Vous êtes sur la page 1sur 20

Publicado en Velasco Ambrosio (Coord.) 2000, "El concepto de heurstica en las ciencias y las humanidades", Mxico,S.XXI, pp.

38-57
EL CONCEPTO DE HEURSTICA: DE LAS EXPLICACIONES EN LAS CIENCIAS NATURALES A LA EPISTEMOLOGA
SERGIO F. MARTNEZ*

INTRODUCCIN

El trmino heurstica cubre una numerosa familia de conceptos con una amplia variedad de aplicaciones en las ciencias naturales y sociales. En este trabajo mi principal objetivo es mostrar, por medio de algunos ejemplos, que si bien el uso de mtodos heursticos para la solucin de problemas es muy diferente en diversas disciplinas, recientemente se ha asumido que desde una perspectiva epistemolgica los mtodos o procedimientos heursticos deben entenderse como subordinados a la estructura algortmica de la ciencia. 1 Como veremos, este supuesto ha sido cuestionado en diferentes reas de la ciencia al sugerir que el concepto de heurstica debe desempear un papel central en una teora de la estructura del conocimiento cientfico. Inicio con un breve repaso de la distincin entre algoritmos y heursticas, que utilizar a lo largo de este trabajo. Un algoritmo es un co~unto de instrucciones (programables en una computadora) que permiten resolver mecnicamente un problema.2
Instituto de Investigaciones Filosficas, UNAM. En la historia y la sociologa de la ciencia, muchas veces se hace uso de conceptos heursticos en discusiones sobre el tema de la racionalidad, pero estos conceptos no se relacionan con preguntas acerca del origen de la normatividad epistmica de ciertos patrones de razonamiento (que es una manera de reformular el tema de este trabajo). En la filosofa a veces se toma en serio el papel de la heurstica en cuestiones normativas, pero en general se considera como parte de una metodologa deductivista que implcitamente reniega de la importancia del carcter situado de la racionalidad. Zahar, por ejemplo, siguiendo algunas ideas sobre el papel de las heursticas en el razonamiento matemtico y cientfico de Lakatos, elabora una "heurstica racional" con connotaciones normativas, pero esa normatividad proviene, segn Zahar, del supuesto de que en ltima instancia toda argumentacin racional puede formularse como un argumento deductivo. 2 En el caso de funciones numricas, la idea intuitiva de resolucin mecnica se aclara recurriendo a la tesis de Church:ruring, segn la cual diferentes conceptos intuitivos de "procedimiento efectivo" coinciden en caracterizar la misma clase de procedimientos. Sin embargo, para otro tipo de funciones no podemos utilizar esta
I

[38]

EL CONCEPTO

DE HEURSTICA

39

Por tanto, la solucin correcta ofrecida por un algoritmo viene con garanta de que si seguimos las instrucciones al pie de la letra llegaremos eventualmente a la solucin correcta, sin necesidad de tomar decisiones adicionales en el camino. Estamos familiarizados con varios algoritmos desde la escuela primaria. Las frmulas para resolver ecuaciones de segundo o tercer grado son ejemplos de algoritmos. Aprender a multiplicar o dividir es aprender el uso de algoritmos bsicos aritmticos. Si, por ejemplo, queremos resolver una ecuacin de tercer grado como x3 + 7x2 - 2x - 14 = O,podemos utilizar una frmula. Por medio de ella podemos encontrar las soluciones (las races) de la ecuacin simplemente identificando los coeficientes de los diferentes trminos de la ecuacin y sustituyendo esos valores en la frmula. Una vez realizado esto, lo que resta es llevar a cabo operaciones aritmticas simplificadoras para tener una lista de las soluciones. Esta frmula nos permite siempre llegar a determinar las soluciones para cualquier ecuacin de tercer grado. La nica posibilidad de error proviene del hecho de que nuestras operaciones aritmticas en algn momento por lo menos no hayan sido llevadas a cabo correctamente. Si, por ejemplo, la frmula nos pide calcular 2 x 3 y ponemos 5 como resultado de esa multiplicacin, entonces no llegaremos a la respuesta correcta; pero ese tipo de errores es lo nico que puede evitar que determinemos las soluciones a la ecuacin. La frmula para resolver ecuaciones de tercer grado es un ejemplo tpico de un algoritmo. Como lo aprendimos en la escuela, muchas veces es posible resolver una ecuacin utilizando una regla heurstica. Si queremos descomponer el polinomio del ejemplo anterior en sus races (resolver la ecuacin), podemos tratar de buscarlas en los factores del trmino independiente. En nuestro caso deberamos buscar los factores de 14. Si la regla funciona no hay muchas opciones, las races podran ser 1, 2, 7, 14. N o es difcil ver que 1 y 14 no pueden ser, y es fcil ver que 7 y 2 pueden ser races. Si probamos vemos que efectivamente la factoracin (x2 - 7)(x + 2) = O nos resuelve el problema. Este tipo de reglas no funciona siempre. U na regla como la anterior funciona slo en algunos casos, y no podemos saber por adelantado cundo va a funcionar, aunque a veces podemos tener indicios que lo sugieran. A
tesis, o un principio similar, para hacer precisa la idea de "resolucin mecnica" requerida para formular con claridad el concepto de algoritmo. En este trabajo dejaremos de lado este tipo de problemas con la caracterizacin de algoritmo.

40

SERGIO

F. MARTNEZ

veces podemos utilizar varias reglas heursticas y no encontrar la solucin. Sin embargo, muchas veces, dependiendo del tipo de problema de que se trate y de la habilidad de quien lo trate, es posible resolver un problema de manera muy rpida utilizando una regla heurstica, algo que requerira mucho ms tiempo y esfuerzo si recurrimos a la frmula y seguimos paso a paso el algoritmo que nos indica. De existir un algoritmo para resolver un problema, la solucin simplemente resultara de seguir instrucciones mecnicamente; pero muchas veces el proceso es muy largo, requiere tantos pasos que podramos pasarnos toda la vida calculndolos y antes nos moriramos que terminar. Es ms, se conocen problemas muy simples cuya solucin est dada por un algoritmo, pero el algoritmo requiere calcular tantos pasos que aun las computadoras ms veloces del presente podran pasarse calculando sin interrupcin hasta el fin del universo y todava no llegar al resultado final. As, es claro que muchas veces, incluso si existe un algoritmo para resolver un problema, prcticamente tenemos que recurrir a mtodos heursticos para tratar de resolverlo. El tipo de problemas que un algoritmo nos permite resolver est determinado por la estructura lgica de los mismos. Un algoritmo para resolver ecuaciones de tercer grado nos resuelve el tipo de ecuaciones que matemticamente, y sin ninguna ambigedad, podemos caracterizar como ecuaciones de tercer grado. Un algoritmo para transformar grados Farenheit de temperatura en grados centgrados nos hace ese tipo de operaciones y en tanto que algoritmo no sirve para nada ms. U na regla heurstica, por el contrario, va a darnos una solucin correcta, o aproximadamente correcta, en ciertas circunstancias y en otras no. La correccin de la respuesta va a depender de la manera en que entendamos el problema, de la forma que toma un problema particular, algo que no puede decidirse por medio de reglas fUas. Una parte importante del problema de aplicacin de una regla heurstica es la decisin de cmo entendemos el problema por resolver, del modo en que lo planteamos como tal. Si por medio de reglas heursticas queremos calcular el rea de una superficie con un permetro irregular, nuestra aproximacin va a ser ms o menos correcta dependiendo de la descomposicin del problema en subproblemas que puedan resolverse de manera simple y (por lo menos relativamente) exacta. Los algoritmos nos dan una solucin correcta a un problema, independientemente de cmo podamos descomponerlo en subproblemas, e independientemente de cul es el sustrato material por medio

EL CONCEITO

DE HE(lRSTICA

41

del cual el algoritmo se lleva a cabo. La idea es que podemos realizar la extraccin de una raz cuadrada en un papel, sobre la arena de la playa o en una pared, con lpiz, con pluma o con las uas, el resultado es siempre el mismo. La utilidad de una regla heurstica, sin embargo, muchas veces depende de cmo se implementa materialmente la regla. Por ejemplo, una regla de clculo que nos permite calcular cantidades como 3,7 va a darnos una mejor aproximacin si es un material que no se expande con el calor o con el uso. Porque si su material se distorsiona, entonces se genera un error en la suma grfica de cantidades que son la base para el clculo que nos permite la regla. Podemos pensar algunas reglas heursticas como independientes de su implementacin material; por ejemplo, la regla que mencionamos anteriormente para encontrar las races de polinomios no parece depender de la manera en que se implementa materialmente, es ms, podramos decir que depende tan poco de una implementacin material como el algoritmo que nos permite resolver la ecuacin de tercer grado. En este sentido se puede pensar que una regla heurstica es simplemente un algoritmo complicado, que tal vez slo conocemos parcialmente.:l Si pensamos de esta manera, naturalmente llegamos a la conclusin de que el conocimiento cientfico se implementa por medio de algoritmos en ltima instancia, y mientras la bsqueda de algoritmos es central para la ciencia, la bsqueda y el uso de heursticas slo son paliativos propios de nuestras limitaciones epistmicas. La tesis que someto a consideracin en este trab~jo es que si bien muchas reglas heursticas pueden ser implementadas algortmicamente, o en un sentido quiz todas, hay buenas razones para pensar que la importancia de los procedimientos heursticos en la construccin del conocimiento cientfico, y por lo tanto en la epistemologa de la ciencia, parece requerir el abandono de una tendencia profundamente arraigada a entender la ciencia como "algortmica". Esta tendencia se expresa de diferentes maneras, algunas de las cuales ejemplificaremos adelante; pero, muy en general, la idea es que es posible entender la ciencia (sus leyes) como una familia de algoritmos. Una manera de criticar esta tendencia tradicional es notar que una propiedad muy importante de las reglas heursticas (en la que Wim:\ Esta idea se ha extendido mucho, pero pocas veces se ha defendido a fondo Un libl"O en que la idea se elabora y se defiende es Darlllin 's Danp;erons Idea (Daniel Dennett, Basic Books, 199:i ).

42

SERGIO

F. MARTNEZ

satt ha puesto mucho nfasis) es que el error generado por stas tiene sesgos sistemticos.4 La presencia de estos sesgos es esencial para entender de qu manera las reglas heursticas nos permiten aprender de la experiencia, y, por lo tanto, para entender el importante papel que desempean en una amplia variedad de (si no en todo) razonamiento inductivo. Como veremos en el ejemplo siguiente, esta propiedad de las reglas heursticas puede entenderse de manera muy natural como una consecuencia de la implementacin material de las mismas. Esta propiedad de las reglas heursticas es particularmente clara e importante cuando estn corporalizadas en instrumentos, aparatos o sistemas tecnolgicos (un trmino que introducir adelante). La regla de clculo es un instrumento (usualmente de madera) que generalmente llevaban consigo los ingenieros antes de que existieran las computadoras. La regla permite llevar a cabo de manera aproximada una serie de operaciones aritmticas, por ejemplo, calcular ra-. ces de cualquier potencia por medio de la suma grfica de cantidades." Una regla de clculo puede ser ms o menos exacta, la exactitud depende de diferentes factores, por ejemplo del material con el que est hecha la regla, de la exactitud de la representacin grfica de las diferentes escalas, de la calidad de los diferentes componentes y, por supuesto, de la habilidad del usuario. Muchas veces un problema se puede resolver de diferentes maneras, y un usuario habilidoso sabe cul mtodo es ms apropiado, por lo que trata de compensar errores para llegar a la respuesta ms exacta posible. Un sesgo sistemtico de una regla puede tener su origen en cambios de temperatura, por ejemplo. Si la regla est hecha de aluminio y la temperatura sube, la expansin del metal genera error; pero ste es un error que hasta cierto punto puede predecirse, y esta prediccin puede tomarse en cuenta en el diseo del instrumento, o puede permitirnos corregir la lectura y disminuir el error. As pues, es claro que el procedimiento heurstico que implementa el instrumento no puede reducirse a decir que es un algoritmo implementado materialmente. La regla heurstica implementada hace depender el resultado de la manera en que la implementacin genera una distorsin sistemtica que puede corregirse por lo menos
W. Wimsatt, "Reductionist research strategies and their biases in the unifs ofselection controversy"', 1980, pp. 213-259. " Ntese que en este caso las reglas heursticas materialmente implementadas en la regla de clculo son un atajo a la solucin de problemas que se resuelven por medio de algoritmos. Como veremos adelante, los procedimientos heursticos no siempre pueden entenderse de esta manera.

EL (O\:CFI'TO

DE I1HRSTIC.\

parcialmente, si se sabe algo acerca del origen (causal) de la distorsin. No todo sesgo sistemtico depende de la implementacin material, por lo menos tan claramente como en el caso anterior. Por ejemplo, como Wimsate; muestra en su trabajo, los sesgos sistemticos pueden tener su origen en caractersticas propias de tcnicas para la construccin de modelos. Esta caracterstica distintiva de los procedimientos heursticos, la existencia de sesgos sistemticos en la generacin de error, desempea un papel importante en la caracterizacin de los dos conceptos centrales que me interesa introducir en este trabajo: el de estmctu m heuristica y el de sistema te(rlo/gi((). Una estructuro heuristica es una coleccin de procedimientos heursticos y algoritmos funcionalmente relacionados y organizados de manera jerrquica alrededor de la tarea de resolver un cierto tipo de problema. La regla de clculo de los ingenieros es un ejemplo claro de estructura heurstica. Pero el concepto de estructura heurstica puede utilizarse tambin para modelar tcnicas de laboratorio en las ciencias experimentales. A grandes rasgos, una tcnica de laboratorio puede modelarse como estructura heurstica porque est compuesta de una serie de subtcnicas, cada una con una funcin determinada, y que pueden arreglarse de diversas maneras para resolver diferentes tipos de problemas, para estabilizar distintos tipos de fenmenos o detectar diferentes tipos de sustancias, por ejemplo. En otros trabajos he desarrollado varios ejemplos de estructuras heursticas y mostrado que las tcnicas de laboratorio pueden verse como estructuras heursticas. LJ n sistema tecrw/giro consiste en una serie de estructuras heursticas implementadas tecnolgicamente. En un sistema tecnolgico los algoritmos v procedimientos heursticos se integran primordialmente por medio de una serie de instrumentos, aparatos y tcnicas, que incluyen tcnicas para la recoleccin y procesamiento de informacin, y permiten establecer lo que se considera un hecho cientfico o la confiabilidad de una predicciIl, explicacin o tecnologa. Las ms de las veces la prediccin, cuya confiabilidad depende de un sistema tecnolgico, es acerca del comportamiento de un mecanismo, de la estabilidad de una cierta estructura o rasgo estructural de un sistema de cualquier tipo. Saber exactamente qu es un sistema tecnolgico depende de cmo entendamos el concepto de tecnologa. Entrar en esta discusin no es

l. \\". Wimsatt,
7

\1artnez,

ojJ. cit., ]9HO. Il)l)'i, 1997; \Iartnez

\' SlI;rez,

]l)l):-l.

44

SERGIO F. MARTNEZ

importante para nuestros propsitos, lo importante es recalcar que para nosotros un sistema tecnolgico implementa materialmente algoritmos y procedimientos heursticos con un fin epistmico. Despus de esta breve presentacin de los conceptos de algoritmo y heurstica, podemos recapitular brevemente sobre un aspecto relevante de la manera en que los conceptos de heurstica y algoritmo han desempeado un papel importante en la historia de la ciencia.

EL CONCEPTO DE HEURSTICA EN LA FSICA

En las ciencias naturales el concepto de heurstica se ha transformado y diversificado a lo largo de dos ejes principales. Por un lado, segn la concepcin tradicional, la heurstica consiste en una regla de razonamiento de utilidad prctica pero slo aproximada para la solucin de problemas matemticos, como lo ejemplificamos en la seccin anterior. Esto tiene lugar sobre todo como parte del desarrollo de mtodos para la construccin y uso de modelos matemticos que se han diversificado y difundido a travs de muchas disciplinas cientficas. El segundo eje a lo largo del que se ha diversificado el concepto de heurstica es la ciencia experimental y la tecnologa; ste es el eje a travs del cual se desarrollan y se tornan importantes los conceptos de estructura heurstica y de sistema tecnolgico. Por supuesto, estos dos ejes no constituyen desarrollos independientes, pero es importante distinguirlos para entender mejor la historia del concepto de heurstica y, sobre todo, ver la pertinencia de diferentes conceptos de heurstica para una epistemologa naturalizada. Cada uno de estos ejes tiene una historia digna de ser contada aparte, si bien ello puede hacernos perder de vista importantes elementos pertinentes para la epistemologa del concepto de heurstica. Opto por una estrategia intermedia. Con respecto al pri:ner ~je de la historia del concepto de heurstica, voy a tomar como gua el desarrollo de mtodos heursticos que tiene lugar mediante la diversificacin del patrn de explicacin que se basa en un principio de mnima accin (o un principio asociado de maximizacip.) en diferentes reas de las ciencias naturales. ste es un ejemplo muy importante de la manera en que el concepto de heurstica se ha desarrollado en ntima relacin con el desenvolvimiento de modelos matemticos a lo largo de la historia de la ciencia. Posteriormente, mostrar que la incorporacin de conside-

EL CONCEIYIU

DE HEURSTICA

45

raciones acerca del papel que desempea la implementacin material de procedimientos heursticos puede entenderse como un cuestionamiento de la subordinacin de estos procedimientos a la estructura algortmica de las teoras. En la fIsica, versiones del principio de la mnima accin han sido principios explicativos muy importantes desde los griegos. Hern de Alejandra hizo ver que si asumamos que un rayo de luz siempre viajaba de manera tal que minimizaba la distancia de la trayectoria entre un objeto y el observador, se podan explicar varias propiedades de la luz. Aristteles arguye utilizando el mismo patrn explicativo cuando pretende explicar el movimiento circular de los planetas. Aristteles dice que los planetas se mueven en rbitas circulares, porque de todas las curvas cerradas que delimitan un rea determinada, el crculo es la ms corta. Alternativamente, se puede demostrar que una rbita circular requiere el menor tiempo, a una velocidad dada, para cubrir un rea precisa. En el siglo XVII Fermat fue el primero en mostrar que si se asume que la luz viaja de un punto a otro de manera tal que el tiempo de viaje es mnimo, entonces se explican varias leyes de la ptica. ste es el primer caso en que el asumir un principio de mnima accin lleva a integrar explicaciones y a formular predicciones importantes. Maupertuis, a mediados del siglo XVIII, arguye que este tipo de principios muestra la accin de causas finales en la naturaleza y, por lo tanto, la existencia de Dios. Un poco despus, Euler y Lagrange mostraron que este tipo de explicaciones podan interpretarse sin requerir el supuesto de causas finales. El comportamiento de los sistemas se entendera como descrito por un algoritmo (deducible de una ecuacin).H sta es una de las estrategias fructferas por medio de las cuales se eliminan explicaciones teleolgicas de la fsica y, a partir del siglo XIX, de otras ciencias naturales. Las explicaciones que recurren a princiFios de la mnima accin permiten reinterpretar un comportamiento aparentemente teleolgico como el resultado de seguir mecnicamente una secuencia de instrucciones. La gran cantidad de problemas en los cuales el principio de la mnima accin se puede utilizar para modelar una situacin y, por lo tanto, la gran variedad de situaciones en las que un comportamiento aparenteH En la formulacin de Lagrange, el comportamiento de un sistema fsico general est determinado por el requisito de que la integral en el tiempo de una funcin del sistema es un valor extremo.

46

SERGIO F. MARTNEZ

mente teleolgico se puede explicar como el resultado de la existencia de un algoritmo de cierto tipo que describe la manera de actuar de los procesos naturales, sugieren decididamente una tesis como la del determinismo laplaciano. Segn esta tesis cualquier estado futuro del mundo est determinado por un algoritmo que en principio determina la posicin de todas y cada una de las partculas materiales del universo en cualquier tiempo futuro, asumiendo que se conocen los estados de las partculas y las fuerzas que actan sobre ellas en un tiempo inicial. Desde esta perspectiva, la tesis del determinismo laplaciano puede verse como la transformacin de la fructfera estrategia para la construccin de modelos explicativos generada a partir de principios como el de accin mnima, en una tesis metafsica. El determinismo laplaciano asume que los algoritmos que explican el comportamiento de los procesos naturales como el resultado de interacciones entre partculas newtonianas tambin nos permiten explicar todo proceso del mundo natural, sin necesidad de recurrir a ningn supuesto teleolgicoY En la medida en que este tipo de patrn explicativo esimportante en la fsica, el desarrollo de los mtodos heursticos en sta se diversifica mucho y sigue apegado a la idea de heurstica que mencionamos al principio. La heurstica contribuye a encontrar soluciones aproximadas, o soluciones exactas bajo ciertas condiciones, a los algoritmos que, se considera, describen la estructura del mundo natural. Hay quienes piensan que es cuestionable el supuesto de que lafsica consiste en ltima instancia en la bsqueda de algoritmos. Roger Penrose ha sugerido que la nica manera de entender el lugar de la conciencia en el mundo fsico es reconociendo que no toda actividad mental es una computacin algortmica. Para Pemose, la habilidad humana que nos permite hacer matemticas no es algortmica. Su propuesta es controversial y, como varios crticos han hecho ver, no es clara, en particular porque parece asumir supuestos muy cuestionables acerca de la cognicin humana. 10 Es importante recalcar que una propuesta como la de Pemose sugiere que el concepto de heurstica debera desempear en la ciencia un papel no subordinado al de algoritmo, en la
'J En "Sobre la relacin entre historia y causalidad en biologa" (Martnez y Barahona, 1998), elaboro un poco ms la historia del mecanicismo en el sentido que aqu se mencIOna. lO En su resea de Penrose, Hilary Putnam hace ver que ste no considera la posibilidad de que el programa necesario para entender el carcter algortmico de la habilidad matemtica sea tan complejo que ningn ser humano pueda entenderlo en la prctica. sta y otras crticas son resumidas por Dennett.

EL COl\UJYrO DE HELRSTICA

47

medida que cuestiona la tesis que toda explicacin de procesos aparentemente te!eolgicos (como lo sera la bsqueda de solucin a un problema matemtico) puede formularse como una explicacin no teleolgica en trmino de algoritmos. Robert Geroch y V. Hartle han sugerido una manera en la que podemos entender de modo ms preciso la tesis de que la fsica es no algortmica: una teora de la fsica es no algortmica si no hay un algoritmo que implemente la teora, esto es, si no hay un algoritmo que relacione los resultados de los experimentos con las predicciones de la teora.11 De existir una teora de este tipo, aunque puede ser puesta a prueba emprica, no se puede establecer una estrategia para el procesamiento de datos y la elaboracin de experimentos que se lleve a cabo mecnicamente. Por ejemplo, rUemos un dispositivo experimental v tratemos de expresar la prediccin de una teora que no es algortmica para ese experimento. Para predecir con un margen de error de 10(;( uno manipula las matemticas de la teora, construye modelos de datos, establece criterios de significacin, etc., hasta llegar eventualmente al nmero asociado con la prediccin. Para poner a prueba la prediccin con un margen de S<7c usualmente slo se tendran que modificar ligeramente los modelos ya construidos. Sin embargo, en el caso de una teora no algortmica ese tipo de modificaciones puede no ser relevante. Lo que muestran Geroch y Hartle es que se debera de repensar totalmente el problema; adems, poner a prueba una prediccin con diferentes mrgenes de error puede requerir toda una nueva construccin de modelos, estimaciones y mtodos de aproximacin. Las predicciones nunca podran verse como rutinarias. (~eroch y Hartle sugieren que la teora cuntica de la gravedad puede ser un ejemplo de una teora trsica no-algortmica. El punto que se debe destacar es si una teora de la fsica es no-algortmica; si bien las predicciones estaran disponibles en principio, la derivacin de ellas a partir de la teora nunca sera una tarea rutinaria, y en este sentido los mtodos heursticos y los sistemas tecnolgicos requeridos para extraer la prediccin tendran que considerarse parte del aparato conceptual que nos permite derivar la prediccin. A continuacin quiero dar otro t;jemplo de cmo entender la mediacin de la tecnologa en una epistemologa de la ciencia, en un sentido que no reduce el papel de los sistemas tecnolgicos a la implementacin de algoritmos. Una manera de formular las implicaciones del reconocimiento del azar del mundo cuntico que nos obliga a reconocer la aceptacin de la
II

Ceroch

y Hartle,

"Computability

and phvsical

theories".

1986.

48

SERCO F. MARTNEZ

teora cuntica como teora fundamental de la fsica quiere decir que no es posible generalizar sin lmite inferencias respecto a la relacin entre estados cunticos y estados clsicos. Los sistemas tecnolgicos que permiten formular predicciones exitosas de la mecnica cuntica explotan generalizaciones que se pueden formular a travs de nuestros modelos, pero esas relaciones causales "accidentalmente" establecidas entre el nivel cuntico y el nivel macroscpico, ms que apuntar a leyes de validez universal describen relaciones que permanecen invariantes bajo ciertas condiciones. Pero entonces las inferencias respecto a la relacin de estados que podemos hacer en una situacin, a partir de un sistema tecnolgico, no tienen por qu ser vlidas con respecto a otro sistema tecnolgico, ni siquiera "en principio". Por ello, en lugar de entender los sistemas tecnolgicos que nos permiten formular predicciones como meros intermediarios pasivos entre el mundo y nuestras teoras, debemos entenderlos como elementos que nos permiten hacer un mapa de ciertas relaciones invariantes entre estados; no tenemos por qu pensar que en algn sentido nos estamos aproximando a una caracterizacin irrestrictamente general de una "estructura" del mundo. As, el problema de la relacin entre estados cunticos y clsicos es una relacin contingente que no podra ser descrita por un algoritmo. 12 Esta manera de entender la relacin entre las mecnicas clsica y cuntica sugiere una forma posible en la que el concepto de heurstica puede entrar en la fsica en un nivel epistemolgicamente fundamental. La mediacin de la tecnologa en la conformacin de relaciones invariantes entre estados parece sugerirnos que en la caracterizacin del conocimiento cientfico debemos considerar la forma en que ese conocimiento se va estructurando en una gran diversidad de prcticas que de muy diferentes maneras van haciendo mapas de lo que puede o no hacerse; en este sentido van delimitando las fronteras contingentes de las leyes. As, la mediacin contingente de la tecnologa,

corporalizada en estructuras heursticas tendra un papel indispensable en la explicacin filosfica de la naturaleza del conocimiento que genera la fsica.
Ntese que esta propuesta cuestiona de raz la idea todava ampliamente aceptada de que la fsica es una ciencia cerrada, porque sus conceptos
l~ Nancy Cartwright elabora algunas ideas en esta direccin. Ntese que si se llegara a encontrar un sistema tecnolgico en el que la inferencia a un estado cuntico no fuera posible, esto no implica que la teora cuntica sea incorrecta. ste es un ejemplo de que la relacin entre modelos y teoras no se puede concebir por medio de ideas simplistas, como el ideal de contrastacin emprica que les gusta tanto a varios filsofos.

EL CONCEPTO DE HEURSTICA

49

y sus leyes, a diferencia de otras ciencias, constituyen un sistema autnomo. Segn esta idea tradicional, todo lo que se requiere para hacer una prediccin o explicacin fsica, y para mejorarla, es tomar en cuenta conceptos y leyes fsicas. Sin embargo, es claro que los argumentos en favor de la tesis de que en la fsica, como en cualquier otra ciencia, las leyes son leyes ceteris paribus, son argumentos en favor de la tesis de que la mediacin tecnolgica es indispensable para la formulacin de leyes de la fsica, y viceversa. La mediacin tecnolgica desempeara un papel anlogo al que desempea la existencia de organismos vivos en la biologa.

EL CONCEPTO DE HEURSTICA EN BIOLOGA

Como en otras ciencias empricas, los mtodos heursticos se han desarrollado mucho en biologa como parte del desarrollo de mtodos para la construccin y evaluacin de modelos, rea muy importante de la que no hablar aqu porque no est relacionada directamente con el presente trabajo. 13 Aqu me interesa recalcar un uso epistmico del concepto de heurstica. En la biologa el concepto de heurstica desempea un papel central en la medida que toda adaptacin puede entenderse wrno una estructura heurstica; sobre este tema hablar, si bien brevemente. Esto permitir hacer una transicin a la manera como el concepto de heurstica desempea un papel en ciertos desarrollos de la economa y la inteligencia artificial, que harn posible delinear mejor la idea que exploro en este trabajo. Hay dos conceptos de adaptacin en la biologa. Por un lado est el concepto de adaptacin que entiende a sta como el resultado de respuestas funcionales a cuestiones que se pueden formalizar como problemas de decisin implementables por medio de un algoritmo. Por otro lado est el concepto de adaptacin segn el cual sta resulta de procesos histricos evolutivos (que involucran aspectos de desarrollo ontogentico y ecolgico). Ambos conceptos de adaptacin han sido muy importantes en biologa, pero la manera estndar de entender la teora de la evolucin, hasta muy recientemente, toma la idea funcional de adaptacin como el punto de partida para decirnos cul es el contenido emprico de la teora, y por lo tanto pretende reducir el segundo
1'\

Sobre este tema, vase W. Wimsatt,

op.

cit., 1980.

50

SERGIO

F. MARTNEZ

concepto de adaptacin al primero. Esta estrategia reduccionista distingue aquellas interpretaciones de la teora que podemos llamar "ortodoxas". Una interpretacin ortodoxa permite mantener la subordinacin tradicional de conceptos heursticos a la estructura algortmica de la teora, ya que en esta interpretacin toda estrategia heurstica puede entenderse como la implementacin de un algoritmo complejo. 14 De acuerdo con la interpretacin ortodoxa, la evolucin hace que un organismo confronte a su medio de manera totalmente anloga a como un diseador racional confronta problemas de decisin. El concepto de seleccin natural se utiliza para evitar la obvia extensin de la analoga que impondra la conclusin de que la evolucin requiere un diseador. En este sentido la estrategia explicativa es anloga a la que recurrimos cuando se buscan principios de accin mnima para explicar, sin valerse de causas finales, un comportamiento aparentemente teleolgico. Es ms, es posible formular matemticamente la idea y, por lo tanto, pensar las aclaraciones seleccionistas como un ejemplo ms de la estrategia explicativa, seguida con tanto xito desde el siglo XVII para eliminar las causas finales de nuestras explicaciones por medio de principios de accin mnima. Ms especficamente, la estrategia explicativa en la interpretacin ortodoxa de la teora es la siguiente: se asume que cualquier respuesta funcionalmente apropiada de un organismo puede explicarse en trminos de la accin de la seleccin natural. Por ejemplo, la potencialidad de adaptarse a diferentes ambientes se explica como una manifestacin de la flexibilidad de un carcter que ha sido determinado por la seleccin natural, o como un efecto secundario de factores seleccionados previamente. Esta estrategia requiere explicar el origen de esa flexibilidad de los caracteres sin recurrir a causas finales, y esto tiene tambin una respuesta ortodoxa. La respuesta es que la fijacin de los caracteres y de su flexibilidad en particular son resultado de un proceso de acumulacin de alelos modificadores o reforzadores de caracteres. A su vez, esta acumulacin resulta de un proceso de seleccin que tiene lugar en el conjunto de potenciales modificadores y reforzadores que surgen azarosamente. As, una adaptacin se modela como un problema de decisin cuya solucin, por lo menos en principio, tenemos razones para pensar que puede describirse por medio de un algoritmo. Si se acepta esta manera ortodoxa de entender la teora de la evolucin, el concepto de heurstica no desempea un papel epistemo14

Dennett,

Darwin's Dangerous Idea, 1995.

EL COI\CEI'TO

DE HEURSTICA

51

lgicamente central o distintivo en la teora de la evolucin. Se puede aceptar que los mtodos heursticos para la solucin de problemas son tan importantes en la biologa contempornea como en la fsica tradicional, con lo que se podra argir que el concepto epistemolgicamente significativo es el de algoritmo. En 1995, Dennett formula esta idea ortodoxa: la evolucin puede entenderse como un proceso de optimizacin de un algoritmo. Una heurstica simplemente es un algoritmo abreviado, pero en principio, de acuerdo con esta interpretacin ortodoxa de la teora de la evolucin, el peso de una explicacin lo llevan los posibles algoritmos que permiten modelar un proceso evolutivo como resultado del azar y la seleccin. Sin embargo, esta manera ortodoxa de formular el contenido emprico de la teora de la evolucin tiene problemas muy serios. Para empezar, la estrategia explicativa mencionada anteriormente adolece de graves deficiencias. En ella se reduce la explicacin de la adaptacin a una postulacin de factores generados al azar que a su vez se someten a la seleccin. Por ejemplo, como es bien sabido, la relacin entre genes y fenotipo es muy sensible al contexto. Esta dependencia no se considera problemtica para la formulacin seleccionista estndar, pero si se aceptan ciertas consecuencias (para las que hay buena evidencia experimental) de esta dependencia del contexto, entonces se genera un problema importante para dicha estrategia explicativa seleccionista. Si se considera un gene como principal, modificador o reforzador, dependiendo del contexto gentico en el que el gene ocurre, ya no es posible simplemente postular que esos reforzadores y modificadores surgen al azar. Algo ms se tiene que decir respecto a la naturaleza del azar, y en particular a cmo cuestiones de diseo y probabilidad se relacionan a travs de la referencia a un "contexto gentico". La importancia del segundo concepto de adaptacin radica en reconocer el origen de los caracteres en una explicacin evolucionista. Lo que me interesa destacar es que si se reconoce la importancia del segundo concepto de adaptacin (para explicar por ejemplo los cambios en la distribucin de organismos), el concepto de estructura heurstica desempea un papel epistemolgico central, ya que adaptacin, en este segundo sentido, puede modelarse como una estructura heurstica. U na variacin ser ms o menos exitosa segn el medio en que viva un organismo. Las diferentes adaptaciones se refuerzan mutuamente, y sus sesgos sistemticos se pueden modelar como una estructura heurstica. 15
15

Para una elaboracin

ms profunda

de esta idea, vanse Wimsatt y Martnez.

52
EL CONCEPTO DE SATISFACCIN

SER(;O F. MARTNEZ

HEURSTICA EN LA ECONOMA Y EN LA INTELIGENCIA ARTIFICIAL:

En la economa la idea de maximizacin o minimizacin, entendida como una tendencia de todas las unidades del sistema a dirigirse hacia una posicin ptima, de equilibrio, ha sido uno de los principios metodolgicos bsicos de la ciencia econmica. Esta estrategia explicativa es, por supuesto, una versin de aquella asociada con principios de accin mnima. Herbert Simon sugiere, en trabajos que empieza a publicar a principios de los aos cincuenta, que la fuerza motriz de la economa no es un principio de maximizacin sino un principio de satisfaccin. De acuerdo con el primero de ellos, un agente tiene xito si encuentra una solucin correcta al problema que le interesa, mientras que en el segundo principio el agente tiene xito si encuentra una solucin "suficientemente buena". Tomar como gua el principio de maximizacin requiere que, por lo menos en principio, se asuma que el agente puede recorrer todas las opciones posibles para elegir la mejor. El principio de satisfaccin slo requiere que se examinen algunas de las opciones posibles hasta encontrar una satisfactoria. Simon relaciona esta diferencia entre los dos principios con dos conceptos de racionalidad implcitos en la ciencia econmica: asocia el principio de maximizacin con una "racionalidad sustantiva", y el principio de satisfaccin con una racionalidad procedimental. La diferencia es que mientras que el primer tipo de racionalidad no requiere consideraciones psicolgicas, ya que toda organizacin o agente tienden a su comportamiento ptimo, independientemente de cualquier consideracin con textual o histrica, el segundo tipo de racionalidad toma en cuenta la psicologa y diversos aspectos de la organizacin social para explicar cmo la competencia imperfecta se relaciona con criterios de satisfaccin. As, en este caso el comportamiento ptimo de un agente depende del comportamiento ptimo de los otros. El modelo satisfaccionista de Simon abre la puerta a un concepto de racionalidad que no identifica una decisin racional con una decisin ptima, y permite formular esa distincin a partir de la manera como la organizacin social determina a los diferentes actores con respecto a la formulacin de sus posibles elecciones y preferencias. 16
16 Por supuesto, la propuesta.satisfaccionista de Simon se entiende como una ligera modificacin del patrn explicativo basado en un principio de maximizacin. Aquel agente que sigue el principio de maximizacin sabe que si pudo llevar a cabo la computacin adecuada, no pudo haberlo hecho mejor; mientras que el que se gua

EL C01\CEPTO DE HEURSTICA

53

Simon extiende el uso del concepto de satisfaccin al planteamiento de problemas en la inteligencia artificial desde finales de los aos cincuenta. En 1975, Simon y Newell reformulan el ideal satisfaccionista en trminos de lo que ellos llaman el "principio de la accin inteligente", segn el cual toda accin adaptativa, y por lo tanto todo proceso de razonamiento, puede representarse como un proceso de computacin de smbolos fIsicos. Estos smbolos son fsicos debido a que tienen un sustrato fsico o biolgico. Una consecuencia importante es que diferentes sistemas de smbolos funcionalmente equivalentes pueden emplear distintos sustratos. Segn Simon y N ewell, esto permite modelar procesos efectivos de razonamiento, procesos que, como Simon los entiende, obedecen a una "lgica natural", y que se identifican con las famosas "heursticas" de Polya. La idea es que en cada nivel de complejidad de una situacin que involucra comportamientos es posible identificar las diversas heursticas que han sido elaboradas para razonar en las diferentes situaciones. Una vez que hemos encontrado suficientes

reglas heursticas, stas pueden ser programadas en una computadora.


As, en su aplicacin a la inteligencia artificial queda claro que el concepto de heurstica de Simon, si bien reconoce la importancia de la manera en la que el razonamiento se corporaliza en agentes que son parte de organizaciones, con recursos limitados, retiene todava demasiado de la vi~ja manera de entender la relacin entre los razonamientos concretos y los modelos abstractos de la racionalidad que pueden servir de normas. El modelo de una racionalidad sustantiva construida a partir de procedimientos algortmicos sigue desempeando el papel de ideal normativo para Simon. l, como muchos de los cientficos que trabajan en inteligencia artificial hoy da, piensa que esas teoras cientficas nos permiten explicar el comportamiento humano (o que permitirn hacerlo cuando estn desarrolladas), de la misma manera que las teoras moleculares revelan el comportamiento de los gases. Simon piensa que esas teoras son explicativas, a partir de la postulacin de entes tericos que a su vez se identifican con estructuras simblicas esencialmente consistentes en patrones cambiantes de neuronas o relaciones neuronales. Las heursticas de Simon son adaptaciones en el sentido puramente funcional de adaptacin, y por lo tanto asumen implcitamente muchos supuestos
por el principio de satis;lCcin minimiza (ahorra) esfuerzo y tiempo. Pero en el momento de reconocer la tremenda importancia que debernos otorgar a las diferencias existentes entre los conceptos asociados de racionalidad, es posible mostrar que sta es filosficamente importante.

54

SERGIO F. MARrNEZ

cuestionables con respecto a conceptos biolgicos, y por lo tanto a cmo la biologa puede ayudarnos a elaborar una teora de la racionalidad descriptivamente adecuada y normativamente pertinente. El enfoque de Simon asume tambin que los elementos distintivos del comportamiento inteligente pueden separarse de la percepcin y de la accin, en tanto que esas estructuras simblicas postuladas sobre las que recae la explicacin constituyen una "interfase" de representaciones que justifica esa separacin y divisin de tareas explicativas. De esta forma, el problema de la racionalidad se ve nada ms como un tema que puede enfocarse slo a partir de una teora de la dinmica y como estructura de esas estructuras simblicas que estn en la cabeza, separable de una teora de la accin y la percepcin. Hay razones de peso para pensar que se debe replantear esta separacin tajante entre teoras de la accin y la percepcin, y teoras del conocimiento. Elaborar estas razones requiere prestar atencin a discusiones filosficas contemporneas de la ciencia. Por un lado, hay ejemplos recientes de construccin de robots que muestran que el supuesto representacionista de Simon no tiene por qu asumirse. Mataric, por ejemplo, ha construido un robot que no contiene representaciones internas de la actividad que desarrolla, pero que es capaz de moverse con destreza en un cuarto lleno de objetos. El robot de Mataric se ha adaptado al laboratorio de forma que puede seguir las paredes y evitar obstculos porque tiene una serie de "refl~jos" muy simples, calibrados de manera que responden apropiadamente a la distribucin de objetos en el laboratorio.17 Pero el robot no sigue ningn "programa" que ponga a su disponibilidad una representacin de las paredes. El robot reconoce marcas en el terreno que se identifican en trminos de correspondencias entre sus propios movimientos y sus insumos "sensoriales". Sin embargo, la correspondencia no puede explicarse a partir del supuesto de que el robot tiene una "representacin" en trminos de los diferentes componentes de la pared que son pertinentes para explicar su comportamiento adaptado, sino a partir de la existencia de esos refl~jos que han sido calibrados a un ambiente determinado. Hay otro tipo de razones muy diferentes que se pueden esgrimir para rechazar aquel tipo de tesis representacionista fuerte que implica una separacin tajante entre accin y conocimiento, como el que est impl17 Mataric, "Integration bots", 1993, pp. 304-312.

01' representation

into sual-directed

behavior-baseel

ro-

EL COJ\CEPTO

DE IlElRSTIL\

55

cito en buena parte de la inteligencia artificial y la filosofa de la mente. En la concepcin tradicional, la cognicin se entiende primariamente como una "arquitectura de smbolos" que se busca estudiar haciendo abstraccin del medio ambiente y de la cultura en la cual la cognicin tiene lugar. En particular, se piensa que el uso de aparatos v herramientas es parte de ese medio ambiente que es necesario abstraer para llegar a entender realmente qu es la cognicin. Como dice Hutchins en su libro Cogllition in the Wi/d, la cultura se ve simplemente como un mero receptculo de ideas sobre el que operan los procesos cognitivos. Este reduccionismo de la cultura a una serie de contenidos ideacionales es otra versin del reduccionismo cognitivo respaldada por supuestos representacionistas, y que defiende Simon. Se parte de un agente cognitivo "simplificado" al que posteriormente se intenta agregar elementos culturales e histricos. Se asume, pues, de entrada, que el tipo de aspectos cualitativos de la experiencia que son modellbles por medio de estructuras heursticas no es algo real, algo que pueda servirnos de base para una teora del conocimiento, sino algo "agregado" por el sujeto a lo nico que es real, lo "fsico". Como dice Hutchins, este reduccionismo tiene un costo alto:
Cuando nos comprometemos con la idea de que toda illteligencia est:l en la frontera entre adentro \. afuera, uno cst,'l obligado a incorporar todo aquello que se requiere para producir los comportamientos observados [oo.] Sin embargo, cuando nos equiHlC<lmos cn dclimitar al sistcma, podcmos atribuir las propiedades correctas a un sistema equivocado, o lo quc es todava peor, podemos inventar propiedadcs y atribuirlas al sistema equivocado. En estc juego dc atribucioncs ha habido una tendencia a poncr ms dc lo que est: all. I K

Es muv importante reconocer ese apoyo mutuo que tiene lugar entre una cierta manera de entender la teora de la evolucin, teoras de la cognicin, las tareas de la inteligencia artificial y supuestos acerca de teoras de la racionalidad v la explicacin para ver la fuerza de las crticas enunciadas anteriormente. No hay dudas de que el papel preeminente que la teora de la evolucin ha llegado a desempeiar en proyectos de naturalizacin de una teora filosfica de la mente o de una teora del conocimiento es un gran avance de la ciencia del siglo xx. Sin embargo, es importante darse cuenta de que hoy da continuar con

IK

E. J-Iutchins,

(;ogllilioll

ill

Ihe l1'ild. 9Y:J. pp.

:\:,:,-:1:,6.

56

SERGIOF. MARTNEZ

esta idea requiere abandonar supuestos compartidos en varias disciplinas acerca de lo que son la adaptacin y el razonamiento heurstico.
CONCLUSIN

Mi tesis central es que la imposibilidad de caracterizar la estructura epistmica de la ciencia como algortmica nos permite ver maneras en las que las estructuras heursticas y los sistemas tecnolgicos pueden y deben incorporarse en una teora del conocimiento cientfico. Esto requiere hacerle lugar en la historia de la ciencia y la filosofa a una concepcin del conocimiento que de entrada no imponga fronteras artificiales entre una teora de la accin y una teora del conocimiento, y que en particular permita replantearse, de una manera diferente a la que hasta ahora ha sido usual, el papel de la tecnologa en la conformacin del conocimiento cientfico. U na epistemologa naturalizada toma en serio lo que dice la ciencia para formular una teora del conocimiento, pero la "autoridad" de la ciencia slo puede verse a contraluz de nuestra capacidad crtica para identificar los prejuicios que tenemos que abandonar. Varios de esos prejuicios tienen que ver con una revalorizacin de la importancia del razonamiento heurstico para la elaboracin de una teora del conocimiento que sea algo ms que una caricatura til para un curso introductorio sobre epistemologa.

BIBLIOGRAFA Cartwright, Nancy, "Quantum technology: Where to look for the quantum measurement problem", Fellows R. Philosophy and Technology, Cambridge, Cambridge University Press, 1995. Dennett, Daniel, Darwin's Dangerous Idea, Basic Books, 1995. Geroch, Robert, y V. Hartle, "Computability and physical theories", Foundations of Physics, vol. 16, nm. 6, 1986. Hutchins, Edwin, Cognition in the Wild, Cambridge, MIT Press, 1995. Martnez, Sergio, "La autonoma de las tradiciones experimentales como problema epistemolgico", en Crtica, nm. 80, agosto de 1995. --, "Una respuesta al desafio Campbell...", Sergio Martnez y Len Oliv, Epistemologa evolucionista, Mxico, Paids-uNAM, 1997. --y Barahona, "Sobre la relacin entre historia y causalidad en biologa", 1998.

EL CONCEITO

DE HEURSTICA

57

---y Surez, Crtica, nm. SO, 1995, pp. 3-4S. Mataric, "Integration ofrepresentation into sual-directed behavior-basee1 robots", IED,' Trans. On Robotics andAutomation, nm. S, fase. 3,1993, pp. 304312. Putnam, Hilary, "Review of shadows of the mind", The NeU! York Times Book Review, 20 de noviembre de 1994, p. l. Wimsatt, W., "Reductionist research strategies and their biases in the unifs of selection controversy", Sentific Discovery, vol. 2, Dordrecht, Reide1, 1980.