En su innovador libro de 2005 On Intelligence, Jeff Hawkins propuso un paradigma alternativo sobre el funcionamiento del cerebro humano. Según su visión, el cerebro no es una máquina de Turing que manipula símbolos según una tabla de reglas, que es el modelo en el que se han basado los ordenadores y la inteligencia artificial. En cambio, el cerebro es una gigantesca memoria jerárquica que registra constantemente lo que percibe y predice lo que vendrá después.
El cerebro hace predicciones encontrando similitudes entre patrones de entradas sensoriales recientes y experiencias previas almacenadas en su vasta memoria. Asocia sonidos fragmentarios actuales en un mar de ruido con una canción conocida, o el rostro de una persona disfrazada con el de su hijo. La idea es similar a la función de autocompletado de, por ejemplo, el cuadro de búsqueda de Google: adivina constantemente lo que usted va a escribir a continuación a partir de lo que ya ha escrito.
Para ver la jerarquía en este mecanismo, considere que, al percibir solo unas pocas letras, puede predecir la palabra; al observar unas pocas palabras, puede predecir qué significa la oración, o incluso el párrafo. De hecho, en este momento debe de estar adivinando hacia dónde voy con todo este comentario. La jerarquía le permite comprender el significado, ya sea que la entrada haya llegado a su cerebro leyendo o escuchando. Así, el cerebro es una máquina inductiva que predice el futuro sobre la base de encontrar similitudes, en muchos niveles diferentes, entre el presente y el pasado.
El modelo alternativo de Hawkins sobre el funcionamiento del cerebro tiene implicaciones importantes para muchos campos, incluido aquel en el que paso la mayor parte de mi tiempo pensando: la estrategia de desarrollo económico.
Por definición, el desarrollo no es simplemente más de lo mismo, del mismo modo que un adulto no es simplemente un bebé grande. El proceso implica añadir y combinar capacidades nuevas y existentes para respaldar actividades más diversas y complejas.
Pero encontrar nuevas actividades que puedan realizarse con éxito es difícil, porque exige saber qué se necesitará y si será posible obtenerlo. Por eso el proyecto Millennium Villages de Jeffrey Sachs ha fracasado, como muestra el reciente libro de la periodista Nina Munk. Al intentar que los agricultores pasen de la subsistencia a la agricultura comercial, Munk sostiene que simplemente faltan demasiadas piezas.
El pensamiento tradicional en materia de desarrollo económico ha seguido un enfoque de tipo Turing, que intenta especificar un modelo general del mundo, basado en principios fundamentales, y luego utilizar ese modelo para analizar la situación de un país o el posible impacto de una política. Pero el mundo suele ser demasiado complejo y matizado para un enfoque así.
¿No sería una gran mejora que, al observar un lugar concreto, pudiéramos tener presentes todas las experiencias previas del mundo e identificar automáticamente las más pertinentes, para deducir qué hacer a continuación? ¿No sería útil ver las posibilidades de desarrollo tal como, según Hawkins, nuestro cerebro ve el mundo?
Un enfoque alternativo, de inspiración hawkiniana, para el desarrollo económico tomaría enormes cantidades de datos sobre el mundo y se preguntaría qué es lo más probable que tenga éxito a continuación en un país o una ciudad en un momento dado, teniendo en cuenta lo que ya está presente y a la luz de la experiencia allí y en todas partes. Sería como el sistema de recomendaciones de Amazon, que propone libros que podrían gustarle en función de su propia experiencia y la de todos los demás.
En un reciente artículo, mis colegas y yo demostramos que este enfoque del desarrollo económico realmente funciona. En una ciudad o un país concretos, es posible predecir, incluso con una década de antelación, qué industrias aparecerán o desaparecerán, o crecerán o decaerán, simplemente conociendo la historia de lo que ha existido allí y en todas partes.
Los países tienden a pasar a industrias relacionadas con las que ya tienen o que están presentes en ubicaciones similares a las suyas. Hemos hecho que el enfoque sea fácil de usar para los países en nuestro reciente Atlas de la complejidad económica.
La idea de observar experiencias previas para orientar la acción futura es tan antigua como la civilización. Siguiendo esta intuición, Justin Yifu Lin, execonomista jefe del Banco Mundial, ha sugerido que, cuando los países deciden qué hacer a continuación, deberían fijarse en un país exitoso que se les pareciera hace dos décadas.
Pero deberíamos poder hacerlo mucho mejor que eso, examinando muchas más experiencias con mucho más detalle, utilizando una memoria mucho mayor que pueda encontrar muchos más patrones en una porción mucho más amplia de la experiencia humana relevante. Imagine que el proyecto Millennium Villages de Sachs hubiera conocido la secuencia de todos los pasos exitosos previos para salir de la agricultura de subsistencia, en lugar de basarse solo en conjeturas o deducciones. ¿No sería útil entender los caminos hacia el desarrollo industrial, y los callejones sin salida, que son más pertinentes para un país concreto en la actualidad?
Este enfoque alternativo puede empoderar a muchas más personas para buscar rutas exitosas hacia la prosperidad, al reducir los peligros y riesgos que implica la búsqueda, de la misma manera que los mapas permiten a las personas llegar adonde quieren ir con mucha más información de la que tendrían de otro modo. Así como las tecnologías de realidad aumentada enriquecen nuestra experiencia del mundo (imagine un partido deportivo hoy sin repetición instantánea), poner la experiencia de desarrollo del mundo al alcance de quienes promueven el desarrollo es ahora perfectamente factible. Debemos aprovechar esta oportunidad.
Autor: Ricardo Hausmann, exministro de planificación de Venezuela y ex economista jefe del Banco Interamericano de Desarrollo, es profesor de economía en la Universidad de Harvard, donde también dirige el Centro para el Desarrollo Internacional. Publicado en colaboración con Project Syndicate
Imagen: Antiguas células embrionarias de ratón. Los investigadores transformaron directamente células cutáneas comunes de ratón en neuronas. REUTERS/Nature/Handout
