Noticias importantes para el cambio. El pensamiento sistémico

Posted on Actualizado enn

Pensamiento Sistémico

Curso de la Universidad Autónoma de Méjico

En la India re desarrolló hace más de tres mil años el conceptos de Karma. Hay una relación causa efecto y todo está relacionado. Nada existe por sí solo. Algunos conceptos del hinduismo tiene su base en la analógica, es decir en la relación entre conceptos.
Teoría General de Sistemas y Cibernética
La historia es cruel y escoge una mínima parte de los sucesos relevantes para la humanidad ya sea por azar, o por intereses particulares, y esos son los que conserva. La mayoría de los sucesos quedan en el olvido, y si nos llega al presente alguna anécdota asociada algún hombre es una fortuna.
Tal es el caso del enciclopedista, el Barón d’Holdbach, que vivió a fines del siglo XVIII, en Francia. O también de los sociólogos que aparecieron a principios del siglo 20, quienes entre otros muchos propusieron ideas similares o relacionadas con los sistemas. Sin embargo, no perduraron lo suficiente como para tener un impacto en la actualidad. El concepto que prevalece hoy en día sobre sistema nos viene de Ludwig Von Bertalanffy, quien propuso la teoría general de sistemas a mediados del siglo 20. Von Bertalanffy propuso estudiar los fenómenos no tanto en término de qué componentes los constituyen, sino más bien en cuál es su estructura. En paralelo a Von Bertalamffy el matemático estadounidense Norbert Wiener en colaboración con el mexicano Arturo Rosenblueth acuñaron el concepto de cibernética, la cual es el estudio científico del control y comunicación tanto en animales como en máquinas. En cibernética se empezaron a describir con los mismos conceptos distintos objetos encontrándose analogías, por ejemplo, en fenómenos tan distintos como un cerebro y un circuito electrónico.
Tanto en la teoría general de sistemas como en la cibernética se dieron los primeros intentos científicos de estudiar los fenómenos de manera independiente a su sustrato. Es decir, en términos de su estructura, no tanto en términos de sus componentes. Esto implica que, por ejemplo, si queremos estudiar la vida no lo vamos a hacer desde una perspectiva biológica o química en términos de sus componentes sino en términos de sus propiedades, sus funciones, su organización, su estructura, lo cual nos permite tratar de identificar propiedades similares en fenómenos distintos tales como ecosistemas, empresas o ciudades. Es precisamente de esta tradición que surgieron los campos científicos de inteligencia artificial o vida artificial entre otros, donde se estudian los fenómenos independientemente de su sustrato. En la actualidad, el estudio científico de los sistemas se ha popularizado bajo el nombre de sistemas complejos.11159464_387168731491840_3252515819631172059_n
Sistemas complejos
Al elaborarse los conceptos de teoría general de sistemas y cibernética en los últimos 30 años se ha propagado el estudio científico de los sistemas complejos. Puede ser complicado definir qué es un sistema complejo y que hay unas cuantas docenas de definiciones y medidas de complejidad. Pero para tener una idea general podemos acudir a su etimología. Complejo viene del latín plexus, quiere decir entretejido. Este concepto también se ha usado en algunas filosofías de la India, donde por ejemplo, el concepto tantra en sánscrito, que también quiere decir un tejido, identifica cómo es que todos los seres son interdependientes. Puede decirse que algo es entretejido si es difícil de separar. En las filosofías de la India, al considerarse las interacciones entre distintos seres, no se pueden estudiar estos de manera aislada. Pero, ¿cuándo un fenómeno es difícil de separar? Cuando las interacciones entre sus componentes son relevantes. Puede decirse que las interacciones son relevantes si determinan aunque sea parcialmente el futuro de los componentes. Por ejemplo, en un juego de ajedrez mi jugada dependerá parcialmente de la jugada de mi oponente y viceversa. De esta manera no puede predecirse completamente el futuro de un sistema complejo si se consideran solo sus componentes. Por eso es que sus interacciones son relevantes. Regresando al ejemplo de ajedrez, yo no puedo predecir cuál va a ser el estado futuro de un partido si no voy viendo jugada por jugada cómo se desenvuelve el juego. Más aún las interacciones en los sistemas complejos generan información nueva que no está presente en las conexiones iniciales. Esto dificulta qué tanto podemos predecir. Estos límites en la previsibilidad de un sistema complejo son inherentes, y que las interacciones generan información nueva que no podemos acceder hasta que las interacciones mismas se den. En otras palabras no podemos predecir de manera a priori cuál va a ser el futuro de un sistema complejo. Pongamos un ejemplo. Tenemos un muy buen amigo que se llama Juan al cual conocemos desde hace muchos años. Un buen día Juan conoce a María, se enamoran y algunos meses después se casan. Podríamos conocer perfectamente a Juan. Digamos que conocemos las leyes que lo rigen. Sin embargo, no podremos explicarnos por qué de repente empieza a vestirse de manera diferente, a hablar de manera diferente, a escuchar música diferente, y hasta a bañarse más seguido. Es obvio que el cambio de Juan se debe a su interacción con María. Aunque conozcamos perfectamente tanto a Juan como a María no podemos predecir cómo van a interactuar hasta que lo hagan. Pongamos que pasan algunos años y conocemos perfectamente el comportamiento tanto de Juan como de María y la manera en la que interactúan. Ahora tienen un bebé que se llama Pepito y notamos que otra vez cambia su comportamiento. Veremos que la llegada de Pepito no solo genera interacciones nuevas con sus padres, sino que también altera las interacciones que Juan y María tenían. En otras palabras, las acciones de uno no van a tener el mismo efecto en el otro. Ahora imagina si es tan complicado describir el comportamiento de tres personas y cómo interactúan, ¿cómo podremos describir una ciudad, una sociedad, una economía global? Aunque se conozca perfectamente el funcionamiento de un fenómeno, como en el caso hipotético de Juan, no podremos predecir completamente el futuro debido a las interacciones relevantes. Pero bueno, el estudio de los sistemas complejos, hace más que simplemente indicar cuáles son los límites de la ciencia tradicional. Lo que está haciendo es que nos permite estudiar fenómenos en todas las disciplinas a los cuales antes no se tenía acceso. Hacia finales del siguiente módulo veremos más en detalle qué queremos decir con complejidad. Pero podemos decir que una buena parte de los avances de la ciencia de frontera, usan conceptos que han tenido sus orígenes en el estudio científico de los sistemas complejos.
Modelo y modelado
A veces se nos puede olvidar que un mapa es distinto a un territorio. Si tuviéramos un mapa que fuese completamente igual a un territorio no sería muy útil como escribió Borges. El propósito de un mapa es representar los aspectos esenciales del territorio. De manera similar es importante distinguir los modelos que son descripciones de los fenómenos, de lo modelado que son los fenómenos en sí.
En filosofía los modelos son estudiados por la epistemología y lo modelado por la ontología. Como vimos en el curso de pensamiento científico no podemos decir que hayan verdades absolutas, porque para cualquier fenómeno puede haber más de una descripción, es decir un modelo y no podemos decidir cuál de los dos es más adecuado independientemente de un contexto. Por lo anterior conviene ser tolerantes a descripciones distintas a las nuestras y que en muchos casos no es que estén mal sino simplemente están generadas en contextos o desde perspectivas distintas a las nuestras. Hacemos énfasis entre la diferencia de modelo y modelado, entre epistemología y ontología porque si nos referimos a un fenómeno en términos de sistemas esta será solo una descripción. Una descripción no cambia un fenómeno pero sí el entendimiento que tengamos del mismo. Por ejemplo, si decidimos describir a una célula como un sistema o como un subsistema o como un ente aislado esto no va a cambiar el funcionamiento de la célula. Entonces la pregunta no es tanto si un fenómeno es o no un sistema sino más bien, ¿cuándo nos conviene describir a un fenómeno como un sistema? Depende del propósito para el que se quiere usar el modelo o la descripción. La descripción de un fenómeno como sistema puede ser más completa pero también puede ser más compleja. Podemos decir que entre más completa sea una descripción será adecuada en una variedad mayor de contextos. Pero si tenemos más información sobre un fenómeno esto no implica necesariamente que va a ser una descripción más útil. Por lo tanto nos conviene buscar un balance entre qué tan extensa, simple y completa sea una descripción. Como dijo Einstein un modelo debe ser lo más simple posible pero no más simple. No podemos decir que un modelo sea verdadero o falso, más bien podemos decidir si es útil o no con respecto a un contexto particular. Por ejemplo, es tentador prejuzgar a distintas personas pero muchas veces es difícil tratar de entender en qué contexto se encuentran y cómo es que actúan de la manera en que lo hacen. Se ha dicho que los sistemas son útiles para describir fenómenos donde los componentes interactúan entre sí. Si para nuestros propósitos no es necesario considerar las interacciones de un fenómeno entonces tal vez una descripción sistémica no sea la más adecuada. Puede llamarse esta visión reduccionista.b5b1fc7eeba5d82a2c6f525583a9f76c
Reduccionismo
Podemos decir que la ciencia tal y como se conoce hoy se definió en tiempos de Galileo, Newton, Descartes y Laplace. Desde entonces casi toda la ciencia ha intentado dividir y simplificar para poder predecir, en otras palabras
la ciencia ha tratado de reducir los fenómenos a sus partes, a esto se le conoce como reduccionismo lo cual ha guiado el desarrollo científico durante siglos. Esto permitió que la ciencia madurara y solo después de esa maduración es que se ha podido integrar el concepto de sistema de la ciencia. El método reduccionista se ha exportado de la ingeniería, donde generalmente se producen componentes semi independientes para después agregarse y así lograr una funcionalidad deseada. El reduccionismo ha sido sumamente exitoso tanto en ciencia como ingeniería, veamos algunos ejemplos. La ley de la gravitación universal describe cómo es que se atraen dos cuerpos celestes. No quiere decir que en nuestro sistema solar haya solo dos cuerpos celestes pero es suficiente describir cómo el sol atrae a planetas, asteroides y cometas. Obviamente hay interacciones entre planetas y asteroides pero estos para fines prácticos se pueden ignorar. De manera similar podemos enfocarnos en la fuerza de atracción gravitacional que un planeta ejerce sobre cada uno de sus satélites e ignorar la fuerza de atracción que hay entre ellos. Esta simplificación es suficiente como para predecir con mucha precisión el movimiento de los planetas y de sus satélites, aunque sabemos que en la escala de millones de años nuestro sistema solar es caótico. La situación sería muy diferente si nuestro sistema solar tuviese dos estrellas, en este caso no podríamos ignorar las interacciones que hay entre las dos estrellas y entre cada estrella y cada uno de los planetas, lo cual implicaría que tendríamos que estudiar un problema de tres cuerpos celestes, lo cual sabemos que implica movimientos caóticos y limita considerablemente la predicción. Podemos ver otro ejemplo del éxito del reduccionismo en la medicina, con la cual se ha duplicado la esperanza de vida de nuestra especie en tanto solo 100 años. Hasta hace poco la mayoría de las muertes en humanos eran causadas por enfermedades infecciosas, originadas por virus, bacterias, hongos o parásitos. Al haber una causa principal de una enfermedad infecciosa esta puede combatirse simplemente atacando al agente con medicamentos, o bien previniendo su propagación ya sea con medidas de higiene o de vacunación. Al poder contener y curar enfermedades infecciosas, aunque no sean todas, se ha dado lo que se conoce como la transición epidemiológica, donde ahora la mayoría de las muertes en humanos son causadas por enfermedades crónico degenerativas tales como cáncer, diabetes, cardiovasculares y hepáticas. Para atender estas enfermedades complejas el reduccionismo es limitado, ya que tienen causas múltiples, las cuales están relacionadas entre sí. Por lo tanto, no va a haber una sola cura para el cáncer o para la diabetes, sino muchas curas que también van a estar relacionadas entre sí. Es por esto que tanto en medicina como en biología y se empieza a usar el pensamiento sistémico. Un último ejemplo. Gracias al reduccionismo tenemos computadoras y que se han podido diseñar componentes que se han combinado en circuitos electrónicos, que a su vez se combinan en chips que se combinan para construir una enorme variedad de dispositivos electrónicos que se han combinado en una red global con miles de millones de dispositivos. y que es posible aislar a todos estos componentes por distintas escalas, es factible construir sistemas de cómputo por agregación. Sin embargo, también en sistemas de cómputo se empiezan a encontrar situaciones en donde no se pueden ignorar las interacciones. Por ejemplo, gracias a la miniaturización de los chips empieza a haber interacciones térmicas o acústicas que no son previsibles. También intentos por construir computadoras moleculares han sido limitados y que sus componentes al empezar a interactuar cambias sus funcionalidades. Sin embargo, las computadoras actuales nos permiten estudiar sistemas complejos, lo cual veremos en el penúltimo video de este módulo. A pesar de ser muy útil el reduccionismo tiene sus limitaciones, especialmente cuando las interacciones son relevantes porque no podemos simplificar y separar para poder predecir. En el próximo video veremos qué implicaciones hay cuando las interacciones son relevantes.Nguyen Thanh Binh,
Relevancia de la interacción
Antes de la invención del telescopio no se sabía la existencia de planetas más allá de Saturno ni de los satélites de otros planetas y que estos no son visibles sin un instrumento. De manera similar, gracias a la invención del microscopio se descubrió que estamos compuestos por células y por muchos otros organismos multicelulares. Estos y muchos otros instrumentos nos han permitido tener acceso a fenómenos, los cuales no podemos percibir con nuestros cinco sentidos. Los científicos son conscientes de que no podemos considerar más de un número de variables e interacciones si no es con la ayuda de una herramienta externa. Por ejemplo, Darwin escribió sobre la rica red de interacciones que uno puede encontrar en un estanque. Sin embargo, en su tiempo no tenía las herramientas adecuadas para poder estudiar todas estas interacciones. No es coincidencia que el estudio científico de los sistemas complejos haya iniciado con la popularización de las computadoras personales. Podemos decir que las computadoras son similares a los telescopios, y que nos dan acceso a poder observar la complejidad a través de simulaciones. Gracias a ellas podemos estudiar fenómenos con miles o millones de variables e interacciones. Un ejemplo de sistema que se puede estudiar gracias a una computadora pero no con papel y lápiz es el llamado juego de la vida. Si sigues esta liga podrás leer más acerca del juego de la vida. Aunque las simulaciones por computadora pueden ser muy poderosas, cautela al usarlas, y que los resultados que obtengamos con ellas pueden estar influidos por las presuposiciones que hagamos y bueno, estas presuposiciones son necesarias para construir las simulaciones. Si tienen presuposiciones equivocadas, los resultados de la simulación pueden comprobarlas, pero una simulación no comprueba un fenómeno sino más bien un modelo. Pero por otra parte, las computadoras también nos pueden ayudar a analizar grandes cantidades de datos obtenidas con otros instrumentos para analizar distintos fenómenos. En este sentido las computadoras nos están ayudando a comprender no solo modelos, sino también fenómenos, especialmente gracias a las grandes cantidades de datos que hemos podido acumular en años recientes. El tema del último video de este módulo.
Avalancha de datos
Según un estudio de IBM de 2013 el 90% de los datos producidos por la humanidad se habían generado en los dos años anteriores. Esto quiere decir que tan solo en 2011 y 2012 se produjeron nueve veces más datos que desde los primeros registros escritos hasta 2010. Hay mucho que se está aprendiendo gracias al análisis de las grandes cantidades de datos a las cuales ahora tenemos acceso. Desde estudios sobre las diferencias genéticas individuales hasta la búsqueda de partículas elementales, muchas áreas de la ciencia se han beneficiado gracias a las nuevas oportunidades que la tecnología ofrece para analizar grandes cantidades de datos. Más aún los grandes datos están permitiendo validar y contrastar teorías generadas en las ciencias llamadas suaves tales como la psicología y la sociología. Dada la alta complejidad de los fenómenos que estudian estas ciencias hasta hace poco no era posible contrastar distintas teorías con datos experimentales. Pero ahora pueden usarse por ejemplo los rastros digitales que dejan los teléfonos celulares para estudiar distintos patrones de movilidad. O también se pueden analizar los datos generados en redes sociales para estudiar cómo es que se propaga la información. Las promesas de los grandes datos son muchas y en el futuro próximo se verá cuáles de ellas se cumplen. Sin embargo también hay muchas preocupaciones. ¿Qué privacidad se tiene al llevar un registro cada vez más detallado de las actividades cotidianas? ¿A quién pertenece la información que nosotros generamos? ¿Qué tanto debe aceptarse que los gobiernos monitoreen a sus ciudadanos? ¿Cómo debe regularse el uso que las compañías hagan de nuestros datos? Como con todas las tecnologías estas cuestiones no dependen tanto de la tecnología en sí sino más bien del uso que nosotros hagamos de la tecnología.

58f26e26-aeeb-4085-9861-a1a62ed85288

Un comentario sobre “Noticias importantes para el cambio. El pensamiento sistémico

    Jose Pablo Tobar Quiñones escribió:
    junio 22, 2016 en 3:21 pm

    Me ha gustado mucho el post. Me parece interesante, además de pertinente, la conexión que se establece entre el enfoque de la Teoría de los sistemas y la filosofía hindú. Es bastante innovador, dentro de nuestro campo de investigación, poner de manifiesto los desarrollo de esta Teoría previos a la Obra de Von Bertalanffy, lo cual nos permite apreciar la riqueza de pensamientos e interpretaciones que convergen en la Teoría de los sistemas.

Muchas gracias.Thanks so much. Merci.

Introduce tus datos o haz clic en un icono para iniciar sesión:

Logo de WordPress.com

Estás comentando usando tu cuenta de WordPress.com. Cerrar sesión / Cambiar )

Imagen de Twitter

Estás comentando usando tu cuenta de Twitter. Cerrar sesión / Cambiar )

Foto de Facebook

Estás comentando usando tu cuenta de Facebook. Cerrar sesión / Cambiar )

Google+ photo

Estás comentando usando tu cuenta de Google+. Cerrar sesión / Cambiar )

Conectando a %s