala y de forma sistemática, en fin, crecimiento
económico y consumo (hiperconsumo).
Pues bien, filosóficamente, por definición, la solución a las crisis y

problemas de Occidente no puede darse al interior de la propia civilización
occidental. Ella los creó, y no puede salir de ellos a pesar de sí misma. Vale
aquí detenernos un instante en una circunstancia histórica.
De acuerdo con un historiador creativo (Cline, 2014), alrededor de 1177

a.c. esto es, al final de la edad de bronce, la civilización —habida hasta
entonces— colapsó. El nombre genérico de este colapso puede ser descrito
como “los pueblos del mar”, y consiste esencialmente en la destrucción de
Egipto, el final de la era de bronce, y el consiguiente ascenso de la cultura
que pivota alrededor de Grecia. A través de esta historia, merced al colapso
de la civilización egipcia, emerge, al cabo, Occidente.
La idea de colapso civilizatorio no es enteramente nueva. La diferencia,

sin embargo, entre el pasado, cuando observamos diferentes colapsos de
civilizaciones —el final de la era de bronce, el colapso de Roma, etc.— y el
colapso actual de la civilización, estriba en el hecho de que anteriormente
el mundo era de suma cero. Esto quiere decir, no solamente que cuando un
jugador gana otro pierde, sino, mejor aún, que la pérdida de un jugador en un
lugar no necesariamente afecta a otros jugadores en otros lugares. Así, por

ejemplo, el colapso alrededor del año 1177 a.c. no afecta causalmente la vida
de las civilizaciones, culturas y pueblos que viven en ese mismo momento en
la India o China o en las Américas.
Nuestra época, como ha sido puesto de manifiesto en numerosas

ocasiones, es un mundo diferente de suma cero. Esto quiere decir, un
mundo alto y crecientemente entrelazado, interdependiente, globalizado,
y en donde, literalmente, el batir de las alas de una mariposa en un lugar
puede provocar fuertes tormentas en otro lugar apartado. Los franceses
denominan un mundo semejante como mundializado (mondialisation), los
alemanes como un mundo internacionalizado (Internationalisierung) y los
autores norteamericanos lo llaman un mundo globalizado (globalization).
Tres maneras diferentes de denominar un mismo fenómeno.
Entre paréntesis, cabe recabar en un estudio en la misma dirección

aquí mencionada, a raíz del colapso civilizatorio que representó la caída del
Imperio romano, y la forma como, al decir de otro historiador, Irlanda salvó a
Occidente (Cahill, 2007). La Edad Media coincide con el proceso mediante el
cual Irlanda salva la memoria habida para el resto de Occidente, y se prolonga
por diversos caminos hasta llegar a su culmen, cuando termina el medioevo
y la humanidad occidental se lanza al Quattrocento.
Quisiera decirlo de manera directa a modo de conclusión: la alternativa

al desarrollo no puede resolverse al interior de esta civilización. Occidente,
una civilización de corta duración, alrededor de 2500 años, un tiempo corto,
cuando se lo compara con otras civilizaciones. Más exactamente, pensar las
alternativas al desarrollo es pensar las alternativas a un modelo civilizatorio:
el occidental, la tierra donde el sol se pone.
Las crisis de la civilización occidental son a la vez sistémicas y sistemáticas,

y conforman una red de imbricaciones directas, indirectas, inmediatas y
virtuales. Consecuentemente, occidente se ha enfermado, y la suya es, en
realidad, un tejido de enfermedades cuyo desenlace permite anticipar, sin
victimizar y sin alarmismos, que Occidente tendrá lo que en medicina se
conoce como un colapso sistémico.
Occidente tiene tres conjuntos de enfermedades, así:
• Enfermedades crónicas. Una medicina se dice que es crónica cuando

el paciente debe aprender a vivir con la enfermedad; esta no es
curable, pero no es letal a corto plazo.

• Enfermedades agudas. Una enfermedad aguda es aquella que
irrumpe rápidamente, cuyo desenlace es dramático y que no cabía
prevenir anteriormente. Las enfermedades agudas no permiten
anticipar un desenlace favorable.
• Enfermedades complejas. Ejemplos de enfermedades complejas son

el Parkinson, el Alzheimer o el cáncer. Se trata de la confluencia de
factores genéticos, de formas de vida y medioambientales que dan
lugar a una enfermedad que en realidad son muchas enfermedades.
Podríamos ilustrar cada una de estas enfermedades. Así, por ejemplo,

hablando de degradación de la naturaleza, contaminación y polución,
deforestación y daños al medioambiente en la tierra, el aire o las aguas,
por ejemplo. Estos serían ejemplos de enfermedades crónicas. Por su
parte, algunos casos de enfermedades agudas son las crisis financieras y
económicas, de corrupción y tipo militar alrededor del mundo. Asimismo,
serían ejemplos catástrofes geológicas como resultado de pruebas de
armas atómicas, o del fracking. Finalmente, ejemplos de enfermedades
complejas pueden ser la pérdida de la soberanía alimentaria, la consiguiente
malnutrición de grandes capas de la población, o también el hiperconsumo,
el cual va acompañado de la producción de productos de ciclos cortos de
vida, la obsolescencia programada y la muerte de numerosas formas de
oficios, e incluso profesiones liberales en la historia reciente (cf. Barzun,
2000). Sin embargo, mi interés aquí no es casuístico, y sería el objeto de otro
trabajo aparte, describir y clasificar los tres conjuntos de enfermedades que
afectan a Occidente: desde Japón a Europa y hasta Estados Unidos. Con todo
y sus satélites.
A Occidente se le olvidó pensar la vida. Había otras civilizaciones que sí

habían pensado la vida. Notablemente los pueblos y culturas amerindios,
en América Latina: los mayas, los aztecas los incas, los pueblos andinos y
los muiscas, por ejemplo. La preocupación de los países, los estados y las
corporaciones y empresas por el crecimiento económico es en verdad
una patología. Crecer económicamente en absoluto significa saber vivir, y
habitualmente sucede todo lo contrario.
El dualismo de Occidente, lo llevó a considerar la naturaleza, solo como un

medio, a los intereses, necesidades y fines humanos, como fines en sí mismos.
Este dualismo tiene expresiones religiosas y teológicas, así como políticas
y epistemológicas; tiene expresiones al mismo tiempo sociales y culturales
tanto como de formas de vida, y estructuras psicológicas y emocionales. Los
estudios y la bibliografía al respecto son amplios y sugerentes.

Contra el crecimiento económico y el desarrollo se trata, quiero sugerirlo,
de gratificar la vida misma —la vida humana y la vida en general en el
planeta, la vida conocida tanto como la vida por conocer. Gratificar y exaltar
la vida y hacerla posible y cada vez más posible. Con dignidad y en términos
de calidad. Solo que la dignidad de la vida, al igual que la vida de vida, no
comienza y tampoco termina, en la esfera humana. Los seres humanos
somos, tan solo, una interface entre la naturaleza y nuestros sueños, temores,
deseos y esperanzas.
Occidente se encuentra gravemente enfermo, y en términos de bioética

y de ciencias de la salud, se trata de un enfermo terminal. El tratamiento
que debe recibir un enfermo terminal, es el de cuidados paliativos: esto es,
ayudarle a morir, en paz, consigo mismo y con el mundo. Esto es bastante
más, que lo que el propio Occidente, hizo con numerosos pueblos, naciones
y culturas a lo largo de sus 2500 años de historia.
Occidente aniquiló y destruyó, eliminó y borró cientos de pueblos,

sus culturas, sus reliquias, sus memorias. Una civilización así no merece
constituirse en ejemplo frente a la eventualidad de otras formas de vida en el
universo y otras formas de civilizaciones en la vía galáctica, por ejemplo. Un
giro, un cambio en la historia de la especie humana, se está produciendo y
hay que contribuir a llevarlo a cabo. Este es un imperativo al mismo tiempo
ético e intelectual.
Este texto termina apuntando en una dirección bien precisa. La muerte

de Occidente no implica, contra los milenarismos de distinto tipo (Al Gore, por
ejemplo), que el final de Occidente coincida sin más, con el final de la especie
humana. Toda élite cuando ve llegar su final, identifica su final, con el de toda
la humanidad. Exactamente en esto consiste el milenarismo (Cohn, 2015).
Occidente tiene ante sí su final inexorable. Y su tiempo no se mide en

términos de vidas humanas, sino en tiempos históricos y sociales. La muerte
de Occidente será, como oportunidad, la vida de nuevas y mejores formas
de vida, mucho más en términos de armonía que de lucha, de cooperación
que de competencia, de conocimiento antes que de miedo a la investigación
(logofobia).
De acuerdo con un mito, Occidente nace con el miedo al conocimiento

en la forma de “de este árbol no comerás”. En contraste, nuevos horizontes y
esperanzas son directamente proporcionales a más y mejor información, a más
y mejor conocimiento, a más y mejor ciencia y tecnología. Al fin y al cabo, la vida
es una sola y misma cosa con el conocimiento, y más y mejor conocimiento, no
significa otra cosa que más y mejor vida. De esto se trata todo.

• Anderson, P. W., Arrow, K. J., Pines, D. (1988). The Economy as an Evolving
Complex System. A Proceedings Volume in the Santa Fe Institute Studies
in the Sciences of Complexity. Westview Press.
• Arthur, W. B., Durlauf, S. N., Lane, D. A. (1997). The Economy as an Evolving

Complex System II. A Proceedings Volume in the Santa Fe Institute
Studies in the Sciences of Complexity. Westview Press.
• Bar-Yam, Y. (1997). Dynamics of Complex Systems. Reading, MA: Addison-

Wesley.
• Barzun, J. (2000). From Dawn to Decadence. 1500 to the Present. 500

Years of Western Cultural Life. New York: HarperCollins Publishers.
• Blume, L. E., Durlauf, S. N. (2006). The Economy as an Evolving Complex

System, III. Current Perspectives and Future Directions. A Volume in the
Santa Fe Institute Studies in the Sciences of Complexity. Westview Press.
• Cahill, Th. (2007). De cómo los irlandeses salvaron la civilización.

Barcelona: Belacqua.
• Cline, E. H. (2014). 1177 B. C. The Year Civilization Collapsed. Princeton and

Oxford: Princeton University Press.
• Cohn, N. (2015). En pos del Milenio. Revolucionarios milenaristas y

anarquistas de la Edad Media. Logroño: Pepitas de Calabaza.
• Fortnow, L. (2013). The Golden Ticket. P, NP, and the Search for the
Impossible. Princeton and Oxford: Princeton University Press.
• Georgescu-Roegen, N. (1996). La ley de la entropía y el proceso económico.

Madrid: Argentaria.
• Maldonado, C. E. (2003) Biopolítica de la guerra y la paz. Bogotá: Siglo del

Hombre Editores/Universidad Libre, pp. 1-254.
• Maldonado, C. E. (2010). “Biodesarrollo y complejidad”. Propuesta de un

modelo teórico. En: Un viaje por las alternativas al desarrollo. Perspectivas
y propuestas teóricas, C. E. Maldonado y M. L. Eschenhagen (eds.). Bogotá-
Medellín: Ed. Universidad del Rosario, Universidad Pontificia Bolivariana,
pp. 71-96.

• Ormerod, P. (1997). The Death of Economics. New York: John Wiley &
Sons, Inc.
• Passet, R. (1996). Principios de bioeconomía. Madrid: Argentaria.
• Tyrtania, L. (1999). Termodinámica de la supervivencia para las ciencias

sociales. Iztapalapa: Universidad Autónoma Metropolitana.

12
Introducción
PENSAR COMO LA NATURALEZA.
UNA IDEA RADICAL
Occidente comienza y se amalgama como la síntesis de Roma, Atenas y

Jerusalén, y la historia subsiguiente, hasta la fecha. Occidente se caracteriza
por numerosas creencias: así, por ejemplo, en occidente, que existe la
causalidad; asimismo se cree que existe el yo. En el marco de este texto, cabe
resaltar la que quizá es la creencia más importante de toda la humanidad
occidental, a saber: que el ser humano ocupa un lugar preeminente, superior
y distinto a la naturaleza. Desde luego, esta creencia se traduce, como es
efectivamente el caso, a numerosos otros ejemplos, y en la esfera social y
cultural, parte de la naturaleza, han sido los negros, los indígenas y muchas
otras etnias, culturas y pueblos. Como consecuencia, la estructura mental
y cosmovisiva de los occidentales es eminentemente antropológica,
antropocéntrica, antropomórfica. Los ejemplos, las aplicaciones, los casos,
y las extensiones de estos tres rasgos pueden ejemplificarse a granel;
son prácticamente ilimitados, y conforman la historia de los últimos 2500
años. Occidente, de todas las civilizaciones que han existido sobre la faz de
la tierra, es aquella que menos tiempo ha vivido –ha habido civilizaciones
magníficamente más longevas en la historia-. A la mejor manera de la cultura
popular de los Estados Unidos, Occidente se caracteriza porque vivió o ha
vivido rápido y muere o presumiblemente morirá muy joven.
Este artículo estudia una tesis: dado que ya conocemos perfectamente

lo que significa pensar como los seres humanos –algo que ha constituido el
objeto de numerosas ciencia disciplinas incluyendo a la historia, la filosofía, la
antropología, la psicología y la sociología, entre otras-, propone, ejemplifica,
y discute la posibilidad de pensar de otro modo. Este otro modo es como
la naturaleza, no como una alternativa, sino como la mejor posibilidad que
pueda existir.
Este artículo, sin embargo, no pretende entrar en temas aplicados,

normativos o propedéuticos acerca de cómo hacer para pensar como la
naturaleza. Más sencillamente –y creo que, lógica, epistemológica, científica

o existencialmente no es poco-, se trata de aportar indicios de lo que es y
cómo es posible pensar como la naturaleza, y explora los fundamentos y
algunas de las consecuencias de la tesis enunciada.
Cinco argumentos sostienen la tesis. En primer lugar, se presenta y se

discute cómo piensan y cómo han pensado los seres humanos. Los mejores
ejemplos e ilustraciones provienen justamente de la cultura misma; más
exactamente, la filosofía y diversas ciencias y disciplinas. Sobre esta base,
se aportan en el siguiente argumento los mejores indicios conocidos de lo
que significa pensar como la naturaleza. Un rasgo común al grupo de ocho
indicios es que todos pertenecen a lo mejor de la historia de la investigación
en lo últimos cincuenta años. El tercer argumento presenta los fundamentos
del pensar como la naturaleza. Estos fundamentos encuentran su puerta
de entrada en la geometría de fractales desarrollada originariamente por B.
Mandelbrot. Ahora bien, los fractales constituyen una de las ciencias de la
complejidad.
Es por esta razón que el cuarto argumento hace expreso el hecho de que
pensar como la naturaleza complejiza el pensamiento mismo y las relaciones
de los seres humanos con la naturaleza. Por consiguiente, se hacen algunas
clarificaciones acerca de lo que significa “complejidad”. Finalmente, sobre
esta base, el artículo termina apuntando en la dirección precisa a la que
conducen las reflexiones anteriores: se trata del re-descubrimiento de la
inmanencia, en contraste con el modelo estándar en Occidente que era la
(búsqueda de) la trascendencia.
Al final se extraen algunas de las conclusiones más directas e inmediatas

que se siguen de la tesis enunciada y de los argumentos aportados.
¿Cómo piensan los seres humanos?

(Y ¿cómo han pensado?)
Pensar como lo seres humanos es lo que hemos hecho en los últimos siglos
y milenios. Todas las estrategias imaginables han sido utilizadas.
Los seres humanos han pensado en la forma de preguntas (Sócrates) y

en la forma de dialogo (Platón, Buber). Han hecho el ensayo de pensar en
tercera persona (Aristóteles y neopositivismo) y han pensado en la forma de
la duda, más o menos metódica (Pirrón, Sexto Empírico; Descartes). Los seres
humanos han pensado en la forma de aforismos (Nietzsche) o de ensayos
(Montaigne), y se han esforzado por combinar de tantas maneras diversos
estilos de pensamiento.

También han intentado pensar en forma colectiva (Investigación Acción
Participación) y en numerosas ocasiones han destacado la importancia y el
sentido de pensar colectiva, conjunta, intersubjetivamente (Husserl). Han
pensado mirar al rostro del otro como otro (Lévinas) y han pensado incluso en
la forma de la sospecha (Ricoeur). Hay quienes han hecho su mejor esfuerzo
para pensar en la forma de preguntas (Heidegger), y la gran mayoría han
pensado de forma expositiva, conclusiva y concluyente (ciencia y filosofía
normales).
En no pocas ocasiones los seres humanos han pensado en la forma de

conjeturas (Popper), o bien preocupados permanente por distinguir géneros
y criterios de demarcación (Reichenbach). Los hay que han pensado sin hilos
argumentativos ni datos de ninguna clase (Morin), y también aquellos otros
que han pensado desde la angustia y en el filo del caos (Kierkegaard). Hemos
pensado en términos de género (epistemología feminista) o acaso también
en términos de minorías (literatura negra, literatura y músicas étnicas, etc.).
Toda la literatura ha tenido inmensamente más libertad pues ha pensado

con umbrales y márgenes más allá que los de la simple verdad, y ha pensado,
además, con ayuda de la verosimilitud, la veracidad y sobre la base de la
tropología. La ficción, según parece piensa mejor que quienes se restringen
a pensar simple y llanamente en términos de conceptos, juicios y categorías.
Los hay que han pensado temiéndole o huyéndolo a las contradicciones

(lógica formal clásica), y quienes también han pensado sobre la base de las
experiencias mismas y nunca de espaldas a las mismas (etnografía).
Finalmente en fin, hemos intentado pensar en prosa y en verso. Pero

según parece nada ha cambiado mucho. Esto es, el modelo básico ha sido el
de considerar a los seres humanos como una instancia propia –acaso distinta,
incluso superior en muchos casos al resto de la naturaleza. Pensar como los
seres humanos ha querido significar siempre pensar como nosotros mismos
y no como ninguna otra instancia. Acaso porque, implícita o tácitamente,
ninguna otra instancia piensa (como los seres humanos). Sin ambages, el
pensar humano ha sido típicamente autorreferencial y por tanto tautológico
– algo contra lo cual ya advirtiera K. Gödel.
Digámoslo en una palabra, las ideas, las propuestas, los llamados y las
invitaciones a pensar – pensar bien, pensar distinto, y otras semejantes,
con cualesquiera justificaciones; por ejemplo, las crisis en curso alrededor
nuestro; o los retos y desafíos que enfrentan individuos, grupos humanos y
sociedades enteras; o el manejo de y las relaciones con la naturaleza, a raíz del
agotamiento de los muy mal llamados “recursos naturales”, el calentamiento
global y otros problema semejantes; decimos: los llamados a pensar que

escuchamos son vacuos e inútiles porque abierta o tácitamente asumen
el modelo del pensar humano: esto es, antropológico, antropomórfico y
antropocéntrico. Todo ello es du déja-vu. Debemos y podemos pensar de
otro modo, pues.
La tabla No. 1 presenta la forma como piensan y han pensado los seres
humanos, independientemente de si se hace referencia a la perspectiva
individual, colectiva o genérica. (Es algo análogo a las diversas formas de
comprensión de la idea de Protágoras: “el hombre es la medida de todas las
cosas”, que admite una interpretación individual, una social o colectiva, y la
de la especie misma).
Así las cosas, faute de mieux, por decir lo menos, debemos y podemos
aprender a pensar como la naturaleza. Varios indicios pueden ser mencionados
en esta dirección.
Tabla No. 1: Cómo piensan y han pensado los seres humanos
Los seres humanos piensan y • Lineal

han pensado, en la historia de la • Secuencial
civilización occidental de forma: • Jerárquica
• Centralizada
• Vertical
• Como competencia
• Centrada en sí mismos
• Tautológica
• Siguiendo algoritmos
(normas, recetas, leyes,
prescripciones, poderes,
etc.)
… Y otras más…
Fuente: Elaboración propia

Indicios de lo que significa pensar
como la naturaleza
A continuación presento brevemente varios de los indicios que, histórica y
heurísticamente, allanan el camino hacia la idea de pensar como la naturaleza.
• Inicialmente, en 1969 W. V. O. Quine escribe un ensayo fundamental

llamado “Epistemology naturalized”. Los métodos tradicionales
de la epistemología deben ser abandonados (psicologismo,
trascendentalismo, y otros) y se le debe dar prioridad a los métodos
de las ciencias naturales, sostiene Quine. Esta idea será bien acogida
y constituye uno de los hilos conductores de las ciencias cognitivas.
Sencillamente: debemos poder pensar a la manera de métodos
empíricos, vinculados con la naturaleza.
• En un ensayo clásico desde la filosofía de la mente, Th. Nagel escribe

un ensayo clásico “¿Qué es ser un murciélago? (What is it like to be
a bat?) (1974), publicado posteriormente en Mortal Questions (1991)
escribe uno de los más importantes experimentos mentales en los
que discute lo que sea la conciencia. Es un argumento contundente
contra el reduccionismo de cualquier tipo.
• Posteriormente, en ese libro ya clásico que es El árbol del conocimiento.

Las bases biológicas del entendimiento (1984) H. Maturana y F. Varela
(2013) afirman que, en el marco en el que estudian y discuten la idea
de la deriva natural, podríamos pensar como un río, pensar como una
rosa, pues es lo que hace esencialmente la evolución.
• Más adelante, desde la antropología, M. Douglas concibe la idea de

que las instituciones, y no sola y no principalmente los seres humanos,
piensan. Douglas escribe en 1986 Cómo piensan las instituciones (en
español, 1996), en el que desplaza por completo las relaciones entre
conocimiento y la sociedad, en el que expresamente muestra cómo
algunas de las más importantes decisiones y acciones humanas no
las llevan a cabo única o principalmente los seres humanos, sino,
justamente, las instituciones. Las instituciones piensan y actúan.
• Muchos más adelante en el tiempo, inspirados en un trabajo pionero

de P. Singer sobre la liberación animal, emergen a comienzos del
año 2000 (2003-2008) los Estudios animales (Animal Studies), un
campo eminentemente interdisciplinario que, con contribuciones
de la literatura y la filosofía, la historia y la biología, las neurociencias
y la biología, la geografía y la antropología, se ocupa esencialmente

de dos aspectos: de un lado, comprender el papel que los animales
juegan en la evolución de los seres humanos; y por tanto, de otra
parte, entender en propiedad lo que son los animales. Una dimensión
importante al respecto es precisamente la de elucidar cómo piensan
los animales.
• Más recientemente, en el 2013 E. Kohn, un antropólogo ecuatoriano

que trabaja en Canadá escribe Cómo piensan las selvas, que es
un ensayo de antropología más allá de lo humano. Trabajando con
comunidades indígenas de la Amazonía ecuatoriana, Kohn pone de
manifiesto que las selvas, esto es, los ríos y las rocas, las nubes y los
jaguares, las plantas y los árboles piensan efectivamente.
• Entre los años 2006 hasta la fecha, emerge un nuevo campo del
conocimiento centrado en la forma como las plantas piensan. Se trata
de la neurobiología de las plantas, cuyos dos representantes más
eximios son F. Baluska (Universidad de Bonn) y S. Mancuso (Laboratorio
Internacional de Neurobiología de las Plantas; Universidad de
Florencia). Estos investigadores ponen de manifiesto que las plantas
que constituyen el 97% de la biomasa del planeta, son inteligentes,
resuelven problemas y piensan.
• Ben-Jacob fue un investigador (falleció en el año 2015) que aportó

enormes luces acerca de la naturaleza social de las bacterias, y la forma
como procesan información. Las bacterias resuelven problemas, se
autoorganizan, y toman decisiones de forma propia que nada tiene
que ver con la manera como entendemos estos mismos procesos en
los seres humanos. No puede decirse aún si propiamente “piensan”,
pero sí es claro que pueden ser comprendidas en términos de sistemas
complejos adaptativos.
Como se aprecia, se trata de ocho claros indicios que apuntan en una

dirección perfectamente anodina si se la mira con los ojos del pasado o de
la tradición: podemos pensar de otro modo que como seres humanos. Más
radicalmente, podemos pensar como las plantas, podemos pensar como los
ríos, como las bacterias, o en fin, igualmente como las selvas, por ejemplo.
Desde el punto de vista evolutivo no cabe la menor duda de que hay otras
especies que piensan más y mejor que los seres humanos. Al fin y al cabo, la
especie homo sapiens-sapiens lleva sobre la faz de la tierra apenas alrededor
de 40.000 años, y la civilización europea – tomada está en el sentido filosófico
de la palabra-, que puede ser considerada, sin ambages, como el producto
mejor acabado de la especie humana como tal, alcanza apenas los 2500 años
de vida, en medio de profundas, sistémicas y estructurales crisis en muchos
órdenes, todas íntimamente entrelazadas entre sí.

In extremis, aun cuando no sea exactamente el propósito de este
texto, cabe afirmar sin la menor dilación que entre los animales –por decir
lo menos, entre los mamíferos superiores, existe: cultura, espiritualidad y
autoconciencia – tres rasgos que atávicamente eran considerados como
exclusiva o distintivamente humanos. Exponer esta idea sería, sin embargo,
el objeto de otro texto aparte.
Fundamentos del pensar como la naturaleza

Pues bien, quiero sostener que pensar como la naturaleza es la marca distintiva
de la complejización de la experiencia humana en general. Ahora bien, esta
complejización encuentra la puerta de entrada en la geometría fractal de la
naturaleza, formulada originalmente por B. Mandelbrot (Mandelbrot, 1997).
Quisiera destacar varios de los más importantes rasgos distintitos de la

geometría fractal de la naturaleza.
• Contra la idea de origen platónico –heredada de realidad de la

tradición pitagórica- y posteriormente sistematizada por Euclides
en la forma de la geometría euclidiana, la naturaleza ni se funda ni
tampoco consiste en sólidos regulares, mejor llamados como sólidos
platónicos. Propiamente hablando, en la naturaleza no existen una
sola recta, y a fortiori, tampoco un cuadrado, un círculo, para triángulo,
una paralelograma, y ulteriormente dodecaedros, icosaedros y
demás. Como bien lo expresara Mandelbrot en varias ocasiones:
“Una montaña no es un triángulo”, “una nube no es una elipse”, y así
sucesivamente (Mandelbrot, 1996).
• La estructura misma de la realidad está constituida por irregularidades,

justamente, por fractales. Estas irregularidades permiten una
mayor economía en las formas de organización de la naturaleza –
algo ya conocido a partir de las series de Fibonacci-, y también una
comprensión más ajustada a la propia naturaleza; esta comprensión
se funda en tres ideas básicas, así: autosemejanza, mediciones
fractales, y la existencia de fractales aleatorios, brownianos y escalares
(Mandelbrot, 2004).
• El carácter mismo de los fractales, que son formas y estructuras

irregulares e interrumpidas pone de manifiesto un problema de
una envergadura aún mayor. Se trata del reconocimiento explícito
de que la naturaleza misma no es un fenómeno continuo, sino, por
el contrario, es discreta. En correspondencia se han desarrollado
recientemente las matemáticas de sistemas discretos que son, en
rigor, las matemáticas de la complejidad.

• Existe una estrecha conexión recíproca entre caos y fractalidad
que permite tomar distancia de perspectivas al mismo tiempo
reduccionistas y deterministas. Pensar en términos caóticos
corresponde a comprender que el mundo, la naturaleza y la sociedad
son fenómenos esencialmente imprevisibles. Y a su vez, pensar en
términos fractales corresponde a reconocer que las iteraciones
constituyen procesos y dinámicas que contribuyen ampliamente a ver
y entender sistemas de complejidad creciente. Justamente en este
sentido, los patrones de fractalidad permiten –a través de iteraciones,
comprender las formas misma de organización– de la naturaleza y de
la sociedad en términos de autoorganización, grados de libertad y no-
linealidad (Mandelbrot, 2006).
Sin la menor duda, la geometría fractal de la naturaleza contribuye de

manera significativa a la historia ya mencionada de naturalización de la
epistemología; esto, es, mucho mejor, a la naturalización del conocimiento
mismo. Como se aprecia sin dificultad, por diversos caminos, con
motivaciones diferentes, lo mejor de la ciencia y del pensamiento de punta
más recientes han comenzado a aprender a pensar de otra forma que como
toda la tradición lo sostuvo desde Platón y Aristóteles y la historia que se
deriva y depende de ellos.
Desde la antropología podría decirse que una parte de lo mejor de la ciencia

occidental ha descubierto formas de pensar y de vivir que ya eran propias de
otras culturas y civilizaciones acaso menos “desarrolladas”. En ese caso, se
hace referencia a culturas precolombinas, en un extremo, y notablemente a
lógicas orientales, con énfasis particular en la India. Indudablemente que la
humanidad ya había pensado y descubierto estas formas de pensar como la
naturaleza y de vivir en acuerdo con ella (Maldonado, 2016). Pero esas culturas
y sociedades fueron siempre negadas, desplazadas a lugares secundarios,
en fin, incluso eliminadas por lo que puede ser considerado como la Historia
Oficial de Occidente. En cada época y lugar representada por los poderes de
facto, hegemónicos y usualmente colonialistas e imperiales que extendieron
la visión antropocéntrica, antropomórfica y antropológica como si fuera la
única y la más valedera. Esa historia terminó a la postre destruyendo los
propios pilares, valores, ideas y formas y estilos de vida que con constitutivos
y característicos de la humanidad occidental.
De manera general, cabe señalar que los fractales constituyen una de

las ciencias de la complejidad, y que, en consecuencia, pensar la naturaleza
resulta una sola y misma cosa con pensar la complejidad o, lo que es
equivalente, el fenómeno mismo de la vida; esto es, los sistemas vivos: la vida
tal y como la conocemos, y la vida tal-y-como-podría-ser (posible).

La naturaleza en general, cuya mejor expresión es sin dudas la vida tal y
como lo conocemos, es el fenómeno de máxima complejidad conocida. Pues
bien, pensar la naturaleza es concomitantemente con pensar la complejidad;
esto quiere decir, pensar en forma compleja, o pensar también, pensar
temas, sistemas, problemas y comportamientos complejos. Esta idea exige
una clarificación.
Pensar la complejidad o pensar de forma

compleja
En la historia de la ciencia y de la filosofía siempre cabe afirmar e identificar
algunos elementos o rasgos de aquellos de que nos ocupamos, avant la
lettre. Pero es igualmente cierto que cada época y sociedad desarrolla la
clase de ciencia que puede y la que necesita. Pues bien, vivimos un mundo
caracterizado, hoy por hoy, por turbulencias, inestabilidades, fluctuaciones,
emergencias, no-linealidad, caos, catástrofes y otros atributos semejantes.
Las ciencias de la complejidad son la clase de ciencia que ha sido

desarrollada a partir de diversos jalonamientos en el siglo XX y hasta la
fecha, encargadas de pensar dinámicas de complejidad. Para ello ha
creado nuevas y diferentes ciencias, las cuales a su vez comprenden una
pluralidad de métodos, disciplinas, aproximaciones, lenguajes y técnicas.
La forma genérica como se los conoce a todos ellos es como ciencias de la
complejidad, un concepto sobre el cual existe una amplia, vívida y cada vez
profusa bibliografía.
Correspondientemente, se organizan alrededor del mundo numerosos

coloquios, congresos, simposios, y seminarios dedicados al tema, y se han
creado prestigiosos Centros e Institutos de investigación, muchos de ellos
vinculados a las más importantes y prestigiosas universidades. Colecciones
editoriales, revistas y encuentros de redes nacionales e internacionales se
programan y se llevan a cabo episódica y regularmente, a la vez.
Pues bien, en cualquier caso, hemos hecho el aprendizaje reciente de

comportamientos, sistemas y dinámicas tales como la inteligencia de
enjambre (swarm intelligence), la idea de un mundo pequeño (small-world
theory) gracias precisamente al desarrollo de la ciencia de redes complejas;
asimismo, hemos aprendido a pensar en términos de no-causalidad, y sí,
mucho mejor, en términos de correlaciones, procesos de aprendizaje y
adaptación, y manifiestamente con la ayuda de las lógicas no-clásicas. La
lista de estos aprendizajes no puede resumirse en pocas líneas. Pero todo
apunta a una auténtica revolución científica, en sentido Kuhniano.

Ahora bien, en rigor, nade piensa porque quiere, y pensar no es
acontecimiento voluntario y deliberado. Pensar es un acto o un proceso que
emerge: a) cuando no queda ninguna otra opción; b) como resultado del
juego, la imaginación, la libertad o la fantasía, cuatro formas de designar a
una sola y misma cosa. Esta idea ha sido ampliamente trabajada por parte de
diversas ciencias y disciplinas.
Es indispensable hacer aquí una precisión. Manifiestamente que los

seres humanos son quienes deciden, a propósito de temas sensibles como:
consumo responsable, hiperconsumo, obsolescencia programada, formas de
vida saludables, autonomía alimentaria, cuidado del medio ambiente y otros
temas próximos y parecidos. No son las cucarachas, los gatos o los helechos
los que toman decisiones. La diferencia radical frente a toda la tradición
consiste en el hecho de que el input es el ser humano, pero, por primera vez
en la historia el output ya no es el propio ser humano. Por el contrario, más
exactamente, el output es la naturaleza. Esta situación puede ilustrarse en
los siguientes términos:
I(h) → O(n)
En donde I designa al input–esto es, los procesos reflexivos, los
cuestionamientos, las tomas de decisiones, en fin, las acciones mismas;
h, designa al ser humano (en general), O designa al output, y n designa al
conjunto de la naturaleza; así, por ejemplo, los ríos y los mares, las montañas
y los valles, las demás especies animales, el aire, las plantas, y la vida terrestre,
subacuática y del aire.
En el pasado, por el contrario, el output era el propio ser humano: puesto

que las acciones, decisiones y reflexiones tenían como única finalidad
satisfacer las necesidades, los gustos, los placeres y los caprichos de los seres
humanos en general. Esta circunstancia puede sintetizarse con el concepto
–a mí modo de ver bastante problemático- del “antropoceno” (omito aquí la
discusión sobre este concepto debido a que ya fue el objeto de otro texto en
otro lugar; Cfr. Maldonado, 2016).
De esta suerte, pensar como la naturaleza comporta una dúplice

perspectiva, así:
i De un lado, se trata de aprender cómo otras especies, otros seres vivos

procesan información, resuelven problemas, viven cooperativamente
y en armonía. Esta idea ciertamente raya con el panteísmo, una idea
nada bien vista en toda la tradición occidental.

ii De otra parte, se trata del reconocimiento explícito de que el primer
objetivo, meta o beneficiario de las decisiones y las acciones humanas
no es el ser humano; sino, por el contrario, y mucho mejor, la propia
naturaleza, Al fin y al cabo, el ser humano es tan sólo un momento
de la naturaleza, un capítulo de la evolución, y manifiestamente no el
más importante o determinante.
Esta dúplice circunstancia se asiente sobre el hecho de que la naturaleza

bien podría vivir sin los seres humanos. Si desaparecieran los seres humanos
de la naturaleza nada profundo o extremadamente grave ocurriría. Al fin y
al cabo, en la naturaleza no existen, desde ninguna perspectiva, especies
clave. Una especie clave sería aquella que, si desapareciera, el conjunto de la
naturaleza, o la totalidad de la cadena trófica, por ponerlo en otro plano, se
alteraría radicalmente.
Ahora bien, es preciso advertir expresamente que existen numerosos

humanismos; así, por ejemplo, el humanismo griego, el humanismo
renacentista, el humanismo católico, el humanismo marxista, y muchos más.
En una perspectiva de complejidad, el humanismo –cualquiera que sea- no
desaparece, sino se integra en una perspectiva inmensamente más amplia y
significativa que lo comprende y lo hace posible. Esta otra dimensión es la de
la vida en general; esto es, la del cuidado y la exaltación, la gratificación y el
posibilitamiento de la vida misma. Al fin y al cabo, los seres humanos son tan
solo un momento de aquel capítulo bastante más amplio y profundo.
Debemos, por tanto, sencillamente porque podemos, aprender a pensar

como la naturaleza. Por lo menos dos argumentos pueden justificar esta
aseveración. Negativamente, podríamos decir que frente al conjunto de crisis
medioambientales y de las crisis consecuentes en el orden de la sociedad
ocasionadas por el estilo de vida occidental –“el hombre es distinto y superior
a la naturaleza”-, podemos aprender a pensar, y por tanto a vivir, mucho más
en consonancia con la naturaleza, y no contra o a pesar de ella. Al fin y al cabo,
cualquier disputa o pelea de los seres humanos con la naturaleza, siempre la
llevan perdida (Weisman, 2007).
De otra parte, positiva o afirmativamente, pensar como la naturaleza

comporta abandonar las tensiones (la “tensión esencial”, decía un autor ya
clásico) entre los seres humanos y la naturaleza, comprendida está en su más
amplia y profunda dimensión: desde el entorno inmediato (Umwelt), hasta
el planeta, y más allá de éste, hasta el sistema solar y los límites imaginables
y alcanzables. Podemos tener una segunda oportunidad sobre la faz del

universo, y así, podemos alcanzar a ser, mínimamente, una civilización de
tipo I1 . Jamás en toda la historia de la civilización occidental se consideró la
posibilidad de comprender a la naturaleza y relacionarnos con ella como con
iguales, o incluso como con una Madre. Ello debido al peso del Génesis en
el Libro de los libros, por ejemplo. Con la notable excepción de las culturas
indígenas de nuestra América Latina, las cuales se refieren a la naturaleza
como: Pachamama, y Tonanzin, para los Incas y los Olmecas, especialmente.
***
Como quiera que sea, los seres vivos procesan información, pero la procesan
de forma perfectamente distinta a la del modelo de una Máquina de Turing;
esto es, al modo del computador; literalmente, conocido como una máquina
multipropósitos. Existen incluso diversas clases de Máquina Turing (oráculo-
TM; MT-incierta; TM-indeterminada, y otras). El elemento determinante
aquí es que la naturaleza no piensa en términos algorítmicos. Maldonado y
Gómez-Cruz han llamado a esta clase de procesamiento de información no-
algorítmica de los sistemas vivos como “hypercomputación biológica” (2015).
El argumento en este punto es que es el presente el que ilumina al

pasado, y entonces también le confiere sentido al futuro. No es, en absoluto,
el pasado el que le da sentido al presente. La historia del conocimiento es
una sola y misma cosa con el proceso de desarrollo intelectual y espiritual
de los seres humanos. En otras palabras, los logros de la ciencia, los avances
en el conocimiento, los descubrimientos e innovaciones, los nuevos modos
de pensar, en cada caso, constituyen auténticos logros en el proceso de
crecimiento de los seres humanos, la marca de su desarrollo espiritual. De tal
forma que son los nuevos logros, avances y descubrimientos los que permiten
ver fenómenos que anteriormente jamás habíamos visto, y comprender
acontecimientos que jamás había entendido. De manera directa y franca:
podemos dejar de pensar como seres humanos, y pensar como la naturaleza.
Un sello de desarrollo sin iguales.
1
Como es sabido, N. Kardashev propone distintos tipos de civilizaciones a partir del uso racional y razonable
que se hace de la energía libre. Kardashev distingue tres clases de civilizaciones, así: una civilización de tipo I
aprovecha la energía planetaria eficientemente. Una civilización de tipo II es aquella que puede aprovechar
la energía disponible de la estrella más cercana. Finalmente, una civilización de tipo III es aquella que
puede vivir gracias al aprovechamiento de la energía de la galaxia en la que se encuentra.
Todo el experimento mental de Kardashev es para señalar que somos apenas una civilización de tipo 0
puesto que vivimos del trabajo y de la energía de otros seres humanos: esclavismo, salarios, etc.

La tabla No. 2 ilustra la forma como puede decirse que piensa la naturaleza.
La naturaleza piensa, por tanto • En paralelo

resuelve problemas, se organiza • De forma distribuida
y procesa información de las • No centralizada
siguientes formas: • No jerárquica ni verticalmente
• No-algorítmica
• Como procesamiento
interactivo
• Con base en no-localidad
• Multiescalar
• Multinivel
• En términos difusos
• Con polivalencia
• Cooperativa
• Inteligencia de enjambre
Y muchas cosas...
No obstante, la inmanencia no ha sido una idea ni una experiencia

dominante en la historia de Occidente. Concomitantemente, tampoco lo es
la idea de pensar como la naturaleza.
La idea y la experiencia misma de trascendencia se afirma, explícita

o tácitamente sobre una concepción, a saber: que la naturaleza es un
hecho consumado: natura naturata. En otras palabras, la naturaleza ya se
encuentra “allí”, a la mano, y lo está como medio para los seres humanos.
La expresión reciente de este “medio” es: como recurso: recursos naturales,
recursos renovables, recursos no-renovables, y otros más. En contraste, la
idea misma de inmanencia comprende que la naturaleza es un sistema vivo,
natura naturans, un sistema del cual los demás sistemas vivos no son ajena,
distinta o diferente (natura naturata). En cuanto inmanencia, la naturaleza
ya no es, en modo alguno, concebida en términos de fuente de recursos.
Ha habido, y existen, sociedades, culturas e incluso civilización es que se

relacionan con la naturaleza –y por tanto, ulteriormente, con el universo-, en
términos de inmanencia. No ya de trascendencia. Esta noción implica toda
una filosofía de vida, y manifiestamente no ha sido la más importante, desde
ningún punto de vista, en toda la historia de la humanidad occidental.

No tenemos por qué salir de nosotros mismos para encontrar sentido a las
cosas, si podemos vivirlas en términos, justamente, diferentes a objetos. En
este sentido, a la noción de trascendencia le ínsita la separación entre sujeto
y objeto. Dicha separación no existe en la realidad; ha sido, sencillamente,
una de las creencias fundacionales desde los orígenes de Occidente.
Digámoslo sin ambages: pensar como la naturaleza equivale a

relacionarnos con ella “desde adentro”. Nadie puede comprender a otros
seres si no los vive desde su propia experiencia. A ello apuntan, por ejemplo,
las nociones de compasión, o las de entropatía, por mencionar dos ejemplos
conspicuos en la historia del pensamiento y de la experiencia humana. En
otras palabras, podemos conocer muchas cosas, y el conocimiento es una
relación de exterioridad. Pero no podemos ni vivir, ni comprender, ni pensar
nada si no es a través de un proceso de interiorización.
Buena parte de lo mejor de la ciencia de punta contemporánea apunta

en esta dirección. La teoría cuántica constituye un ejemplo notable; sin
embargo, no es este el lugar de entrar en propiedad en ella. Sólo si vivimos
con alguien podemos comprenderlo, y así, vida y pensamiento se hacen
una sola y misma cosa. A nivel civilizatorio estamos comenzando a hacer
el redescubrimiento de la inmanencia; una experiencia que ya es conocida,
entre muchos otros, por los pueblos Aymará y de los Andes en Suramérica. No
en última instancia, precisamente, lo que ha aparecido con esta experiencia
es la idea de vivir bien, o del saber vivir (sumak kawsay – suma qamaña) –
algo sobre lo cual los griegos del período arcaico tenían un concepto singular:
eupraxein; esto es, llevar a cabo una buena praxis. Pues la vida, según parece
no es otra cosa que eso: una praxis en permanente desenvolvimiento y
evolución. Análogamente al río de Heráclito.

Conclusiones
Pensar como la naturaleza: no se trata de una analogía, ni de una metáfora.
Literalmente, se trata de un hecho. La naturaleza piensa, y piensa más y
mejor que los seres humanos. Sólo, muy recientemente, hemos comenzado
a aprender está hecho. Lo significativo es que este aprendizaje tiene
una impronta propia; se trata, integralmente vista, de una comprensión
interdisciplinaria. À la limite, se trata de reconocer la complejidad misma
de la naturaleza. En este sentido, pensar como la naturaleza equivale
exactamente a complejizar el propio proceso de pensamiento humano; pero
con él, entonces de la clase, forma o estilo de vida que podemos tener.
Pensar es más y es diferente a conocer e incluso a investigar. Al respecto

cabe una anécdota. Cuando a W. C. Röntgen, el descubridor de los rayos X,
lo entrevistaron en una ocasión con respecto a la importancia y los alcances
de su descubrimiento, el periodista le preguntó: “¿Qué pensó usted cuando
advirtió el efecto de penetración del nuevo tipo de radiación?”. Röntgen
respondió: “No pensaba, investigaba” (Fischer, 2016).
Vivimos una serie de crisis sistemáticas. Lo que esto significa es que

absolutamente imposible atender a una crisis sin intentar resolver al mismo
tiempo las demás. Esto es análogo a lo que en medicina se designa como
una enfermedad compleja. Pues bien, las crisis en curso –y las venideras-
no pueden ser resueltas, en absoluto, si seguimos con la misma estructura
mental (mindset) que ha habido en la historia de la humanidad, precisamente
porque fue esa misma estructura mental la que produjo las crisis que vivimos.
Sin embargo, como habitualmente se dice, las crisis son oportunidades

(horribile dictus). Si ello es así, podemos entonces aprovechar las crisis para
reconsiderar otras formas de pensamiento, otras formas de relaciones, en
fin, otras formas y estilos de vida. Este texto ha argumentado a favor de la
idea que sostiene que la mejor de las formas posibles es pensar como la
naturaleza. Una ida que se encuentra lejos de la cultura normal.

• Fischer, E. P., (2016). El gato de Schrödinger en el árbol de Mandelbrot.
Barcelona: Crítica
• Mandelbrot, B., (1996). Los objetos fractales. Forma, azar y dimensión.

Barcelona: Tusquets
• Mandelbrot, B., (1997). La geometría fractal de la naturaleza. Barcelona:

Tusquets
• Mandelbrot, B., (2004). Fractals and Chaos. The Mandelbrot Set and
Beyond. Springer Verlag
• Mandelbrot, B., (2006). Fractales y finanzas: una aproximación

matemática a los mercados, arriesgar, perder y ganar. Barcelona:
Tusquets
• Maldonado, C. E., (2016). “Hacia una antropología de la vida. Elementos

para una comprensión de la complejidad de los sistemas vivos”, en:
Boletín de Antropología, (Universidad de Antioquia), Vol. 31, No. 52 (en
prensa)
• Maldonado, C. E. Gómez-Cruz, N., (2015). “Biological Hypercomputation:

A New Research Problem in Complexity Theory”, en: Complexity, Vol. 20,
Issue 4, pp. 8-18
• Weisman, A., (2007). El mundo sin nosotros. Madrid: Debate
• Ben-Jacob, E., (2009). “Learning form Bacteria about Natural Information

Processing”, en: Ann. N. Y. Acad. Sci. (Octubre), 1178: 78-90
• Douglas, M., (1996). Como piensan las instituciones. Madrid: Alianza
• Gross, A., and Vallely, A., (Eds.), (2012). Animals and the Human Imagination.
A Companion to Animal Studies. New York: Columbia University Press
• Kohn, E., (2013). How Forests Think. Toward an Anthropology beyond the
Human. Berekely: University of California Press
• Mancurso, S., Viola, A., (2015). Brilliant Green. The Surprising History and
Science of Plant Intelligence. Washington: Island Press

• Maturana, H. Y Varela, F., (2013). El árbol del conocimiento. Las bases
biológicas del entendimiento. Madrid: Ed. Lumen
• Nagel, Th., (1991). “What is it like to be a bat?”, en: Mortal Questions.

• Quine, W. V. O., (1969). “Epistemology naturalized”, en: The Jounal of

Philosophy, Vol. 102, No. 2 (Feb. 2005), pp. 78-9

Esta obra fue editada e impresa en la Editorial Universitaria
UNAN-Managua, miembro del Sistema Editorial Universitario de
Centroamérica SEDUCA-CSUCA.
Julio, 2019.

Carlos Eduardo Maldonado
Carlos Eduardo Maldonado: Ph.D. en
Filosofía por la KULeuven (Bélgica),
Post-doctorado como Visiting Scholar en la
Universidad de Pittsburgh (EE.UU);
Postdoctorado como Visiting Research
Professor en la Catholic University of
America (Washington, D.C.), Academic
Visitor, Facultad de Filosofía, Universidad
de Cambridge (Inglaterra). Profesor Titular,
Facultad de Medicina, Universidad El
Bosque. Ha sido reconocido con la
“Distinción al Mérito”, por la Universidad
Nacional Mayor de San Marcos, Lima, Perú,
por sus contribuciones a la filosofía y a la
complejidad (2008). Premio Portafolio,
Mención de Honor Categoría Mejor
Docente (2008). “Profesor Distinguido”,
título conferido por la Universidad del
Rosario (2009). Profesor Visitante
Distinguido, título otorgado por la UNAN
(Managua) (2017). Premio Latinoamericano
“Zenobio Saldivia” de la agencia
Prensamérica, categoría “Filosofía y
Complejidad”, (Guayaquil, Ecuador) (2018).
“Visitante Distinguido”, título conferido por
el Consejo Municipal, Chalatenango
(Guatemala) (2018). “Reconocimiento
internacional por excelsa trayectoria como
investigador”, otorgado por la UTPL
(Ecuador, 2018). Investigador Senior
(Colciencias). SENIOR MEMBER – IEEE.
Doctor Honoris causa, Universidad de
Timisoara (Rumania), 2015.
View publication stats

Educacion e Investigacion en Complejidad - Carlos Maldonado

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Educacion e Investigacion en Complejidad - Carlos Maldonado

Cargado por

Copyright:

Formatos disponibles

See discussions, stats, and author profiles for this publication at: https://www.researchgate.

EDUCACIÓN E INVESTIGACIÓN EN COMPLEJIDAD

Book · November 2019

Carlos Eduardo Maldonado

Biological hypercomputation View project

Latin American Development, Democracy, and Social Issues View project

The user has requested enhancement of the downloaded file.

1. ¿Qué es eso de Pedagogía y Educación en la Complejidad?...........................11

2. Educación Compleja: Indisciplinar la sociedad........................................................31

3. Pensar la complejidad con ayuda de las lógicas no-clásicas.......................... 53

4. Metaheurísticas y resolución de problemas complejos .................................... 75

5. Un problema fundamental en la investigación:

6. Una reflexión crítica sobre la cultura de rankings e indicadores................107

7. Complejidad y Ciencias Sociales

8. Complejidad de los sistemas sociales:

9. La investigación científica como ludopatía............................................................ 163

10. Tipología de modelos científicos de explicación.

11. Bioeconomía, biodesarrollo y civilización.

12. Pensar como la naturaleza. Una idea radical........................................................ 223

EDUCACIÓN E INVESTIGACIÓN EN COMPLEJIDAD

La procedencia de los textos es la siguiente, de acuerdo con la composición

1. (2017a) “¿Qué es eso de educación y pedagogía en complejidad?, en:

2. (2017a). “Educación compleja: indisciplinar la sociedad”, en: Educación

3. (2016c) “Pensar la complejidad con ayuda de las lógicas no-clásicas“,

5. (2013c) “Un problema fundamental en la investigación: los problemas

6. (2018a) Maldonado. C. E., Pérez-Acosta, A., (2018). “Editorial: una

7. (2008a) “Complejidad y ciencias sociales desde el aporte de las

8. (2009c) “Complejidad de los sistemas sociales: un reto para las

9. (2018a) “La investigación científica como ludopatía”, en: Pacarinadelsur,

10. (2017a) “Tipología de modelos científicos de explicación. Ciencia y

11. (2018a) “Bioeconomía, biodesarrollo y civilización. Un mapa de

6 CARLOS EDUARDO MALDONADO

Surge con frecuencia la pregunta acerca de cómo aprender e investigar

La consecuencia más radical es que la educación jamás hizo inteligente

En el marco de la sociedad de la información, de la sociedad del

EDUCACIÓN E INVESTIGACIÓN EN COMPLEJIDAD 7

Venimos de una larga, muy larga tradición caracterizada por la logofobia, el

Digámoslo de manera franca: el argumento de que la educación es la

Los problemas del mundo no los resuelve la educación, pero no se

8 CARLOS EDUARDO MALDONADO

Lo común a la buena educación y a la buena investigación es que trabajan

Este libro presenta y discute y discute una serie de conceptos, herramientas

Quisiera decirlo de manera expresa: las ciencias de la complejidad son

EDUCACIÓN E INVESTIGACIÓN EN COMPLEJIDAD 9

10 CARLOS EDUARDO MALDONADO

Existe un creciente interés por la complejidad particularmente en la

El aumento del interés por la complejidad es notorio en el mundo entero,

Este artículo se concentra en la elucidación del lugar de la educación

EDUCACIÓN E INVESTIGACIÓN EN COMPLEJIDAD 11

El estado de la cuestión acerca de educación y

Desde otro punto de vista, la idea, algo reduccionista, de estos movimientos

En contra de semejantes posturas quiero sostener la idea de que los

12 CARLOS EDUARDO MALDONADO

Sin embargo, hay que decir que la comprensión de los fenómenos,

Las ciencias de la complejidad constituyen un conjunto de disciplinas,

En cualquier caso, es notorio que la comunidad de estudiosos de la

EDUCACIÓN E INVESTIGACIÓN EN COMPLEJIDAD 13

Es en el contexto anglosajón en donde existen, hasta la fecha, los más

En la misma línea, Doll et al. (2006) es una compilación de diversos textos,

14 CARLOS EDUARDO MALDONADO

Por su parte, Osberg y Biesta (2010) llevaron a cabo el mejor trabajo

Una observación puntual. La institución que mejor trabaja la línea

Pues bien, el estado de la cuestión mencionado permite observar de

EDUCACIÓN E INVESTIGACIÓN EN COMPLEJIDAD 15