Una propuesta “orgánica”
para las ciencias interdisciplinarias
En el presente artículo Tomás Veloz explora cómo representar las Ciencias Interdisciplinarias a través de la inspiración en la organización de la vida, buscando una integración coherente de conocimientos. A pesar de que las Ciencias Interdisciplinarias se enfocan en abordar problemas complejos como el cambio climático, se observa la falta de un marco de razonamiento para conceptos clave como la emergencia y la sostenibilidad. Se presenta un enfoque innovador basado en procesos y la emergencia de niveles jerárquicos de complejidad, conectando desde niveles pequeños hasta niveles más altos. Este cambio de paradigma podría facilitar colaboraciones interdisciplinarias, estableciendo bases sólidas para el desarrollo de metodologías que integren el pensamiento sistémico y la formulación de políticas públicas. El potencial transformador de esta perspectiva invita a la reflexión sobre nuevas formas de abordar los desafíos actuales.

*El idioma original en que está escrito este artículo es español. Mencionamos esto para considerar al utilizar la traducción automática que puede generar algunos errores.
Introducción
En la era actual de hiperinformación e hipercomunicación, los científicos se enfrentan a un gran desafío: ¿cómo entender y resolver los problemas del mundo cuando hay cada vez más fuentes de información y diferentes maneras de analizarla?
Por un lado, tener tanta información nos lleva a cuestionar hasta qué punto debemos confiar en “los datos” considerando que al ser tan masivos muchas veces se hace difícil evaluar su fidelidad o relevancia. Por otro lado, para integrar diferentes perspectivas se debe estar abierto a involucrar áreas de estudio que a veces pueden tener opiniones diferentes respecto a un mismo fenómeno. Por estas razones, muchos expertos han planteado recientemente que las Ciencias Interdisciplinarias, que combinan diferentes áreas de estudio, son fundamentales para el futuro del conocimiento humano (Szell & Sinatra, 2018).

Figura 1. Interdisciplinariedad (Fuente Scientific American)
“…algunos investigadores proponen que es importante involucrar a muchas personas al abordar un problema, pero sin especificar un límite o un criterio de relevancia…”
La interdisciplina es crucial en problemáticas como la sostenibilidad, los estudios urbanos, la formulación de políticas públicas y la salud. Por ejemplo, desde que comenzó la pandemia de COVID-19, pude ver de cerca cómo el trabajo de los epidemiólogos no se consideraba apropiadamente por parte de quienes toman las decisiones para cuidar la salud de la sociedad. De hecho, estuve a cargo de un equipo de investigadores entre Marzo y Septiembre 2020 para la Fundación Ciencia y Vida (sub-mesa datos covid19, 2020), y no solo nuestros esfuerzos fueron poco escuchados, sino que pude corroborar con varios otros grupos en el mundo (por ej. en Colombia y Japón) que la situación era similar.
También se ha identificado un gran riesgo en depender demasiado de la Inteligencia Artificial para tomar decisiones, ya que a menudo ésta se basa en estadísticas de datos, sin construir un entendimiento profundo del problema (Ellison, 2020). Además, es sabido que en general las Ciencias Interdisciplinarias no han alcanzado suficiente madurez en sus metodologías. En ocasiones las metodologías no están respaldadas por evidencia científica sólida. Por ejemplo, algunos investigadores proponen que es importante involucrar a muchas personas al abordar un problema, pero sin especificar un límite o un criterio de relevancia, o se traspasan maneras de trabajar de un problema a otro (por ej. economía a salud) sin considerar el riesgo de que la metodología no sea traspasable, o inadecuada en el nuevo contexto (Hester et al., 2017).

Figura 2. Inteligencia artificial como fuente de interdisciplina (Fuente: Google Images)
¿En qué se basan las Ciencias Interdisciplinarias?
Ciencias como la informática, ecología, psicología, economía y sociología han sido los principales enfoques que se han utilizado para entender y analizar las Ciencias Interdisciplinarias. Estas áreas a menudo ven los fenómenos como sistemas complejos que se adaptan al entorno (Page & Page, 2009). Por ejemplo, el fenómeno de la desinformación se explica a partir de un sistema complejo que comprende muchas personas comunicando información de distintas maneras. Dicha comunicación implica que muchas personas adaptan su comprensión, creencias, e incluso ideología, y cambian lo que comunican, influenciando a su vez a otros. Similarmente, una ciudad es un sistema complejo, donde tanto los componentes físicos (como edificios, espacios públicos y sistemas de transporte) como las personas, establecen patrones de movimiento, comunicación, y de uso de espacio que son co-dependientes.
Por lo tanto, los sistemas complejos son la base teórica en la que se construyen las Ciencias Interdisciplinarias. Sin embargo, y a pesar de que ha habido mucho avance en describir estos sistemas complejos por medios matemáticos y computacionales, aún no podemos decir que tenemos una verdadera ciencia interdisciplinaria. Tomemos el ejemplo de un concepto muy importante, la “resiliencia”, para ilustrar esto. La resiliencia es un concepto que se menciona a menudo en Ciencias Interdisciplinarias, pero resulta que hay más de 150 definiciones diferentes de resiliencia en campos como ecología, ingeniería, economía y psicología. Además, hay otras palabras relacionadas que pueden confundir con esta noción, como vulnerabilidad, capacidad de adaptación y robustez. Esto hace que a veces sea difícil entender exactamente a qué nos referimos cuando hablamos de resiliencia en el contexto de las Ciencias Interdisciplinarias. Lo anterior es fatal cuando se hace ciencia, pues se requiere que los conceptos tengan definiciones precisas y claras.

Figura 3. Diagrama conceptual de sistemas complejos adaptativos (Fuente: Wikimedia Commons)
“…los sistemas complejos son la base teórica en la que se construyen las Ciencias Interdisciplinarias. Sin embargo, y a pesar de que ha habido mucho avance en describir estos sistemas complejos por medios matemáticos y computacionales, aún no podemos decir que tenemos una verdadera Ciencia Interdisciplinaria”.
En mi trabajo como científico, llevo varios años investigando a fondo este tema y, lamentablemente, al revisar detenidamente la literatura, he observado que los intentos de darle un enfoque más científico a los conceptos relacionados con la complejidad de los sistemas que estudian las Ciencias Interdisciplinarias han generado más confusión que claridad. En particular, existen diversos “debates sobre la complejidad y estabilidad” en ámbitos académicos donde se busca entender la relación entre, por ejemplo, “riesgo sistémico” y “estabilidad” en finanzas, o entre “complejidad” y “estabilidad global” en sociología, o entre “biodiversidad y estabilidad” en ecología, e incluso entre “complejidad” y “coherencia/rendimiento” en áreas como la psicología del aprendizaje y el deporte. También se presentan debates similares en ciencias políticas, en el contexto de la planificación de ciudades, salud, entre otros. El problema es que todos estos debates apuntan a un mismo problema a un nivel abstracto (la relación entre la complejidad y la estabilidad de un sistema), pero cada debate surge desde una distinta disciplina distinta y, por lo tanto, desarrolla interpretaciones de los conceptos que son difícilmente traspasables, incluso contradictorios, a los otros debates. (Si deseas profundizar más en estos temas, te recomiendo consultar la referencia Barthélemy, 2011, para obtener un resumen detallado de los asuntos relacionados con este campo).
Lo anterior demuestra la falta de coherencia entre la ciencia cuantitativa que se obtiene de datos y modelos, y el razonamiento cualitativo que es necesario para la conceptualización y toma de decisiones. Si miramos esto desde la perspectiva de la filosofía de la ciencia, vemos una “crisis de paradigma” en las Ciencias Interdisciplinarias, ver (Pombo, 2015) para una discusión más acabada sobre este tema. Por lo tanto, se necesitan nuevos fundamentos para las Ciencias Interdisciplinarias de forma urgente, ya que en la nueva era del big data y de la diversificación de perspectivas, cerremos el riesgo de que nuestras decisiones más importantes pasen a depender únicamente de la estadística avanzada sobre grandes volúmenes de datos (Inteligencia Artificial), que de nuestro entendimiento sobre el mundo y de nuestra capacidad de generar acuerdos.
El giro hacia los procesos en las ciencias interdisciplinarias
La concepción tradicional de las Ciencias Interdisciplinarias tiende a ver los fenómenos complejos como “múltiples objetos que interactúan entre sí”. Filósofos destacados han debatido recientemente sobre esta forma de entender los fenómenos complejos, y sobre cómo debemos adaptar nuestra concepción de ellos para representar y razonar científicamente en la era del gran volumen de datos. Por ejemplo, Floridi (2012) señaló que “Expandir la capacidad de digestión de datos no es la solución. El verdadero problema está en los patrones pequeños”. La metáfora del “sistema digestivo” en la afirmación de Floridi, aunque quizás críptica en esta referencia, destaca un aspecto clave para diferenciar cómo opera nuestra inteligencia versus cómo opera la IA actual.
Para esto, basta notar que mientras que la IA es como una caja negra que opera independientemente de sus entradas y salidas, es decir, recibe datos y entregas datos, pero esos datos no tienen un rol determinante en la existencia de la IA. En cambio, un sistema digestivo es una estructura altamente interconectada con sus entradas y salidas. De hecho, las entradas y salidas ubican al sistema digestivo en un punto intermedio en una jerarquía de organizaciones biológicas, donde, por una parte, está compuesto de tejidos (que a su vez están compuestos de células), y, por otra parte, es una de las partes del organismo (ej. ser humano) que lo alberga (siendo ese organismo a su vez parte de un ecosistema donde otros organismos como plantas y animales se necesitan mutuamente para sobrevivir). Por lo tanto, el funcionamiento del sistema digestivo se apoya en procesos funcionales de diferentes niveles, tanto células, tejidos, el sistema digestivo en sí, el organismo vivo que lo alberga, y más allá el ecosistema.

Figura 4. Bosquejo de las reacciones químicas que ocurren en la célula. Fuente: blogdejocassan.blogspot.com
Lo anterior nos invita a comprender las Ciencias Interdisciplinarias como procesos abiertos e interconectados. En estos procesos, múltiples fenómenos ocurren a distintas escalas, y se combinan en una jerarquía donde mientras más alto es el nivel observado, más complejos y contextualmente adaptados serán los fenómenos que observamos.
En esta nueva perspectiva de las Ciencias Interdisciplinarias, el foco de la investigación cambia de identificar objetos e interacciones a identificar patrones de cambio. Interesantemente, esta visión se alinea con enfoques filosóficos más modernos conocidos como filosofía de procesos en física, biología, y psicología.
“…se necesitan nuevos fundamentos para las Ciencias Interdisciplinarias de forma urgente, ya que en la era del big data y de la diversificación de perspectivas, corremos el riesgo de que nuestras decisiones más importantes dependan únicamente de la estadística avanzada sobre grandes volúmenes de datos y no de nuestro entendimiento sobre el mundo y capacidad de generar acuerdos”.

Figura 5. Bosquejo del desarrollo de niveles jerárquicos de complejidad biológica. Fuente: Wilde, P.D., & Mariños, A. (2010). Cell Biology, Autopoiesis and Biological Design
Redes de reacciones: Un lenguaje formal para hablar de procesos
Los sistemas autopoiéticos se modelan mediante redes de reacción (RN por su acrónimo en inglés) bioquímicas (o artificiales).
Una RN es una especificación matemática de los procesos de transformación que pueden ocurrir en un entorno molecular dado mediante un conjunto de reacciones. Cada reacción describe la formación de un contexto de interacción, representado por una colección de especies moleculares denotadas como reactantes, y su transformación en otra colección de especies moleculares denotadas como productos (ver Fig. 5. Izquierda). Las RN se utilizaron por primera vez en la ingeniería química para estudiar la estabilidad de reactores químicos utilizando simulaciones computacionales. Luego, la teoría se expandió rápidamente hacia la investigación de los mecanismos que subyacen a la aparición y mantenimiento de la vida, que se representan como “secuencias de reacciones” (véase la Fig. 4).

Figura 6. Red de reacciones. Izq. Arriba: Red de reacciones. Izq. Abajo: Lista de reacciones y ejemplo de caminos de reacciones y su función asociada. Derecha arriba: Jerarquía de Organizaciones y de no Organización ({a,b,c}). Propiedades expresadas debajo de la caja.
Derecha abajo: Ejemplos de operaciones lógicas. Fuente: Elaboración propia.
Esta idea ha sido aplicada de manera continua para comprender procesos biológicos a distintos niveles, incluyendo el nivel celular, el metabólico y, en escalas más amplias, como organismos y comunidades, e incluso para el planeta completo en la llamada hipótesis Gaia.
La Teoría de la Organización Química (conocida como COT por sus siglas en inglés) es un ejemplo específico de cómo se utilizan las redes de reacción. Se enfoca en identificar estructuras que funcionan de manera autónoma y que además pueden llevar a cabo procesos de producción propia, conocidas como organizaciones.
Estas organizaciones forman una jerarquía que representa todos los sistemas autopoiéticos que una red de reacción puede lograr de manera dinámica. En esencia, la dinámica de una red de reacción puede interpretarse como un movimiento entre estas organizaciones, desencadenado por influencias externas. Estas influencias, a las que llamamos “perturbaciones estructurales”, pueden ser causadas por la llegada de sustancias que modifican las posibles reacciones que pueden ocurrir y que activan reacciones que antes no estaban disponibles, o incluso por la fusión de una organización con otra (ver Figura 6 a la derecha). Estas perturbaciones implican una evolución dinámica que inevitablemente lleva al sistema a desplazarse hacia otras organizaciones.
Dos ejemplos de aplicación de esta propuesta
Redes Sociales y Desinformación
La difusión de desinformación en las redes sociales es un problema que tiene crecientes consecuencias negativas en la sociedad. En nuestra perspectiva, las redes sociales pueden ser consideradas como sistemas en los que los usuarios (entidades) generan y comparten información. La noción de autopoiesis como identidad dinámica se manifiesta, por ejemplo, por un par de personas que intercambian información de manera continua, como dos amigos. Los temas e ideas que comparten los amigos forman un patrón de comunicación que constituye una identidad dinámica, que representa la amistad y es auto-replicativa, puesto que lo que hablan deriva en que hablen de otras cosas más relacionadas con lo primero, y eso continúa sucesivamente, dándole permanencia en el tiempo.
Personalmente, creo que todos somos, de algún modo, conscientes de que formamos parte de estas identidades dinámicas con nuestros amigos (aunque generalmente no lo pensamos así). Sin embargo, es interesante que probablemente somos mucho menos conscientes de que también estructuramos identidades autopoiéticas dinámicas de mucho mayor escala en nuestra actividad en redes sociales, no solo dando likes y compartiendo contenido, sino que con el mismo hecho de poner atención a un post u otro, pues esto modifica los algoritmos de presentación de información en personas que la red social asocia como similar a nuestro perfil.
Entonces, podemos pensar las redes sociales de una manera totalmente diferente, no desde las personas y sus perfiles, sino en cómo la comunicación genera identidad en grupos de personas. Bajo esta mirada, la emergencia de patrones en cómo se difunde la información, la formación de comunidades y la propagación de la información falsa pueden ser entendidos como acciones que ejecutan estas entidades autopoiéticas que emergen desde lo que comunican las personas, en vez de analizarlo como actos individuales en la red social.
Ecología Urbana y Diseño de Ciudades Sostenibles
El diseño urbano sostenible es crucial para abordar los desafíos ambientales y sociales en las ciudades modernas. En el enfoque autopoiético las ciudades se deben concebir como sistemas complejos adaptativos en los que tanto los elementos urbanos (edificios, espacios públicos, transporte) como las personas, establecen procesos de interacción complejos.
Un ejemplo de identidad autopoiética dinámica involucra el desarrollo de una buena relación entre personas que trabajan en dos espacios cercanos diferentes (por ejemplo un oficinista y una persona que sirve café). El hecho de que el oficinista pase regularmente a servirse un café establece un diálogo e intercambio de información regular entre ellos que, a su vez, le permitirá a la persona que trabaja en el café conocer más sobre el servicio en que esta persona trabaja. Supongamos que esa persona es un abogado. Lo anterior entonces permite a la persona que trabaja en el café (así como a sus más cercanos) pueda recibir un pequeño asesoramiento legal como parte de sus conversaciones. Si consideramos todas estas microrelaciones urbanas, podemos pensar en concebir procesos de unión de dichas relaciones formando una entidad de mayor escala, como puede ser por ejemplo un proceso cooperativo (como la creación de un nuevo restaurante). Este pequeño ejemplo intenta ilustrar que si concebimos el diseño del espacio urbano considerando esto, nos cambia totalmente la perspectiva sobre qué es lo importante (los “objetos y espacios” vs. las “relaciones y procesos”). De la misma manera, podemos usar esta perspectiva para comprender la emergencia de patrones de movilidad, el consumo de recursos y la calidad del aire como resultados de la autoorganización de las relaciones entre personas, entidades, y recursos que forman el sistema urbano (ver Figura 7).
En este escrito, he explorado cómo representar las Ciencias Interdisciplinarias como procesos inspirados en cómo está organizada la vida. Apuntamos a una integración coherente de conocimientos y experiencias, que pueden provenir de diversas disciplinas, utilizando el marco de los sistemas complejos adaptativos. Las Ciencias Interdisciplinarias se centran en abordar problemas complejos como el cambio climático o los objetivos de desarrollo sostenible. Sin embargo, actualmente no contamos con un marco de razonamiento adecuado para conceptos sistémicos como la emergencia, la resiliencia y la sostenibilidad, que son fundamentales para comprender y analizar estos problemas. En este contexto, vemos que la Inteligencia Artificial (IA) se está utilizando cada vez más para enfrentar los desafíos globales, pero esta aplicación a menudo oscurece nuestra comprensión de los fenómenos, ya que identifica patrones con alta precisión a través de modelos que son difíciles de entender.

Figura 7. Ilustración de procesos que se relacionan en una ciudad sostenible.
En el enfoque que proponemos aquí, buscamos ir más allá de simplemente considerar los fenómenos interdisciplinarios como objetos e interacciones y, en su lugar, los concebimos como procesos que dan forma a una identidad dinámica (autopoiética). Por lo tanto, presentamos un nuevo paradigma basado en procesos y en la emergencia de niveles jerárquicos de organización de complejidad, para poder conectar lo que ocurre en los niveles más pequeños (las personas y sus comunicaciones) con niveles medianos (grupos y comunidades) con niveles más altos (sociedades).
En mi opinión, este enfoque es una pieza que ha estado ausente, o subrepresentada, en los fundamentos de las Ciencias Interdisciplinarias, y en otras áreas relevantes como la filosofía de la tecnología. El cambio de paradigma que sugiero aquí proporciona bases innovadoras y unificadoras para las Ciencias Interdisciplinarias, y su desarrollo podría facilitar una colaboración sin precedentes entre científicos y tomadores de decisiones, estableciendo una base sólida para desarrollar metodologías para el pensamiento sistémico y la formulación de políticas públicas compatibilizando el rigor científico con la interdisciplina.

Referencias
Barthélemy, M. (2011). Spatial networks. Physics Reports, 499(1-3), 1-101.
Ellison, G. T. (2020). COVID-19 and the epistemology of epidemiological models at the dawn of AI. Annals of Human Biology, 47(6), 506-513.
Floridi, L. (2012). Big data and their epistemological challenge. Philosophy & Technology, 25(4), 435-437.
Hester, P. T., Akpinar-Elci, M., Shaeffer, J. M., & Shaeffer, M. B. (2017).
Maturana, H. R., & Varela, F. J. (1991). Autopoiesis and cognition: The realization of the living (Vol. 42). Springer Science & Business Media.
Miller, J. H., Page, S. E., & Page, S. (2009). Complex adaptive systems. Princeton university press.
Szell, M., Ma, Y., & Sinatra, R. (2018). A Nobel opportunity for interdisciplinarity. Nature Physics, 14(11), 1075-1078.
Sub-mesa datos covid19, fuente:
https://eventos.cmm.uchile.cl/3wcovid19/wp-content/uploads/sites/101/2020/09/PROGRAMA_3erWebinar_Modelos_COVID_Chile-3.pdf
