Redes-y-complejidad2

Carlos Reynoso – Redes sociales y complejidad
senvuelven para contestarla, orientar el modelo de datos, clarificar la naturaleza y por
último evaluar la sostenibilidad del modelado propuesto.
La definición permite dar cabida tanto a los problemas directos como a los inversos. En
los primeros las reglas de producción de la expresión ya se conocen; en el segundo se las
debe encontrar o construir. De más está decir que los casos de problemas inversos o de
inducción (o abducción) gramatical, aunque implícitos como tales, suelen ser mayoría en
la ciencia empírica, desde las formales a las interpretativas: dado un estado de cosas, el
investigador procura inducir, conjeturar o modelar el conjunto de reglas, restricciones o
singularidades que lo generan. En la totalidad de las disciplinas y bajo cualquier régimen
teórico, los problemas que se relacionan con la interpretación de los datos observados son
(o pueden formularse como) problemas inversos (Bertuglia y Vaio 2005: 12).
Educado en una concepción mecanicista, Jacques Hadamard [1865-1963], el padre de la
idea, consideraba que los problemas inversos son categóricamente problemas mal planteados
y que existía una sola solución estable por cada problema (Hadamard 1902; Tarantola
2005). Ya son pocos los puristas que piensan de este modo; ahora se sabe que es
más productivo articular la estrategia para que engrane con alguno de los muchos estilos
de solución posibles inscriptos a su vez, de todas maneras, en unas pocas clases de problemas.
7 La distinción entre esos estilos y clases podría llegar a servir (con los recaudos
del caso) para definir heurísticas o patrones metodológicos en función de lo que ya se sabe
de las clases a las que pertenecen (cf. Miller y Page 2007). En el ensayo que va a leerse
la definición de problema (directo o inverso) estará siempre activa, como residente en el
fondo de la escena pero a tiro de piedra, mientras analizo los escenarios y propongo los
instrumentos.
Connatural a la definición de problema es el concepto de sistema. Cuando el investigador
opera en modo directo lo usual es que proponga un sistema mecánico, estadístico, complejo
o de significación cuyos parámetros ya conoce y luego compruebe si la trayectoria
de los datos que educe coinciden con el comportamiento del objeto observado. Cuando se
procede en modo inverso se toma como punto de partida este comportamiento y luego se
induce o construye el sistema que podría dar cuenta de él. En ciencias humanas ésta es,
lejos, la especie de modelos que ocurre por defecto. Mientras en las ciencias axiomáticas
consolidadas a la usanza antigua se parte de un conjunto de algoritmos prêt-à-porter para
predecir algún estado de cosas, en las ciencias humanas, más humildemente, se toma como
punto de partida un estado de cosas mal o bien conocido para inferir de qué manera
(es decir, mediante qué conjunto de algoritmos a [re]construir) éste pudo llegar a ser lo
que es. Si más adelante ese conjunto algorítmico, gramática o “lenguaje” se puede reciclar
sistemáticamente para dar cuenta de otro problema o para predecir en otro contexto otro
estado de cosas en el futuro, tanto mejor; pero es de la inducción primaria y de sus efectos
operativos inmediatos de lo que cabe ocuparse primero.
7 No tiene caso preguntar cuántas clases de problemas hay. De acuerdo con la resolución y perspectiva que
se adopten, ese número oscilará siempre entre 1, n, ¿ (indeterminado) y ∞ (infinito). En la práctica, empero,
se ha decantado un puñado de clases abarcativas y un conjunto de algunos cientos de clases de complejidad.
14