09112005Por Verónica Castro

Dante Chialvo
es biólogo graduado en la Universidad Nacional de Rosario e investigador principal del CONICET. Trabaja desde hace veinte años en los Estados Unidos en sistemas biológicos complejos. Hace lo que él llama Física en Biología, ya que utiliza herramientas de la Física para el estudio de algunos problemas biológicos que, por su nivel de complejidad, aún no habían sido explorados.

Ha publicado más de 50 trabajos en las revistas de más impacto en el mundo de la Física (como Physical Review Letters) sobre la complejidad de la naturaleza: ya sea un cerebro, una población de hormigas o el desorden del latido cardíaco precediendo a la muerte, siempre desde la óptica de la dinámica de los sistemas complejos, teoría que explica en detalle pero en forma sencilla en esta interesante charla.

En las últimas décadas se han hecho contribuciones muy importantes desde la teoría de la complejidad vinculadas, por ejemplo, al estudio del cerebro, un tópico que desvela a este científico argentino, que está pronto a retornar al país con importantes proyectos para el desarrollo de la ciencia.

*Dante chialvo se encuentra actualmente en la Argentina como becario Fulbright, dictando un curso sobre Complejidad en Biología y Medicina en la UNC. Fulbright, una organización sin fines de lucro, tiene una Comisión de Intercambio Educativo entre los Estados Unidos y la Argentina que otorga becas para enseñar e investigar en los Estados Unidos y en la Argentina.

—Usted es biólogo pero –según sus propias declaraciones- desde hace 20 años “hace Física en Biología”. Asimismo, también publica generalmente en revistas de Física. ¿Qué significa “hacer Física en Biología”?

—“Hacer Física en Biología” es un modo de decir que se utilizan herramientas de la Física para el estudio de algunos problemas biológicos, que por su nivel de complejidad, aún no habían sido explorados.

Tradicionalmente se percibe a las disciplinas organizadas en dos grupos: las ciencias duras (Física, Matemática, Química, Biología molecular, etc.) y las ciencias blandas ( Economía, Ciencias Sociales, Filosofía, etc.) y la diferencia entre estos grupos es que en las ciencias duras uno puede hacer modelos matemáticos y predecir algo del futuro, y en las ciencias blandas lo único que se podía hacer era lo que llamo una “narrativa post mórtem”, es decir después de que algo pasa se empieza a explicar, a hacer historia. Esto cambió desde hace un tiempo cuando algunos científicos empezaron a notar que se podían utilizar los métodos de la Física para estudiar fenómenos que hasta ahora habían sido estudiados por las ciencias blandas. De esta manera, en lugar de hacer sólo historia del pasado uno podía aplicar física estadística, por ejemplo, para empezar a sistematizar cosas que pasan toda vez que poblaciones de individuos se agrupan de algún modo particular. Se comenzó a ver que el modo como los humanos se juntan para hacer una guerra, o la manera como las hormigas se agregan para construir un hormiguero tienen cosas en común a pesar de ser tan dispares, y que se pueden cuantificar con provecho. Es decir que el entendimiento de fenómenos colectivos que hasta ahora estaban únicamente en manos de “historiadores” ahora han sido recuperados para los físicos y se empezó a hacer ciencia dura dentro de las llamadas ciencias blandas. En ese sentido, y por pura contemporaneidad, he sido afortunado al participar, durante dos décadas, en el estudio de los sistemas complejos, un enfoque responsable de que en las ciencias blandas se pase de la narrativa a la posibilidad de hacer modelización matemática.

— ¿Podría explicar brevemente qué son los sistemas complejos?

—Podría empezar la explicación con algunos ejemplos de un sistema complejo: la Física se interesó por la economía y formó una “minidisciplina” que se da en llamar “Econofísica”. En este marco se trata de entender las conductas sociales colectivas que tienen los individuos cuando, por ejemplo, deciden invertir o no invertir, cuando deciden seguir al que compra o al que vende en función de decisiones que toman todos (sin saberlo) en conjunto.
La teoría de los sistemas complejos estudia el comportamiento de los individuos, viendo cómo se autoorganizan estas conductas colectivas (que también llamamos emergentes), en las que cada individuo obra en soledad, pero en las que “el todo” termina haciendo algo que es beneficioso para toda la población. Esto se estudia en sociedades de hormigas, bandadas de pájaros o individuos de una sociedad. Lo que realmente revolucionó el nacimiento de este tipo de estudios de complejidad es que se descubrió muy tempranamente que no hacía falta hacer una teoría para las hormigas, otra para los pájaros, otra para los inversores de Bolsa, etc. sino que todos esos grupos tenían comportamientos comunes y que estos comportamientos tenían poco o nada que ver con la composición intrínseca de cada uno, sino con dos aspectos fundamentales: que la conducta del individuo es no lineal y que haya muchos individuos actuando.

Lineal significa que para cualquier valor de la variable de interés se usa la misma “regla”. Por ejemplo, una línea recta tiene la misma inclinación en cualquier punto, es lineal. Si uno dice que cuando invierte $10 se guía por la misma regla que cuando invierte $1.000.000, entonces el proceso es lineal. Pero sabemos que esto no es cierto. Cuando invertimos $10 usamos una regla muy diferente a cuando invertimos un millón de pesos. Entonces si la regla cambia según el valor de la variable, significa que esa función o ese proceso es “no lineal”. Otro ejemplo es la paciencia humana, que también es no lineal, ya que -como sabemos- uno reacciona de manera diferente cuando algo molesta muy poquito, cuando molesta un poco y un poco más, hasta que explota.

Volvamos a lo que decía de la importancia de que los individuos constituyentes de un sistema complejo son no lineales. Desde la teoría, se puede mostrar que de la interacción de cosas lineales no surge nada complejo. Podríamos conjeturar que, pensando las sociedades con sistemas complejos, si todos actuásemos de la misma manera siempre –es decir con comportamientos lineales– no habría revoluciones, las comunidades no se organizarían como se organizan, y la sociedad nunca evolucionaría. De la misma manera si un sistema biológico como el de las neuronas tuviera un comportamiento lineal, no se formarían cerebros, la memoria no existiría, no existiría ningún tipo de transformación de las que sabemos que existen en el cerebro. Matemáticamente uno puede probar hoy que para que exista la complejidad que vemos en la sociedad, en el cerebro, etc., es absolutamente necesario que el comportamiento individual sea no lineal, porque de la linealidad no surge nada.

Para decirlo en forma sencilla: la linealidad es el agua; una molécula de agua con otra molécula de agua interaccionan siempre de la misma manera. En cambio la no linealidad es una pila de arena. Si hacés en la playa una pila de arena agregando arena poco a poco, observás que por un rato se forma una pila en forma de cono, pero en un momento el agregado de “un grano” más produjo una enorme avalancha de actividad, de desmoronamiento. En este ejemplo ilustrativo, cada grano de arena se comporta individualmente en formal no lineal, ya que si tratás de desplazarlo suavemente, no se inmuta, lo empujás un poco más y, de pronto, rueda. Mientras tanto en el caso del agua empujás un poco y se mueve un poco, la empujás mucho y se mueve mucho.

Un primer aspecto fundamental para entender la complejidad es que se origina de la interacción de individuos y que esas partículas individuales tienen que obrar en forma no lineal.

— ¿Y cómo funciona el segundo aspecto de los sistemas complejos, la cantidad de individuos?

—Sí, la segunda condición es que los individuos sean muchos. Es razonable pensar que sistemas con pocas partes actúan “diferente” de otros muy grandes. Ya tenemos la experiencia e intuición de lo que, por ejemplo, llamamos comportamiento en masa, o que en grupos grandes “actuamos” diferente. Dos personas no forman una sociedad, forman una pareja; una familia, tampoco. Y las cosas que emergen en grupos grandes son diferentes de las que muestran grupos más reducidos. Por ejemplo la memoria es una propiedad emergente del todo. La memoria se conserva en una familia de un modo distinto de como se expresa en una sociedad. En la sociedad existe en lo que llamamos memoria colectiva; no sabemos bien dónde está pero reconocemos que una sociedad aprende de eventos en el pasado y en el futuro reacciona diferente al mismo evento, mientras que la memoria en una familia seguramente está en el miembro de más edad, en las historias del abuelo.
En estos sistemas complejos hay tantas cosas que están vinculadas, que la única manera de predecir es conocer la exacta posición de todos los granos de arena de la pila– aunque el grano de arena lo estoy utilizando de forma metafórica, también se lo puede usar de forma literal-. Si, por ejemplo, se conocen todos los detalles de todos los granos, cuando removés un grano podés saber exactamente si va a haber una avalancha o no. Este tipo de conocimiento, en detalle, depende del universo del que se parte: si en un universo es imposible de saberlo en detalle (como en el caso de la pila de arena) la previsión no se hace exacta, sino estadística.

— Y ¿qué se puede predecir?

—Que va a haber avalanchas, y que esas avalanchas no hay forma de manipularlas; podemos ver con qué frecuencia vamos a observar grandes avalanchas o no y, en tal caso, veremos una cosa típica que es que los eventos se distribuyen sobre la base de una ley de potencia.

—¿Qué nos dice la ley de potencia?

—Que podemos observar avalanchas de todos los tamaños y que la probabilidad de que veamos una avalancha de tamaño grande es muy pequeña, pero no es cero. Para ejemplificar volvamos a la avalancha: es muy frecuente que muevas un grano de arena y no pase nada, la posibilidad de que muevas un grano y como consecuencia se muevan diez, es aproximadamente uno sobre diez; que saques un grano y se muevan mil, es uno sobre mil, pero nunca es cero. Matemáticamente está garantizado que por mover un grano se puede caer toda la pila. La lección tiene carácter estadístico, es decir no podemos predecir que a un tiempo dado, un inversor dado, hace algo con un monto de equis pesos y que por ello va haber una escapada de la Bolsa o no. Lo que sí nos enseña es que está absolutamente garantizado que algún día habrá una escapada que involucrará a todos los inversores; nos enseña que prevenir esos crash o avalanchas es ingenuo, que el precio por tener una economía activa hay que pagarlo con caídas y escapadas. Lo único que puede prevenir una avalancha es generar otra antes.

Los crash de la economía son similares, en muchos sentidos, a un tipo de fenómenos que se llaman fenómenos de autoorganización crítica, durante los cuales el sistema está crítico, produce una avalancha después de la cual se relaja y se hace sub-crítico, pero su evolución natural hace que vuelva a acercarse al estado crítico. Esto parece ser una conducta muy general de la naturaleza, y se ha visto que existe en muchos sistemas, en la economía, en la política, en el cerebro, en el sistema inmune, etc. La dinámica de “criticalidad autoorganizada” parece ser una forma muy común de funcionar que la naturaleza adopta, debido posiblemente a que está constituida por esos dos condimentos que mencionamos antes: muchos individuos no lineales en interacción.

Este acercamiento permanente al estado criticalidad, con avalanchas y desastres, se refleja en nuestra vida cotidiana, en la que -si se quiere- pasa lo mismo: estamos aparentemente cómodos y confortables pero sentimos, sin embargo, cierta vacuidad. Decimos que nos falta algo, entonces buscamos mezclarnos en un nuevo proyecto y nos metemos en problemas; superamos ese problema, nos relajamos y volvemos a sentirnos vacíos y a querer generar otro proyecto. Es decir que alcanzamos un estado de aparente equilibrio (el crítico), que volvemos a destruir.

Otro ejemplo sería el aprendizaje en los niños: el desafío para aprender algo es que tiene que ser lo suficientemente fuerte para ellos como para que se interesen y se enganchen, pero no puede ser demasiado como para que se frustren. Entonces le ofrecemos al niño una tarea que está prácticamente al borde de su capacidad, y cuando la aprende, le subimos el desafío nuevamente. En nuestro lenguaje podemos decir que la estrategia de aprendizaje óptima sería aquella en la cual aprendiz a pesar de aprender continuamente está siempre al borde de fallar. Algo así como estar siempre al borde de la criticalidad. Y esta criticalidad tiene, a su vez, una característica peculiar: es por un lado la inestabilidad más grande que tiene el sistema, pero a la vez es el estado más robusto pues eventualmente el sistema por sí solo vuelve a estar en ese mismo estado inestable.

Estamos acostumbrados a la idea de la inestabilidad. Por ejemplo, si suelto este lápiz, se cae pues la posición vertical es inestable; en este caso el estado más robusto es el más estable, es decir, el lápiz horizontal. En cambio, la criticalidad autoorganizada es un ejemplo de convivencia paradojal de inestabilidad y de robustez, lo que probablemente explique por qué estos estados abundan en la naturaleza.

—¿Para qué nos sirve esta forma de ver la naturaleza que nos rodea?

—Este punto es muy importante. Estos son todos ejemplos de que la naturaleza no puede ser descripta en términos de homogeneidad. La naturaleza está plagada de no homogeneidades, de no uniformidades. Todos estos esfuerzos por estudiar sistemas complejos son en realidad una forma de encontrar una teoría universal para la no Homogeneidad, la no Uniformidad, que en la naturaleza es mayoría. Las teorías que explican los procesos lineales, sin interacciones entre ellos, explican muy bien la característica minoritaria de aquellos fenómenos que son aburridamente homogéneos, centrados alrededor de un valor promedio, con una sola forma para el todo (uni-formidad), son teorías para lo trivial.

—Dentro de sus estudios sobre la dinámica de los sistemas complejos, actualmente está dedicado a tópicos relacionados con la función cerebral, ¿qué es lo que está investigando en particular?

—Los grupos neuronales, en analogía con la metáfora de la pila de arena, interactúan de un modo similar, ya que las neuronas se descargan entre ellas y se inhiben y relajan, etc. En resumen, son capaces de mostrar lo que dimos en llamar “avalanchas neuronales”. Se ha visto en experimentos con cultivos de corteza cerebral que la actividad normal de la corteza se asemeja mucho a estos estados, en los cuales períodos de silencio son interrumpidos abruptamente por momentos de mucha actividad neuronal. Si reflexionamos un poco, es así como pasan las ideas. Es decir, no tenemos una idea todas las mañanas a las 8:30hs, sino que nos pasamos haciendo poco y nada por días y días y de golpe se nos ocurre una idea y trabajamos muchísimo por un tiempo, para volver al aburrimiento y la aridez total en la que no creamos nada. De nuevo este patrón de actividad es un ejemplo de no homogeneidad, donde hay también leyes de potencia que describen este “ritmo”: una de cada diez veces hacemos algo más o menos bueno, una de cada 100 veces hacemos algo muy bueno, una de cada 1.000.000 veces hacemos algo genial. Es decir que existe siempre la probabilidad no cero de que hagamos algo tremendamente importante sobre la base de esta forma de distribución, a esa ley de potencia de la que hablábamos antes. Creemos que deberíamos pensar cómo es la conexión entre estos patrones temporales de la conducta (creativa o no) y cómo el cerebro puede generarlos, considerando que el cerebro tiene muchos condimentos de la dinámica de una sociedad de individuos.

Enfrentados al cerebro como sistema complejo, una lección que aprendemos es mirar primero el “universo de lo posible”. Esto quiere decir ver lo que obligadamente va a ocurrir como conducta de un sistema complejo. Mirar el cerebro de este modo es una herejía moderna, pero no tengo problemas de confesarlo. ¿No será que el estado consciente es la “danza” obligada (en el sentido de una interacción) que se da porque estas neuronas están conectadas de esta manera en particular?. Del mismo modo, consciencia e inconsciencia podrían ser sólo fases diferentes. ¿No será que podremos llegar a medir la conciencia de la misma manera que medimos la actividad de otros sistemas complejos cuando hablamos de temperatura efectiva? Y esto me recuerda a un workshop reciente durante el cual pensaba que nuestro entendimiento de la organización del cerebro y la conciencia está en el mismo estadio que la termodinámica antes de haberse formalizado la noción de temperatura. Imaginemos lo que era hablar de estados de la materia sólido, gaseoso o líquido, antes de que se hubiese creado la noción de temperatura... Para poder definir a un gas no solamente tenés que tener temperatura sino también presión. Entonces hay una temperatura y una presión bajo la cual cualquier materia (agua, helio, hierro) puede pasar de una fase gaseosa a una fase líquida o a una fase sólida. Si cambia la temperatura, se puede cambiar la fase. Hoy nos resultan triviales estos conceptos, pero tratemos de imaginar cómo era antes del concepto de temperatura. Entonces, lo que yo postulo es que el avance del estudio del estado consciente, subconsciente, e inconsciente es parecido al de las fases, pero aún carecemos de la noción de temperatura.

—¿Al sólido lo compararía con el estado consciente, por ejemplo?

—¿Podemos posponer esa pregunta? Lo que te puedo decir ahora es que algunos comparten mi intuición de que el estado consciente es un estado intermedio, un estado de criticalidad en el cual, por decirlo muy rápidamente, a veces funcionamos como sólido, a veces funcionamos como líquido y a veces como gas. Y el único punto en que la materia reúne esas tres condiciones es cuando está en el punto crítico. Yo considero que el estado de conciencia del ser humano es en el punto critico, en el estado de criticalidad del que ya hablamos antes. Volviendo a la analogía con las fases de la materia todavía no sabemos cuáles son los parámetros para armar este mapa de las fases del cerebro...

—No sabemos cuáles serían los análogos a la temperatura y a la presión...

—Exactamente. Un buen comienzo es que ya podamos medir algo parecido a la temperatura . Por eso decíamos que en este tema estamos como la física antes de formalizar la noción de temperatura. Antes de eso, cuando tocábamos algo muy frío decíamos “esto quema”. Ahora sí podemos decir “esto es frío” y “esto es caliente”, pero en ese momento lo único que teníamos era la sensación de algo que era quemante. Sin embargo, había distintas cosas quemantes, o bien, como hoy sabemos, distintas temperaturas. La fricción y el hielo. Si llevamos esta ambigüedad al tema de la conciencia, tenemos que ser cautos al preguntarnos ¿esto es estar consciente o no es estar consciente?; ¿es subconsciente o es más conciente? o ¿soñar es estar consciente o no estar conciente? Las respuestas a las que podemos arribar ahora con respecto a estas preguntas tienen la misma ambigüedad que las conclusiones que se debatían en la termodinámica antes de formularse apropiadamente el parámetro de temperatura. ¡No es extraño entonces que aún hoy no avancemos en el estudio de una de las cosas más fundamentales del ser humano que es la organización del estado consciente!

—Pero ¿por qué no se puede aún medir algo que está correlacionado cuantitativamente con esa escala?

—Por una resistencia natural al cambio, a aceptar el hecho obvio de que para poder estudiar fenómenos complejos en sistemas con muchas partículas hay que abandonar la receta reduccionista lineal que sí ha sido exitosa hasta ahora para describir cosas que tienen una o dos piezas y un comportamiento lineal. Debido a esta resistencia no podemos construir una pintura realista de lo que es el estado consciente. Pero no es porque no tenemos las herramientas. Las herramientas son las mismas de la física, de la mecánica estadística, porque en definitiva el cerebro tendrá fases donde algunas serán subconscientes, por ejemplo, y fases globales de todo el sistema. Así podremos medir la temperatura de una sociedad y la temperatura de un cerebro. Y no es que estemos haciendo ciencia ficción; es solamente– y volviendo al punto inicial de la conversación– dejar de hacer narrativa post mórten de esa parte de los fenómenos naturales para pasar a hacer dinámica cuantitativa, física y estadística de sistemas complejos. En las últimas décadas se han hecho contribuciones muy importantes utilizando este tipo de estrategias, en otros sistemas pero también en el cerebro como debatimos recientemente en un workshop reciente en Vancouver y París.


Fecha: Noviembre de 2005