Reynoso Complejidad 1 Complejidad y el Caos:Una exploracin antropolgica Carlos Reynoso UNIVERSIDAD DE BUENOS AIRES Billyr@microsoft.com.ar 2006 1. Introduccin ........................................................................................................................ 4 2. Las grandes teoras de sistemas complejos....................................................................... 11 2.1 Tipificacin epistemolgica: Los cuatro modelos ................................................... 12 2.2 El fundamento comn de las teoras de sistemas: Teora de la Informacin........... 18 2.3 Ciberntica ............................................................................................................... 23 2.3.1 Mecanismos de control y retroalimentacin..................................................... 23 2.3.2 Aplicaciones antropolgicas ............................................................................. 27 2.3.2.1 Gregory Bateson y la esquismognesis...................................................... 27 2.3.2.2 Sistemas sociales autorregulados: Siegfried Nadel.................................... 39 2.3.2.3 La Ecosistmica de Roy Rappaport ........................................................... 40 2.3.2.4 Crticas y alternativas procesuales a la ecosistmica................................. 43 2.4 La teora general de sistemas ................................................................................... 48 2.4.1 Sistemas generales ............................................................................................ 48 2.4.2 Teoras de los sistemas sociales y vivientes ..................................................... 53 2.4.3 Aplicaciones de la TGS en ciencias sociales .................................................... 56 2.5 Estructuras disipativas y ciberntica tarda.............................................................. 59 2.5.1 Sistemas alejados del equilibrio........................................................................ 59 2.5.2 La flecha del tiempo: Crticas al modelo de Prigogine..................................... 64 2.5.3 Autopoiesis y Enaccin: Maturana y Varela .................................................... 71 2.5.4 La realidad negada: Constructivismo radical.................................................... 83 2.5.5 Estructuras disipativas en la cultura: Adams .................................................... 85 2.5.6 Paisajes mentales : El Modelo de Maruyama ................................................... 87 2.5.7 El desorden: Balandier y la morfognesis de la Antropologa Dinmica......... 92 2.5.8 La investigacin social de segundo orden ........................................................ 95 2.5.9 La sociologa autopoitica de Niklas Luhmann................................................ 99 2.6 Teora de catstrofes .............................................................................................. 104 2.6.1 Singularidades: estabilidad estructural y morfognesis.................................. 104 Reynoso Complejidad 2 2.6.2 Teora de catstrofes en ciencias sociales....................................................... 109 2.7 Los paradigmas discursivos de la complejidad...................................................... 113 3. Los algoritmos de la complejidad................................................................................... 125 3. 1 Emergentes: Sistemas complejos adaptativos....................................................... 125 3.1.1 Autmatas celulares y vida artificial............................................................... 126 3.1.2 Autmatas celulares en ciencias sociales........................................................ 135 3.1.3 Auto-organizacin en Redes Booleanas Aleatorias........................................ 143 3.1.4 RBA, agentes y sociedades artificiales en Antropologa................................ 146 3.2 Conexionismo: Redes neuronales .......................................................................... 153 3.2.1 El paradigma conexionista de la inteligencia artificial ................................... 153 3.2.2 Redes neuronales en Antropologa ................................................................. 158 3.3 El Algoritmo Gentico y otras tcnicas evolutivas................................................ 160 3.3.1 La teora de la evolucin como heurstica algortmica ................................... 160 3.3.2 Aplicaciones de algoritmos genticos en Antropologa.................................. 168 4. Caos y complejidad......................................................................................................... 174 4.1 Caos: Teora y prctica .......................................................................................... 174 4.2 Caos y criticalidad auto-organizada en las ciencias sociales ................................. 190 4.3 Medidas y definiciones de la complejidad............................................................. 198 4.4 La contienda entre el caos y la complejidad .......................................................... 204 4.5 Teoras del caos y posmodernismo........................................................................ 209 5. Fractales: La geometra del caos..................................................................................... 216 5.1 El significado conceptual de los fractales.............................................................. 216 5.2 Las geometras de la naturaleza (y la cultura) ....................................................... 218 5.2.1 Curvas monstruosas y dimensiones fraccionales............................................ 221 5.2.2 Agregacin limitada por difusin y movimiento browniano.......................... 222 5.2.3 Recursividad: El eterno y grcil bucle............................................................ 224 5.2.4 El juego del caos: Sistemas de funciones iteradas (IFS)................................. 227 5.2.5 Systemas-L: las gramticas recursivas del crecimiento ................................. 230 5.2.6 Mosaicos peridicos y autmatas teselares..................................................... 234 5.2.7 Fractales clsicos, imaginarios y complejos ................................................... 236 5.2.8 Atractores extraos y biomorfos..................................................................... 238 5.2.9 Patrones fractales en Arqueologa y Antropologa Sociocultural................... 239 6. Conclusiones................................................................................................................... 245 Reynoso Complejidad 3 7. Indice de figuras.............................................................................................................. 263 8. Herramientas de modelado utilizadas ............................................................................. 265 9. Referencias bibliogrficas............................................................................................... 268 Reynoso Complejidad 4 1. Introduccin No s cmo haces t, pero yo generalmente me rindo ya enlasalida.Losproblemasmssencillosqueaparecen daadameparecencasiimposiblesderesolveren cuanto intento buscar bajo la superficie. BILLINGS LEARNED HAND Citado por Weinberg (1984: 123) La teora de la complejidad (que engloba la teora de los sistemas adaptativos complejos, la dinmica no lineal, la teora de los sistemas dinmicos, la teora del no-equilibrio y la teora del caos) ha sido descripta como la tendencia cientfica dominante surgida en la dcada de 1990, un aporte capaz de explicar cualquier sistema complejo en funcin de unas pocas re-glas (Lewin 1992), o de acometer los problemas inabordables de la ciencia social; un saber alaalturadelostiempos,unagenuinanuevaciencia(Merry1995),lagranideadelmo-mento (McGlade 2003: 111), una nueva clase de ciencia (Wolfram 2002), la prxima gran revolucin cientfica(Sprott 1993: 476), una fuente de discernimiento que afectar la vida detodoslosquevivenenelplaneta(Brockman2000:14),ungiroenlaconcepcindel mundo(Dent1999),unmodeloquecambiladireccindelacienciaparasiempre(Stro-gatz 2003: 179) y una revolucin slo comparable a la teora de la relatividad o a la mec-nica cuntica (Gleick 1987: 6). Pero tambin se la considera una moda pasajera que ha reci-bidomspromocindelaquemerece(SardaryRavetz1994),unmodeloquesehaim-puesto en virtud de una buena tctica de relaciones pblicas (Dresden 1992), un espacio in-vadido por personas que se sienten atradas por el xito ms que por las ideas (Ruelle 1991: 72), un bluff que pretende resucitar una ciencia moribunda a fuerza de superlativos e hipr-boles, y una empresa abocada al fracaso que no ha dicho nada acerca del mundo que sea a la vez concreto y sorprendente (Horgan 1996: 245-287).La realidad parece estar en algn punto entre esos extremos, pues si bien es verdad que las ciencias de la complejidad constituyen un espacio de investigacin en crecimiento sosteni-do, todava no existe nada que se asemeje a una teora unificada o a un conjunto de acuer-dos sustanciales, y al lado de hallazgos espectaculares subsisten fuertes dudas sobre la prac-ticabilidad de buena parte del proyecto. Las polmicas dentro y fuera son feroces, y las ope-raciones de prensa y las maniobras de cooptacin por parte de cientficos, grupos e institu-ciones estn a la orden del da. En esta introduccin y en el resto del texto habr que ir al-ternativamente examinando propuestas de autntico provecho y callejones sin salida, avan-ces y atolladeros, contribuciones y simulacros. La exploracin que aqu se inicia tendr que argumentar sus razones acompaada de ese penetrante ruido de fondo. Como sea, hay que dar por sentado desde el inicio que en las ciencias y en las matemticas de avanzada abundan estrategias y algoritmos diseados para abordar la complejidad, y que enlosltimosaoseltemaparecehaberestalladoenlaacademiayenlosmedios.Desde las ciencias sociales, algunos piensan que semejantes modelos deberan ser opciones de pre-ferencia, en detrimento de epistemologas que de antemano se saben impropias frente a las complicaciones constitutivas de nuestros objetos. Los estudiosos ms proclives a una cien- Reynoso Complejidad 5 cia ortodoxa, en cambio, advierten con alarma laafinidad entreesas nuevas ideasy las de corrientes ms o menos anticientficas que todava gozan de mucha prensa como el posmo-dernismo,elconstructivismoradical,losestudiosculturales,losposcolonialesylosmul-ticulturales.Enestosestudiosdereasyensudominiodeinfluencia,asuvez,elsen-timiento generalizado es que las teoras de la complejidad y el caos pueden dialogar con las humanidades con ms fluidez y naturalidad de lo que ha sido nunca el caso en la tensa in-terface entre las ciencias blandas y las duras (Hayles 1993; Kiel y Elliott 1997: 3; Emmeche 1998: 165-174; Thrift 1999: 32; Lewin 1999: ix; Capra 2003: 22). Pero aunque la nueva a-lianzaentreposmodernismoyteorasdelacomplejidadrecinseestafianzando,hay quienes predicen que a la larga estos nuevos paradigmas acabarn suplantando incluso a sus compaerosderutaocasionalesenelfavoracadmicoyenelmercado(Argyros1991:7; Riebling1993;Turner1997;Byrne1998:179;Urribarri2003).Ningunodelosmarcos complejos genuinos (desde la ciberntica hasta la teora del caos) es en su origen inherente-mente posmoderno, anticartesiano, anticientficoni nada parecido; esa esuna de las preci-siones que habr que establecer y demostrar en este texto.Mientras el tumulto arrecia, las corrientes se diversifican y las posturas de casi todos los en-claves se radicalizan ya sea a favor o en contra, lo concreto es que las teoras y los algorit-mos de la complejidad an no han entrado de lleno en el repertorio conceptual de las cien-cias sociales en general, ni en el de la antropologa en particular. Son, todava, una especia-lizacin de nicho, aunque sus adeptos crean que lo que piensan ellos es lo que debera pen-sar todo el mundo. A despecho de su arrogancia eventual , los usos de la complejidad en las ciencias blandas son todava titubeantes, sus prcticas inciertas y sus logros modestos.Se han propuesto varias explicaciones de este virtual impasse. Alan Sokal y Jean Bricmont han afirmado en Imposturas Intelectuales (1999) que algunos pensadores que presumen fa-miliaridad con formas avanzadas de la teora de la complejidad (incluyendo fractales, caos ysistemasalejadosdelequilibrio)haninterpretadoconexcesivalaxitudelsentidodelos conceptos tcnicos y no han satisfecho requisitos de consistencia lgica, coherencia semn-ticayrigorpragmticoqueenotrascienciassesabenineludibles.Aunquelaalegacinde impostura es un argumento demasiado categrico y no falta el antroplogo que acuse de fri-volidad a esos crticos (Mier 2002: 103), es palpable que la produccin cientfica en el espa-cio de innovacin compulsiva de la posmodernidad ha sido prdiga en proclamas de fuerte tenor retrico, en las que se habla de la complejidad en trminos grandilocuentes y se trata a las epistemologas rivales con una sorna y una soberbia que no parecen respaldadas por nin-gn logro. En pocos lugares se encuentra el tesoro de resultados que debera ser fruto de e-sos presuntos progresos en materia terica; cuando aparece no slo es decepcionante sino (y ste es ahora el pecado mayor) desoladoramente simplista, an en los trminos de sus pro-pias reglas de juego.Estasituacinsepresentainclusoenobrasambiciosasdeautoresdeprimeralneacomo GeorgesBalandier (1988) o Edgar Morin (1999),as como en los modelos de segundo or-den de los constructivistas, cuyas radicalidades buscan ser todava ms extremas que las de losposmodernos(Watzlawick1994;Watzlawickyotros1988;Maturana1996;Ibez 1990). stos culminan en una proclama salpicada de unos pocos tecnicismos interpretados msalldetodagaranta,paraterminarnegandolaexistenciaobjetivadelarealidaden nombre de unos pretextos que no dan para tanto. Renuncian a elaborar modelos productivos desdeloscualesabordarla,orepitenconsignasquehaceveinteaossonabanagudaspero Reynoso Complejidad 6 han dejado de serlo a fuerza de reiterarse. Cuantas veces ms se puede anunciar que el re-duccionismo,ellogosylarepresentacinestnencrisis?Quinpuedeseguircreyendo queconunpocodereflexividadsesuplelafaltadeideasinstrumentales,oqueesmejor unadeconstruccincualquieraqueunabuenaheursticapositiva?Adems,lasinterpreta-ciones entre pueriles y extravagantes de la teora del caos, los sistemas dinmicos, la auto-organizacin,elefectomariposa,elprincipiodeirreversibilidad,lamecnicacuntica,el teoremadeGdelylosatractoresextraosenlashumanidadesyasoninnumerables,al punto que han engendrado un gnero especfico de desmentidos, una galera grotesca de u-sos y abusos, y un movimiento multitudinario de reaccin (Phelan s/f; Sussmann y Zahler 1978;Pagels1982;Bouveresse1984;Kadanoff1986;Zolo1990;Winner1993;Ruelle 1990,1994;GrossyLevitt1994;Stenger1995;Bricmont1996;Gross,LevittyLewis 1996; Back 1997; Eve 1997; Koertge 1998; Spurrett 1999a). Tambin existe una desproporcin importante en la calidad y rendimiento demostrados por las diversas teoras de la complejidad en su ambiente de origen, as como en su nivel de ge-neralidad y estilos de enunciacin. Algunas formulaciones habitan un espacio tan abstracto y enrarecido que sera milagroso que se las pudiera bajar a tierra as como estn para inte-grarlas a nuestros conceptos y problemas. Mientras casi no existe una extrapolacin antro-polgica satisfactoria de la idea de estructuras disipativas, de la teora general de sistemas, de la antropologa de la complejidad de Morin o de la teora de catstrofes, la expansin de la Internet ha ido de la mano de cientos de trabajos, docenas de asociaciones virtuales o rea-les, revistas peridicas, congresos especializados y un nmero asombroso de piezas de soft-ware razonablemente productivas, aunque de valor dispar, en forma de autmatas celulares, redesbooleanas,algoritmosgenticos,agentesyfractales,elaboradasporempresas,cien-tficos, aficionados entusiastas o equipos de trabajo en universidades tcnicasy humansti-cas: AScape, Brazil, Calab, Chaoscope, Chaos for Java, ChaosPro, DDLab, Dyna32, Dyna-micSolver,Fractint,FractMus,HarFA,IAtoChaos,IFSDesign,IFSToolkit,Life32, LSystem4, LS Sketch Book, Manpwin, Moduleco, NetLogo, Mireks Cellebration, Repast, StarLogo, Swarm, Tiera-Zon, UltraFractal, Visions Of Chaos, Winfract Y el punto es que los cientficos sociales estn empezando a usarlas y a tomarles el gusto, o lo harn pronto.Una vez ms la dualidad es explicable. No todas las entidades a revisarse aqu son del mis-mo orden arquitectnico. Las teoras totalizadoras proporcionan entidades que en informti-ca se llaman especificaciones globales y genricas, mientras que los algoritmos estn a un paso de ser implementaciones circunscriptas; y eso marca una diferencia. Aqullas encar-nan proyectos en gran escala; stos implican realizaciones puntuales. Las implementaciones se materializan en herramientas; las especificaciones no necesariamente. Muchos han perci-bido esta dicotoma, observando que por un lado hay grandes construcciones filosficas sin demasiado sustento experimental (como la teora de Prigogine, o la teora de la complejidad de Morin) y por el otro un grupo que ha logrado resultados prcticos contundentes, pero que espocoproclivealateorizacin,sloleconcedeintersenlamedidaenqueiluminela prcticaoestalvezpresadeunprofundopnicoepistemolgico(BatesonyBateson 1989: 28; Holland 1992b: 2; Hayles 1993: 30; Edens 2001). Es por ello que este libro estar divididoendos:porunladolasgrandesteoras,porelotrolosconjuntosalgortmicos. Aqullasasuvezestarnvigorosamenteseccionadasentrelasqueentiendoquevalenla pena y las que no. Reynoso Complejidad 7 Aunque en principio se intuyen buenas posibilidades de instrumentacin de los algoritmos, yaunque hay unos cuantos trabajos bien resueltos en publicacionesy proceedings de con-gresos especializados, lo que hoy se encuentra mayormente en la prctica de las ciencias so-ciales es un conjunto de intentos programticos que no ha logrado cubrir la brecha entre una formulacin matemtica que es para muchos impenetrable y un rgimen de significado que algunos desean mantener sin cambios, aunque sus vocabularios sean nuevos. A veces dara la impresin que no se trata de aventurarse en un paradigma distinto, o incorporar ideas no-vedosas, sino que el juego consiste en ensayar otras formas de decir lo mismo, o en encon-trar un punto de negociacin entre posiciones antagnicas, pero tradicionales: cientificismo yestudios culturales, positivismoy hermenutica, sistmica procesualista ypost-procesua-lismo (Bentley y Maschner 2003: 4).Subsiste adems una tenaz resistencia al modelado computacional, como si los mtodos de la complejidad se pudieran llevar adelante con lpiz y papel, o a golpes de intuicin y ret-rica (Mikulecky 1995: 7; Horgan 1996). Y tambin suele ser equvoca la tipificacin de los modelos,leyndoseconfrecuenciaqueeslomismocaosquecatstrofe,redneuronalque redsemntica,programacinevolutivaquedarwinismoneuronal,algoritmogenticoque memtica, complejidad que azar, o topologa que geometra fractal. Si bien muchos de esos modelosestnrelacionadosentresdemanerasdiversas(cf.Abraham2002),cadaunode ellos aporta enfoques distintivos que convendr esclarecer y sistematizar.Esonoserfcil.Elcampoestsucio;lasposicionessonvehementes,sesgadas,agonsti-cas. Ni hablar de los mitosy dogmas que han surgido; o de los conceptos cientficos ficti-cios, como los hiperespacios de reflexin variable o la ecsisiparidad fractal de Baudrillard (1992:156-160);odelaspresuncioneserradas,comolaexigenciadeungrannmerode variables como atributo necesario de la complejidad, o el requerimiento de igualdad de ta-mao entre las cosas complejas y su modelado (Chaitin 1975; 1987; Cilliers 1998: 3, 24); o de las fusiones incontroladas entre los significados tcnicos y los vulgares, como cuando se llega a afirmar que la concentracin de la teora del caos en las cualidades no lineales de la naturaleza se ha descripto mediante trminos como curvatura, fluidez, complejidad y atrac-cin:todascaractersticasqueseatribuyenalconceptooccidentaldefemineidad(Morse 1995:14).Comoenningnotrocampo,aquprosperandiscursosqueexpidenveredictos sinjuicioprevioydictanctedrasobrecienciasalasquenoconocen,fundndoseenpre-sunciones indiciales de lo que deberan ser. En este libro podr documentar algo de toda es-ta portentosa mixtificacin, pero su magnitud es demasiado vasta como para poder abarcar-la, e insistir en ella creara un efecto de distraccin que sera injusto para con muchas ideas de verdadero valor. Algo habr que hacer al respecto, sin embargo, porque esas distorsiones han impuesto una imagen inexacta del nuevo paradigma, imagen que podra hacerlo triunfar o fracasar por las razones equivocadas. Enfin,haydetodo.Conelobjetivodeproporcionarunafundamentacinrazonablemente slidadelosmtodosparaabordarlosfenmenoscomplejosenestelibroserevisarnen detalle los desarrollos tericos ms representativos ligados a la complejidad, con nfasis en la literatura tcnica reciente. A fin de definir un foco ms acotado, se excluirn las investi-gacionesentornodelacomplejidaddesorganizada(valedecir,losmodelosestadsticos) con las nicas excepciones de la teora de la informacin y las redes neuronales, y ms por el uso de aqulla como componente de otros marcos y por la relacin de stas con compor-tamientos emergentes que por sus estructuras particulares. Reynoso Complejidad 8 Tambinsedejarnalmargenescenariosempricosdemerasimplicidadsobreabundante, susceptibles de abordarse con tcnicas de anlisis multivariado o clustering, segn es prc-tica comn en los estudios de la llamada complejidad social o cultural. Tampoco se tratarn el anlisis de redes sociales, las redes de Petri, la dinmica polidrica o la complejidad so-cial entendida en el sentido estadstico-computacional de Kolmogorov-Chaitin (p. ej. Butts 2001).Lasuperabundanciadevariablesenlacomplejidadsocioculturalydeligadurasen las redes sociales remite a modelos mecnicos (abigarrados o de gran envergadura, pero no complejos), tal como la palabra anlisis lo indica. Pues si una cosa quedar clara es que el paradigma de la complejidad, como quiera que se lo interprete, proscribe, circunscribe o re-define el anlisis, y que esa no es una pequea redefinicin.Tambin deben excluirse las investigaciones que se ocupan de la cibercultura, los hipertex-tos,lascomunidadesvirtuales,loscyborgspost-orgnicos,lacrticasociolgicaocultural de la tecnologa o de sus prcticas, el imaginario tecnocientfico, la lectura esquizo-analtica del ciberespacio y temas semejantes, por ms que en ocasiones sus especialistas sientan que estnrealizandounaimportanteantropologadelacomplejidadcontempornea(Escobar 1994;Haraway1995;Marcus1996;Helmreich2001).Todoesecampoesundesprendi-miento de los estudios culturales intrnsecamente anecdtico, y en lo que a m concierne es-t bien que lo siga siendo. Este libro se supone que es sobre teora y mtodos, y no hay mu-cho de eso por all.Las ltimas exclusiones de monta afectarn, inesperadamente, al azar, a la incertidumbre, a las matemticasylgicas difusas deLotfiZadeh (1965)yal pensamiento borroso deBart Kosko(1995),queguardanrelacinmsconprobabilidadesestadsticasyconlasproble-mticas de la induccin, la inexactitud, la polivalencia o los rangos continuos, que con los factores sistmicos de complejidad que aqu ocupan el centro de la escena. Tambin quedan fuera de consideracin las elaboraciones en torno a conjuntos rudos, vinculados con la ine-xactitud, la vaguedad o la fragmentariedad en el anlisis y minera de datos. Estos conjuntos fueronelaboradosporZdzisawPawlakdelaUniversidadTecnolgicadeVarsoviahacia 1980,yapesardelasconsonanciasdesusnombresylaproximidaddesusmotivaciones, no coinciden por entero ni con la matemtica difusa de Zadeh, ni con la lgica polivalente de ukasiewicz (Pawlak 1982). Todo esto es sugestivo y enriquecedor, pero colateral. El libro que sigue no es entonces sobre cualquier complejidad, desorden o anarqua sino es-trictamente sobre complejidad organizada, lo cual involucra sistemas dinmicos, emergen-tes, aperidicos, refractarios a la reduccin, no lineales, as como las herramientas y forma-lismos concomitantes. Variante por variante, se discutir crticamente la posibilidad de apli-car los modelos matemticos complejos o sus arquitecturas conceptuales a la realidad emp-rica de la que se ocupa nuestra disciplina; se investigar en qu medida algunos de ellos po-dranservirparainducirlmitesalaarbitrariedaddeladescripcin,paravisualizarlaes-tructuradelosproblemas,oalmenosparapromoverideas,tantocorrectorascomocreati-vas. Cuando as fuere (y es de prever que no siempre resulte de ese modo) se acompaar el tratamientodelosasuntostericosconreferenciasamodelosinformticosoconceptuales que llevo realizando desde hace varios aos, aplicados a diferentes casos, y con el registro de las exploraciones de los nuevos formalismos que han hecho otros antroplogos y cient-ficos sociales antes que yo. En la literatura del gnero, el que se est leyendo ha de ser un texto heterodoxo, pues si bien el autor conoce las argumentaciones en torno de la complejidad desde hace un tiempo y est Reynoso Complejidad 9 habituado a sus herramientas, no necesariamentecomparte sus estrategiasde militancia, ni laprescripcinqueestipulaqueelparadigmadelacomplejidadesimperativoparatodo contextoyobjetodeinvestigacin,nilapremisadequeesexcluyenteoespontneamente superioraotrasepistemologasesenciales(mecnicasoestadsticas),delasqueurgeaqu admitir sus rigores e identificar las condiciones de su eventual oportunidad. Si alguien nece-sita entonces una refutacin de Galileo, Newton, Descartes o Laplace deber buscar en otro lado; la mayor parte de lo que aqu llamo el paradigma discursivo de la complejidad est fe-brilmente consagrada a ese evangelio. Mi conviccin es que el aporte de las teoras de la complejidad, liberado de una escoria que no es poca, involucra menos un renunciamiento a lo que antes se tena que una renovacin estratgica,unaoportunidadparatrascenderlapropensinmecanicistaynomolgicaque muchos (me incluyo) tenemos incorporada como la forma natural de pensar. No s si verda-deramente se encontrar al final del camino una prctica cientfica de otro carcter, iconol-gica en vez de argumentativa, multidimensional en vez de reductora, como se ha llegado a ambicionar (Harvey y Reed 1997; Wolfram 2002). Aunque esa pretensin parece exorbitan-te, hacia esas coordenadas se orienta la idea.Las ciencias del caos y la complejidad proporcionan un marco denso y sugestivo para com-prender posibilidades y lmites metodolgicos con una claridad como pocas veces se ha da-do. Esa es la idea dominante de este libro, aunque para llegar a ese punto haya que dar un ampliorodeoparafamiliarizarnosconuncampoenelqueseoriginanmuchasdelaspre-guntasparalasquelasnuevascienciassonlarespuesta,alcabodeunlargusimocomps deespera.Estedesvorecorreunahistoriaqueespordicamenteaportabuenasmoralejas, pero que en general sera mejor que no se repitiese, puesya se ha reiterado muchas veces. El tratamiento de la ciencia de la complejidad y el caos comienza entonces recin en el ter-cer captulo; lo que le precede es rudimento, contexto, prehistoria. Pero no siempre lo ms nuevoessuperior.Avecessucede,sobretodocuandoaparecenimplicadasciertasfiguras particulares (Turing, Wiener, Ashby, Shannon, Ulam, von Neumann, Darwin, Chomsky, in-cluso Bateson), que algunas de las intuiciones de mejor calidad resultan ser tambin las ms tempranas. Dadoque,pordefinicin,sueleescabullirsetantodesordenentornodelacomplejidad,y debido a que el simbolismo de sus expresiones sistemticas discurre a tanta distancia de los razonamientos difusos a los que las humanidades se han acostumbrado, se har por ltimo hincapi en la adecuada comprensin epistemolgica de los modelos. Esto obedece a que en la mayor parte de la literatura antropolgica o bien se les suele asignar una misin explicati-va que en general no les cabe (como si de modelos mecnicos convencionales se tratase), o se los entiende en funcin de lo que se quiere que digan, o se los usa para redituar un ha-llazgo para el cual el sentido comn habra sido suficiente. Por eso ste ser un texto crtico pero tambin pedaggico, una combinacin rara de manual de referencia y de manifiesto de unaposicinqueenelfondoestantoepistemolgicacomopoltica,puesunaproporcin significativadelascienciasaquimplicadasestimbuidadeideologasqueconvienedes-lindar,lapropiainclusive.Enelmoldedeunanarrativaqueaspiraaserlegible,intentar destilar un material de orden prctico que sirva para articular seminarios instrumentales de nivel avanzado en antropologa sociocultural y arqueologa de la complejidad. Cuando este texto exprese lo que tiene que decir, se espera que los lectores dispongan de una caracteri- Reynoso Complejidad 10 zacin razonablemente precisa de los modelos, de una ponderacin fundamentada de su po-sible valor, y de las orientaciones tcnicas indispensables para su implementacin.No existe una sola perspectiva sobre la interpretacin exacta de lasciencias de la comple-jidad y el caos; no hay un canon monolgico al que se atenga todo el mundo. A menudo se encuentra que autores habitualmente confiables promueven ideas particulares que distan de loqueconsideroexacto:queelcaosrequierenumerosidad,quelossistemasconruidono puedenserpropiamentecaticos,quelacomplejidadestligadaalazar,quelossistemas dinmicos no lineales no son ergdicos, que hay componentes cunticos en el caos, que los sistemas complejos deben ser abiertos, etctera. Quien ms, quien menos, todos incurren en uno de esos deslices alguna vez, sobre todo cuando se alejan de sus dominios primarios de conocimiento ocuandodejan prevalecer intereses deescuela. En las decisiones que he to-mado para arbitrar estos casos no me he dejado llevar por el prestigio de quien formula di-chas alegaciones, sino que he escogido la alternativa que disfruta de las demostraciones for-males ms contundentes, la que refleja el consenso de los especialistas y la que me dicta mi propia experiencia, en ese orden de prioridad. La construccin que aqu presento como las ciencias de la complejidad y el caos es entonces un artefacto que podra haberse construido de otras maneras, pero que aqu he procurado que se rija por estos criterios. Este texto no habra satisfecho mi propio umbral de satisfaccin de no haber sido por las su-gerencias de quienes accedieron a su revisin tcnica (Alberto Rex Gonzlez, Hugo Scolnik y Pedro Hecht), los intercambios de ideas con alumnos y colegas de seminarios de posgrado yconferenciassobrecomplejidadenMxico,Colombia,JapnyArgentina,ylosaportes de Ron Eglash, NicolsKicillof, Diego Gonzlez, Juan Barcel, Rafael Prez-TayloryA-lan Sokal. Tambin ha sido esencial el trabajo de los miembros y colegas de mi equipo de investigacindelaUniversidaddeBuenosAires,yenparticularDaminCastro,Diego Daz,SergioGuerrero,EduardoJezierskiyJorgeMiceli,siempredispuestosadesarrollar programas de redes neuronales, autmatas celulares y algoritmos genticos conforme a mis extraos requerimientos. De ms est decir que soy el nico responsable de las imperfeccio-nes que hayan subsistido. Dejo para el final una ltima advertencia, que es todo lo contrario de una evasiva. Estamos en guerra. En el terreno de las teoras de la complejidad todos los textos son momentos dia-lgicos de una contienda, y es por ello que son tan intensos. Como tantos otros, este libro se escribedesdeunaposicintomada,queenestecasodeberadmitirqueesclsicamente cientfica.Eslaquehaproducidolosfundamentostericos,losalgoritmosylosrecursos computacionalesconcretos,peropuedequenoseaenestostiemposlamspopularenel planomeditico.Tambinseescribedesdeunaposturaquesiguecreyendoquehayuna realidad all afuera, que esa realidad puede y debe ser cambiada, y que las distinciones entre izquierda y derecha, materialismo y subjetivismo, ciencia y anticiencia ni remotamente han perdido su importancia, por ms que algunas corrientes postulen otras prioridades. Aunque el combate por desbrozar estos paradigmas de la intromisin posmodernayconstructivista puedaparecerperdido,harelesfuerzoparaquequienespretendenpasarporbuenossin serloencuentren,sialguienmsessensibleaciertasevidencias,unpocodelaresistencia que se merecen. Reynoso Complejidad 11 2. Las grandes teoras de sistemas complejosTalvezseaunresabiodealgunaindigestindelecturasestructuralistas,oelefectodela prctica y la enseanza del anlisis componencial, con sus grillas ortogonales y sus taxono-mas discretas. Lo concreto es que no puedo resistir al impulso de elaborar algo as como u-na tabla peridica de las formas tericas y de los tipos algortmicos que constituyen las es-trategias que se han propuesto a propsito de la complejidad. Pienso tambin que esta mar-cacindelcampopuedeproporcionarunprincipiodeorden,loquenovienemalenuna corporacin que se ha dejado regiren demasa por la naturaleza catica de su objeto. Este principio ser administrado en trminos que reconozco laxos, pues no urge que aqu se de-sarrolle una axiomatizacin del asunto; el sentido aproximado de palabras tales como teo-ra, modelo o paradigma deber deducirse entonces del contexto. La primera serie de marcos tericos que habr de revisarse tiene que ver con los paradigmas globalesdelacomplejidad.Porlocomnsemanifiestancomocoleccionesmsomenos heterogneas de principios genricos aglutinados en cada caso en torno a un conjunto rela-tivamente pequeo de ideas-fuerza. En orden casi cronolgico las ideas dominantes seran: losmecanismosdecontrolyloscircuitosderealimentacinenlaciberntica,elconcepto de sistemas abiertos en la teora general de sistemas, los sistemas alejados del equilibrio, las estructuras disipativas (y posteriormente la auto-organizaciny la autopoiesis) en la ciber-ntica tarda, los principios deestabilidad estructuraly morfognesis en la teora de cats-trofes, la dinmica no lineal en la teora del caos y luego todo eso junto, ms o menos armo-nizado, por piezas enteras o en fragmentos, en el paradigma integral de la complejidad. Mientras que la primera parte del libro estar consagrada a esos marcos abarcativos, la se-gundatendrquevermsbienconunaseriedealgoritmos,msconcentradosensufoco, que permiten modelar procesos emergentes, con amplios espacios de fase y con comporta-mientos que desbordan la intuicin. Por lo comn, estos formalismos se constituyen en fa-miliasquerespondenaunmismoprincipioconstructivo:laiteracinorecursindeuna funcin muy simple, que resulta en capacidades robustas de resolucin de problemas o mo-delado de procesos arbitrariamente complejos. Ese principio algortmico incluye a los aut-matascelulares,lasredesbooleanasaleatorias,lasubclasedelosalgoritmosevolutivos (programacinevolutiva,estrategiaevolutiva,algoritmogentico)yfinalmentelageome-tra fractal. Al lado de esos formalismos iterativos hay otros tipos algortmicos y unas cuan-tascriaturasmatemticascaractersticas,talescomolaecuacinlogstica,losalgoritmos conexionistas, las metaheursticas de enjambre y las distribuciones de ley de potencia. Lasgrandes teoras,articuladas como formas ampliasyenvolventes,y los conjuntos algo-rtmicos, con un ncleo tecnolgico ms acotado, se desarrollan aproximadamente en para-lelodesdeladcadade1940alaactualidad.Ocasionalmente,algunasdeaqullasimple-mentanalgunosdestoscomoherramientas:laecosistmicarecientehareemplazadola teora de la informacin por los algoritmos genticos y adaptativos; las versiones tardas de la ciberntica de segundo orden muestran preferencia por los autmatas celulares y los mo-delosconexionistas;lasnuevasteorasdelacomplejidadyelcaosseinclinanhacialos fractales y las distribuciones de la criticalidad auto-organizada. La tendencia dominante de las teoras mayores es hacia la agregacin de ideas que tienen unacierta unidad de prop-sito,queavecesdesembocanenformalizacioneslocalesyteoremasquefundamentanar- Reynoso Complejidad 12 gumentos especficos de sus esquemas conceptuales.Las piezas enunciativas que constitu-yenestasteorasnohandecantadocomocuerposformalescontinuosyexhaustivosque puedan aplicarse orgnicamente a algn conjunto de escenarios empricos (cf. Edens 2001; Abraham2002;Bunge2004).Nohayentoncesteorasdelacomplejidadtotalizadoras,ni siquiera una, aunque las seguir llamando as en aras de la simplificacin. Mientras las grandes teoras fueron elaboradas por mentalidades generalistas con visin pa-normica,losalgoritmoshansidoobradetcnicos.Enestecampo,porotraparte,laten-denciaparecierasermsbienaladisgregacinenmodalidadesespecializadas,avecesen conflicto recproco. La historia de todos los algoritmos conocidos exhibe, con curiosa cons-tancia,estefenmenocismticopeculiar.Cadaunodeellossehaidoescindiendoenuna coleccindevariantes,algunasdeellascomplementariasyotrasexcluyentes;enelcone-xionismo,porejemplo,puedendistinguirseperceptrones,adalines,redesdeHopfield,m-quinas de Boltzmann, perceptrones de capas mltiples, redes amo-esclavo, filtros de Gabor, etctera, repartidos en tres epistemologas cognitivas distintas; los sistemas complejos adap-tativos se diferencian en autmatas celulares uni o bidimensionales, deterministas o indeter-ministas, redes booleanas, modelos basados enagentes, vidaartificialyuna familiaentera de tcnicas de programacin evolutiva. Algunas variantes son formas ms verstiles o abs-tractasdeotrostipos,ocombinacionesdeellos.Cadatipo,adems,sepuedeamalgamar con variantes de otras clases algortmicas, lo que genera un repertorio amplsimo de posibi-lidades de articulacin. Todo esto se revisar ms adelante, con la paciencia que haga falta. Se examinarn a partir de ahora las formas mayores de las teoras de la complejidad, espe-cificandoanteslatabladelosprincipiosepistemolgicosmsgeneralesqueestablecelos principios comunes a todo el conjunto, as como un componente estadstico (la teora de la informacin) que seencuentra embebido, explcita o implcitamente, en todas las teoras a tratar. 2.1 Tipificacin epistemolgica: Los cuatro modelos Las teoras de sistemas constituyen un conjunto de propuestas que ha merecido una recep-cinvariadaeinconcluyenteporpartedelascienciasdurasyblandas.Noesmiobjetivo sintetizar esas teoras en todos sus aspectos, por cuanto sera preciso necesario recorrer nu-merosas formulaciones, algunas de ellas de carcter muy especializado. El estudio presenta-do en este captulo pretende ser slo una introduccin a un campo enredado y polmico, so-breelcualloscientficosyepistemlogosnohandichotodavalaltimapalabra.Esain-troduccin tampoco ha de ser homogneay neutra, dado que la pregunta esencial que aqu seplanteaconciernealarelevanciadeestosmarcosparalacienciasocialengeneralyla antropologa en particular. Se interrogarn entonces las teoras conforme a su valor para es-tas ciencias, lo cual implica un tamiz y una visin sesgada. Las teoras de sistemas giran en torno de una clase peculiar de modelos; por ello, antes que nada,deberemosdescribirlostiposdemodelossusceptiblesdeconstruirseenunaciencia emprica. La que revisaremos no es ms que una de las tipologas posibles, pues se pueden postulartantastaxonomascomocriteriosdearticulacinseescojan.Lapreguntaqueco-rresponde hacerse es cuntas clases de modelos hay.Todo el mundo conoce la existencia de modelos mecnicos (en los que se procura analizar y explicar los mecanismos, factores o procesos que producen determinado estado de cosas) y Reynoso Complejidad 13 los modelos estadsticos (en los que se inducen regularidades o correlaciones entre diversas series de fenmenos). Si hablamos de modelos en un sentido laxo, atinente a la forma abs-tractaesencialdelasformulacionestericas,laantropologaabundaenambasclasesde modelos; casi todas las teoras que se han propuesto encarnan alguno de esos tipos, aunque amenudoresultaraforzadoinscribirciertosejemplaresdeteorizacinantropolgicabajo unouotro.Aunquelasumadelosmodelosmecnicosylosestadsticosnoagotelasfor-mas imaginables de investigacin emprica, es evidente que sus estructuras son antinmicas y que cubren gran parte del espacio de posibilidades de una teora. Ahora bien qu quiere decir que un modelo sea mecnico o estadstico? La tipologa de la cual disponemos se halla alborotada. Ante todo, conviene olvidarse de las definiciones an-cestrales de Claude Lvi-Strauss, puesto que son incorrectas. Dice Lvi-Strauss: Una ltima distincin se refiere a la escala del modelo, en comparacin con la escala de los fenmenos. Un modelo cuyos elementos constitutivos se encuentran a la misma escala que losfenmenosserllamadomodelomecnico,ymodeloestadsticoaquelcuyosele-mentos se encuentran a una escala diferente (Lvi-Strauss 1973 [1952]: 255). Aunque muchos creen que Lvi-Strauss invent esa tipificacin, sus definiciones se fundan en una lectura muy ligera de la bibliografa de divulgacin de las ciencias duras (sus refe-renciasaludenaNorbertWiener),msqueenunrazonamientosistemticopropio.Sihu-biera reflexionado sobre lo que escribi el ciberntico Ross Ashby, tal vez no habra incu-rrido en el sofisma que sealar ms adelante. Pues se preguntaba ste:Al aludir a tamao nos referimos a la complejidad del sistema. Pero, qu significa esto? Sielsistemadinmicoquenosinteresarafueraunafamiliaindgenadecincopersonas consideraramos que est constituido por cinco partes, y que por lo tanto es simple, o que est formado por 1025 tomos y que por lo tanto es muy complejo? (Ashby 1972: 90). Tambin en la nueva ciencia de la complejidad se sabe que no existe una escala natural. Unplanetaorbitandoentornoaunaestrellaconfiguraunsistemasimple;amboscuerpos contienen a su vez muchos sistemas complejos. Este ejemplo ilustra la posibilidad de que un sistema colectivo tenga una escala diferente que la de sus partes. En la escala pequea el sistema se puede comportar de manera compleja, pero en la escala mayor todos los detalles complejos pueden no ser relevantes (Bar-Yam 1997: 5). Como deca Bateson (1985: 482), no todo el territorio pasa al mapa. El sofisma levi-straussiano es doble, por cuanto luego establece que los dos tipos de mode-losseaplicannaturalmente,comoelguantealamano,aotrostantostiposdesociedades, reputadas fras y calientes, o de tipo reloj y mquina de vapor (Lvi-Strauss 1969: 27-37). Pero ni los modelos son como aduce, nicasan con objetos predeterminados. En lugar de decir que los modelos mecnicos son los que estn a la misma escala del fenmeno y los estadsticosaunaescala(segnsemire)msreducidaomsamplia,diremosquelospri-meros establecen razonamientos que explican lo que sucede y los segundos identifican ten-dencias,asociaciones,adhesiones,correlaciones,concomitancias(Back1997).Unayotra clase de modelos se imponen adems diferentes clases de objetivos. Dadoquelosmodelossonentidadesconceptuales(ynomaquetasicnicas),ellosnopue-den ser ni ms ni menos simples que los fenmenos,ya que desde el comienzo son otra cosa.Unmodeloesunaconstruccinlgicaylingstica,yamenosquesesuscribauna teoradellenguajepuramentenomenclatoria(ellenguajecomoespejodelarealidad)no Reynoso Complejidad 14 puedeexistirisomorfismonicorrespondenciaestructuralentreenunciadosycosas.Laes-cala de un modelo respecto de loreales indecidible,ya que larealidad puede ser infinita-mente descompuesta,esanalticamente inagotable: una ameba puede llegar a ser tancom-plicada como un sistema planetario; el sol y la tierra, con ser inmensos y albergar tantas co-sas, constituyen un sistema pequeo, pues astronmicamente tienen slo docegrados de libertad.Nohayentoncesunaescalapropiadelosfenmenos:teorasquetratandeenor-mes conjuntos sociales son a menudo ms simples que teoras que abordan la personalidad de sujetos individuales. No hay tampoco modelo que incluya todos los aspectos de un fen-meno:lasmanzanaspuedenserobjetodeestudioseconmicos,botnicos,nutricionales, transgnicos, geomtricos, bblicos, de gravitacin La caracterizacin de los tipos de mo-delos debe fundarse en otras consideraciones. Unmodelomecniconoinvolucrareducirlossujetosolasculturasamquinas,nia-dherir a metforas mecanicistas, ni hablar siquiera de modelos en el sentido ms formal de la palabra. Seran mecnicos, por ejemplo, los modelos desplegados por Marvin Ha-rris en sus estudios de casos, en los que se buscan identificar los factores que determi-nan ciertas prcticas culturales. Algunos de los modelos de la ciencia cognitiva son asi-mismo mecnicos, pues describen la estructura interna de las operaciones o dispositivosque causan estados de la mente o que explican las regularidades de la cognicin. Dado que los modelos mecnicos engendran explicaciones de casos a partir de principios ge-nerales, laestructura delas inferencias en estosmodelos es deductiva: una explicacin subsume, an cuando identifique mecanismos particulares. Las leyes propias de los mo-delos mecnicos, si las hubiere, tienden a ser deterministas, y el objetivo de los modelos es habitualmente la explicacin de hechos en funcin de principios actuantes. La cues-tin central de una explicacin cientfica es la propuesta de un mecanismo, dice Matu-rana (1995: 65) y por una vez estoy de acuerdo con l. Siempre que aparezca la palabra porque estamos, desde Marshall Sahlins a Marvin Harris, en presencia de uno de es-tosmodelos.Notodoslosmodelosmecnicossonreduccionistas,enelsentidodere-querir descomposiciny anlisis de las entidades que los componen; la leydegravita-cin universal descubierta por Newton, F = K m m/r2, por ejemplo, es una explicacin estructuralquenorequiereahondarenlaestructurantimadelamateriasubyacente (Thom 1985: 16). Pero en general anlisis y explicacin van juntos; aqul adquiere sen-tido cuando sta se alcanza. En ciencia cognitiva el modelo mecnico cannico es el sis-temaexperto,unsistemaquededuceconclusiones(opruebahiptesis)aplicandohe-chos y reglas. Son estadsticos, en cambio, los estudios de la antropologa comparativa o transcultural derivada de George Murdock, en los que se busca establecer la probabilidad de ocurren-ciadeunaprcticaenpresenciadedeterminadainstitucin,oalainversa.Setratade unamodalidaddeestudiocorrelacional,porlocomncuantitativa,quenoarriesgahi-ptesis sobre la naturaleza precisa de los mecanismos y relaciones causales; es por eso quelosmodelosestadsticosseconformanalllamadoesquemadelacajanegra.Ene-llosinteresadeterminarqucondiciones(oestmulos)producendeterminadasconduc-tas(orespuestas),sinqueimportedeslindarporqu.Algunasveceslosmodelosesta-dsticosseconcibencomoacercamientospreliminares,propiosdeunacienciaquean nopuedeimponerleyesasuobjeto.Dadoqueestosmodelosconsideranvarioscasos individuales y abstraen de ellos generalizaciones y regularidades, la estructura de la in-ferencia en estos modelos es inductiva (Holland y otros 1989). En general los modelos Reynoso Complejidad 15 estadsticosabundanentipologas,delascualessederivanlasentidadesocategoras culturalesasercorrelacionadas.Lasleyestpicasdelosmodelosestadsticos,cuando lashay,sonnecesariamenteprobabilistas.SonestadsticaslasleyesdeZipf,Pareto, Weber-FechneryGutenberg-Richter:generalizanloscasosconocidos,sinexplicarna-da; se mantendrn en pie hasta que las excepciones sean estadsticamente significativas. No todos los modelos estadsticos son cuantitativos; no lo es su variedad ms conspicua encienciashumanas,elconductismo.Encienciacognitivaelmodeloestadsticopor excelencia se encarna en las redes neuronales. Aunque podra parecer a priori imposible, existe una alternativa a los modelos mecanicistas y estadsticos, una especie de paradigma bsico, un arquetipo de articulacin terica. Se tra-tadelosmodelossistmicos,queenocasioneshanejercidoinfluenciaenlaantropologa debido a su nfasis en los fenmenos dinmicos, en los universos totales abiertos a su entor-no,enlosprocesoscomplejosyenlasinteraccionesfuertes.Losmodelosdeestaclasese piensanobiencomode estructuradiferentealadelasformasclsicas,ocomolasupera-cin de stas en una secuencia epistemolgica de carcter evolutivo. Por razones bastante complicadas y de todas maneras contingentes, han habido cuatro gran-des formulaciones sucesivas de estas teoras de sistemas, que son: (1) La ciberntica, propuesta por Norbert Wiener hacia 1942. (2) Lateorageneraldesistemas(oteoradelossistemasgenerales),desarrollada porLudwig vonBertalanffy hacia la misma poca, pero difundida mayormente entre 1950 y 1970. (3) Lateoradelasestructurasdisipativas(odelosSistemasAlejadosdelEquili-brio)promovidaporelPremioNobelIlyaPrigoginedesdeprincipiosdelad-cadade1960,ycontinuadaporlacibernticadesegundoordendeHeinzvon Foerster, la ciberntica conversacional de Gordon Pask, la autopoiesis de Hum-bertoMaturana,laenaccinylaneurofenomenologadeFranciscoVarelayel constructivismo de Ernst von Glasersfeld. (4) La teora de catstrofes de Ren Thom, elaborada hacia 1970. Elcreadordeladistincinentremodelosmecnicos,estadsticosysistmicos(ocomple-jos) fue sin duda Warren Weaver (1948).Engeneral, los modelos mecnicos seadaptan a sistemas o procesos de complicacin relativamente escasa, que se prestan a ser ntegramen-teanalizados.Enotraspalabras,losmodelosmecnicosconciernenalosmecanismosque producendeterminadoestadodecosas,yestosmecanismosresultanalavezexplicativos cuando el objeto es comprensible en el juego de la simplicidad organizada. La simplicidad es aqu un efecto terico, una distincin epistemolgica, no una cualidad emprica: un obje-to simple se aviene a ser explicado mediante una analtica que distingue en l o bien un solo nivel de organizacin, o bien relaciones lineales entre diversos niveles. Los modelos estadsticos, por su parte, se ocupan de fenmenos que (desde una determina-da perspectiva)resultandemasiado complejos para ser analizadosy que slo son suscepti-blesdeunabordajesinttico-inductivo;alnoserntegramentecognosciblesoanalizables, podra decirse que los objetos del estudio estadstico estn desorganizados. Los mecanismos que producen los fenmenos no son conocidos, o se reputan imposibles de conocer, o no se los estima relevantes, y es por ello que se los remite a una caja negra. Reynoso Complejidad 16 Los modelos sistmicos, finalmente, procuran organizar la complejidad a travs de un con-junto de ecuaciones que describen los diferentes aspectos de los sistemas. El objeto canni-co de las teoras sistmicas son los llamados sistemas complejos, que, como luego se ver, no por ello son desorganizados, pues, por su complejidad particular, poseen la capacidad de auto-organizarse. Aunque no todas las teoras sistmicas cumplimentan esta salvedad, hag-mosla aqu: la complejidad no es en sentido estricto un atributo ontolgico propio del fen-meno que se estudia, sino una escala inherente al punto de vista que se adopta y a los con-ceptos que se usan, en especial conceptos relacionales tales como el de interaccin, organi-zacin y emergencia. Por consiguiente, tanto un microorganismo como el universo son por igual susceptibles de abordarse como sistemas complejos. Una misma realidad emprica, di-ferentemente mapeada sobre una teora, puede ser objeto de cualquiera de los tres tipos de modelos expuestos. Elsiguientecuadropresenta,diagramticamente,lascaractersticasdelostresprincipales tipos de modelos; me he tomado la libertad de aadir a la tabla cannica de Warren Weaver (1948) y Anatol Rapoport y William Horvath (1959), como cuarta instancia, las propuestas interpretativas(tambinpodramosponerensulugarlasposmodernasylasconstructivis-tas), pues, aunque la historia nunca acostumbra contarse de esta manera, vienen como anillo al dedo para completar la tabla peridica de las estrategias posibles. Las teoras fenomeno-lgicas,simblicaseinterpretativasengeneral,enefecto,tiendenainhibirlasgeneraliza-ciones en nombre de un conocimiento local que ni siquiera permite una comprensin totali-zadora de los casos individuales, y que confa ms en la conjetura o en la corazonada (gene-rosamentellamadaabduccin)queenelrazonamientoformal1.Enelmismoespritu,y partiendo de la base que una teora podra considerarse como un modelo sumado a una in-terpretacin,yodiraquenuestroscuatromodelosmapeanbastantebienconloscuatroti-pos tericos propuestos por Penrose: los mecnicos seran predominantes en las teoras que lllamasupremas,losestadsticosenlasquedenominatiles,lossistmicosenlas provisionales y los hermenuticos en las descaminadas (Penrose 1996: 185-190). ModeloPerspectiva del ObjetoInferenciaPropsito MecnicoSimplicidad organizadaAnaltica-deductivaExplicacin EstadsticoComplejidad desorganizadaSinttica-inductivaCorrelacin SistmicoComplejidad organizadaHolista-descriptivaDescripcin estructural o procesual InterpretativoSimplicidad desorganizadaEsttica-abductivaComprensin Tabla 2.1 - Los cuatro modelos Ntese que los modelos sistmicos no se conforman al modelo nomolgico deductivo, dado quesuconcepcinentornoalaequifinalidad,multifinalidad,multicausalidad,causalidad circularorealimentacin,no-linealidadylaeleccindetransicionesdefases,procesosde morfognesisy emergencia como objetos de estudio, les impide expresar las aserciones li-neales de condicionalidad que constituyen las estructuras tpicas de los sistemas deductivos. En un estudio sistmico, lo ms que puede hacerse es describir formalmente el fenmeno de 1Nopretendodefenderaqueltratamientodelosmodelosinterpretativos,fenomenolgicosypos-modernos en estos trminos, ni hace falta tampoco que lo haga; a fin de cuentas, han sido los promo-tores de las corrientes humansticas y los intelectuales genricos de ese crculo los que han reclamado para s el privilegio de una epistemologa separada (Lyotard 1986; Geertz 1996; Vattimo 1997). Reynoso Complejidad 17 que se trate(sea la estructura del sistema, sea su trayectoria) a travs deecuaciones. Estas acostumbran ser ecuaciones diferenciales o ecuaciones de diferencia no lineales, aunque o-tras expresiones matemticas podran aplicarse a la misma descripcin. A menudo un siste-ma se describe mediante un grafo topolgico, una red o un diagrama de flujo, asociado o no a una caracterizacin matemtica ms precisa. A partir de la descripcin se podr, facultati-vamente, construir un modelo de simulacin, manipularlo, descubrir propiedades, proponer hiptesis y derivar predicciones respecto de su comportamiento.Es importante sealar que los tres modelos primarios no constituyen una jerarqua. Los sis-tmicosnosonenmodoalgunomejoresquelosestadsticosoquelosmecnicos;estos ltimos no slo se sostienen como en sus mejores das para abordar una mayora abrumado-ra de problemticas (que los aviones vuelen, que se construya una computadora, que se for-mule un diagnstico en un sistema experto, que se prediga la trayectoria de un planeta, que se elicite el sistema fonolgico de una lengua), sino que son, ms all de sus dificultades y lmites,losnicosqueposeenunabaseaxiomticaampliayconsensuada,pormsqueel mundo parezca tornarse menos mecnico cada da que pasa. Existenademsprocedimientosdetransformacinquepermitenconvertiruntipoenotro. Cuandounmodelomecnicooperaiteraciones,seobtieneotraclasedeentidadmecnica que incorpora variables de tiempo y a la que se puede agregar un elemento de azar: este es el caso de los mecanismos que operan como cadenas de Markov, camino estocstico, agre-gacin limitada por difusin, movimiento browniano. Pero cuando en un modelo estadstico de caja negra se adiciona tiempo y se desarrollan iteraciones, pasamos a tener un modelo ci-berntico y comportamientos emergentes; por eso es que Bertalanffy describe la entrada de su esquema de retroalimentacin como estmuloy la salida comorespuesta (Bertalan-ffy 1976: 43). Un modelo sistmico caracterstico, los autmatas celulares, consisten en un conjuntodeelementoscadaunodeloscualesoperacomounmodelomecnico.Algunos modelospuedenserreducidosaotros:latermodinmicafue,dehecho,reducidaexitosa-mente a lo que hoy se conoce como mecnica estadstica (Nagel 1981).Tambin son posibles incrustaciones y complementariedades de formas modlicas diferen-tes, como cuando se agrega un principio (estadstico) de lgica difusa a un formalismo (sis-tmico)deredesneuronalesoautmatascelulares,oaunsistemaexperto(mecnico)de inteligenciaartificial.Hayademsteorasquepodranencajarendosmodelosdiferentes, conforme al nfasis que se quiera imponer: el funcionalismo, por ejemplo, se puede enten-der como un modelo mecnico con la causalidad a la inversa (las instituciones sirven para preservar el equilibrio) o como un modelo sistmico en condicin de estabilidad. En ciencia cognitivahayalgunosmodelosmixtos,amitaddecaminoentreelanlisissimblicoyla sntesis de capacidades, y es por ello que se los llama de caja gris. Cuestiones de esta natu-raleza sern aludidas en el texto pero no tratadas en detalle, ya que no es ste un tratado de epistemologa sobre los tipos de modelos posibles, sino una caracterizacin de una variedad de ellos, en el sentido wittgensteiniano: un conjunto polittico, aglutinado en funcin de un aire de familia. Aprovechoestasemblanzaparacuestionarunpardecreenciasmuydifundidas:creencias queafirman,porejemplo,quecualquiermodelomsomenosformalizadocalificacomo modelo sistmico, o que las teoras sistmicas equivalen sencillamente a modelos matem-ticos o computacionales de cualquier clase (o viceversa). Existen, de hecho, numerosos mo-delos formales o axiomticos que son ms bien mecnicos o estadsticos, as como existen Reynoso Complejidad 18 modelos sistmicos nocuantitativos.La inteligencia artificial simblica es claramente me-cnica, las redes neuronales son estadsticas, y la teora de catstrofes es sistmica, pero s-tacarecedeimplementacincomputacionalycuantificacin.Lascomputadoras,empero, sern un requerimiento categrico en los algoritmos de la dinmica no lineal. Tampocoesverdadquelateoradesistemasseaunaconcepcinpositivista,rtuloconel que de un tiempo a esta parte se quiere reprimir toda propuesta con alguna aspiracin de ri-gor. La teora de sistemas no es positivista; los positivistas (desde los furtivos hasta los ul-tras) rechazan muchas de sus manifestaciones (Bunge 1956; 2004: 62-63; Berlinski 1976). Lospostuladossistmicos,deBertalanffyaPrigogine,constituyenreaccionescontrael principio positivista de la analiticidadycontra la reduccin de toda ciencia a la mecnica, aunquelacienciacomplejaactualesmsprudenteymenosdogmticasobreelparticular (Hatcher y Tofts 2004). Los sistemas a secas constituyen un concepto indefinido, desgasta-doporelabuso;perolossistemasgenerales,alejadosdelequilibrioocomplejossonalgo preciso y circunscripto. Tampoco es suficiente hablar de sistemas para que la teora que uno promueve sea sistmica: los sistemas de la sistmica son de una especie peculiar que los au-torescaracterizandemodosconvergentes.Esconvenienteentoncesrestringirelconcepto deteorasistmicaalasconstruccionesconceptualesquecompartanlosrasgosprecisos que, en relacin con cada marco terico, se definirn a partir de ahora.2.2 El fundamento comn de las teoras de sistemas: Teora de la Informacin Elconceptodeinformacinesparteesencialdelamayorpartedelasteorassistmicas, desde la ciberntica hasta los algoritmos genticos, pasando por la antropologa de Bateson, en la que juega un rol decisivo.La teora de la informacinen s mismano es de carcter sistmico sino estadstico, y como tal se la ha usado como marco terico autnomo y sufi-ciente en diversas ramas de las ciencias sociales. Como habr de verse en los captulos sub-siguientes,elconceptodeinformacindefinidoporesateoraesunareferenciainevitable de la mayor parte de las estrategias que guardan alguna relacin con la complejidad. Fig. 2.1 - Esquema de la Comunicacin La informacin es una dimensin cuantificable comprendida en el circuito de la comunica-cin. El origen del llamado esquema de la comunicacin (fig. 2.1) es incierto y de autor a-nnimo;tampocopuededeterminarseenqudisciplinaomarcotericosecomenzaha-blar de l. Se fue cristalizando y enriqueciendo con el correr de los aos, y ya hay testimo-nio de l en las primeras dcadas del siglo, por ejemplo en el Curso de Lingstica General de Ferdinand de Saussure. Ciencias o subciencias enteras (la teora de la comunicacin de masas, la sociolingstica, la pragmtica) giran de un modo u otro en torno suyo.Enelmodelocomunicacionalclsicoseconsideraque,enuncontextodado,elemisor transmite al receptor una serie de seales articuladas segn un cdigo, formando mensajes que circulan por un canal afectado por ms o menos ruido, ambigedad o interferencia. Di- Reynoso Complejidad 19 versosautoreshanagregadomsymselementosalesquema,subdividiendosuscompo-nentes en otros ms precisos y restringidos, pero el cuadro bsico, el ms consensuado, dis-curre aproximadamente como se muestra en el diagrama. Este esquema bsico de la comu-nicacinformapartedenumerosasteoras;RomanJakobson,porejemplo,formulentre 1956 y 1960 su clasificacin de las funciones del lenguaje mapendolas sobre los diferentes elementosdelmodelo:lafuncinconativaoimperativaeslaqueenfatizaalreceptor,la funcin referencial gira en torno del contexto, la emotiva destaca al emisor, la ftica cons-tata la disponibilidad del canal, la metalingstica se centra en el cdigo, y la funcin poti-ca hace hincapi en el mensaje (Jakobson 1984: 353). Referidaaesemismoconjuntooriginario,lateoradelainformacinoteoramatemtica de la comunicacin, formulada por Claude Shannon en 1948, es una teora relacionada con el clculo de probabilidades que relaciona las propiedades del canal de comunicacin con el cdigoquerigelageneracin,transmisinydecodificacindelassealesquecomponen un mensaje (Shannon 1948; Shannon y Weaver 1949). Hoy se habla de ingeniera de la co-municacin para referirse a este dominio, aunque las ecuaciones fundamentales que definen y miden la cantidad de informacin siguen siendo las establecidas por Shannon. Urgeaclararquelateoradelainformacinnadatienequeverconelsignificadodelos mensajes: se trata de unabordaje queanaliza cosas talescomo lasformas ms ptimas de codificacin, la cantidad de redundancia que hay que introducir para compensar el ruido, y, en especial, la medida de la informacin. Esta cantidad de informacin se define como la cantidad de incertidumbre de un mensaje en funcin de la probabilidad de aparicin de los elementos que componen el cdigo. No hay en general ninguna correlacin entre la riqueza de significacionesy la complejidad informacional, aunque algunos tericos de la culturay lasociedad(AbrahamMoles,MaxBense,lossemilogosdelaEscueladeTartu)hayan credo lo contrario. Elconcepto de informacin,asimismo, es fsicoyno psicolgico: una sinfona informacionalmente compleja no alberga, subjetivamente hablando, demasiada im-probabilidad o sorpresa para quien la conozca de memoria (aunque objetivamente haya sido ms difcil de memorizar que una sinfona ms simple o ms breve). La informacin (que en homenaje a Ralph Hartley se simboliza con la letra H, no con I) es un concepto muy simple: informacin es la medida de los grados de libertad que existen en una situacin dada para escoger entre seales, smbolos, mensajes o pautas. El conjunto de todas las categoras (el alfabeto, cualquiera sea el modo de la comunicacin) se denomina tambin repertorio. La cantidad de informacin se mide como el logaritmo binario del n-merodepatronesalternativos,formas,organizacionesomensajesqueformanesereperto-rio. La unidad en que se expresa la medida de la informacin es tambin la ms simple de todas: el bit o dgito binario [binary digit]. La complejidad creciente de las pautas informa-cionalesdeterminaapenasuncrecimientologartmicoenlasunidadesdemedida:dosal-ternativas elegibles (dos grados de libertad) requieren un solo bit, cuyos valores pueden ser slo 1y 0; cuatro alternativas se expresan con dos bits (00, 01, 10, 11); ocho con tres bits (000, 001, 010, 011, 100, 110, 111, 101), y as sucesivamente. La ecuacin que describe la informacin, como medida del sentido del orden de un mensaje es: H = (p1 log2 p1 + + pn log2 pn) donde los mensajes posibles tienen probabilidades p1, , pn. La misma unidad y la misma ecuacinseutilizanseacualfuerelanaturalezadelascosascomunicadas:sonidosenun sistemafonolgico,fonemasenunasecuenciadepalabras,palabrasenunasecuenciade Reynoso Complejidad 20 frases,frasesenunasecuenciadediscurso,discursosenunasecuenciadeconductaslin-gsticas (o bien notas en un motivo musical, motivos musicales en la seccin de una pieza, secciones en un movimiento, movimientos en una pieza). La informacin mide, por defini-cin, el grado de organizacin de un sistema. Cuanto ms previsible es un elemento, menos informacin trasunta: el final de las palabras enuntelegramaoentaquigrafa,porejemplo(-ilidad,-cin,-ismo,-ante,-mente,-ible), puedellegarasertanprevisible(redundante)queenalgunoscasosesposibleomitirlas. Cuanto ms ruido o interferencia hay en un canal y cuanto ms incierta sea la aparicin de un elemento, mayor ser la necesidad de redundancia para garantizar una decodificacin co-rrecta.Unsistemafonolgicoqueincluyamuchossonidosparecidosdeaparicinincierta ser ms informativo (tendr una medida de informacin ms grande) que otro sistema con menossonidosydesucesinprevisible.Almismotiempo,podradecirsequecuantoms rico sea el alfabeto o repertorio de un sistema, tanto ms improbable ser la aparicin de un signo particular: la informacin es tambin la medida de la eleccin y la improbabilidad. Laideadequelateoradelainformacineslinealcomoeltelgrafoylacibernticaes complejacomounainteraccinorquestal,propuestaporYvesWinkin(1976),noesdel todoexacta,pueslateoradelainformacinnoesautnomayestmsomenosexplci-tamenteintegradaentodaslasteorassistmicas.Lateoradelainformacinesuningre-diente de todas ellas, en tanto y en cuanto lo que fluye por el interior y hacia o desde el ex-terior de los sistemas slo puede ser de tres rdenes: materia, energa o informacin. InformacinEntropa SealRuido ExactitudError RegularidadAzar Forma pautadaFalta de forma OrdenDesorden OrganizacinDesorganizacin DefinicinIndefinicin Tabla 2.2 Informacin y entropa Se ha encontrado, adems, que la energa guarda una relacin conceptual muy estrecha con lainformacin.Paraciertosautores(aunquenoparaotros,comosever),eldesorden,la desorganizacin, la falta de estructura o la aleatoriedad de la organizacin de un sistema se concibe como su entropa, un concepto acuado por Rudolf Clausius hacia 1865. Las leyes delatermodinmicaaseguranqueeluniversotiendehaciaunestadodemximaentropa. Desdeelpuntodevista delasecuacionesquelasdescriben,laentropaesexactamentelo inverso de la informacin, segn lo estableci Leo Szilard en 1929; por consiguiente, Leon Brillouin ha propuesto llamar a esta ltima negentropa o entropa negativa (Singh 1979: 90).Paraestalneadepensamiento,lascaractersticasdelainformacinydelaentropa (tantolaspropiedadestcnicascomolasquelesatribuyeelsentidocomn)sonsiempre inversas. El cuadro de sus contrastes es el que se ilustra en la tabla 2.2. Dada la relacin entre informacin y entropa, as como el carcter contraintuitivo que tiene elhechodequeordeneimprobabilidadseanequivalentes(oquelossistemasconmayor entropayporendecomplejidadseanlosqueseencuentranenestadodeequilibrio),la bibliografasedistribuyeenpartesigualesentrequienesconcibeninformacinyentropa comoantnimos(Atlan, Boltzmann,Brillouin,DenbighyDenbigh,Fors,Miller,Szilard, Reynoso Complejidad 21 Wicken) y los que equiparan ambas categoras (Ashby, Lvi-Strauss, Shannon, Singh, Wil-son). Michael Fischer (2002), por ejemplo, define repetidamente la entropa como una me-dida de orden en un sistema de estructuras, y Paul Cilliers (1998: 8) asegura que la canti-dad de informacin en un mensaje es igual a suentropa; pero James Grier Miller (1978: 13) est persuadido que entropa es ms bien desorden y desorganizacin. No todos los au-tores han advertido que no existe acuerdo sobre este particular. Como bien seal Katherine Hayles en el mejor captulo de su libro, existen dos tradiciones intelectualesquedistintivamenteoponenoidentificanambosconceptos:unaseremontaa Warren Weaver, el colaborador de Claude Shannon, y la otra a Leon Brillouin; para la pri-mera postura la informacin se vincula con el desorden y la incertidumbre, para la segunda con el ordeny la organizacin (Wilson 1968; Hayles 1993: 53-86). Se comenta que la de-cisindeShannondellamarentropaalainformacinlevinodeunconsejodeJohnvon Neumann, quien le sugiri que usara la palabra porque nadie sabe qu es la entropa;en-tonces,enundebate,ustedsiempretendrventaja(DenbighyDenbigh1985:104)2.En unapalabra,sesabeperfectamentecmohacerlamedicin,peronoexisteelmenorcon-senso en cuanto a connotaciones y valores no triviales de lo que se est midiendo: es pro-babilidad o incertidumbre? orden o desorganizacin? Un mensaje bien organizado es ms oesmenosinformativo?Convendrqueellectortengaencuentaqueexistendosformas contrapuestasdeinterpretarelsentidodelainformacin,yaquecuandoseformulenlas teoras del caos y la complejidad esta discordancia seguir dividiendo las aguas3. En las hu-manidadeshayunadivisintodavamsdrsticaentrequienesconsiderancentralelcon-ceptodeinformacin(Bateson,elprimerWatzlawick)yquienesloestimanirrelevanteo engaoso (Rosen, Maturana, Varela, Morin, Capra). Ignorando siempre estas antinomias, el uso de la teora de la informacin como marco arti-culador de investigaciones socioculturales ha sido comn, sobre todo en la dcada de 1960 y principios de la siguiente. La Escuela semitica de Tartu, en Estonia, con ramificaciones en Mosc, fue un equivalente sovitico de la antropologa cultural; las elaboraciones teri-cas de esta escuela, por lo menos en sus aos iniciales, se basaban a menudo en esa teora. Nadie menos que Andrei Kolmogorov (1968) propuso en ese contexto una medida para de-terminarelcarctermsomenospoticodeuntexto.EnlallamadaEscueladeStuttgart, Max Bense (1972) aplic la teora a la percepcin de fenmenos artsticos, desde la pintura 2 Conjeturo que la ancdota es apcrifa, o que su estructura implementa un patrn que induce a pla-giarlayaplicarlaaotrosacontecimientos.LomismoseafirmaqueleaconsejShannonaWiener respecto de la palabra ciberntica (http://www.asc-cybernetics.org/foundations/definitions.htm). 3 Quienes elaboraron la teora de la informacin saben de estos nudos filosficos. Cuando se trata de definir,porejemplo,laprobabilidadcomofrecuenciaderesultadosenexperimentosdeazar,esdi-fcil evitar las definiciones circulares. Si se dice que la frecuencia de un resultado especfico del revo-leodeunamonedaesde0.5(entendiendoquelafrecuenciaeslafraccinpromediodecarasen largas secuencias) hay que definir entonces el significado de promedio sin usar una palabra que sea sinnimo de probabilidad (MacKay 2003: 26). Nada de esto es fcil ni intuitivo. Otra forma muy co-mn de concebir la probabilidad es en trminos de creencias o supuestos: la probabilidad de que las obrasdeShakespearehayansidoescritasporBacon,odequeunafirmaseaautntica;steesel punto de vista subjetivo o bayesiano. Esta concepcin satisface la intuicin, pero no todos los mate-mticos la encuentran aceptable. Reynoso Complejidad 22 hasta la msica, pretendiendo formular una esttica objetiva que redujera el margen de sub-jetividad; en Francia Abraham Moles desarroll una especie de sociologa semi-formal a la que llam Sociodinmica de la Cultura (1978). El antroplogo simbolista Benjamin Colby, asuvez,hasugeridoqueexisteanalogaentrelaorganizacinentendidainformacional-mente y la redundancia en los patrones culturales. l considera que hay aspectos de la cul-tura fuertemente pautados (y por ende, redundantes), mientras que otros estn ms expues-tos al cambio y son por eso ms proclives a la desorganizacin. En cierto modo, los mitos y los rituales proporcionan orden y forma a aquellas regiones de la actividad y el pensamiento humanoquedenoserporelloresultaranlasmsdesordenadasyenigmticas(Colby 1977). Hasta hace unas dcadas los libros de Bense y de Moles acostumbraban traducirse al castellano y diseos de investigacin como el de Colby eran comunes. Con el correr de los aos esta variedad de sociologa y esttica informacional dijo todo lo que tena que decir (lo que ya nadie recuerda muy bien qu era) y se precipit en un camino de rendimiento decre-ciente. Pueden encontrarse abundantes ejemplos de uso de la teora informacional en antro-pologa, psicologa y otras ciencias humanas en la compilacin de Alfred G. Smith Comuni-cacin y Cultura (1976-77). Hoy nadie se ocupa de esos menesteres en estos trminos. Casi todo el mundo cree que las apropiacionesdelateoradelainformacinporpartedelashumanidadesharesultadoun proyecto fallido. Lo reconoci el propio padre de la teora general de sistemas, Ludwig von Bertalanffy:Lateoradelainformacin,tandesarrolladamatemticamente,resultun chasco [fiasco?] en psicologa y sociologa, y sus contribuciones se limitan a aplicaciones bastante triviales (1976:22, 103). Aunque el juicio es bastante lapidario,es fuerza admitir que algn grado de razn lo asiste, por ms que la confusin se origine en otra parte. Tam-bin Robert Rosen opina que nunca se ha descubierto la utilidad de conceptos como los de entropa,informacin,negentropauotrossemejantesparacaracterizarlaorganizacin (1980:364).Comohabrdeversemsadelante,serlateorasistmicadelcaos(ynola teora estadstica de la informacin) la que proporcione mtricas de distribucin y magnitu-des constantes susceptibles de aplicarse a hechos de la cultura, la evolucin y la historia: el nmero de Feigenbaum-Collet-Tresser, la dimensin fractal, la criticalidad auto-organizada, la distribucin de ley de potencia. Se podr abordar con ellas desde la msica hasta los pa-trones de asentamiento arqueolgicos, desde losmotivos delarte hasta la secuencia de los procesos histricos, para establecer (segn su uso y propsito) ya sea los valores idiosincr-ticos de un estilo o caso, o sus aspectos universales.Ms all de sus dilemas semnticos o sus opositores ideolgicos, la teora de la informacin sigue siendo tan vlida como siempre y es fundamental en reas de la teora y de la prctica que uno ni siquiera imagina o que se dan por sentadas (cf. MacKay 2003); pero a su lado e-xisten conceptos y algoritmos que satisfacen elaboraciones ms expresivas y de ms alto ni-vel.Aunquealgunavezselaconsiderautosuficienteydefinitoria,lamedidadelainfor-macin slo da cuenta del valor de una variable en algn lugar del circuito. Edgar Morin lo considerara un concepto-problema, antes que un concepto-solucin, y no una nocin termi-nal sino un punto de partida (Morin 1974: 280-281). Yo no creo que sea un problema; es un factor que es mensurable cuando circula linealmente por un canal; un factor que, cuando se desvincul de la idea de significado a la que el sentido comn se empea en asociarlo, dio lugar a una teora que hizo posibles a todas las restantes. La teora de la informacin deba sinembargoembeberseenyarticularseconotroscuadrostericospararesultardeinters conceptual y utilidad pragmtica. Eso fue, de hecho, lo que sucedi. Reynoso Complejidad 23 2.3 Ciberntica La ciberntica es una formulacin que se conoce tambin como teora de los mecanismos de control; como se dijo, fue propuesta por Norbert Wiener hacia 1942 y bautizada as en 1947, aunque existe un antecedente all por la dcada de 1920, ligada alnombre de un tal RichardWagner,deMunich.Cibernticaderiva(aligualqueelvocablogobierno)de la palabra griega que significa timonel, y el trmino se refiere a los mecanis-mos o tcnicas de control en general. La palabra se encuentra por primera vez en el Gorgias dePlatn.Enelvocabulariocientficolaexpresincibernticayahabasidousadaen 1834 por Andr-Marie Ampre en su sistema de clasificacin de las ciencias con el signifi-cado de ciencia del gobierno. La ciberntica forma parte de un campo de formulaciones tericas de muy distinta naturale-za que se ocuparon de sistemas complejos, y que hicieron extensivas sus exploraciones so-bre las caractersticas de dichos sistemas a otras disciplinas. En este sentido, existen dudas sobre la prioridad intelectual de Wiener o de von Bertalanffy en el terreno de las teoras sis-tmicas; Bertalanffy pareca bastante preocupado en demostrar que a l la idea se le haba ocurrido primero, a mediados de la dcada de 1930, pero que recin tuvo oportunidad de di-fundirlavariosaosmstarde;detodasmaneras,afirmaba,lossistemascibernticosson slo un caso especial, aunque importante, de la clase de los sistemas que exhiben autorregu-lacin (Bertalanffy 1976: 16; 1982: 110, 141).2.3.1 Mecanismos de control y retroalimentacin El esquema ciberntico es, entre todos los modelos sistmicos, el que se relaciona ms es-trechamente con la teora de la informacin, que ya he caracterizado en el apartado anterior. Perolacibernticaesalgomsqueunconjuntodeecuacionesquemidenflujosdeinfor-macin. Wiener concibi la ciberntica poco despus de la Segunda Guerra, en relacin con el control y correccin del tiro de los caones antiareos. La pregunta para la cual la ciber-nticafuelarespuestaessta:Cmodebefluirlainformacinenunmecanismodetiro paraquesteseaeficaz?AntesdeWienerlosingenierosyahabantrabajadoconmeca-nismos de correccin pero eran bsicamente circuitos elctricos ad hoc; la novedad de Wie-ner fue introducir el concepto de informacin. Disparar al azar (el mtodo aleatorio) no ha-ba demostrado ser muy prctico; combinar el azar con un proceso selectivo (el mtodo es-tocstico) tampoco daba buenos resultados. Dado que los aviones vuelan a gran velocidad, es preciso predecir la posicin futura del aparato a partir de sus posiciones anterioresy, e-ventualmente, de la evaluacin del margen de error de los tiros fallados. El mecanismo de punteradelcanrequieredeunprocedimientoocircuitodeinformacinquevayaacer-candolosdisparoshastaabatirelavin,reduciendopaulatinamentelamagnituddelerror con oscilaciones cada vez ms estrechas. Este circuito de informacin devuelve al mecanis-mo elementos de juicio acerca de los resultados de su propia conducta. Teleolgica o no, la circuitera ciberntica no se construye poniendo antes que nada las causas, sino privilegian-do los propsitos. ElprincipioquerigeelfuncionamientodeesoscircuitosesloqueWienerllamretroac-cin, retroalimentacin o feedback. En estos procesos, la informacin sobre las acciones en cursonutrenasuvezalsistema,lorealimentan,permitindoleperfeccionaruncomporta-mientoorientadoaunfin.Sucedecomosi,enciertaforma,losefectospasaranaformar Reynoso Complejidad 24 parte de las causas. Algunos llaman a sto bucles o circuitos de causalidad circular, diferen-cindolos de los procesos de causalidad lineal. Fig. 2.2 - Retroalimentacin Entre parntesis, digamos que no hay que llamarse a engao por la participacin de Wiener en un proyecto militar. Su investigacin se aplic de hecho a una demanda defensiva. Wie-ner fue lo que los norteamericanos llaman un liberal y los europeos un intelectual compro-metido y progresista. Luch contra el belicismo (incluso negndose a rubricar contratos u-niversitariosconlasfuerzasarmadas),combatialcomplejoindustrial-militarnorteameri-canoymantuvoposturasafinesalpacifismoyalecologismocontemporneos.Wienerse hizo conocer como antinazi y antiestalinista, aunque subrayaba que no era anticomunista, lo que en esos aos era por lo menos arriesgado; luch contra la caza de brujas iniciada por el senador McCarthy, apoyando a vctimas de la persecucin como su amigo Dirk Struik, un notable intelectualy matemtico marxista. Segn Ron Eglash(s/f), Wiener fue un pionero legendario al cual los soadores y utpicos recurrieron ms tarde, en la dcada de 1960, un momento particularmente romntico y transgresor. Hay que aclarar que Wiener no invent el feedback sino que lo integr en una teora general de los circuitos o mecanismos de control mecnicos, biolgicos, psicolgicos o sociales, a la que llam ciberntica, la cual tiene poco que ver con el uso que se otorga a veces a la pa-labra para designar a la informtica, a la binica o a los robots. Su contribucin a la ciencia no radica en la invencin del concepto, sino en su colocacin en el lugar central de una dis-ciplinagenricadeformidablesvaloresaplicativos.Elcreadordelaideadefeedbackfue probablemente Harold Black, tan temprano como en 1927. Wiener encontr que los mismos principios que rigen el ajuste ptimo de los dispositivos de tirorigenelcomportamientoorientadohaciametaspropiodelosorganismos:elejemplo caracterstico es el de llevar un vaso de agua a la boca, corrigiendo las trayectorias mediante feedback para minimizar las oscilaciones. Tambin escomn en la bibliografa elejemplo del termostato que regula la temperatura de un ambiente mantenindola estable. James Lo-velock seala que la capacidad humana de mantener la postura erecta, caminary correr en terrenos accidentados, o la habilidad de sostenerse en pie en la cubierta de un barco que se balancea, denotan la accin decomplejos mecanismos cibernticos que,mediante eficaces flujosdeinformacin,comparanlaintencinconlarealidad,detectanlasdivergenciase introducen las correcciones necesarias (Lovelock 1985: 63-64). De hecho, cualquier caso de regulacin es oportuno, pues los mecanismos reguladores siempre son retroalimentantes. La cibernticanotenaenabsolutoelpropsitodeconcebirloshumanoscomosifueranm-quinas, que es lo que alegan sus detractores; lo que pretenda era ms bien indagar los me-canismos biolgicos que ejecutan esas complejas funciones de control con una eficiencia tal que hasta la fecha apenas existen dispositivos artificiales comparables. En todas las teoras de sistemas la biologa suministra el camino a seguir; cuando llegue el momento en que se Reynoso Complejidad 25 formulen las teoras de la complejidad, las capacidades de los seres vivos encarnarn tam-bin los modelos a tener en cuenta. De inmediato se encontr que as como exista una modalidad de retroalimentacin que re-duca las desviaciones, exista otra (presente en determinados procesos o susceptible de si-mularseenmecanismosdeamplificacin)queeracapazdeampliarlascasiexponencial-mente. Se llam feedback negativo a la primera variante y feedback positivo a la segunda, y se defini matemticamente a ambas. Tambin se verific que todos los fenmenos y meca-nismos de retroalimentacin (mecnicos,electrnicos, biolgicos, ecolgicos, psicolgicos y sociales) obedecan a la misma caracterizacin formal. En otra palabras, se descubri que laestructuradelosprocesosdecausalidadcircularerasiemprelamisma,independiente-mente de la naturaleza material del sistema en que estuvieran presentes. Ms all del feedback, que a primera vista es su concepto ms saliente para los lectores pro-venientesdelashumanidades,lacibernticaabordacuestionesque,comoluegosever, encendieron la imaginacin de algunos antroplogos y psiclogos de la poca, y que hoy en da se perciben tanto o ms relevantes en relacin con las problemticas de la complejidad. Por empezar, la ciberntica ilustra con claridad cmo es que se delimita un sistema, propor-cionando directivas que al mismo tiempo que estn expuestas con simplicidad poseen un ri-guroso fundamento y permiten crear un conjunto de hiptesis de trabajo independientes del dominio de aplicacin. Tambin ensea que un sistema no es ms que una nmina de varia-bles; que cada sistema material contiene no menos que infinitas variables (y por lo tanto, de sistemas posibles); que incluso en una ciencia dura a veces es fcil y a veces difcil delimi-tar un sistema; que para que algo se pueda considerar un sistema debe constituir un conjun-to de entidades que, con respecto a las variables consideradas, experimente lo que tcnica-mentesellamantransformacionescerradasyuniformes;yqueladefinicindeesastrans-formaciones es un procedimiento sencillo y fcil de aplicar (Ashby 1962: 61).La ciberntica tambin establece que su idea primaria es el concepto de cambio, ligado a la nocin de diferencia; que para que un concepto semejante sea interesante debe extenderse al caso en que el factor (u operador) pueda actuar sobre ms de un operando, provocando una transicincaractersticaencadaunodeellos;queelconjuntodetransicionesenuncon-junto de operandos es una transformacin (p. 23), y que no es necesario que las transforma-ciones sean numricas para estar bien definidas (p. 43). Adems la ciberntica no es sino un marco, tal vez el primero de ellos, que se aviene inherentemente a estudiar la complejidad. El primer trabajo cientfico sobre complejidad se dice que ha sido Science and Complexi-ty de Warren Weaver (1948), quien tambin acu el concepto de biologa molecular. En funcindeotroconceptocardinal,eldeisomorfismo,lacibernticadefineunespaciode conocimiento e investigacin al que no interesa la naturaleza material de los mecanismos de control, pues se supone que las mismas formas algortmicas caracterizan a todos los meca-nismos, sean ellos fsicos, biolgicos o culturales.TodavahoyencuentroquelosejemplosdelbritnicoRossAshbyrespectodesistemas, transformacionesyoperandos,osuscaracterizacionesdelacomplejidad,constituyenuna gua operativa y una invitacin a pensar ms rica y reveladora que, digamos, los estudios de Clifford Geertz sobre La ideologa como sistema cultural, o El sentido comn como sis-tema cultural. Cuando se vuelve a leer a Geertz a la luz de Ashby, se percibe que el antro-plogo habra ganado rdenes de magnitud en su apreciacin de dichos sistemas si se hu-biera atenido a estas heursticas. Y que habra tenido entre manos entidades mejor organiza- Reynoso Complejidad 26 das, para beneficio incluso de sus propios puntos de vista interpretativos. En los ltimos ca-ptulos del libro, cuando se traten las teoras del caos, se encontrarn lineamientos adiciona-les para definir un sistema, algunos de los cuales constituyen heursticas insoslayables para cualquier disciplina que busque delimitar el objeto de sus modelos. Laciberntica relanz asimismo la idea de comportamiento emergente, creada por George Henry Lewes en 1875: la idea establece que las caractersticas del todo no pueden deducirse apartirdelascaractersticasdelaspartes.Estacircunstancia(queliteralmenteponemuy nerviosos a los epistemlogos de la lnea dura nomolgica-deductiva) se suele ilustrar me-diante un ejemplo tan contundente como el de las propiedades del agua. El agua est forma-da, como se sabe, por hidrgeno y oxgeno; ambos elementos son combustibles; ms an, el oxgeno es esencial para la combustin misma. Sin embargo, el agua no es combustible en absoluto, y hasta se utiliza para apagar los fuegos. Ross Ashby aporta otras ilustraciones del mismo gnero: (1)El amonaco es un gas; tambin lo es el cido clorhdrico. Al mezclar los dos gases el resul-tado es un slido, propiedad que no posee ninguno de los reactivos. (2)Elcarbono,elhidrgenoyeloxgenosonprcticamenteinspidos;sinembargoelcom-puesto azcar tiene un sabor caracterstico que ninguno de ellos posee. (3)Losveinte(msomenos)aminocidosdeunabacteriacarecendelapropiedaddeauto-rreproducirse, aunque el conjunto, con algunas otras sustancias, posee esa propiedad (Ash-by 1972: 155). Los emergentes no se limitan a la qumica, ni requieren grandes cantidades de variables. El socilogoGeorgeHerbertMeadusabaelejemplodelaguaenladcadade1930(Mead 1932: 641). Pensando en el carcter no sumativo de los elementos de cualquier sistema con interacciones fuertes, escribe el sistmico Gerald Weinberg: Unpsiclogo,porejemplo,sealegrarasipudieraconsiderarnicamenteparesdeinterac-ciones sumados. Esta simplificacin significara que para comprender el comportamiento de una familia de tres personas, se estudiara el carcter del padre y la madre juntos, del padre y del hijo juntos y de la madre y el hijo juntos. Y cuando se reunieran los tres, su comporta-miento podra predecirse sumando los comportamientos dos a dos. Por desgracia, la super-posicindeinteraccionesapareadasslodabuenosresultadosenlamecnicayenalguna otra ciencia (Weinberg 1984: 124). La idea de emergente no autoriza a renegar de la causalidad, ya que an cuando ciertas ca-ractersticas terminales en una combinacin (las llamadas divergentes) no se pueden pre-decir,otrasencambio,lasconvergentes,sonpredecibles.Ambasson,adems,determi-nistas. Hidrgenoy oxgeno, en las proporcionesy condiciones adecuadas, siempre dan a-gua. Del mismo modo, no se puede vaticinar por dnde pasarn las astilladuras de una grie-ta, pero s se puede anticipar su patrn, por complicado que sea; y ese patrn no slo es pro-pio de las grietas, sino que es anlogo al de otros fenmenos.Gregory Bateson lo saba muy bien. Tambin saba que, a diferencia de quienes remiten la familia, la cultura o la sociedad a un agregado de sujetos, la emergencia obliga a pensar en un registro ms complejo que aquel en el cual se sitan tpicamente los individualistas me-todolgicos.EnlaspuertasdelsigloXXI,elconceptodeemergentequesemanejaenlas cienciasdelacomplejidadenfatizaquelastotalidadescomplejasseoriginan,noobstante, enprincipiosyelementosmuysimples(Bak1996;Holland1998;Lewin1999:213yss). Cuando examinemos los sistemas dinmicos adaptativos volveremos a tratar la cuestin. Reynoso Complejidad 27 Pese a la intencin de Wiener de instaurar una disciplina horizontal, orientada a la proble-mtica de los mecanismos de control y el flujo de informacin, semejante campo nunca se concret. Se ha dicho que laciberntica tena ms extensin que contenidoy queen las disciplinasmenosformalizadassusmtodossepercibanengorrosos(Aspray1993:248). La ciberntica fue ms un sueo que una teora acabada, y result ser prematura (Strogatz 2003: 40). Para Stephen Wolfram (1994: 496), la ciberntica fracas porque las matemti-cas de la teora de control llegaron a dominar sus textos, oscureciendo sus objetivos origina-les,queeranmsgenricos.CosmaShalizi(2002)lamentaquelacibernticahayasumi-nistradounprefijoquepareceindispensableapensadoresorientadosalmercadeoyuna fuentedeinspiracinparaunasub-sectadecontempladoresdelpropioombligo;anas,bajo su bandera se ha hecho mucha buena ciencia, aunque no parece que las ideas cibernti-cas puedan mantenerse unidas en un conjunto armnico. Sin embargo, la iniciativa de Wiener fue capaz de definir una direccin general en las disci-plinas cientficas de la segunda posguerra, que comenzaron a prestar menos atencin al mo-vimiento, la fuerza, la energa y la potencia, poniendo mayor nfasis en la comunicacin, la organizacin y el control. Diversas ciencias y tecnologas, con distintos vocabularios, orien-taran esfuerzos en ese sentido, desarrollando en un grado indito la ingeniera de las comu-nicaciones,losfundamentosmatemticosdelosprocesosinformticos,lateoradeaut-matas, el estudio de patrones de auto-organizacin y las redes neuronales. Gran parte de lo que hoy existe en el campo de la dinmica no lineal, la complejidad y el caos se origina en esainflexinoconvergeconellaenalgnpunto.Muchosestudiososhoyendasehacen llamarcibernticos(Glasersfeld1992;Halperin1992;Pangaro2000;Dimitrovyotros 2002); y estn ciertamente orgullosos de serlo. 2.3.2 Aplicaciones antropolgicas 2.3.2.1 Gregory Bateson y la esquismognesis Elantroplogoquemsdirectamentehaacusadoel