Professional Documents
Culture Documents
htm
Volumen 5 - N28
Desde hace siglos qued planteada, en los ambientes cientficos y filosficos, la discusin
sobre las caractersticas del azar; as como su contraposicin con el determinismo o, en
algunos contextos, la oposicin entre determinismo y libre albedro. Es conocido que, de
Newton en adelante, por mucho tiempo, la ciencia qued asociada con el determinismo, y
que, con la llegada de la mecnica cuntica en virtud del principio de incertidumbre, se
produjo una restauracin del azar.
EL AZAR
Es difcil dar una definicin de azar que satisfaga a todos, ni siquiera a todos los
cientficos, en muchos de los cuales anida un rechazo instintivo del concepto: recurdese
el Dios no juego a los dados, de Einstein. Me limitar, por consiguiente, a indicar algunas
interpretaciones posibles de la idea de azar:
IGNORANCIA
Si llego, apurado por subir a un piso alto, a un edificio que tiene dos ascensores con
controles tales que si llamo a uno no podr llamar al otro; y si deseo llamar al que est
ms cerca pero no hay un indicador que me informe dnde se encuentran (y ninguno est
en la planta baja), podr decir que la posicin de los ascensores es aleatoria para m,
aunque, en realidad, estn en lugares perfectamente determinados.
La nocin de azar como ignorancia est asociada a lo que se llama probabilidad subjetivo,
uno de cuyos principales estudiosos fue el economista britnico John Maynard Keynes: si
el edificio tuviera diez pisos y hubiese un indicador de la posicin de uno de los
ascensores pero no del otro, la actitud de muchas personas (incluido el autor de este
artculo) sera llamar al ascensor cuya ubicacin conocen en el caso de que estuviera
entre los pisos primero y quinto, y al otro en el caso de que el ubicable se encontrara entre
los pisos sexto y dcimo. Esta actitud se basa en el denominado principio de indiferencia:
en ausencia de informacin, se da la misma probabilidad a todas las alternativas.
Esta nocin de azar ha sido muy cuestionada desde que comenz a formalizarse el
clculo de probabilidades, debido a las importantes dificultades tcnicas que aparecen
cuando se trata de usarla en la construccin de una teora matemtica de la probabilidad,
pero sigue teniendo valor operativo: consciente o inconscientemente, casi todas las
personas que se consideran racionales la usan en la vida diaria.
COMPLEJIDAD
Para casos como este, conviene definir complejidad de la manera ms precisa posible. En
los aos sesenta, G. Chaitin, entonces estudiante en Nueva York y A. N. Kolmogorov,
eminente acadmico sovitico, propusieron en forma simultnea e independiente una
definicin interesante para analizar la relacin entre complejidad y azar. Identificaron la
complejidad como la caracterstica que define una serie aleatoria de (muchos) nmeros; y
sugirieron que una serie de n nmeros (con n grande) es aleatoria cuando, para poder
generarla mediante un programa de computadora, este requiere un nmero de
instrucciones ms o menos igual a n. En lenguaje algo ms preciso, una serie de nmeros
es aleatoria si el algoritmo ms corto capaz de especificar la serie para que la reproduzca
una computadora tiene ms o menos el mismo nmero de bits de informacin que la
propia serie.
INESTABILIDAD
Se puede considerar, por ltimo, que el mundo que experimentan nuestros sentidos y el
microscpico estn intrnsecamente sujetos al azar. En el mundo que describe la
mecnica cuntica, el principio de incertidumbre de Heisenberg y, por consiguiente, el
azar son aceptados por los fsicos -con entusiasmo o con resignacin-, aunque ms no
fuere para escapar de concluir que todo est determinado, incluso lo que se les pueda
ocurrir espontneamente en cualquier instante La existencia intrnseca del azar se
concibe de dos maneras: como una propiedad constitutiva de lo que podramos llamar
nuestro mundo real, y como el resultado de la transposicin a este, amplificados, de los
fenmenos cunticos Ambos enfoques son en estos momentos objeto de muchsimas
discusiones, que sera sumamente difcil tratar de resumir
A menudo, los fenmenos que se quieren simular incluyen sucesos aleatorios (por
ejemplo, la llegada de clientes a una cola: cunto despus de que arribe uno
determinado lo har el siguiente?), que es necesario reflejar en el programa de
computacin. Cmo reflejar aleatoriedad en tal programa, dado que por su construccin
la computadora es un aparato determinista?
Von Neumann fue el primero que realiz una simulacin de este tipo. Necesitaba calcular
las consecuencias de un flujo de neutrones a travs de un medio; conoca las
probabilidades de que cada neutrn chocara con un tomo y en tal caso, las de que fue ra
absorbido por el tomo, dispersado, o fisionara a este. Adems, era ms barato y seguro
seguir las trayectorias de los neutrones en listas de computadora que hacer experimentos
reales con ellos. Von Neumann imagin un procedimiento para generar nmeros que
parecieran aleatorios: mediante un algoritmo matemtico, y a partir de un nmeno inicial
que llam semilla, defina tantos como necesitaba, en forma iterativa (cada uno a partir del
anterior), distribuidos uniformemente en cierto intervalo.
El mtodo usado por Von Neumann era bastante primitivo, pero posteriormente los
algoritmos de generacin por computadora de nmeros pseudo-aleatorios se refinaron,
hasta alcanzar gran efectividad en los programas que simulan fenmenos aleatorios. En
cada corrida de computadora la semilla debe ser distinta, pues de lo contrario aparecer
la misma serie. La semilla es un dato de partida que debe tener por razones tcnicas,
ciertas propiedades; en algunos programas, para evitar la subjetividad inherente a
elecciones humanas, la semilla se fija automticamente, por ejemplo, tomando la fecha u
hora que registre la computadora.
Esta clase de enfoque pragmtico tiene antecedentes ilustres: cuando, en los albores de
la computacin, se comenz a discutir sobre inteligencia artificial (o sea, sobre si las
computadoras podran alguna vez reemplazar el cerebro de las personas), se quiso definir
un criterio para establecer si una computadora era inteligente. Turing propuso una
definicin basada en un test sencillo: se prepara un programa de computacin que
conteste inteligentemente preguntas que le sean formuladas mediante un dispositivo de
entrada de datos, y se formulan esas preguntas paralelamente a una computadora y a
una persona (se supone que la segunda es inteligente, aunque Turing no lo explicita). Si
una serie de individuos, que no saben cules de las respuestas que reciben provienen del
ser humano y cules de la mquina, se equivocan un nmero razonable de veces en
atribuirlas a uno o a la otra, se debe considerar que la computadora es inteligente. Es
decir es inteligente aquello que parece inteligente.
SISTEMAS COMPLEJOS
Que el modelo matemtico represente bien al fenmeno fsico y sea estable, pero los
mtodos numricos usados no sean buenos y permitan la propagacin y amplificacin de
errores. Es el caso ms fcilmente explicable y subsanable: un buen analista numrico
podra, en la mayora de los casos, darse cuenta de los problemas y encontrar un mtodo
mejor, a veces a costa de muchsimo ms trabajo computacional. Se trata de una
situacin de aleatoriedad espuria.
Que el modelo matemtico arroje resultados inesperados pero no est claro si es porque
refleja un fenmeno real, no observado en el laboratorio, o debido a que no representa
bien al hecho fsico. Son problemas que se presentan cada vez con mayor frecuencia, a
medida que, en substitucin de costosos experimentos, se construyen modelos
matemticos ms complejos para simular situaciones reales.
EL CAOS DETERMINISTICO
Durante la mayor parte de la historia de la ciencia fue comn representar los procesos
mediante aproximaciones lineales (es decir por ecuaciones de primer grado o lineas
rectas), cuya simplicidad las hace de resolucin relativamente fcil. De hecho, antes de la
era de la computadora la linealizacin de los modelos era, en la mayora de los casos, la
nica posibilidad de obtener soluciones explcitas. La difusin de la computadora como
instrumento cotidiano del trabajo cientfico permiti afrontar problemas para los cuales la
linealizacin resulta una simplificacin excesiva, y provoc, como consecuencia lgica,
que el mundo cientfico -en particular los fsicos- comenzara a investigar fenmenos no
lineales, a menudo con comportamientos muy distintos de los lineales.
Los sistemas dinmicos (es decir que evolucionan en el tiempo) lineales haban sido
estudiados con mucho detalle por los matemticos, pero los no lineales comenzaron a
serlo -con un nmero rpidamente creciente de cultores- desde hace no ms de unos
treinta aos. Son especialmente atractivos para los especialistas los sistemas no lineales
inestables, en los cuales pequeos cambios del estado inicial provocan grandes
alteraciones de los resultados, tan grandes que, a partir de cierto punto, se pierde el
control de las trayectorias de las variables y no se puede predecir su comportamiento,
aunque las ecuaciones diferenciales que lo rigen estn perfectamente especificadas.
LA PERDIDA DE LA COMPLEJIDAD
CONCLUSIONES
LECTURAS SUGERIDAS
CHAITIN, G.J., 1975, "Randomness and Mathematical Proof", Scientific American, 232:47-
52
HACKING, I., 1991, The Taming of Chance, Cambridge universitary Press, Cambridge,
Mass. Traduccin castellana: La domesticacin del azar, Gedisa, Madrid, 1992.
KNUTH, D., 1969, "Seminumerical Algorithms", en The Art of Computer Programming, v.2,
Addison-Wesley, Reading, Mass.
PENROSE, R, 1989, The Emperor's New Mind, Oxford University Press, Oxford.
Traduccin castellana: La nueva mente del emperador, Mondadori, Madrid,1991.
VON MISES, R., 1981, Probability, Statistics and Truth, Dover New York.