Los puentes de Königsberg (1736)
La historia de las redes comienza con un acertijo que parecía trivial. En la ciudad de Königsberg (hoy Kaliningrado, Rusia), el río Pregel dividía la ciudad en cuatro regiones conectadas por siete puentes. Los vecinos se preguntaban: ¿es posible cruzar cada puente exactamente una vez y regresar al punto de partida?
Durante años, nadie lo logró. Pero en 1736, el matemático suizo Leonhard Euler transformó el problema. Olvidó los puentes y la geografía. Solo le importaban los puntos de conexión. Dibujó cuatro nodos (las regiones) y siete líneas (los puentes). Luego preguntó: ¿existe un camino que usa cada arista exactamente una vez?
Euler demostró que no. Y en el proceso inventó la teoría de grafos. Descubrió que la clave es el "grado" de cada nodo (cuántas aristas tocan ese punto). Para que exista tal camino, debe haber exactamente 0 o 2 nodos de grado impar. En Königsberg, había 4. Fin de la discusión.
Redes aleatorias: Erdős y Rényi (1959)
Dos siglos después, el matemático húngaro Paul Erdős y el físico Alfréd Rényi revolucionaron el pensamiento sobre redes. Preguntaron: ¿qué pasa si construyes una red conectando pares de nodos al azar?
Descubrieron algo sorprendente. En una red aleatoria pequeña, hay muchos componentes desconectados. Pero a medida que añades más conexiones, de repente, cuando alcanzas una densidad crítica, la mayoría de nodos se unen en una "componente gigante". Es como un cambio de fase en física. Y en estas redes aleatorias, la mayoría de nodos tienen grados parecidos al promedio (distribución de Poisson).
El experimento de Milgram (1967)
Stanley Milgram, psicólogo en la Universidad de Yale, hizo un experimento audaz. Envió cartas a residentes elegidos al azar en Omaha, Nebraska, dirigidas a una persona específica en Boston, Massachusetts. La instrucción era: si no conoces al destinatario, envía la carta a alguien que creas que está más cerca.
El resultado: la mayoría de cartas llegaron en 5-7 pasos. Nacía el mito de los "seis grados de separación." Milgram descubrió que aunque la red social es vasta, contiene caminos sorprendentemente cortos entre nodos distantes. Esto no era posible en una red aleatoria típica.
Mundos pequeños: Watts y Strogatz (1998)
Un siglo después de Erdős-Rényi, Duncan Watts y Steven Strogatz explicaron el paradoxo. Las redes reales tienen dos propiedades: (1) alta agrupación local (tus amigos tienden a ser amigos entre sí), y (2) distancias cortas entre nodos lejanos (como Milgram observó).
Propusieron un modelo simple: comienza con una red regular (un anillo donde cada nodo conecta a sus k vecinos más cercanos). Luego, reconecta al azar una pequeña fracción de aristas. El resultado es una "red de mundo pequeño": mantiene la agrupación pero gana caminos cortos.
Este modelo explicaba internet, redes neuronales, redes de proteínas, actores de Hollywood (todo el mundo se conoce en 6 grados). Era una síntesis elegante de Euler, Milgram y la teoría de grafos moderna.
Barabási descubre scale-free (1999)
A finales de los 90, Albert-László Barabási, un físico húngaro, comenzó a mapear internet. Midió cuántas conexiones tenía cada sitio web. Esperaba una distribución similar a la altura de las personas: la mayoría cerca del promedio, con colas de outliers.
En cambio, encontró algo radical: la distribución seguía una ley de potencias. Había algunos sitios (Yahoo, Google, Amazon) con decenas de miles de conexiones, mientras que millones de sitios tenían solo unos pocos enlaces. Esto no era aleatorio. Era "scale-free": la red mantiene su estructura similar en diferentes escalas.
¿Por qué? Barabási y Réka Albert descubrieron que las redes reales crecen de manera que los nuevos nodos prefieren conectarse a los ya populares. No es conspiración. Es matemática simple: si eres nuevo, prefieres vincular a Amazon que a un blog desconocido. Este mecanismo, "preferential attachment," genera leyes de potencias de forma natural.
De repente, el mismo principio explicaba tamaños de ciudades (ley de Zipf), magnitudes de terremotos (ley de Gutenberg-Richter), frecuencia de palabras en idiomas, distribución de ingresos. Las leyes de potencias estaban por todas partes.
Per Bak y la criticalidad auto-organizada (1987)
Mientras Barabási mapeaba internet, Per Bak, un físico danés, investigaba una pregunta aparentemente desconectada: ¿por qué los sistemas naturales producen eventos de todos los tamaños que siguen leyes de potencias?
Los terremotos no ocurren solo en magnitudes pequeñas. Hay una "pequeña" cantidad de grandes terremotos y una "enorme" cantidad de pequeños. La distribución sigue P(m) ∝ m^(-1.5) (ley de Gutenberg-Richter). Bak se preguntó: ¿quién sintoniza el sistema para que viva en este estado crítico?
En 1987, propuso el modelo de la pila de arena. Imaginó una pila 2D donde añades granos uno a uno. Cuando una celda alcanza altura 4, se vuelca, esparciendo granos a vecinos. Estos pueden volcarse, causando avalanchas. Bak demostró que sin que nadie sintonice parámetro alguno, el sistema evolucionaba hacia un estado donde las avalanchas seguían una ley de potencias.
Llamó a esto "criticalidad auto-organizada" (SOC). No necesitas ajustar nada. No necesitas un "supervisor inteligente." El sistema mismo se drive hacia la criticalidad. Este mecanismo explica terremotos, extinciones en masa, incendios forestales, y cascadas de información en redes sociales.
Convergencia en Santa Fe
Estas ideas convergieron en el Santa Fe Institute, fundado en 1984 en Nuevo México. Barabási, Bak, Watts, Strogatz y otros intercambiaban ideas. El tema común: los sistemas complejos naturales y sociales no son ni aleatorios ni diseñados. Son auto-organizados. Evolucionan hacia estructuras que son robustas pero frágiles: un ataque aleatorio casi no daña la red (hay alternativas), pero eliminar un hub la quiebra.
Hoy, esta comprensión influye en epidemiología (cómo se dispersan las enfermedades), economía (contagio financiero), neurociencia (estructura del cerebro), y gobernanza (cómo diseñar sistemas resilientes).