El nuevo Demonio de Laplace: El costo cognitivo de la cultura digital
Introducción
Este documento constituye la primera de tres reflexiones para este blog y para los espacios de discusión académica vinculados a la educación matemática y la educación contemporánea. Las tres entregas buscan analizar críticamente algunas transformaciones culturales, cognitivas y educativas asociadas al avance de la inteligencia artificial, la ciencia de datos y los sistemas algorítmicos contemporáneos.
La acelerada expansión de la ciencia de datos, la IA generativa y los sistemas algorítmicos de recomendación está transformando profundamente no solo la economía y la comunicación humana, sino también la manera en que las personas perciben el conocimiento, organizan su atención y construyen significado. Este fenómeno posee implicaciones particularmente relevantes para la educación y, de manera especial, para la educación matemática, debido a que esta última exige precisamente capacidades cognitivas que parecen entrar en tensión con las dinámicas predominantes de los entornos digitales contemporáneos: atención sostenida, tolerancia a la frustración intelectual, razonamiento abstracto y construcción gradual de estructuras conceptuales complejas.
En esta reflexión busco interpretar esta transformación mediante una analogía filosófica: el retorno contemporáneo del “Demonio de Laplace”. En términos simples, Laplace imaginaba una inteligencia capaz de conocer absolutamente todas las variables del universo en un instante determinado. Si esa inteligencia pudiera procesar toda esa información simultáneamente, entonces podría predecir con exactitud absoluta todo lo que ocurriría en el futuro y reconstruir completamente todo lo ocurrido en el pasado. Nada sería incierto para ella (Laplace, 1951). Era una idea límite, un horizonte filosófico. Dos siglos después, aunque lejos del determinismo absoluto imaginado por Laplace, los sistemas contemporáneos de ciencia de datos parecen aproximarse a una versión funcional de aquella idea: no orientada a predecir el movimiento de partículas físicas, sino el comportamiento humano.
A partir de esta metáfora, el documento explora cómo el capitalismo algorítmico, sustentado en modelos predictivos alimentados por datos masivos, podría estar favoreciendo formas de reducción cognitiva y debilitamiento del pensamiento reflexivo.
1. Resurrección digital del demonio
Dos siglos después del experimento mental de Laplace, algo que recuerda parcialmente a ese demonio parece estar siendo construido. No para predecir el movimiento de las partículas físicas, sino para anticipar y moldear el comportamiento humano. La ciencia de datos contemporánea, impulsada por aprendizaje automático y alimentada por volúmenes masivos de información, ha desarrollado sistemas capaces de estimar con creciente precisión qué contenido mantendrá a una persona más tiempo frente a una pantalla, qué mensaje incrementará la probabilidad de compra, indignación o adhesión política (Zuboff, 2019). El demonio ha regresado, pero su objeto ya no es el universo físico: somos nosotros.
2. La arquitectura de la captura
El mecanismo contemporáneo de control no opera principalmente mediante coerción directa, sino a través de una arquitectura de seducción algorítmica. Nadie está obligado a permanecer dentro del sistema, pero los entornos digitales están diseñados para que la opción más fácil sea siempre aquella que maximiza la permanencia, el consumo de contenido y la generación continua de datos. Shoshana Zuboff (2019) denomina este fenómeno “capitalismo de vigilancia”: la transformación de la experiencia humana en materia prima para modelos predictivos comercializables.
Para Zuboff, el proceso opera en tres movimientos que se refuerzan mutuamente. Primero (behavioral surplus), la recolección masiva de datos de comportamiento: qué se lee, cuánto tiempo, qué se omite, qué respuesta emocional produce, a qué hora del día, en qué contexto geográfico y social. Segundo (machine intelligence), la construcción de modelos predictivos: que identifican patrones con una precisión que supera por mucho la capacidad de cualquier observador humano. Tercero (behavioral modification), la intervención activa: mostrar a cada persona exactamente el contenido que el modelo calcula que maximizará su permanencia en el sistema.
Lo que hace que este proceso sea cualitativamente distinto de la publicidad tradicional es la retroalimentación en tiempo real. El sistema no solo predice sino que aprende de cada predicción, ajusta el modelo con cada nueva respuesta, y se vuelve progresivamente más preciso en su capacidad de anticipar y moldear el comportamiento de cada individuo específico. Es un demonio que se perfecciona a sí mismo.
Esto no significa que la tecnología sea necesariamente mala ni que las personas pierdan completamente su capacidad de decidir. Las tecnologías digitales también ofrecen muchas oportunidades positivas. Sin embargo, reconocer sus beneficios no elimina la necesidad de analizar críticamente los efectos cognitivos y culturales asociados a modelos económicos basados en captura de atención y predicción conductual.
3. El reduccionismo como consecuencia
Roger Williams, en su novela The Metamorphosis of Prime Intellect (1994), imaginó una inteligencia artificial que, al interpretar literalmente las leyes de la robótica de Asimov, toma literalmente el mandato de no permitir que los seres humanos sufran y elimina toda fuente posible de dolor, esfuerzo y fricción de la experiencia humana. El resultado no fue el paraíso, sino la extinción progresiva de aquello que hace humana a la humanidad. Sin obstáculos que superar, sin esfuerzo que sostener, sin incomodidad que tolerar, los personajes de Williams se disuelven en una existencia sin densidad ni significado.
La analogía con los sistemas contemporáneos de recomendación no es exacta, pero sí inquietantemente cercana. Los sistemas de recomendación no eliminan el sufrimiento: eliminan la fricción cognitiva. Construyen para cada usuario un ambiente informativo perfectamente adaptado a sus patrones previos, que confirma sus creencias existentes, que nunca exige el esfuerzo de sostener una perspectiva contraria, que hace que el pensamiento lento, profundo y contradictorio resulte innecesario. El resultado acumulado es un reduccionismo de la experiencia mental: la gradual contracción del mundo conceptual de cada persona hacia lo ya conocido, lo ya preferido, lo ya confirmado.
Este reduccionismo no es percibido como pérdida porque ocurre sin violencia y sin queja. Nadie siente que le están quitando algo. Simplemente ciertas capacidades cognitivas dejan de ejercitarse: la tolerancia a la ambigüedad, la capacidad de sostener argumentos complejos, la disposición a cambiar de opinión aunque la evidencia contraria sea contundente, la habilidad para leer textos largos sin interrupciones, la paciencia para construir una idea desde sus fundamentos en lugar de consumirla ya procesada.
Byung-Chul Han (2015) describe un proceso semejante como el agotamiento del sujeto reflexivo: no una imposición autoritaria del pensamiento único, sino una renuncia progresiva y voluntaria al pensamiento profundo, incentivada por dinámicas culturales de hiperestimulación y aceleración constante.
Nicholas Carr (2010) advirtió tempranamente que el uso intensivo de internet parecía estar modificando los patrones de lectura y favoreciendo formas de procesamiento superficial de información. Más recientemente, Maryanne Wolf (2018) ha señalado que la disminución de la lectura profunda podría afectar procesos esenciales de reflexión crítica y pensamiento analítico.
4. Educación matemática y erosión de la fricción cognitiva
La educación en general y particularmente la educación matemática ocupa una posición particularmente sensible dentro de esta transformación cultural. A diferencia de otras formas de consumo informativo inmediato, el pensamiento matemático exige procesos cognitivos que no pueden reducirse a respuestas instantáneas ni a gratificación inmediata. Resolver un problema matemático complejo implica sostener incertidumbre, tolerar el error, construir conexiones abstractas y perseverar frente a obstáculos cognitivos prolongados.
Sin embargo, gran parte de los entornos digitales contemporáneos operan precisamente en dirección contraria. Los sistemas de recomendación y las plataformas basadas en maximización de atención están diseñados para reducir fricción, minimizar espera y evitar cualquier interrupción que disminuya el involucramiento inmediato del usuario. El problema educativo no consiste únicamente en la distracción tecnológica, sino en la posible reconfiguración progresiva de las disposiciones cognitivas necesarias para el aprendizaje profundo.
Lo que el sistema educativo recibe como resultado de este proceso no es simplemente una generación distraída o poco motivada. Es una generación cuya relación con el conocimiento ha sido estructuralmente reconfigurada. Su experiencia informativa en su hogar y vida personal ha sido mediada por algoritmos de recomendación, el conocimiento que no llega de manera inmediata, visualmente atractiva y emocionalmente activadora no parece conocimiento sino un esfuerzo absolutamente innecesario.
Desde la perspectiva de la educación matemática crítica, Ole Skovsmose (1994) sostiene que aprender matemáticas no consiste únicamente en dominar técnicas operativas, sino también en desarrollar capacidades reflexivas para interpretar críticamente la realidad. De la misma manera, Ruiz (2018) indica que la educación matemática no debe reducirse a la repetición mecánica de procedimientos, sino contribuir al desarrollo de capacidades cognitivas para interpretar la realidad social, científica y tecnológica. No obstante, un ambiente cultural dominado por flujos constantes de información breve, fragmentada y emocionalmente optimizada podría debilitar precisamente las condiciones cognitivas necesarias para llevar a cabo esta labor.
En este contexto, la crisis educativa contemporánea podría no ser únicamente curricular o metodológica, sino también antropológica y epistemológica: una tensión creciente entre las demandas cognitivas del conocimiento profundo y las dinámicas culturales de una economía digital basada en captura permanente de atención. Un proceso que las consecuencias de la pandemia por COVID-19 posiblemente aceleraron este proceso. El traslado abrupto de la experiencia educativa hacia entornos digitales incrementó significativamente la dependencia tecnológica tanto de estudiantes como de docentes. Aunque ello permitió sostener procesos educativos en condiciones extraordinarias, también consolidó hábitos de consumo informativo y aprendizaje mediados por plataformas digitales cuya lógica principal no necesariamente coincide con las necesidades cognitivas de la educación.
5. Reflexión final
La pregunta educativa fundamental ya no consiste únicamente en cómo incorporar tecnología en las aulas, sino en cómo preservar las condiciones cognitivas y culturales necesarias para el pensamiento profundo en un entorno diseñado para fragmentar la atención. La educación enfrenta este desafío de manera particularmente intensa, porque exige precisamente aquello que la cultura algorítmica tiende a debilitar: paciencia intelectual, razonamiento abstracto, tolerancia a la incertidumbre y construcción progresiva del significado.
El problema no es simplemente tecnológico. Es epistemológico, cultural y profundamente humano. El nuevo demonio no busca conocer el universo físico en su totalidad, sino modelar estadísticamente la conducta humana mediante datos masivos y sistemas predictivos. Frente a ello, la educación podría representar uno de los últimos espacios institucionales capaces de defender el pensamiento lento, crítico y reflexivo como condición indispensable para la autonomía intelectual.
En nuestra próxima entrega, analizaremos precisamente cómo este nuevo demonio altera la práctica docente cotidiana y qué transformaciones urgentes requiere la formación del profesorado de matemáticas para resistir al reduccionismo algorítmico.
Referencias
Carr, N. (2010). The shallows: What the Internet is doing to our brains. W. W. Norton.
Han, B.-C. (2015). El aroma del tiempo: Un ensayo filosófico sobre el arte de demorarse. Herder.
Laplace, P.-S. (1951). A philosophical essay on probabilities (F. W. Truscott & F. L. Emory, Trads.). Dover Publications. (Obra original publicada en 1814).
Newport, C. (2016). Deep work: Rules for focused success in a distracted world. Grand Central Publishing.
Papert, S. (1993). The children’s machine: Rethinking school in the age of the computer. Basic Books.
Postman, N. (1993). Technopoly: The surrender of culture to technology. Vintage Books.
Ruiz, A. (2018). Evaluación y pruebas nacionales para un currículo de Matemáticas que enfatiza capacidades superiores. Comité Interamericano de Educación Matemática. https://www.angelruizz.com/wp-content/uploads/2019/02/Angel-Ruiz-Evaluacion-y-pruebas-2018.pdf
Skovsmose, O. (1994). Towards a philosophy of critical mathematics education. Kluwer Academic Publishers.
Williams, R. (1994). The metamorphosis of Prime Intellect. (Obra escrita en 1994; publicada en línea en 2002) https://localroger.com/prime-intellect/
Wolf, M. (2018). Reader, come home: The reading brain in a digital world. Harper.
Zuboff, S. (2019). The age of surveillance capitalism: The fight for a human future at the new frontier of power. PublicAffairs.
