Aplicaciones de la racionalidad acotada al razonamiento cualitativo sobre sistemas complejos

Abstract

En un trabajo clásico de 1973, los investigadores Horst W. J. Rittel y Melvin M. Webber introducen, dentro del campo de la planificación social, el concepto de problema retorcido. Un problema de este tipo es difícil o imposible de resolver porque presenta requisitos incompletos, contradictorios y cambiantes que generalmente son difíciles de reconocer. Según los autores, la dificultad o imposibilidad intrínseca de resolución de este tipo de problemas llega hasta el punto de que, si somos capaces de especificarlos, entonces estamos describiendo a la vez cómo sería la solución, es más, formularlos de manera completa y definitiva es imposible (de hecho eso es el problema en sí). En este estado de complejidad, las soluciones no son verdaderas o falsas, sino buenas o malas. Aunque la noción fue introducida anteriormente, es con el citado trabajo cuando toma relevancia y se reconoce como un tipo de problemas inherente al diseño en un entorno de complejidad. En Inteligencia Artificial (como disciplina que intenta resolver computacionalmente problemas, de los que algunos, los humanos, todavía resolvemos mejor) este tipo de problemas no son comúnmente estudiados por varias razones. Por un lado, la noción tiene su origen en las ciencias sociales y se referían a sistemas complejos sociales. Por otro lado, los problemas retorcidos no son especificables, y eso encaja mal con las Ciencias de la Computación, pues limita el uso de técnicas de representación y razonamiento. Sin embargo, sí es cierto que los humanos nos enfrentamos y vivimos en sistemas complejos que nos plantean problemas retorcidos (para nuestra economía, salud, etc.) que simplemente sobrellevamos o resolvemos utilizando conocimiento y razonamientos incompletos, no puramente lógicos. La Racionalidad Acotada comprende una serie de técnicas de razonamiento y comportamiento que no encajan con la idea de la racionalida|