La relación entre adaptación y distribución del error es una idea muy fértil, especialmente si se conecta con la teoría de la evolución, la inferencia bayesiana y el principio de energía libre de Karl Friston.
La adaptación puede entenderse como un proceso de gestión del error, no de eliminación. Ningún organismo percibe el mundo tal como es; todos operan con modelos internos que generan predicciones. La supervivencia depende de que los errores entre predicción y realidad no superen un cierto umbral.
Desde esta perspectiva, la evolución no selecciona organismos “verdaderos”, sino organismos cuya distribución del error es compatible con la supervivencia y la reproducción. Dos organismos pueden equivocarse mucho, pero de maneras distintas. Uno distribuye sus errores hacia aspectos irrelevantes del entorno y sobrevive; otro concentra el error en variables críticas y desaparece.
El pavo real es un buen ejemplo. Su enorme cola incrementa el riesgo de depredación: introduce un “error” respecto al criterio de eficiencia para sobrevivir. Sin embargo, ese coste queda compensado por una enorme ventaja reproductiva. La evolución no minimiza el error de supervivencia aisladamente, sino una función de coste más amplia que integra supervivencia y éxito reproductivo. Lo importante no es cuánto error existe, sino dónde está distribuido.
Este principio aparece también en medicina. Un protocolo clínico no elimina el error; lo redistribuye. Reduce la variabilidad entre médicos, pero puede aumentar el riesgo de tratar a un paciente singular como si fuera el promedio estadístico. Se desplaza el error desde el profesional hacia la excepción clínica.
En inteligencia artificial sucede algo parecido. Un modelo nunca deja de equivocarse; durante el entrenamiento aprende a mover el error desde los casos frecuentes hacia los raros o desde los errores graves hacia los leves. La calidad de un modelo depende tanto de la magnitud del error como de su distribución.
Friston lleva esta intuición un paso más allá. Un organismo vivo mantiene su identidad restringiendo las sorpresas que experimenta. No elimina la incertidumbre; la canaliza. Podría decirse que la adaptación consiste en esculpir una topología del error: construir un paisaje en el que los errores inevitables caigan en “valles seguros” y no en precipicios que destruyan el sistema.
Esta idea enlaza muy bien con una formulación casi aforística:
La evolución no selecciona a quienes menos se equivocan, sino a quienes colocan sus errores donde menos cuestan.
Y quizá pueda formularse otra aún más general:
Adaptarse no es reducir el error, sino aprender a distribuirlo de forma compatible con la persistencia del sistema.
Esa perspectiva permite unificar evolución, aprendizaje, cognición, medicina y sistemas complejos bajo una misma intuición: la inteligencia —biológica o artificial— consiste menos en alcanzar la verdad que en administrar estratégicamente el error.
La especialización médica puede interpretarse como una arquitectura para distribuir el error. Ningún médico puede abarcar todo el conocimiento. La medicina moderna responde fragmentando el sistema en especialidades, cada una con un dominio de competencia y un tipo de incertidumbre manejable.
Sin embargo, esa solución introduce un nuevo problema: el error ya no desaparece; circula.
Un cardiólogo puede descartar una cardiopatía y derivar al neumólogo; este excluye una enfermedad respiratoria y deriva al neurólogo; el neurólogo no encuentra una lesión y deriva al psiquiatra. Cada especialista actúa correctamente dentro de su marco, pero el paciente puede recorrer un circuito sin que nadie asuma la integración del caso. El error deja de ser local para convertirse en emergente, producto de la organización del sistema.
Podría formularse así:
La especialización reduce el error intradisciplinar a costa de aumentar el error interfacial.
Las interfaces —las derivaciones, los informes, los cambios de servicio, las altas hospitalarias— son lugares donde se concentra una parte importante del riesgo. En ingeniería de sistemas, muchas averías no se producen dentro de un componente, sino en la interacción entre componentes. La medicina no parece ser una excepción.
Desde una perspectiva de redes, cada especialista es un nodo con una representación parcial del paciente. El diagnóstico final depende de cómo fluye la información entre nodos. Si la información se degrada, se filtra o llega fuera de contexto, el circuito puede generar errores aunque cada nodo funcione adecuadamente.
Desde la óptica del principio de energía libre de Friston, cada especialidad mantiene un modelo generativo muy afinado para su propio dominio. El problema surge cuando ningún nivel superior integra esos modelos parciales en una representación unificada del paciente. El sistema reduce el error local, pero puede incrementar el error global.
Por eso la figura del médico generalista o del internista adquiere un papel singular. No es quien sabe más de cada enfermedad, sino quien intenta minimizar el error de integración. Su función consiste en reconstruir la topología del caso a partir de fragmentos dispersos.
Esto sugiere un principio general:
Cuanto más especializado es un sistema, menor es el error dentro de cada módulo, pero mayor es la importancia de los mecanismos que coordinan los módulos.
La calidad de un sistema sanitario depende tanto de la excelencia de sus especialistas como de la calidad de sus interfaces. Si esas interfaces fallan, el error no se elimina: simplemente migra de las disciplinas hacia el circuito asistencial. Para el paciente, el problema deja de ser un error de conocimiento y pasa a ser un error de organización.
Cuando termines el artículo:
Después de leer
Conversación y debate
0 comentariosLa lectura continúa aquí: objeciones, matices, preguntas y cruces con otros textos.
Todavía no hay comentarios. Puedes abrir el debate con una pregunta o una objeción.