Академический Документы
Профессиональный Документы
Культура Документы
Roberto FELTRERO
Departamento de Ciencia Tecnología y Sociedad
Instituto de Filosofía del Consejo Superior de Investigaciones Científicas
1.Introducción
El uso de simulaciones computacionales en las más diversas ramas de la investigación
científica apunta a una curiosa convergencia metodológica. Curiosa porque, si bien los
tradicionales impulsos hacia la convergencia metodológica, auspiciados por la filosofía de la
ciencia, se han basado en el intento de implantación de métodos cognitivos sesudamente diseñados
y justificados por las mentes de los teóricos1, esta nueva convergencia se basa en el uso de
herramientas cognitivas externas cuyo máximo valor es que los resultados que ofrecen escapan a
las posibilidades de cálculo y predicción de un cerebro humano. Mientras que la calidad y
confiabilidad lógica, matemática o epistémica en general, se basaba anteriormente en el riguroso
control veritativo ejercido por los lenguajes a los que se traducía toda evidencia empírica, ahora se
valoran los resultados, obtenidos mediante simulaciones computacionales, cuya explicación parece
escapar a ese tipo de conceptualización rigurosa. El uso de metodologías basadas en tecnologías
cognitivas, cuyo ejemplo más destacado son los modelos de simulación computacional, no sólo se
ha generalizado para todo tipo de disciplinas, desde la biología hasta la economía, pasando incluso
por la filosofía (Grim, 2002, 2004), sino que, además, ha ampliado el campo de las investigaciones
científicas hacia áreas como los sistemas complejos o los sistemas evolutivos, abriendo espacios
que se han llegado a consolidar en nuevas disciplinas científicas como la vida artificial o la
bioinformática.
La dimensión de esta convergencia metodológica exige una reflexión filosófica que debe
comenzar por el análisis del papel cognitivo que esas tecnologías desempeñan en las tareas de los
científicos. La definición del propio concepto de tecnologías cognitivas puede ayudar a ese
análisis y, a partir de esa definición, a la comprensión de las consecuencias cognitivas y
valorativas de la convergencia metodológica que puede suponer el uso de simulaciones
computacionales en las más diversas áreas del conocimiento científico y humanístico. Se postula
que la convergencia metodológica se debe entender a partir de las funciones cognitivas de los
*
La redacción de este trabajo se ha beneficiado de la financiación del proyecto investigación del Ministerio de Ciencia
y Tecnología HUM2005-02105/FISO y de la beca I3P de posgrado que disfruto en el Instituto de Filosofía del CSIC.
1
El razonamiento deductivo y el inductivo son los ejemplos más claros del tipo de operaciones cognitivas “internas” a
menudo elevadas a la categoría de “la” metodología científica.
modelos computacionales, es decir, desde las posibilidades que ofrecen para externalizar diversas
estrategias cognitivas con precisión, de manera explícita y con innumerables posibilidades
metodológicas para implementar todo tipo de tareas computacionalmente plausibles. Lejos de
pretensiones sistematizadoras en las que los computadores pueden sustituir a los científicos, se
propone un análisis de las diversas formas en que los computadores pueden apoyar y extender las
posibilidades cognitivas de los científicos. Los modelos de simulación evolutiva serán analizados
como mejor ejemplo de las novedosas posibilidades y funciones cognitivas de los modelos de
simulación.
2. Tecnologías cognitivas
El estudio del uso de recursos y artefactos externos para llevar a cabo nuestras tareas
cognitivas se enmarca dentro de un multifacético marco de comprensión de la cognición humana
que se puede catalogar como el de la cognición corpórea, situada y distribuida (Beer, 2000; Clark,
1997, 1998). En este marco, se acepta que el análisis de las estrategias cognitivas implicadas en la
realización de una tarea debe integrar aquellos elementos del medio material, incluidos artefactos y
tecnologías, que prestan su ayuda en la realización de dicha tarea de manera significativa. La
cognición se considera así distribuida en el entorno material y tecnológico y, por tanto, el estudio
de sus estrategias debe incluir el contexto en el que éstas se desenvuelven. El estudio del contexto
material y tecnológico de las estrategias cognitivas comienza por la clarificación de los modos y
tipos de ayuda que nos prestan los artefactos y tecnologías externas en el desempeño de nuestras
tareas cognitivas (Clark, 2002). El que tales tecnologías cognitivas mejoren, aumenten, extiendan
o ayuden a nuestras capacidades cognitivas es algo que debe ser explicado, contextualizado y
definido para dominios concretos2. Un trabajo filosófico en esta línea es la clarificación del propio
concepto de tecnologías cognitivas. Esa clarificación puede servir para la catalogación de los
diversos artefactos y tecnologías en función, precisamente, de los usos cognitivos que posibilitan y
del alcance de los mismos para la conformación de nuevas estrategias y posibilidades cognitivas.
Los modelos de simulación computacional, sin duda, pertenecen al rango más complejo y
elaborado de dispositivos tecnológicos orientados a externalizar operaciones cognitivas. Se
propone catalogarlos como tecnologías cognitivas que extienden de manera significativa las
capacidades cognitivas de los científicos. Para el análisis de la posible convergencia metodológica
que nos ocupa es imprescindible esa clarificación para poder comprender las posibilidades y los
límites de las nuevas metodologías que propician las tecnologías cognitivas.
Los seres humanos usamos todo tipo de dispositivos, artefactos o procedimientos que
tenemos a nuestra disposición en nuestro entorno material para llevar a cabo parte de nuestras
tareas cognitivas. Confiamos parte de nuestra memoria a nuestra agenda, simplificamos
2
Un análisis de este tipo se ha llevado a cabo en (Feltrero, 2005)
operaciones de cálculo mediante reglas simples que aplicamos bien con lápiz y papel, o mediante
ábacos, o las automatizamos completamente mediante calculadoras. Hoy en día, las tecnologías
basadas en el procesamiento computacional de la información extienden estas posibilidades de
externalización de lo cognitivo hasta límites insospechados apenas hace unas décadas. Existen
innumerables estudios sobre el contexto material de la actividad cognitiva (Clark, 1997, 2003;
Fauconnier y Turner, 2002; Hutchins, 1995) y en todos ellos se pone de manifiesto el papel
insoslayable de esos artefactos a la hora de poder acometer tareas cognitivas complejas. Este tipo
de elementos materiales han sido catalogados en diversos marcos teóricos como artefactos
cognitivos (Hutchins, 1999), tecnologías que extienden nuestra mente (mind-extending
technologies) (Clark y Chalmers, 1998) o tecnologías cognitivas (Dascal, 2002; Gorayska y Mey,
1996).
Hutchins define artefactos cognitivos como “objetos físicos fabricados por los seres
humanos con el propósito de ayudar, aumentar o mejorar nuestras capacidades cognitivas”
(Hutchins, 1999, p. 126). Un hilo anudado al dedo para recordarnos una cita es el ejemplo más
simple de artefacto que, en este caso, “fabricamos” individualmente como ayuda a nuestras
capacidades memorísticas. Los computadores, por supuesto, caen bajo esta definición de manera
significativa pues no sólo sirven para aumentar y mejorar nuestra memoria, sino que nos
proporcionan todo tipo de procedimientos externos para un gran número de tareas cognitivas. Esta
definición, en principio, parece reducir el rango de lo definido a los artefactos físicos
intencionalmente fabricados para apoyar tareas cognitivas. Sin embargo, la enumeración que nos
plantea Hutchins en el artículo citado incluye otros muchos usos cognitivos de los elementos de
nuestro entorno que sobrepasan los límites de esa definición. Por ejemplo, en el uso que hacen los
navegantes de las estrellas para ayudarse en la navegación, existe un uso oportunístico del entorno
natural para la tarea cognitiva de trazar el rumbo. Mientras que el compás y los mapas son
artefactos cognitivos típicos, el uso de las estrellas no implica el diseño intencional que presupone
la definición. Más aún, afirma que ciertos procedimientos mentales memorizados, como el uso de
reglas mnemotécnicas o proverbios, sirven como artefactos cognitivos. En realidad, Hutchins
desarrolla con sus ejemplos una definición funcional de artefacto cognitivo en la que encaja todo
aquel procedimiento cognitivo, interno o externo, que usamos a modo de respuesta prefijada —y,
de algún modo, automatizada— que simplifica los requisitos cognitivos necesarios para resolver
una tarea. Por eso llega a afirmar que algunos elementos del lenguaje, como los conceptos, son
también elementos artefactuales que organizan el pensamiento.
En esta línea, la definición de Marcelo Dascal apuesta por extender la definición y
catalogar como ‘tecnología cognitiva’ “todo medio – material o mental – creado por el hombre con
el fin de contribuir a la realización de metas cognitivas” (Dascal, 2002, p. 37). Esta definición
aboga de una manera más clara por la inclusión de las metodologías asociadas a nuestros sistemas
representacionales, como los métodos formales de razonamiento o las definiciones. De hecho, el
artículo en el que encontramos esta definición está orientado a mostrar el lenguaje como una
tecnología cognitiva. Dascal explica que el lenguaje cumple funciones cognitivas en tres niveles:
como contexto principal de las operaciones cognitivas, como recurso a la hora de conceptualizar
otros dominios (mediante formulas argumentativas, metáforas, expresiones formales, etc.) y, en
general, como herramienta básica para organizar sistematicamente las operaciones y los
contenidos de nuestros sistemas cognitivos (op. cit.). Es este aspecto sistematizador el que puede
ayudarnos a precisar una útil distinción entre “artefactos” y “tecnologías” cognitivas. La visión
funcionalista de Hutchins no permite establecer una categorización clara de lo que podemos
considerar un artefacto cognitivo. Sus ejemplos muestran que todo aquello que puede funcionar
como artefacto cognitivo es un artefacto cognitivo. La definición de Dascal adolece del mismo
problema. En realidad, tecnologías cognitivas y artefactos cognitivos podrían ser sinónimos, como
de hecho se usan en la mayoría de la literatura al respecto. Sin embargo, la distinción puede ser
significativa para tratar el impacto de tecnologías avanzadas, como las tecnologías
computacionales, en nuestras actividades.
La mayoría de los ejemplos de Hutchins en este artículo, así como los que emplea para
explicar la distribución de lo cognitivo en las tareas de los navegantes de barcos (Hutchins, 1995)
o los pilotos de aviones (Hutchins y Klausen, 1996), apuntan a un uso de artefactos,
procedimientos y estrategias que nos permita simplificar y automatizar tareas. Es decir, son usados
como recursos técnicos de los que no se puede afirmar que amplíen nuestro potencial cognitivo
puesto que su función es transformar la naturaleza de las habilidades funcionales requeridas para
resolver un problema (Hutchins, 1995, pp. 153-155). En este sentido, la calculadora no aumentaría
nuestra capacidad cognitiva de cálculo, sino que posibilita sustituir las habilidades matemáticas
necesarias para el cálculo aritmético por la de coordinación senso-perceptiva necesaria para teclear
los números y las operaciones en el artefacto.
Esta concepción del uso y función de los artefactos cognitivos separa el conocimiento
necesario para usar el artefacto del conocimiento detallado sobre todas las diversas facetas de la
tarea cognitiva que ese artefacto apoya. Se trata de una definición funcionalista que podría
precisarse si observamos como “artefacto cognitivo” cualquier procedimiento automatizado,
material o mental, que resuelve en un solo paso un proceso cognitivo complejo. Sin embargo,
cuando pensamos en los sistemas representacionales a modo de tecnologías cognitivas, como hace
Dascal, nos encontramos ante recursos cognitivos con funcionalidad abierta que nos permiten
desarrollar nuevas estrategias para comprender, conceptualizar y modificar el mundo que nos
rodea. Desde este punto de vista, “tecnologías cognitivas” refiere al aspecto sistematizador de las
diversas funcionalidades que posibilita, más que a la realización de funciones concretas. No son
artefactos destinados a implementar una función cognitiva concreta, sino verdaderas metodologías
sistemáticas que permiten realizar innumerables funciones de muchas formas diferentes. En este
sentido, este tipo de tecnologías extienden nuestras capacidades porque se convierten en recursos
cognitivos nuevos para acometer todo tipo de tareas.
A mitad de camino entre los sistemas representacionales y el carácter artefactual de la
tecnología nos encontramos con el ejemplo más actual de tecnologías cognitivas implementadas en
medios materiales: las tecnologías computacionales3. Se propone que las tecnologías
computacionales se insertan en nuestras actividades como tecnologías cognitivas externas que
dirigen, modifican y desarrollan un gran número de nuestros procesos y habilidades cognitivas y,
por ello, deben ser consideradas como ejemplos canónicos de tecnologías cognitivas. Para
observar este hecho, nada mejor que acudir a la actividad cognitiva más compleja de los seres
humanos: la investigación científica. No en vano los computadores nacieron y encontraron sus
primeras aplicaciones en el ámbito de la investigación científica. Y no en vano las tecnologías
computacionales y las ciencias cognitivas van de la mano, junto a la nanotecnología y la
biotecnología, en los nuevos programas de investigación sobre las denominadas Tecnologías
Convergentes (Converging Technologies). Los desarrollos tecnológicos del siglo XXI ya no se
van a dedicar a la elaboración de soluciones ad hoc para implementar tal o cual funcionalidad, sino
que persiguen el desarrollo de técnicas para la construcción y modificación de los elementos
primarios de la materia (partículas atómicas), la vida (genes) y la información (bits). Este tipo de
sistematización y articulación práctica del conocimiento científico nos debe servir para precisar el
concepto de “tecnología” y acercarlo al de “ciencia”. Si bien es habitual unificar tecnología y
ciencia en mucha de la literatura filosófica actual (Echeverría, 2003), esta unificación se hace en lo
que respecta a sus dimensiones económicas, sociales y políticas, mientras que no se hace suficiente
hincapié en la forma en que la sistematización tecnológica proporciona un saber-cómo cada vez
más cercano al saber-qué científico. Los sistemas constructivos de la tecnología actual pueden
llegar a proporcionar tantas posibilidades cognitivas para construir nuestros mundos artificiales,
como los sistemas representacionales de la ciencia proporcionaron para descubrir y conceptualizar
el mundo real. La propuesta de una cierta convergencia metodológica a través de los modelos de
simulación computacional supone un estudio de las relaciones bidireccionales que se pueden
establecer entre la creación de mundos artificiales mediante dichos modelos y la mejora en
3
Se propone este término para englobar todas las aplicaciones de los microprocesadores y el manejo algorítmico de
información. Aunque los ordenadores personales sean el ejemplo más conocido, la realidad es que este tipo de
tecnología controla cada vez más aspectos fundamentales de la mayoría de nuestros recursos tecnológicos, desde las
centralitas de inyección electrónica de nuestro automovil hasta los más simples juguetes infantiles
nuestras estrategias cognitivas para conocer el mundo real. Para ello es necesario, en primer lugar,
analizar los usos cognitivos de esos modelos en la investigación científica.
Bedau, M. A. (1997). Emergent Models of Supple Dynamics in Life and Mind. Brain and
Cognition, 34, 5-27
Bedau, M. A. (1998). Philosophical Content and Method of Artificial Life. En T. W. Bynam y J.
H. Moor (Eds.), The Digital Phoenix: How Computers are Changing Philosophy (pp. 135-
152). Portland: Basil Blackwell
Beer, R. (2000). Dynamical Approaches to Cognitive Science. Trends in Cognitive Sciences, 4(3),
91-99 http://vorlon.cwru.edu/~beer/Papers/TICS.pdf
Beer, R. (2001). The Dynamics of Active Categorical Perception in an Evolved Model Agent.
(submitted to Behavioral and Brain Sciences)
http://vorlon.cwru.edu/~beer/Papers/BBSPaper.pdf
Cangelosi, A. y Parisi, D. (2001). Computer Simulation: A New Scientific Approach to the Study
of Language Evolution. En A. Cangelosi y D. Parisi (Eds.), Simulating the Evolution of
Language. London: Springer
Cauller, L. y Penz, A. (2002). Artificial Brains and Natural Intelligence. En M. S. Rocco y W. S.
Bainbridge (Eds.), Converging Technologies for Improving Human Performance;
Nanotechnology, Biotechnology, Information Technology and Cognitive Science (pp. 227-
230). Arlington, Virginia: NSF
Clark, A. (1997). Being There: putting Brain, Body, and World together again. Cambridge, Mass.:
MIT Press.
Clark, A. (1998). Embodied, situated and distributed cognition. En W. Bechtel y G. Graham
(Eds.), A Companion to Cognitive Science. Malden, MA: Blackwell Publishers
Clark, A. (2002). Towards a science of the bio-technological mind. International Journal of
Cognition and Technology, 1(1), 21-33
Clark, A. (2003). Natural-born Cyborgs. Minds, technologies and the future of human intelligence.
New York: Oxford University Press.
Clark, A. y Chalmers, D. (1998). The extended mind. Analysis, 58(1), 7-19
Dascal, M. (2002). Language as a cognitive technology. International Journal of Cognition and
Technology, 1(1), 35-89 http://www.tau.ac.il/humanities/philos/dascal/papers/ijct-rv.htm
Di Paolo, E., Noble, J. y Bullock, S. (1999). Artificial Life: Discipline or Method? : ECAL' 99.
Di Paolo, E. A., Noble, J. y Bullock, S. (2000). Simulation models as opaque thought
experiments. En M. A. Bedau, J. S. McCaskill, N. H. Packard y S. Rasmussen (Eds.),
Artificial Life VII: Proceedings of the Seventh International Conference on Artificial Life
(pp. 497-506). Cambridge, MA: MIT Press
Echeverría, J. (2003). La Revolución Tecnocientífica. Madrid: FCE.
Fauconnier, G. y Turner, M. (2002). The way we think: Basic Books.
Feltrero, R. (2005). The role of computers in scientific research: a cognitive approach. En L.
Magnani y R. Dossena (Eds.), Computing, Philosophy and Cognition (pp. 1-12). London:
King’s College Publications
Feltrero, R. y Barandiaran, X. (2003). Conceptual and methodological blending in cognitive
science: The role of simulated and robotic models in scientific explanation, 12th.
International Congress of Logic Methodology and Philosophy of Science (Vol. Abstracts,
pp. 171). Oviedo, Spain
Giere, R. (2002). Models as Parts of Distributed Cognitive Systems. Disponible en:
http://www.tc.umn.edu/~giere/ [2003, 30/08]
Giere, R. (2003a). Computation and agency in scientific cognition. Disponible en:
http://www.tc.umn.edu/~giere/ [2004, Mayo]
Giere, R. (2003b). The role of computation in scientific cognition. Journal of Experimental &
Theoretical Artificial Intelligence, 15, 195-202 http://www.tc.umn.edu/~giere/
Giere, R., Steels, L., Franklin, S., Pickering, J., et al. (2001). Comments on Barbara Webb`s
article: "Can robots make good models of biological behaviour?" Behavioral and Brain
Sciences, 24(6), 1051-1094
Gorayska, B. y Mey, J. (Eds.). (1996). Cognitive Technology. In Search of a Humane Inteface.
Oxford: Elsevier
Grim, P. (2002). Philosophy for Computers: Some Explorations in Philosophical Modeling. En J.
H. Moor y T. W. Bynam (Eds.), Cyberphilosophy: The Intersection of Phylosophy and
Computing. Oxford: Blackwell Publishing
Grim, P. (2004). Computational modeling as a philosophical methodology. En L. Floridi (Ed.),
Philosophy of computing and information (pp. 337-349). Oxford: Blackwell
Hutchins, E. (1995). Cognition in the wild. Cambridge, Ma: MIT Press.
Hutchins, E. (1999). Cognitive artifacts. En R. A. Wilson y F. C. Keil (Eds.), The MIT
encyclopedia of the cognitive sciences (pp. 126-128). Cambridge, MA: The MIT Press
Hutchins, E. y Klausen, T. (1996). Distributed Cognition in an Airline Cockpit. En D. Middleton
y Y. Engeström (Eds.), Communication and Cognition at Work. Cambridge: Cambridge
University Press
Kirsh, D. y Maglio, P. (1994). On distinguishing epistemic from pragmatic action. Cognitive
Science, 18, 513-549
Kuhn, T. (1977). The Essential Tension. Chicago: University of Chicago Press.
Nersessian, N. (2002). The cognitive basis of model-based reasoning in science. En P. Carruthers,
S. Stich y M. Siegal (Eds.), The Cognitive Basis of Science. London: Cambridge University
Press
Thagard, P. (1988). Computational philosophy of science. Cambridge, MA: MIT Press.
Thagard, P. (1992). Conceptual revolutions. Princeton: Princeton University Press.
Thagard, P. (2004). Computing in the Philosophy of Science. En L. Floridi (Ed.), Philosophy of
computing and information (pp. 307-317). Oxford: Blackwell