Estudiar una sociedad, un ser vivo o internet solo a partir de sus componentes individuales es perder una parte esencial de su grandeza. Esta idea está en la base de la Ciencia de las Redes, que pretende enfocar esos sistemas complejos desde el punto de vista de las relaciones entre los elementos que la componen. László Barabási, director del Center for Network Science de la Northeastern Universtiy (Boston, EE UU), es una autoridad mundial en este asunto y está estos días en Madrid para participar en el III curso de Ciencia de las Redes organizada por la cátedra Orange en la Escuela Técnica Superior de Ingenieros de Telecomunicación de la Universidad Politécnica, donde hoy recibe el doctorado Honoris Causa.
Una de sus grandes contribuciones en esta materia ha sido el concepto de red libre de escala, en la que unos pocos nodos concentran muchísimos enlaces y la mayoría, en cambio, muy pocos. Así funcionan, por ejemplo, redes tan diversas como la web, las células del cuerpo humano o la mayoría de las redes sociales, no solo las de internet. Sus aplicaciones, pues, van desde la medicina a la informática, la biología o la política.
Pregunta. ¿Podría explicar en pocas palabras la importancia de la Ciencia de las Redes?
Respuesta. Tanto los sistemas sociales como los biológicos son redes. No puedes entender la sociedad sin saber quién habla con quién, quién influye a quien, quien manda sobre quién y no puedes entender una célula si no sabes qué genes está conectados. La siguiente pregunta es ¿Cómo podemos usar la información de esa red para entenderlas? Lo que hemos aprendido en los últimos diez años es que una vez que conocemos los vínculos entre los elementos tenemos muchos datos para conocer el sistema. En un sistema social es interesante saber quién se relaciona con quién para, por ejemplo, iniciar una campaña para influir sobre alguien. Igualmente si las farmacéuticas conocen la interconexión entre las moléculas tendrán un punto de partida muy sólido para desarrollar sus medicinas. La red no es lo único, pero conocerla es indispensable para conocer el sistema.
Pregunta. Resulta asombroso pensar que las redes que tejen sistemas tan distintos sea prácticamente idénticas.
Respuesta. Esa es la magia de la ciencia, pero no es la primera vez que se descubren reglas comunes para acontecimientos aparentemente muy diferentes. La gente no veía la conexión entre la manzana que se caía, el movimiento del mar, que subía y bajaba, o la luna que giraba alrededor de la tierra. Entonces llegó Newton y explicó que todo respondía a una sola ley, la de la gravitación universal. Sí, internet es muy diferente a una célula, hablamos de ordenadores y de moléculas, de conexiones por cable o inalámbricas y de reacciones químicas. Uno tiene unas décadas de vida y la otra existe desde hace miles de millones de años. Pero sí, tienen la misma arquitectura. Y la belleza de esta ciencia es que nos da un lenguaje común para matemáticos, ingenieros, sociólogos o biológos porque todos hablamos de las mismas redes aunque tengamos distintos conocimientos.
Pregunta. El curso al que ha venido a Madrid se llama El reto de la predicción. Entiendo que la Ciencia de las Redes nos permita conocer mejor un acontecimiento pero ¿Puede ayudarnos a predecirlo?
Respuesta. Creo que hay un poco de confusión sobre este tema. No podemos responder a esas preguntas maravillosas que se hace la gente como "¿qué me va a pasar mañana", porque no son cuantificables. Pero creo que todo lo medible, todo aquello sobre lo que podamos tener datos objetivos, es, hasta cierto punto, predecible. Podemos medir, por ejemplo, la movilidad de los habitantes de una ciudad a través de sus móviles y predecir con más o menos exactitud cómo se van distribuir mañana a una hora determinada. Pero no podemos medir cuanta gente se va a enamorar, porque para eso tendríamos que definir primero qué es el amor. Para predecir un acontecimiento en primer lugar hay que tener el mayor número de datos posible, cuanto más tengamos más afinada será la predicción, y ahora tenemos muchos, de las redes sociales y de los móviles, por ejemplo. En segundo lugar tenemos que conocer las leyes que gobiernan esos acontecimientos. Y por último tenemos que tener ordenadores que nos permitan hacer los cálculos correspondientes.
Pregunta. ¿Podían haberse predicho por ejemplo las revoluciones árabes con los datos obtenidos de las redes sociales?
Respuesta. La gente criticó que EE UU se gastara millones de dólares en herramientas para adelantarse a esos acontecimientos y no supiera vaticinarlos. Pero hay que ser muy cautos con este tema. Las redes sociales mostraban que había un deseo general de cambio pero no cuándo se iba a producir éste. Los acontecimientos más predecibles son los más repetitivos pero las guerras y revoluciones son más bien como los terremotos. Podemos vaticinar que los habrá en lugar determinado pero no el momento exacto. En el caso de las revoluciones su estallido final dependía de las circunstancias, como un ajuste económico o la muerte de un líder político.
Pregunta. ¿Y el caso de unas elecciones?
Respuesta. El desarrollo de redes como Twitter y Facebook hará que estos fenómenos sean cada vez más predecibles. Sin embargo hay que considerar que los sistemas sociales son, como dice mi amigo George Soros, flexibles. Si haces una predicción la gente reacciona y cambia su comportamiento, algo muy visible por ejemplo en el tema de las inversiones o el precio de las cosas. Además, si los partidos políticos hacen bien su trabajo se tenderá a una polarización del 50%, a un reparto del voto en dos partes iguales. Si se fija, la mayoría de democracias mantienen ese equilibrio, que es realmente difícil de mover. Solo se rompe cuando se hunde uno de los dos partidos o en circunstancias excepcionales como las que suceden ahora en Europa. Hay un creciente número de herramientas para la predicción política pero en la medida en que partidos y candidatos de ambos bandos las usen se mantendrá ese reparto al 50%.
Pregunta. En las llamadas redes libres de escalas hay unos pocos nodos llamados hubs (ejes) que concentran la mayoría de enlaces. En el caso de la web un ejemplo de eje sería por ejemplo Google, pero también Facebook que hace seis años no existía ¿Sería posible predecir qué páginas emergentes van a ocupar esos puestos en el futuro?
Respuesta. ¡Esa es la pregunta del millón de dólares! En principio no podemos acceder a toda la información necesaria, pero creo que teniéndola si podrían identificarse aquellas compañías que tienen oportunidad o no de convertirse en una referencia en la web . A mí no me sorprendería si alguien llegara y dijera "tengo un método para averiguarlo" aunque siempre habrá un nivel de error en el proceso, porque tienen mucha influencia las decisiones empresariales. Y al final, convertirte en una página de referencia o no no depende de tu decisión individual, es una decisión colectiva: te puedes poner en la mejor situación para ser un eje, pero al final es la comunidad la que te elige.
Pregunta. ¿Ha contribuido la eclosión de las redes sociales en internet a la Ciencia de las Redes?
Respuesta. ¡Absolutamente! ¿Por qué explotó hace diez años nuestra ciencia? No fue porque llegase un genio. Fue porque empezó a estar disponible para nosotros un número creciente de datos. Y entonces descubrimos que muchos modelos de redes de los años 60 fundamentalmente eran erróneas. Y no solo nos dimos cuenta de que las redes eran diferentes a como pensábamos sino además que seguían reglas comunes de organización. La influencia es mutua: Facebook o Google + también han aprendido de la investigación sobre redes. En el último año y medio Facebook se ha reinventado convirtiéndose en una herramienta que puede predecir quienes son tus amigos, antes se limitaba a recabar datos. Algunas de las herramientas de las redes sociales se usan ahora de forma mucho más agresiva.
Pregunta. Por lo que cuenta parece que Google, que prioriza en sus búsquedas las páginas más enlazadas, fue un adelantado en entender la Ciencia de las Redes.
Respuesta. Google no conocía esta ciencia, fue una convergencia. Los chicos de Google simplemente estaban haciendo lo correcto para convertirse en un eje, sin entender la estructura de las redes. Pero además, el éxito del buscador de Google se basa precisamente en que existen unos pocos ejes con muchísimos enlaces porque si la web tuviera otra estructura, por ejemplo una distribución aleatoria con un reparto más equilibrado de vínculos, su page rank (el valor numérico que representa la importancia de una página) sería completamente ineficiente. Google explotó la estructura de las redes sin realmente comprenderlas. Es decir que solo a posteriori conocieron el secreto de su éxito. Después es cuando dijimos "funcionó por esto".
Pregunta. ¿Qué opina del riesgo que supone para nuestra privacidad mostrar tantos datos personales en las redes sociales?
Respuesta. Bueno, todo se puede usar para el bien y para el mal, nosotros usamos muchos datos y estos se prestan a ser mal utilizados. Pero creo que este peligro está sobrevalorado, tenemos miedo de escenarios hipotéticos que nunca ocurrirán, tendemos a pensar que detrás de cada dato se esconde un peligro. Pero a la vez vivimos en un mundo con un exceso de información y queremos que la que nos llega sea lo más personalizada posible y eso significa que otros van a tener que manejar nuestros datos. Tenemos que crear un marco legal adecuado para ello pero las redes sociales son un fenómeno imparable.