COMENTARIOS BIBLIOGRÁFICOS

Eric Winsberg, Science in the Age of Computer Simulation, Chicago, The University of Chicago Press, 2010, XI + 138 pp.

Esta obra de Winsberg es uno de los pocos libros íntegramente dedicados a las simulaciones computacionales desde el punto de vista de la filosofía de las ciencias. El único antecedente que conozco es el libro de Paul Humphreys, Extending Ourselves: Computational Science, Empiricism, and Scientific Method (New York, Oxford University Press, 2004). Curiosamente, Winsberg no cita esta obra, aunque tiene en cuenta otros artículos anteriores de Humphreys. El propio libro de Winsberg se origina en diversos artículos previamente publicados, que han sido parcialmente revisados y editados para su inclusión en esta obra, la cual no constituye, por consiguiente, un tratamiento sistemático del tema.
Winsberg sostiene que las simulaciones computacionales han transformado la ciencia de nuestros días. Una primera mirada a la historia de las simulaciones podría inducirnos a pensar que las simulaciones computacionales son tan sólo útiles para sobrepasar limitaciones prácticas en la resolución de ecuaciones pero Winsberg defiende que un análisis profundo de las mismas nos mostrará que desempeñan un papel tan crucial, complejo y creativo como el teorizar y el experimentar.
Winsberg comienza afirmando que el objetivo de los científicos al crear una simulación computacional es representar un sistema de interés (o target, término que suele emplearse sin traducirlo). Usualmente, parten de un conjunto de ecuaciones diferenciales que forman parte de un corpus teórico y utilizan técnicas analíticas para encontrar soluciones aproximadas a dichas ecuaciones: "discretizan las ecuaciones" para poder resolverlas. Convierten ecuaciones diferenciales con ratios continuos a lo largo de intervalos infinitesimales en ecuaciones con ratios de cambio en intervalos discretos. A continuación, eligen una grilla conformada por intervalos de espacio y tiempo lo suficientemente pequeños para que el daño de la aproximación sea acotado. Cuánto más pequeños sean los intervalos elegidos, más grande será la memoria y el tiempo requerido por la computadora para resolver dichas ecuaciones; se pueden elegir intervalos tan chicos que vuelvan a la simulación "computacionalmente intratable". Los científicos, por consiguiente, deben tomar una decisión entre el error de aproximación deseado, las posibilidades tecnológicas con las que cuentan y la velocidad de cálculo deseada. Ahora bien, en los algoritmos de programación de una simulación científica, no sólo nos encontramos con ecuaciones diferenciales "discretizadas" provenientes de un corpus teórico particular. Otros elementos aparecen como, por ejemplo, ecuaciones provenientes de otras teorías para zonas "periféricas" de la grilla, técnicas de aproximación probadas exitosamente en otras simulaciones y elementos (ecuaciones, variables, valores específicos de referencia en determinados intervalos de espaciotiempo, entre otros) que son producto de intuiciones o hipótesis de los científicos producto del análisis de los resultados de distintas corridas de la simulación, o bien provenientes de experimentaciones o de otras simulaciones. Todos estos elementos poco tienen que ver con el corpus teórico inicial. Y esto parece indicar que las simulaciones no funcionarían solamente como la aplicación de un marco teórico para representar un sistema de interés y, por tanto, su uso no estaría limitado, como señalamos al principio, a superar limitaciones prácticas en la resolución de ecuaciones.
Winsberg sostiene que las simulaciones computacionales comparten muchas similitudes con los experimentos reales, entre otras, poseen una vida propia respecto del marco teórico, aplican técnicas similares de propagación del error y manejo de la incertidumbre y producen resultados semejantes, tales como series de datos e imágenes. De todos modos, considera a las simulaciones como una nueva actividad científica que se encuentra entre el teorizar y el experimentar, ya que él le atribuye a esta práctica científica características propias.
Propone, entonces, analizar cómo los investigadores justifican su creencia de que el objeto puede ser una buena representación del target y concluye que lo que distingue a las simulaciones de los experimentos es el carácter del argumento dado para legitimar la inferencia de objeto a target y el conocimiento que justifica ese argumento. Así, propone la siguiente definición de una simulación computacional. Si una investigación se adecua a la siguiente descripción es una simulación: a) utiliza principios considerados confiables para la construcción de modelos de los sistemas objetivos; b) la supuesta confiabilidad de dichos principios se emplea para justificar la utilización del objeto para realizar inferencias sobre el target; c) la creencia en la adecuación de dichos principios se emplea para justificar la validez externa de dicho estudio. En caso contrario, esto es, si no cumple con estas condiciones, es una experimentación. Resulta significativo que, mediante esta estrategia, la caracterización de una experimentación queda definida por una vía negativa de la forma: si algo no es una simulación, entonces, es un experimento. El criterio propuesto por Winsberg tiene, además, la consecuencia de agrupar a los experimentos mentales y reales en una misma categoría, sin permitir distinguirlos.
Respecto del valor epistémico, Winsberg considera que las experimentaciones no tienen un mayor poder epistémico que las simulaciones, como otros autores afirmaron, aun cuando sí sostiene que podemos postular una prioridad epistémica de la experimentación, ya que para realizar una simulación dependemos en general de un conocimiento sofisticado y una larga historia de experimentos y observaciones. Más adelante, señala que en el desarrollo de simulaciones computacionales es usual utilizar representaciones inexactas o que contradicen lo que creemos que se corresponde con el mundo, lo que denominamos "ficciones". Estas ficciones se utilizan para extender el alcance de las simulaciones más allá de los límites tradicionales de aplicación. La conjunción de distintos modelos, que pueden incluso ser incompatibles entre sí, a lo largo de la grilla que intenta representar un sistema de interés permite que la simulación funcione apropiadamente en su conjunto. Es decir que, deliberadamente, los científicos deciden representar equivocadamente el target en algunos puntos de la grilla a fin de que la representación como un todo funcione apropiadamente.
Recorriendo un ejemplo práctico, Winsberg se adentra en el estudio de los modelos del clima. Estos modelos son interesantes por su impenetrabilidad analítica y por las implicaciones políticas de sus resultados. Su impenetrabilidad analítica está relacionada con la imposibilidad de atribuir el éxito o fracaso de las predicciones a alguna hipótesis en particular o a algún componente que forma parte del modelo. Esto es lo que habitualmente se denomina 'holismo de la confirmación'. Pero, según Winsberg el holismo de la confirmación sería más profundo en el caso de estas simulaciones por su gran complejidad. En las simulaciones del cambio climático, los distintos modelos y componentes que participan se vinculan e interactúan entre sí, evolucionan, se modifican a partir de presiones externas al modelo respecto de resultados específicos, conformando un todo impenetrable. En relación a las implicaciones políticas de sus resultados, Winsberg señala que en el caso de estas simulaciones el foco en la predicción de ciertas variables sobre otras, como, por ejemplo, predicciones respecto del cambio de la temperatura de la superficie terrestre, es influenciado por consideraciones no epistémicas, relacionadas con el hecho de que los cambios en esta variable se consideran importantes por sus implicaciones sociopolíticas. Y esta prioridad de predicción de ciertas variables influye necesariamente en la estimación de las incertidumbres propias tanto de la estructura del modelo como de los parámetros.
Luego, el autor se pregunta cuáles son las fuentes de credibilidad de las simulaciones computacionales. Al parecer, estos modelos son guiados por un corpus teórico pero no están determinados por él, ni tampoco, por ende, pueden basar su credibilidad en dichas teorías. Otra fuente de credibilidad son las técnicas de construcción de modelos utilizadas que se consideran adecuadas para construir simulaciones con alto grado de credibilidad y que ya han probado ser exitosas aplicadas en otros modelos. Estas se basan en aplicaciones para la propagación del error, la introducción de submodelos propios de otras teorías o simulaciones que mejoran la confiabilidad del modelo pero que pueden no coincidir con una representación apropiada del sistema de interés. ¿Cómo es posible que estos modelos semiautónomos sean fuentes creíbles de conocimiento acerca de sistemas en los cuales la información es escasa? Se vuelven confiables para los científicos cuando los resultados de las simulaciones concuerdan con datos previamente aceptados, observaciones, análisis hechos en papel e intuiciones, así como cuando hacen predicciones exitosas.
Finalmente, Winsberg concluye en su libro que una mirada más cercana al uso de las simulaciones computacionales permite apreciar la importancia de la relación entre las teorías y sus aplicaciones. El desarrollo realizado en el presente libro le permite rechazar la intuición de que las simulaciones no son nada más que aburridas aplicaciones de teorías y comenzar a vislumbrarlas como una nueva forma de producción de conocimiento con un valor epistémico de igual relevancia que las experimentaciones. Winsberg considera que mucho trabajo queda por hacer en este camino e invita a los filósofos de la ciencia a profundizar los estudios de esta práctica. En suma, el autor desarrolla en los sucesivos capítulos del trabajo distintos abordajes en el análisis de las simulaciones computacionales que conforman un estudio todavía preliminar acerca de la complejidad de esta práctica científica.

María Rosenfeld
Universidad de Buenos Aires