Un recorrido desde Condorcet y Prigogine hasta los sistemas sociotécnicos del MIT. Cómo piensan los grupos, cómo aprenden las máquinas, cómo se auto-organizan los sistemas complejos.
Explorar el programaLas 4 condiciones de Surowiecki, cascadas informacionales, conformidad, polarización y arquitecturas de decisión. De Condorcet a Kahneman.
Entrar al bloque →Optimización, bias-varianza, clasificación, redes neuronales y sesgos algorítmicos. Evaluar cuándo la IA agrega valor genuino vs. cuándo encubre errores sistemáticos.
Entrar al bloque →Cómo una máquina aprende minimizando error.
El dilema fundamental entre simplicidad y precisión.
Separar categorías en el espacio de datos.
Capas, pesos y el aprendizaje profundo.
Cuando el modelo hereda y amplifica injusticias.
Qué ocurre cuando juicio humano e IA convergen en un mismo sistema. Independencia vs. conformidad, gobernanza, explicabilidad y confianza calibrada.
Entrar al bloque →Cibernética, estructuras disipativas, auto-organización, dinámica de sistemas, redes, autopoiesis, pensamiento complejo. De Wiener y Prigogine a Senge, Morin y Dahleh.
Entrar al bloque →Wiener y el control por información.
Prigogine y el orden lejos del equilibrio.
Dinámica de sistemas y puntos de apalancamiento.
Leyes de potencia, criticalidad y cascadas.
Maturana, Varela y sistemas que se auto-producen.
Morin y los 7 principios de complejidad.
Senge, Meadows y el pensamiento en bucles.
Dahleh y el triángulo del MIT.
Aplicar bloques 1–4 en un sistema híbrido real: un problema concreto donde inteligencia colectiva, algorítmica y sistémica se potencien mutuamente.
Entrar al bloque →Seis ejes de transformación global analizados con las herramientas de los bloques anteriores. Qué tipo de liderazgo requieren las organizaciones ante complejidad creciente.
Entrar al bloque →Leer el entorno antes de actuar.
Navegar incertidumbre sin mapa fijo.
Ver la forma del sistema, no su futuro.
Cruzar disciplinas para ver el todo.
Inteligencia colectiva en la organización.
Diseñar para lo que no puedes prever.
Cómo diseñar sistemas de aprendizaje que preparen para la complejidad en lugar de simplificarla hasta destruir su naturaleza.
Entrar al bloque →Un proyecto de investigación original que integre inteligencia colectiva, IA, complejidad y pensamiento sistémico sobre un problema que te importe genuinamente.
Entrar al bloque →Syllabus, autores, bibliografía, estructura pedagógica y todos los recursos del programa. 27 pensadores, 240 años de ideas, un solo hilo conductor.
Este es un programa de autoformación diseñado para una sola persona: alguien que viene de la filosofía y quiere entender cómo piensan los grupos, cómo aprenden las máquinas, cómo se auto-organizan los sistemas complejos y qué ocurre cuando todo eso se combina. No es un curso de ingeniería disfrazado de filosofía, ni un curso de filosofía que menciona la IA de pasada. Es un intento de pensar seriamente — con rigor formal cuando hace falta y con profundidad conceptual siempre — los problemas que surgen cuando la inteligencia deja de ser asunto de individuos aislados.
El programa dura aproximadamente 90 semanas (~22 meses) con una dedicación de 6 a 8 horas semanales. Está organizado en dos fases y ocho bloques, más un componente transversal de vigilancia intelectual (el Radar Semanal). Cada unidad sigue una estructura de tres sesiones: teoría con visualización interactiva, práctica guiada con simulación manipulable, y evaluación de dominio con quiz y checklist.
* * *
Hay una pregunta que cruza transversalmente la filosofía, la ciencia política, la economía, la inteligencia artificial y las ciencias de la complejidad: ¿bajo qué condiciones un sistema compuesto por agentes limitados puede producir resultados que superan las capacidades de cualquiera de sus partes?
Condorcet la formuló en 1785 como un teorema sobre jurados. Adam Smith la intuyó como "la mano invisible". Hayek la articuló como el problema del conocimiento disperso. Surowiecki la popularizó como "la sabiduría de las multitudes". Woolley la midió empíricamente como el "factor c". Prigogine la encontró en la termodinámica de sistemas lejos del equilibrio. Maturana y Varela la reconocieron en la autopoiesis de los sistemas vivos. Meadows la formalizó como dinámica de sistemas con puntos de apalancamiento. Y hoy, la misma pregunta reaparece en machine learning (¿por qué los ensembles superan a los modelos individuales?), en redes neuronales (¿cómo emerge el aprendizaje de conexiones simples?), y en gobernanza de IA (¿cómo diseñar sistemas híbridos humano-máquina que sean más inteligentes que cualquiera de sus componentes?).
Este curso intenta recorrer esa pregunta desde sus raíces hasta sus implicaciones contemporáneas, sin aplanar la complejidad ni convertirla en un eslogan.
* * *
El programa tiene dos fases. La Fase 1 (Fundamentos) construye las bases conceptuales y formales en cuatro bloques: inteligencia colectiva, machine learning, inteligencia híbrida humano-IA, y pensamiento sistémico y complejidad. La Fase 2 (Aplicación y síntesis) aplica estos fundamentos a dominios concretos: un proyecto integrador, transformaciones globales, educación en mundos complejos, y un proyecto capstone de investigación original.
Los cuatro bloques de la Fase 1 están diseñados para leerse secuencialmente. El Bloque 1 establece las condiciones bajo las cuales los grupos son inteligentes (y por qué fracasan). El Bloque 2 introduce las herramientas formales del aprendizaje automático. El Bloque 3 examina qué ocurre cuando humanos e IA interactúan en un mismo sistema de decisión. Y el Bloque 4 retrocede para mostrar el marco más amplio: la teoría de sistemas complejos que subyace a todo lo anterior — desde la cibernética de Wiener hasta los sistemas sociotécnicos del MIT.
La segunda fase no introduce conceptos nuevos. Aplica los fundamentos a problemas reales. El Bloque 5 es un proyecto integrador que combina los cuatro bloques anteriores. El Bloque 6 analiza seis transformaciones globales con las herramientas del curso. El Bloque 7 examina cómo diseñar aprendizaje en entornos complejos. Y el Bloque 8 es un proyecto capstone de investigación original.
| Semanas | Bloque | Contenido | Unidades |
|---|---|---|---|
| Fase 1 — Fundamentos (semanas 1–48) | |||
| 1–14 | Bloque 1 | Cómo piensan los grupos — Las 4 condiciones de Surowiecki, cascadas informacionales, conformidad, polarización, arquitecturas de decisión. De Condorcet a Kahneman. | 3 unidades |
| 15–24 | Bloque 2 | IA y Machine Learning — Optimización y loss functions, bias-varianza, clasificación y fronteras de decisión, redes neuronales, sesgos algorítmicos. De ISLR a Gender Shades. | 5 unidades |
| 25–30 | Bloque 3 | Inteligencia Híbrida — Independencia vs. conformidad en sistemas humano-IA, anclaje, gobernanza, explicabilidad, confianza calibrada. Pescetelli, Woolley, Rudin, EU AI Act. | 2 unidades |
| 31–48 | Bloque 4 | Pensamiento Sistémico y Complejidad — Cibernética y retroalimentación, estructuras disipativas y auto-organización, dinámica de sistemas y puntos de apalancamiento, redes y criticalidad, autopoiesis y pensamiento complejo, organizaciones que aprenden, sistemas sociotécnicos. De Wiener y Prigogine a Senge, Morin y Dahleh. | 8 unidades |
| Fase 2 — Aplicación y síntesis (semanas 49–90) | |||
| 49–54 | Bloque 5 | Proyecto integrador — Aplicar bloques 1–4 en un sistema híbrido real: un problema concreto donde inteligencia colectiva, algorítmica y sistémica se potencien mutuamente. | Proyecto |
| 55–69 | Bloque 6 | Los 6 Shifts — Seis ejes de transformación global analizados con las herramientas de los bloques anteriores. Qué tipo de liderazgo requieren las organizaciones ante complejidad creciente. | 6 módulos |
| 70–78 | Bloque 7 | Educación en un mundo complejo — Cómo diseñar sistemas de aprendizaje que preparen para la complejidad en lugar de simplificarla hasta destruir su naturaleza. | 3 módulos |
| 79–90 | Bloque 8 | Capstone — Un proyecto de investigación original que integre inteligencia colectiva, IA, complejidad y pensamiento sistémico sobre un problema que te importe genuinamente. | Investigación |
Radar Semanal — 30 minutos semanales de vigilancia intelectual. Escaneo de papers, noticias y desarrollos relevantes al programa.
Cada unidad sigue tres sesiones diseñadas para maximizar retención y transferencia:
El objetivo no es que memorices ecuaciones, sino que entiendas la estructura lógica de por qué los grupos a veces son sabios y a veces son peligrosos; por qué los algoritmos a veces generalizan y a veces amplifican sesgos; por qué los sistemas complejos a veces se auto-organizan y a veces colapsan.
El curso se apoya en 27 fuentes primarias organizadas cronológicamente. No en resúmenes de terceros ni en explicaciones diluidas. Cada bloque identifica sus textos clave, y el programa incluye guías de lectura específicas para cada uno.