Sociofísica, termodinámica social… disciplinas de un futuro no tan lejano

Por Colaborador Invitado, el 23 noviembre, 2012. Categoría(s): Divulgación

PSICOHISTORIA-… GaalDornick, utilizando conceptos no matemáticos, ha definido la psicohistoria como la rama de las matemáticas que trata sobre la reacciones de conglomeraciones humanas ante determinados estímulos sociales y económicos… Implícita en todas estas definiciones está la suposición de que el número de humanos es suficientemente grande para un tratamiento estadístico válido. El tamaño necesario de tal número puede ser determinado por el primer teorema de Seldon que…

Enciclopedia Galáctica

Así definía Asimov[1] –en la versión espacial de la Wikipedia– la ciencia que bautizó como Psicohistoria, donde, gracias a una serie de lúcidas ecuaciones, el ilustre Profesor Seldon era capaz de predecir el devenir de la humanidad. Asimov escribió sobre un futuro en el que la expansión del ser humano en la galaxia vino centenares de años antes que la ciencia sobre la que gira el argumento de su serie “Fundación”. Hoy las cosas pintan diferentes. Aunque Asimov fue uno de los grandes visionarios del siglo XX, parece que nuestra trayectoria ha sido muy distinta a lo que esperaban en los años 40. Como brillantemente lo resumen los chicos del MIT-TR bajo el gesto decepcionado de Aldrin: «Me prometisteis colonias en Marte. En lugar de eso, tengo Facebook«[2].

Y no es ésta la única decepción que uno puede sufrir: se suponía que íbamos a crear a los robots y a la inteligencia artificial para que hicieran el trabajo pesado y peligroso, y nosotros poder vivir ociosos y despreocupados. En lugar de eso, algoritmos inteligentes y redes neuronales toman el 90% de las decisiones en los mercados en binario,[3] al mismo tiempo que valientes seres humanos entran por sus propios pies en el devastado reactor de Fukushima para evitar algo peor.[4]No parece que hoy las cosas sean como en el mundo descrito en “Yo robot”.[5]

Y es que predecir no es fácil.

Podemos entender a las predicciones de la ciencia ficción y de los expertos en tecnología y política como la alquimia que precedió a la química. Son predicciones basadas en la más básica intuición, fundamentada en opiniones, esperanzas y prejuicios. Hoy, sin embargo, estamos más cerca de la teoría que explique y prediga el comportamiento colectivo humano que de pasar las vacaciones en el monte Olimpo.

El acceso a una ingente cantidad de datos a través del registro de prácticas de consumo, movimientos demográficos, redes sociales, visitas web, clicks de ‘Me gusta’ y frases de 140 caracteres, ha permitido a toda una generación de científicos e ingenieros crear la tecnología del Big Data,capaz de lidiar con los duros sistemas complejos. Salas llenas de cables y procesadores cruzan información sobre tus hábitos para avisar a un humano sobre la posibilidad de que cambies tu contrato del móvil a la competencia. También para deducir si eres o no un terrorista. Gracias a eso tendré por un lado una oferta que se ajusta mejor a mi consumo, y por otro viviré en un mundo más seguro. Podré vivir ocioso y despreocupado como me prometieron. Y sin embargo, es imposible evitar sentir algo de miedo con todo esto. Tal vez, algunos de los escritores del siglo XX no erraron tanto en sus predicciones, y no nos referimos a los optimistas tipo Asimov.

¿Debemos temer a este nuevo conocimiento? El Big Data se está convirtiendo en la tecnología que caracteriza esta primera parte del siglo –no en vano su uso en smartphones ha sido seleccionado por el Scientific American como una de las ideas que cambiarán el mundo.[6]Sería deseable poder afirmar que todo va a traducirse en beneficios desde el primer día, pero nada impide que alguien, en algún momento, haga un uso moralmente cuestionable de ello.

No por ello hay que temer a la tecnología. Hay que temer a quién la pudiera llegar a usar. Demasiado cínico, pensarás, y tienes razón. Este argumento no debe justificar la pérdida de privacidad que podemos sufrir como consecuencia. Confío bastante en que el equilibrio se alcanzará con normalidad y todos como sociedad nos beneficiaremos de ello sin renunciar a nada, como ya ha pasado anteriormente con otras nuevas tecnologías. Al fin y al cabo, hemos sobrevivido a la era nuclear, cuyo verdadero resultado no han sido tanto sus centrales eléctricas si no sus aplicaciones médicas. Eso debe significar algo, y daría cierta esperanza. Efectivamente, aunque suene ingenuo e incluso infantil, un conocimiento profundo del comportamiento colectivo humano usado de forma responsable podría ayudarnos, sin duda, a prevenir desigualdades sociales y guerras innecesarias.

Tú y tus contactos, junto con otros grupos más [7].
Sin embargo, haciendo referencia a la cita que abría este artículo, el Big Data no es exactamente lo que Asimov visionó. Él vio una teoría, con principios y axiomas, además de la estadística puramente matemática. Y aunque el análisis del Big Data se basa en teoremas matemáticos bien establecidos de la estadística y las redes complejas, su estructura es muy diferente a la de las teorías de la física al uso, como la Termodinámica o la Mecánica Cuántica. La razón de esto se basa en la complejidad del sistema estudiado. El profesor A. Barabasi, una de las cabezas más visibles de la sociofísica y la teoría de redes complejas, argumenta que dicha complejidad no permite el análisis reduccionista que hasta ahora nos ha ayudado a entender la naturaleza.[8] Son estas nuevas técnicas, estas cajas negras tan complejas como el propio sistema que estudian, las que nos permiten procesar esa complejidad y darnos un resultado que podamos entender. Es una renuncia a la filosofía que imperaba en la ciencia de que «las leyes físicas deben ser matemáticamente bellas», como bien resumió Dirac, uno de los padres de la mecánica cuántica que predijo la existencia de la antimateria guiándose por sus bellas ecuaciones.

Sin embargo, a muchos nos cuesta tirar la toalla. No deberíamos asustarnos ante tal complejidad. ¿Es la dinámica social más compleja de entender que la antimateria? ¿Son nuestras vidas más complejas que la distorsión del espacio-tiempo sufrida en el horizonte de un agujero negro? ¿En serio son nuestro hábitos más enrevesados que el mecanismo de Higgs? Pues en un sentido sí, y en otro, no. Personalmente, me gustaría pensar que sí podemos alcanzar ese conocimiento, al menos para tener la esperanza de que podremos entender esos procesos colectivos, y ser nosotros los que sigamos tomando decisiones importantes sobre nosotros mismos en lugar de unos autómatas binarios (sin intención de ofender a todos los bots que hayan leído este artículo en el último microsegundo).

No deberíamos sentirnos satisfechos sólo con el análisis masivo de datos por, por ejemplo, redes neuronales. Por supuesto, no hay que menospreciar estas técnicas, son apasionantes y han abierto multitud de puertas antes cerradas y humanamente inalcanzables, y nos estamos beneficiando de ello sin darnos cuenta en nuestro día a día. Sin embargo, la evidente solución es la combinación de dos puntos de vista contrapuestos. Su síntesis. No es algo nuevo que digamos aquí, es lo que se hace en Meteorología o lo que se está haciendo en el CERN. El Big Data es en realidad tu máquina de medir, un termómetro, por ejemplo, que traduce la abrumadora infinidad de colisiones de átomos a un único y simple número. Esa infinidad de variables se ha reducido a un sólo valor. Ese número es el input para una bella teoría matemática que nos permite utilizar el concepto de Temperatura, que nos resulta  familiar y útil para predecir el comportamiento de un sistema físico cuando introducimos ese valor en nuestra bella ecuación. En el CERN ocurre algo parecido. Las técnicas de Big Data analizan la abrumadora cantidad de datos generados en las colisiones de los aceleradores, y te dan un conjunto de números que sólo pueden ser interpretados si tienes una bella teoría coherente sobre la física de partículas.

En la sociofísica existen modelos, pero no existe una teoría per se como ocurre en otras disciplinas. Una teoría necesita basarse en principios, ser coherente y universal. Para cada vez que no entiendas una observación, deberían existir unos primeros principios a los que acudir para que, tirando del hilo, llegues a una respuesta para tu problema particular. Y eso es lo que estamos intentando construir.

Por lo pronto, ya hemos visto cómo el principio de máxima entropía puede explicar la forma de la distribución de ciudades por población en un área determinada.[9] Y no en un área lejana de un lugar extraño de la Tierra. Lo hemos visto aquí, en España, en cada una de las provincias. Y no es simplemente que estas distribuciones se parezcan a las que maximizan la entropía. Hemos sido testigos de cómo la dinámica demográfica, el flujo de personas mudándose de una ciudad a otra durante las últimas décadas, hace evolucionar esa distribución adaptándose a la que predice el principio de máxima entropía.

Tú, ahora mismo, por el mero hecho de vivir en el lugar que vives, estás colaborando al mecanismo colectivo de maximizar la entropía del sistema. Y si este principio se cumple, combinándolo con otras observaciones, tienes vía libre para construir una termodinámica. Una ‘Termodinámica Social’, con bellas ecuaciones de estado con las que puedes definir cuál es el equilibrio ideal del sistema. Tal vez en un futuro puedas predecir con ellas transiciones de fase, signifique lo que signifique. Las posibilidades son muchas, como estamos descubriendo en nuestras investigaciones, pero tampoco hay que precipitarse. Esto sólo acaba de empezar y habrá que esperar años hasta ver parte de su potencial.

Aún estamos lejos de la capacidad predictiva de la que hace gala el profesor Seldon en la Fundación, pero sin duda más cerca que del viaje interestelar del mismo libro. Y es que predecir no es fácil, como avanzábamos antes.

En uno está la población de los municipios de León ordenados de mayor a menor (Rank) representado por puntos negros (un punto, un municipio) comparado con la predicción termodinámica en forma de línea roja (el área coloreada es el margen que uno tiene debido a las fluctuaciones de los datos). El otro es una simulación hecha por ordenador de una hipotética provincia virtual, con habitantes virtuales. ¿Sabrías distinguir cuál es cuál? [9]
———————————-

Este artículo ha sido elaborado por Alberto Hernando, investigador en la Universidad Paul Sabatier de Toulouse en Francia, y próximamente en la Ècole Polytechnique Fédérale de Lausanne en Suiza, por Ricardo Hernando, Cofundador de Social Thermodynamics Applied Research (SThAR), por Ángel Plastino, Profesor emérito de la Universidad Nacional de la Plata e investigador visitante del Instituto de Física de Sistemas Complejos (IFISC) de la Universidad de las Islas Baleares y por Ángel Ricardo Plastino, Miembro del Centro de Investigaciones Genéticas de la Universidad de La Plata (CREG) e  investigador visitante en las Universidades de las Islas Baleares y de Granada. .

El post participa en la II Edición de los Premios Tesla de Divulgación Científica.

Referencias:

[1] Fundación. Isaac Asimov.

[2] https://naukas.com/2012/11/12/es-para-estar-decepcionado/

[3] http://blogs.reuters.com/felix-salmon/2012/08/06/chart-of-the-day-hft-edition/

[4] http://es.wikipedia.org/wiki/H%C3%A9roes_de_Fukushima

[5] Yo robot. Isaac Asimov. (http://es.wikipedia.org/wiki/Yo,_robot)

[6] http://www.scientificamerican.com/article.cfm?id=world-changing-ideas-2012-innovations-radical-enough-alter-lives

[7] http://dx.doi.org/10.1140/epjb/e2010-00216-1.

[8] http://www.nature.com/nphys/journal/v8/n1/full/nphys2188.html

[9] http://dx.doi.org/10.1098/rsif.2012.0758