Hace unos años me obsesioné con una pregunta que suena trivial pero no lo es: ¿cómo sabes que un sistema emergente es realmente emergente? Y una vez que lo sabes, ¿cómo lo mides?

La pregunta nació de la necesidad práctica. Estaba trabajando con fenómenos masivamente distribuidos —clima, deforestación, pandemias— y lo que encontré fue que si intentas describir cada árbol, cada persona infectada, cada grado de temperatura local, terminas sin ver el bosque, la epidemia, el clima. La inteligencia del sistema no está en las partes. Está en cómo hablan entre sí.

Pero es fácil decirlo. Es difícil demostrarlo.

El problema: emergencia sin fondo

En la ciencia típica, medimos lo que existe. Una longitud, una masa, una concentración. Pero ¿cómo mides la emergencia? No es un objeto. Es una propiedad que surge cuando el sistema cruza un umbral de complejidad. Y cada vez que intentas medirla directamente, la defines de una forma que hace que el resultado sea tautológico: "mide esto porque así defino la emergencia".

Hubo años en que simplemente no lo resolví. Probé enfoques estadísticos clásicos, correlaciones multivariantes, información mutua. Todos tenían el mismo problema de fondo: asumían que la emergencia es un promedio ponderado de las partes, cuando en realidad puede ser completamente ortogonal a eso.

Fue entonces cuando el criterio cambió. En lugar de preguntarme cómo medir la emergencia, empecé a preguntarme: ¿bajo qué condiciones puedo falsificar la pretensión de que algo emergió?

La métrica EDI: hacer que hable la falsación

Así nació la métrica EDI —Emergence/Dependence Index—. No mide emergencia directamente. Mide el grado en que eliminar el nivel macro degrada la predicción del nivel micro. Es decir, mide cuánto importa lo que casi no puedes ver.

El algoritmo es simple en concepto, brutal en ejecución: tomas el sistema en estado normal. Haces predicciones con toda la información (micro + macro). Después, sin avisar al sistema, eliminas el constructo macro —la "propiedad emergente"— e intentas predecir de nuevo con solo lo micro. ¿Cuánto peor fue?

Si la predicción se degrada mucho, entonces la propiedad macro no era una ilusión estadística; era real. El sistema dependía de ella. Si apenas se degrada, entonces no emergió nada interesante: todo estaba ya codificado en las partes.

La prueba de falsación —el gate de 13 condiciones simultáneas— es lo que la hace peligrosa. Porque si la métrica dice "emergencia fuerte" y luego ejecutas el protocolo C1-C5 (cinco capas de verificación que incluyen perturbaciones adversariales), tienes que obtener "emergencia fuerte" en todos los lados. Si sale "null" en alguno, entonces la métrica fue suerte.

Con 2000 random walks sobre el gate completo sin un solo falso positivo, la métrica empieza a respirar.

La tensión incómoda: entre lo que ves y lo que es

Aquí está la trampa donde casi todo el trabajo científico sobre emergencia cae: si veo un patrón global en los datos, asumo que ese patrón es causal, que la colectividad causó ese patrón. Pero es igualmente probable que el patrón sea solo la suma estadística de muchas causas micro independientes, viéndose organizado por pura combinatoria.

Imagina que 1000 personas caminan al azar en una plaza. En algún punto van a acabar agrupadas en una esquina. ¿Emergió un comportamiento colectivo? ¿O solo caminaron al azar y la combinatoria los apiló? El patrón se ve idéntico en ambos casos. Pero la irreductibilidad es radicalmente distinta.

El EDI resuelve esto con violencia. No pregunta "¿se ve organizado?". Pregunta "¿si elimino la pretendida causa colectiva, la predicción micro se desmorona?". Si sí, la causa era real —aunque invisible en cada parte individual. Si no, era estadística.

La mayoría de los "sistemas emergentes" que vemos en la naturaleza resultan ser más cercanos al segundo caso. Eso no significa que sean simples. Significa que son reducibles, dado tiempo y poder computacional suficiente. Y esa distinción es casi nunca reportada porque resulta menos emocionante para financiadores y papers.

La realidad: 29 casos, 6 categorías, 3 falsaciones

Cuando ejecuté esto sobre 29 fenómenos reales —clima, energía, deforestación, pandemias, colapso de ecosistemas— el paisaje que emergió fue honesto. No simplificador. No optimista. Emergencia fue categorizada en seis niveles: strong (5 casos), weak (7), suggestive (2), trend (4), null (8), falsification (3).

Los 3 casos de falsación son los interesantes. Son fenómenos donde la narrativa popular dice "emergió algo colectivo", pero bajo presión rigurosa no emerge nada que el nivel micro no pudiera predecir ya. A la gente no le gusta escuchar eso. Prefiere el drama de lo impredecible. La verdad a menudo es más frío.

Lo que sí emergió fue esto: de los 29 casos, solo 5 mostraban emergencia de grado fuerte. Eso significa que en 82% de los "sistemas emergentes" que estudiábamos, lo que veíamos en el macro era principalmente ruido o consecuencia obvia de las reglas micro. El sistema tiene estructura colectiva, sí. Pero esa estructura no es irreductible.

Eso cambia cómo ves el mundo. Y duele.

La trampa: confundir complejidad con emergencia

Lo que hice fue desacoplar dos conceptos que la gente suele soldar. Un sistema puede ser complejo —muchas partes, muchas interacciones— y aún así ser reducible. Cada parte explica en conjunto al todo. La complejidad es el tamaño de la ecuación; la emergencia es cuando la ecuación se vuelve irresoluble sin los términos de orden superior.

El error estándar es creer que si hay muchas partes acopladas, entonces emergió algo. No. Lo que sucedió es que acoplaste cosas. La emergencia es la pregunta más dura: ¿hay propiedades del sistema que, una vez que las ves, no puedas dejar de verlas? ¿Propiedades que no existían ni como concepto en la descripción de las partes?

Con el EDI, eso deja de ser filosofía y se vuelve verificable. Por eso es incómodo. Por eso los resultados sorprenden.

Por qué el proceso importa más que el resultado

Lo que me obsesiona ahora no es el número (5 de 29, emergencia fuerte). Es que el proceso exigió definir honestamente qué estoy buscando. No permitió que metiera bajo la alfombra lo que no encajaba. No permitió que repostulara la métrica cada vez que fallaba.

Eso es lo opuesto a como trabaja la ciencia típica.

En ciencia típica, defines el resultado que quieres, diseñas el instrumento para encontrarlo, y luego publicas. Cuando algo falla, reportas un "methodological limitation". Todo se ve riguroso sobre el papel. Los datos se acomodan. El narrative crece. Después alguien más lo replica, no puede, y sale a los 5 años un paper minúsculo que nadie lee diciendo "eso no era reproducible".

Aquí, si el protocolo dice falsación, es falsación. El sistema emergente que cuento a mis colegas es menos emocionante que el que habría publicado si hubiera repostulado el gate después del tercer fracaso. Pero también es real, y eso vale más.

Porque vivimos en una época donde la narrativa de la emergencia se ha vuelto un negocio. Cada AI es "emergente" (no lo es). Cada red neuronal profunda exhibe "inteligencia emergente" (muestra interpolación de datos). La palabra se ha vuelto veneno: usa cualquier cosa para sonar profunda. Mide cualquier cosa y llámalo emergencia.

La métrica, entonces, es también una barrera. Un portero que dice "no, aquí no entra". Es impopular. Pero es honesto.

El final que no es final

A veces pienso que medir la emergencia es como intentar que un río te diga cuánta fuerza tiene midiendo gota a gota. El río no vive en la gota. Vive en el movimiento del agua.

Pero si no intentas medir, entonces cualquiera puede decir "emergió" de cualquier cosa, y nunca sabes si estás mirando inteligencia genuina o solo ruido con forma interesante.

La métrica EDI no resuelve la emergencia. La domestica lo suficiente para que puedas tener una conversación honesta sobre cuándo realmente surgió algo que antes no existía.

Y en un mundo donde todo se vuelve inteligencia artificial, donde todo pretende emergencia, donde cada algoritmo promete lo irreductible: eso es lo único que importa.

— Steven Vallejo, Medellín