Nuestro invitado es el profesor David Krakauer David es un biólogo teórico y dirige el Instituto de Descubrimientos de Wisconsin (Wisconsin Institute for Discovery). También es profesor de Genética en la Universidad de Wisconsin y profesor externo del Instituto de Santa Fe. Antes de trasladarse a Wisconsin estaba en la facultad residente del ISF y también sirvió como presidente de la Facultad. Asi que, bienvenido David. Estoy muy contento de estar con ustedes. Antes en la clase hablamos de emergencia - del concepto de emergencia - y la noción de que puedes tener estas propiedades emergentes que deben ser explicadas a nivel sistémico en vez de a nivel individual, y algunas personas han mencionado que la emergencia es una especie de noción subjetiva, que tal es sólo emergente porque no somo lo suficientemente inteligentes para comprenderlo a nivel individual. ¿crees que eso es verdad o hay algo fundamental acerca de la emergencia? Debo confesar que lucho con este concepto. Una parte de mi cree que eso es verdad, que uno siempre podría, si tuviésemos una capacidad computacional infinita, describir un sistema en términos de sus constituyentes más elementales y que la razón por la que nos fijamos en lo que se llama variables efectivas o información agragada, es porque es más sencillo. En termodinámica, por ejemplo, el calor, la temperatura, la entropía y así. Pero otra parte de mi dice que eso es insuficiente. Si piensas en capacidades intelectuales sofisticadas, como el razonamiento sobre la música, no es obvio para mi que una decripción microscópica de las dinámicas de las proteinas en nuestras neuronas, podrían alguna vez ser suficientes para capturar lo que necesitamos para una apreciación de la música. Así que debo decir que lucho con ello y que no tengo una buena respuesta para eso. Ok. Veamos. Te pedí que definieras sistemas complejos, una versión diferente de esa pregunta es hablar de definciones de complejidad. Eso es dificil para las personas, cuando les preguntas qué es complejidad. Las personas generalmente dan respuestas muy variadas. ¿Crees que hay alguna definición única de complejidad que podríamos encontrar, que podría ser útil entre distintos sistemas, o realmente dependería del propio sistema? Soy bastante optimista respecto de esto. Creo que tiene que ver con el nivel de exactitud de predicción que le vas a demandar. Así que creo que hay un sentido en el cual pueden haber definiciones muy generales. A lo largo de las líneas de personas como Murray Gell-Mann y Seth Loyd y muchos otros, han sugerido que tiene que ver con el tamaño de la descripción, y así. En otras palabras, cuántas páginas de algoritmos o ecuaciones matemáticas se requieren para capturar la variabilidad que te interesa. El problema con esas mediciones es que no revelan muchos detalles acerca de los mecanismos que, en algún sentido, son los que quieres intervenir o controlar o entender. Entonces creo que ahí es donde se presenta la dificultad, porque en ese punto, estas medidas de complejidad comienzan a bifurcarse y proliferar. Y pienso que eso está bien, de hecho. Creo que mientras seamos cuidadosos y dejemos claros nuestras definciones operacionales, establezcamos claramente nuestras premisas, nuestros axiomas, creo que es aceptable que las definciones no sean necesariamente unificadas. Pero sospecho, a propósito, que si buscáramos cuidadosamente todas las definciones ligeramente diferentes, todas tendrían un poco el mismo sabor, que estarían capturando el número de componentes requeridos para predecir efectivamente y controlar un ambiente. Creo que probablemente ese sería el común denominador, aun cuando superficialmente parecieran ser diferentes. OK. Quizás podrías contarnos un poco acerca de lo que estás trabajando actualmente, Sobre lo que estás entusiasmado. Si. Mi modesto programa de investigación es entender la evolución de.... podemos ponerlo de dos maneras: la manera grandilocuente es decir la evolución de la inteligencia en nuestro planeta, en el sistema solar, en el universo. Lo que suena en un sentido tan ambiguo cómo la evolución de la complejidad, ¿cierto? es substituir un término ambiguo por otro. Una forma más modesta de decirlo es la evolución de mecanismos de procesamiento de información. De alguna manera, porque realmente no es tanto más claro que la primera, pero la gente parece encontralo más aceptable. Así que, por ejemplo, organismos simples, organismos unicelulares, claramente puede responder al ambiente e el que viven. Pueden perseguir fuentes de alimento, pueden viajar entre gradientes, pueden agregarse en colectividades. En el estado multicelular, esas células pueden adquirir roles diferenciados: células que solo hacen metabolismo o células que sienten el medio ambiente. Entonces lo que me interesa es en el por qué sucede eso. Es gracioso que sabemos más del universo en su escala más pequeña y más grande, que de la escala en la que vivimos. Entendemos con una profundidad extraordinaria, esencialmente el origen de nuestro sistema solar, el origen de todos los elementos, la tabla periódica, entendemos la fusión nuclear, pero no entendemos realmente una hormiga. Eso sucede porque es un sistema complejo. En otras palabras, no cede ante estos muy elegantes formalismos matemáticos. La pregunta es cómo los sistemas complejos emergieron a partir de sistemas simples. Esa es, en cierto sentido, la gran pregunta. Cómo la vida, dirán algunos, emergió de la no-vida. Eso es lo que hago y lo hago, creo, en el contexto de las ciencias naturales. No soy un matemático ni un cientifico computacional, aunque uso herramientas de esas áreas y las aplico a fenómenos naturales, de los cuales tenemos razonablemente buena información y progresivamente mejor información. ¿Puedes dar un ejemplo? Sí. Por ejemplo, a lo largo de las últimas décadas, el extraordinario crecimiento del número de genomas completos que tenemos de distintos tipos de organismos. Solía ser que teníamos esa data de una o dos, porque era muy costoso reunirla, y ahora no lo es. Así que si estás preguntandote por la evolución, claramente necesitas información de especies muy diversas, no toda de un solo grupo, como humanos o ratas. o levaduras o moscas. Entonces eso ha marcado una gran diferencia. Ahora podemos preguntarnos por patrones de cambio, inferir patrones de cambio de sectores muy diversos del árbol de la vida, y eso ha marcado una gran diferencia. Y junto con esa información hay data de cosas como todas las proteinas que encontramos en nuestro sistema nervioso. Así que podemos hacernos preguntas respecto de cambios en los que las células nerviosas expresan genes entre distintos linajes y cuándo. Así que esa es la información que, principalmente por medio de la genética, se ha vuelto disponible por estos mecanismos altamente frecuentes, que creo que realmente complementan estos programas de investigación más básicos. Entonces, una pregunta simple. ¿Cuándo miras estos genomas y buscas cambios en los genomas, cómo el procesamiento de información aparece? De hecho, ese es el gran desafío. Lo que tienes que hacer es comprometerte a un modelo computacional y luego preguntarte en que medida los elementos que observaste cumplen los requerimientos de ese modelo. Entonces, déjame darte un ejemplo sencillo. Luego del descubrimiento de la estructura del ADN, hubo mucho interés en cómo los genes de encienden y apagan. Este trabajo generalmente está asociado a Jacob y Monod, quienes estaban interesados en lo que ahora se llama regulación de genes. Podemos tomar un organismo vivo, como la bacteria E. Coli, y podemos estudiar con gran detalle cómo estos genes se encienden y apagan. Sabemos cómo es el mapa de la estructura a la función, poque tenemos a una especie viva. Ahora podemos volver atrás y mirar todo un rango de genomas de los cuales no tenemos experimentos de laboratorio y generalizar. Decir: ya que comparten esas estructuras, es probablemente sensato asumir que tienen mecanismos similares. Eso es lo que hacemos. Tratmos de escribir modelos matemáticos simples para sistemas que conocemos, y si encontramos estructuras análogas en especies para las cuales no tenemos experimentos, ver si los modelos tienen todos los ingredientes necesarios, y si no, tratar de hacer conjeturas respecto de qué es lo que falta o qué se le puede añadir. Ok. Interesante. Déjame hacerte una última pregunta. Has hablado de todas estas distintas áreas, como el procesamiento de información, computación, matemáticas, dinámicas, y otras más. Entonces, si alguien quiere convertirse en un científico de sistemas complejos, ¿cómo dominar todos estos distintos campos? Esa es un buena pregunta. No estoy seguro de que lo hagamos. La primera respuesta es que no lo hacemos. La colaboración es la clave. De hecho, esa es una de las cosas realmente entretenidas de este campo, porque realmente requiere una profunda colaboración. Eso es lo que lo hace tan entretenido. Lo otro es que durante tu carrera, no pierdas el rastro de otros campos. Creo que el cerebro humano es extraordinariamente flexible y capaz. La manera en que nuestro universo está estructurado , de cierto modo niega eso. Dice, ¿sabes? tienes que especializarte porque no puedes hacer una contribución a menos que sólo sepas de este grupo de proteinas. Yo desafio eso. Creo que no es verdad, creo que la gente cuando se interesa puede aprender grandes cantidades. Y es reamente una cosa de tiempo y estructura. Creo que unos de los benficios de tu curso, por ejemplo, o algo como esto que pone información disponible online, es que la gente va a tener acceso a esta información. Entonces creo que, como director de un instituto, me salgo con la mía e intento promover series de seminarios, cursos, que tengan esta especie de cualidad transdisiplinaria. Creo que tenemos que encontrar formas de recompensar a la gente que realiza este tipo de trabajo. Tenemos que financiar personas que trabaja interdisciplinariamente. Sí, ese es el desafío. Hay desafíos significativos por delante, pero son desafíos prácticos, que no son lógicamente imposibles. Cierto. Bueno muchas gracias, esto ha sido genial. Espero que no te congeles demasiado en Wisconsin. No, no lo haré, tengo muchas muchas capas. Ok. Muchas gracias.