Ibid., p.5 On the issue of the mixed groups

analizada la predicción desde la componente metodológica, parece claro que tiene un cometido crucial en la Ciencia, en general, y en Ciencias de lo artificial como la Econo- mía. En este caso presenta dos posibilidades destacadas: a) la predicción puede ser usada como instrumento para contrastar teorías (testing theories); y b) también se puede utilizar como factor para la actuación pública (policy-making). El primer papel es muy común en cualquier Ciencia básica, tanto en Ciencias de la Naturaleza (Física, Química, Geología, etc.) como en Ciencias sociales (sociología, Psicología, Economía, etc.). Paralelamente, la segunda opción, que tiende a la tarea de la actuación pública, comporta un nexo entre predecir y prescribir 33_{. Este vínculo es ciertamente notorio en el caso de algunas Ciencias} aplicadas como la Economía, donde la solución de los problemas concretos requiere pautas que guíen la acción social 34_.

Normalmente, en el caso de la Economía —en cuanto actividad científica— el uso de la predicción como instrumento para contrastar teorías, en general, e hipótesis, en parti- cular, se considera “Ciencia descriptiva”; mientras que la utilización de predicciones como vehículos para la actuación pública se ve como parte de una “Ciencia normativa”. Pero una visión de conjunto nos proporciona una distinción más amplia: la “Ciencia básica” incluye el primer uso metodológico de la predicción, al tiempo que la “Ciencia aplicada” incorpora la segunda utilización de la predicción. Esto requiere considerar el estatuto de la “Ciencia predictiva” en relación con la Ciencia básica y la Ciencia aplicada.

4.1. El estatuto de la “Ciencia predictiva”

ocupa la Ciencia predictiva una posición ciertamente compleja, que incluye investi- gación básica e indagación aplicada. Por una parte, la predicción puede tener un objetivo (aim) descriptivo de una Ciencia básica (p. ej., en astronomía); pero, por otra parte, la Ciencia predictiva es esencial para la Ciencia aplicada que trabaja sobre diseños (p. ej., Economía aplicada, Farmacología, Documentación, Comunicación, etc.). a tenor de este estatuto dual, los dos aspectos deberían ser resaltados.

1) La Ciencia predictiva, en el sentido de investigación básica, ofrece conocimiento descriptivo acerca del futuro. así, “muchas disciplinas científicas ‘ordinarias’ —como Física (...), Psicología y Economía— tienen una relevancia para el futuro, en cuanto que sus teorías, junto con las condiciones iniciales acerca del presente y las condiciones de límites (boundary conditions) acerca del entorno, proporcionan predicciones acerca de eventos observables en el futuro” 35_{. 2) La Ciencia predictiva, dentro de la esfera de la} 33 _{Cfr. siMon, h. a., “Prediction and Prescription in systems modeling”, Operations Research, v. 38, (1990),} pp. 7-14.

34 _{hay un gran número de publicaciones sobre el uso de la predicción como base para la prescripción} económica, cfr. ascher, W., Forecasting: An Appraisal for Policy-makers and Planners, J. hopkins University Press, baltimore, 1978; Burns, t., “the interpretation and Use of Economic Predictions”, en Mason, J., Mathias, p. y Westcott, J. h. (eds), Predictability in Science and Society, the royal society and the british academy, Londres, 1986, pp. 103-125; LleWellyn, J., potter, s. y saMuelson, L., Economic Forecasting and Policy—The International Dimension, routledge and K. Paul, Londres, 1985; y pagan, a. r. y roBertson, J., “Forecasting for Policy”, en cleMents, m. y hendry, D. F. (eds), A Companion to Economic Forecasting, blackwell, oxford, 2002, pp. 152-178.

Ciencia aplicada, se apoya sobre el interés en predicciones con éxito, debido a razones prácticas. así, “una teoría científica que es capaz de proporcionar predicciones fiables acerca del futuro tiene capacidad predictiva (predictive power). La astronomía práctica, la meteorología y la Estadística social son ejemplos de Ciencias aplicadas que tienen a la capacidad predictiva como su utilidad epistémica central” 36_.

Por consiguiente, la Ciencia predictiva puede avanzar en ambos casos: en Ciencia básica y en Ciencia aplicada. respecto del primer aspecto, me parece que no hay razones sólidas para distinguir “investigación básica” (basic research) y “Ciencia predictiva” (predictive science) como tareas distintas que están asociadas bajo la rúbrica de “Ciencia descriptiva” (descriptive science) 37_{. De un lado, no está clara la posible diferencia entre la “investigación} básica” y la “Ciencia predictiva” dentro de la “Ciencia descriptiva”. Y, de otro lado, no basta con reflejar el tipo de actividad desarrollado por los científicos. El objetivo (aim) de esta clase de investigación y la estructura de los conocimientos en este dominio son más “explicativos” o “predictivos” que “descriptivos”. Porque explicar (el responder a preguntas ¿por qué? [why- questions]) es ciertamente una tarea mucho más compleja que describir, y predecir tiene habitualmente más aspectos que describir (contrastar, controlar, etc.) 38_.

situados en este punto, hay una distinción que puede ser útil y que se utiliza, a veces, para evaluar proyectos de investigación: “investigación básica no orientada” (un tipo de investigación que, en última instancia, no lleva a una vertiente aplicada) e “investigación básica orientada” (una modalidad de investigación que, potencialmente, podría ser conec- tada a investigación aplicada). Esta distinción, que se utiliza frecuentemente en Política científica, puede incluir no sólo factores internos (epistemológicos, metodológicos, onto- lógicos, …) sino también valores externos (sociales, económicos, culturales, etc.).

Existe una razón clara: la investigación básica orientada puede conducir a Ciencia aplicada y, en algunos países, recibe más atención que la Ciencia básica. Consecuente- mente, estas naciones son más reticentes para apoyar la investigación básica no orientada, concediendo más valor a los objetivos (aims) pragmáticos que a los objetivos cognitivos. a pesar de esta consideración de índole externa, parece obvio que algunas predicciones pertenecen a la “investigación básica no orientada” (p. ej., predicciones sobre “agujeros negros” en galaxias distantes) y que otras se inscriben en la “investigación básica orienta- da”, que es el caso más frecuente en las predicciones económicas.

indudablemente, los estudios acerca del futuro no pueden restringirse a la esfera de la “Ciencia descriptiva”, porque la Ciencia Aplicada también se ocupa de fenómenos futuros (eventos no observados) y ha de considerar qué debe hacerse (esto es, la “prescripción”). a este respecto, el objeto que ha de ser abordado en los estudios de futuro (future studies) es como un árbol ramificado, que se diversifica según diferentes posibilidades, donde los 36 _{niiniluoto, i., “the aim and structure of applied research”, p. 7.}

37 _{Esta propuesta figura en niiniluoto, i., “the aim and structure of applied research”, p. 14.}

38 _{según Wesley salmon, “there are at least three —probably more— legitimate reasons for making predictions.} First, we are sometimes curious about future happenings, and we want to satisfy that curiosity without waiting for the events in question to transpire. (…) second, we sometimes make predictions for the sake of testing a theory. (…) third, we sometimes find ourselves in situations in which some practical action is required, and the choice of an optimal decision depends upon predicting future occurrences”, salMon, W. C., “rational Prediction”, British Journal for the Philosophy of Science, v. 32, (1981), pp. 115-116.

eventos azarosos (chance events) y las elecciones humanas tienen un papel hacia un futuro que está abierto.

así pues, hay que contemplar escenarios alternativos, mirando tanto lo deseable (lo que se ha de llevar a cabo) como lo desaconsejable (que ha de ser evitado). Esto comporta considerar diversos aspectos: i) cómo construir futuros posibles alternativos; ii) cómo eva- luar (assess) la probabilidad de futuros alternativos; y iii) cómo evaluar la preferibilidad o deseabilidad de los futuros alternativos 39_{. Estos factores han de ser atendidos en la esfera} de los objetivos (aims) de las Ciencias de lo artificial, cuando se preparan los diseños.

vista en este ámbito de la investigación aplicada, la predicción aparece como un ins- trumento metodológico común que es previo a la prescripción: la necesidad de anticipar el conocimiento de lo que parece posible debería preceder a las reglas de lo que se debería hacer (p. ej., en Economía aplicada, que trabaja sobre la base de pronósticos económicos —economic forecasting— realizados mediante métodos predictivos de Estadística Eco- nómica y Econometría 40_{). El progreso en la predicción científica es clave para mejorar el} ámbito de la prescripción. Esto puede verse en cualquier Ciencia de Diseño y, por tanto, en la Economía como Ciencia de Diseño.

El énfasis se sitúa entonces en la relación entre predicción y prescripción. así, cara a diseñar algo en Ciencia, la senda normal es considerar de antemano si es posible el pro- yecto (cometido de la predicción), antes de dar las indicaciones acerca de cómo resolver el problema que ha sido anticipado (tarea de la prescripción). De este modo, el acto de realizar una predicción es, en principio, previo —desde el punto de vista cronológico— al establecimiento de una prescripción, cuando están en juego los problemas involucrados en el territorio de la Ciencia de Diseño (p. ej., en el caso de la investigación operativa, que se usa para orientar la actividad de las empresas).

Claramente, la Ciencia de Diseño tiene un nexo con la prescripción: el diseño busca cursos de acción cuyos objetivos (aims) consisten en cambiar las situaciones existentes a favor de otras preferidas, y esos procesos requieren que se sigan algunos caminos prescri- tos. Esta característica afecta a la predicción, porque “el Diseño, en cuanto Ciencia, es un instrumento (tool) tanto para comprender (understanding) como para actuar (acting)” 41_. En ambos casos —comprender y actuar— el diseño tiene consecuencias para el futuro. así, parece que la predicción es una parte inevitable de cada proceso de diseño y “la calidad del diseño es muy probable que dependa, en gran medida, de la calidad de los datos disponibles. La tarea no es diseñar sin datos sino incorporar —en el proceso de diseño mismo— valoraciones sobre la calidad o la ausencia de calidad de los datos” 42_. Esto es lo que acontece en el caso de los datos para la planificación social en el informe del Club de roma de 1972 sobre la dinámica del crecimiento mundial 43_{, que fue muy} discutido y donde la comprensión de los fenómenos y las propuestas sobre cómo actuar se han mostrado equivocadas.

39 _{Cfr. niiniluoto, i., “Future studies: science or art?”, p. 373.}

40 _{sobre este tema, cfr. gonzalez, W. J., Scientific Prediction and Economics: A Philosophic-methodological}

Analysis of Prediction and its Role in Economics, University of Pittsburgh Press, Pittsburgh, en prensa. 41 _{siMon, h. a., The Sciences of the Artificial, 3ª ed., p. 164.}

42 _{The Sciences of the Artificial, 3ª ed., p. 146.}

sin duda, simon consideraba que el fallo principal estaba en lo que había predicho el Club de roma 44_{. a su juicio, “las buenas predicciones han de contar con dos requisitos que,} a menudo, son difíciles de alcanzar. Primero, requieren o bien una comprensión teórica de los fenómenos que han de ser predichos, como una base para el modelo predictivo, o bien los fenómenos han de ser lo suficiemente regulares para que puedan, simplemente, ser extrapolados. (…) El segundo requisito para la predicción es tener datos fiables acerca de las condiciones iniciales (el punto de partida desde el cual se lleva a cabo la extrapolación). Los sistemas varían hasta el punto de ser sensibles sus trayectorias a pequeños cambios en las condiciones iniciales” 45_{. Por una parte, simon piensa que las condiciones de extrapola-} ción (en el caso de fenómenos que son suficientemente regulares) apenas se cumplen en los datos acerca de los asuntos humanos; y, por otra parte, considera que tenemos razones para admitir que los fenómenos sociales son sensibles a las condiciones iniciales.

ilkka Niiniluoto encuentra ambiguo el planteamiento de simon, en la medida en que no distingue con claridad entre “diseño” (que aparece en muchas profesiones) y “diseño científico” (que añade nuevos factores). Considera que “el diseño científico es una espe- cie de diseño, esto es, la actividad de solucionar problemas mediante el uso de métodos científicos y conocimiento científico. La investigación operativa (Operations Research) proporciona métodos para encontrar soluciones óptimas o satisfactorias a los problemas de diseño (por ejemplo, la teoría de Juegos, la teoría de la Decisión, la programación lineal). En este sentido, el diseño científico es el resultado de la ‘cientificación’ (scientification) del arte, la tecnología, la gestión (management) o el desarrollo” 46_{. a este respecto, hay} inicialmente una práctica profesional y, más tarde, el surgimiento del diseño científico, dentro del contexto científico. Pertenece a la esfera de la investigación aplicada, puesto que el diseño científico genera “conocimiento instrumental para la producción y tratamiento de los sistemas natural y artificial. La Ciencia de Diseño elabora conocimiento que puede después ser aplicado en el diseño científico” 47_.

implícitamente, simon parece aceptar que hace falta la “cientificación”, puesto que reconoce la necesidad de teorizar sobre la práctica profesional del diseño, de modo que se pueda “descubrir” y, después, “enseñar” una Ciencia del Diseño 48_{. Pero, de modo explíci-} to, este asunto se plantea claramente con Niiniluoto, quien propone realizar un análisis de la “cientificación del arte” (scientification of art) 49_{, esto es, de una práctica consolidada.} Consiste la “cientificación” en el proceso por el que una actividad que requiere habilidades específicas (una práctica profesional) adquiere el carácter de “Ciencia”, de manera que las reglas —que se han probado eficaces para las metas buscadas— son ahora contrastadas mediante métodos científicos y el contenido se explica a través de teorías científicas. 44 _{Cfr. The Sciences of the Artificial, 3ª ed., pp. 146-147. El informe del Club of Rome también se analiza en} siMon, h. a., Models of Bounded Rationality. vol. 3: Empirically Grounded Economic Reason, the mit Press, Cambridge, ma, 1997, pp. 110-111, 118-119, 123 y 419.

45 _{siMon, h. a., The Sciences of the Artificial, 3ª ed., p. 147.}

46 _{niiniluoto, i., “the aim and structure of applied research”, pp. 8-9.} 47 _{“the aim and structure of applied research”, p. 9.}

48 _{Cfr. siMon, h. a., The Sciences of the Artificial, 3ª ed., p. 113.}

49 _{Cfr. niiniluoto, i., “the Emergence of scientific specialities: six models”, Poznan Studies in the}

Philosophy of the Sciences and the Humanities, v. 44, (1995), pp. 211-223; en especial, pp. 217-220. “arte” se entiende aquí en un sentido amplio: saber hacer práctico que tiene una base acumulativa, bien sea para lo bello (el “arte”, en la acepción genuina) o para lo útil (la “técnica”, aun cuando confusamente Niiniluoto utiliza en este contexto la palabra “tecnología”).

Niiniluoto da un paso más cuando analiza la cuestión de la Ciencia de Diseño y la pre- dicción en el contexto de los estudios de futuro. Piensa que los “estudios de futuro” (future studies) están buscando su identidad como una nueva disciplina académica 50_{. Parece claro} que los estudios de futuro no pueden ser reducidos al modelo de la Ciencia descriptiva. hace falta, además, que incluyan a las Ciencias de Diseño, que están en el núcleo duro del campo de las Ciencias de lo artificial. Pero “diseño” no puede ser identificado como “pla- nificación en sentido amplio”, puesto que hay diferencias conceptuales y pragmáticas entre ellas, especialmente cuando la planificación (planning) resalta el papel de dirección de la acción humana y la dimensión temporal de las actividades que han de ser desarrolladas 51_. asimismo, me parece que simon señala correctamente que la racionalidad sigue la senda de “satisfacer” (satisfacing), en lugar de utilizar los “métodos óptimos” para alcanzar —de una manera sistemática— los fines aceptados.

actualmente, es cada vez más claro que el progreso en las Ciencias aplicadas ha de incluir el desarrollo de las Ciencias de Diseño, donde el objetivo (aim) no es propiamente expresar cómo son las cosas sino, más bien, cómo deberían ser para alcanzar ciertas me- tas (goals). Esto incluye una relación entre medios y fines (con eficacia y eficiencia), que debería ser considerada en las Ciencias actuales, tales como la Economía, que trata con la práctica humana y social. La Ciencia de Diseño siempre mira al futuro y requiere predicción y prescripción: es un tipo de estudios de futuro, que combina la exploración de los futuros probables y preferibles. al desarrollar ambas tareas, la Ciencia de Diseño es una combina- ción de investigación teórica y empírica. más aún, la Ciencia de Diseño puede ir más lejos del análisis filosófico-metodológico para alcanzar la esfera de la acción política 52_{. Este es el caso} de la Ciencia Económica, donde la Economía aplicada trata con fenómenos macroeconómi- cos que buscan lo que ha de hacerse respecto de la actuación pública (en Economía nacional y en Economía international 53 _).

4.2. Predicción y diseño en Economía

Concebida como test de teorías, la predicción que tiene un papel claro en los modelos descriptivos de la Ciencia básica de la Economía, puesto que permite evaluar los contenidos económicos en términos de su capacidad para “representar” o “asemejarse” a la realidad. así, el éxito al enunciar anticipadamente un resultado económico se interpreta como una garantía de su carácter científico 54_{. habitualmente, la teoría Económica utiliza prediccio-} nes para evaluar sus propuestas y la metodología dominante en Economía —como Ciencia 50 _{Cfr. niiniluoto, i., “Future studies: science or art?”, pp. 371-377.}

51 _{sobre el concepto de “planificación” (planning) y sus diferencias con “previsión” (foresight), “predicción”} (prediction) y “pronóstico” (forecasting), cfr. gonzalez, W. J., “on the theoretical basis of Prediction in Economics”, Journal of Social Philosophy, v. 27, n. 3, (1996), pp. 201-228; especialmente, pp. 215-216. 52 _{Cfr. niiniluoto, i., “Future studies: science or art?”, p. 377.}

53 _{La relación entre la Economía aplicada y la acción política está subrayada por Joseph E. stiglitz, Premio} Nobel en 2001, cfr. stiglitz, J. E., “the Economic role of the state: Efficiency and Effectiveness”, en hardiMan, t. P. y Mulreany, m. (eds), Efficiency and Effectiveness in the Public Domain, The Economic Role of the State, institute of Public administration, Dublín, 1991, pp. 37-59.

54 _{No siempre acepta simon que la predicción ha de ser un enunciado de futuro, puesto que asume la} posibilidad de predicciones como meras implicaciones contrastables (testable implications), cfr. gonzalez, W. J., “rationality in Economics and scientific Predictions: a Critical reconstruction of bounded rationality and its role in Economic Predictions”, Poznan Studies in the Philosophy of the Sciences and the Humanities, v. 61, (1997), pp. 205-232; en especial, pp. 213-222.