Uno de los elementos más sugerentes del régimen discursivo de la smart city es su apelación al surgimiento de una nueva ciencia de las ciudades (Batty, 2014). En una era de esplendor tecnológico, apelar a la ciencia como catalizadora de una nueva forma de pensar y construir las ciudades resulta atractivo. En efecto, en los últimos años diferentes centros de investigación de nueva creación se han sumado a otros con cierta tradición con el objetivo de explotar la posibilidad del uso de la multitud de nuevas fuentes urbanas de datos. Desde 2005, Townsend (2015b) contabiliza que se han creado más de una docena de laboratorios, centros y facultades con el objetivo común de usar de manera extensiva las capacidades de computación de los datos masivos para entender las ciudades. Nacidos en ocasiones de departamentos o facultades de las ciencias técnicas, estas iniciativas académicas y científicas han tendido a conformar consorcios variopintos de matemáticos, ingenieros, etc., con la esperanza de aplicar las técnicas propias de su campo (catapultadas por las nuevas capacidades que ofrecen los datos masivos) al estudio de la ciudad. Este emergente conglomerado de esfuerzos de investigación resulta sintomático del creciente interés por el estudio urbano desde una perspectiva tecno-científica y representa, sin duda, un nuevo ciclo en el estudio de la ciudad como no se había dado desde hace tiempo.
Sin embargo, esta aspiración de construir un entramado metodológico cuantitativo y mecánico para estudiar de manera integral la ciudad no es novedosa. De hecho, ya en 1913 el término The city scientific fue utilizado por George B. Ford como título de su conferencia en la quinta reunión anual de la National Conference on City Planning celebrada en Chicago (Shelton, Zook y Wiig, 2015). También es destacable que en 1967, el Housing and Urban Development Department del gobierno de Estados Unidos encargara un informe, Science and the city (Torrey, 1967) que, a pesar de la fecha, presenta una factura y una terminología sorprendentemente actual. Este último trabajo citado recoge expresamente desde el llamamiento a un esfuerzo de urbanización y construcción de infraestructuras sin precedentes vinculado a las nuevas necesidades hasta la definición de las nuevas tecnologías como clave para realizar con éxito dicha empresa. Los términos del informe son tremendamente actuales y podrían confundirse con muchos textos que se publican hoy en día desde las instituciones y empresas proponentes de la smart city. No faltan las menciones a la ciudad como un sistema de subsistemas, a la necesidad de innovación social desde una mirada multi-disciplinar al hecho urbano, la digitalización de la información, los dispositivos que pudieran ser sensibles a la situación del tráfico para adaptar su ordenamiento automático, la dicotomía entre átomos y bits (con tanta antelación, por ejemplo, a los escritos de William J. Mitchell), las posibilidades de modelización matemática de las necesidades de vivienda, la contribución de la tecnología al control de la contaminación del agua o del aire y, sobre todo, la apelación a la industria aeronáutica y la ciencia espacial -en aquel momento, en pleno auge como campo donde los avances científico-tecnológicos eran más llamativos- para que contribuyeran a la mejora de las ciudades, etc.
En una fecha tan alejada del actual discurso SC encontramos en el mencionado informe expresiones como "The name of the urban game is information processing", que hoy podría ser el título introductorio de cualquier charla TED o cualquier informe de una gran empresa interesada en la aplicación del big data a las ciudades. El mismo optimismo que destila el informe, dirigido a mostrar la contribución que el complejo industrial militar podía hacer a la sociedad norteamericana de la época es el que encontramos en las promesas del complejo industrial digital que hoy nos propone la mirrada científico-técnica y cuantitativa de la ciudad inteligente del siglo XXI.
Como decíamos, entender las dinámicas urbanas a través de un aparato cibernético, de ecuaciones y algoritmos ha sido un empeño cíclico en las décadas más recientes. Hoy planteamientos como los de West y Bettencourt (2007) o Batty (2013) –algunos de los nombres más destacados asociados a la nueva ciencia de las ciudades - son una continuación o reedición de los primeros trabajos en el MIT (Forrester 1989) desde finales de la década de 1950, así como de los estudios de la física social (Barnes y Wilson, 2014) basados en ecuaciones que describen diferentes esferas de la ciudad y cómo interactúan entre ellas, de manera que pueda programarse su simulación para extraer conclusiones y predicciones. Estos ejercicios no quedaron en el ámbito académico o en los laboratorios de simulación, sino que fueron llevados a la práctica en ciudades como Pittsburgh o Nueva York con sonoros fracasos y críticas posteriores (Goodspeed, 2015). De la misma época datan algunos de los primeros experimentos de aplicación de rudimentarios sistemas de datos masivos (junto al análisis de clusters o la fotografía aérea infrarroja) en la ciudad de Los Ángeles para aplicarlos a estudios del gobierno municipal en relación con el urbanismo, la demografía o la vivienda (Vallianatos, 2015). Sea como fuere, esta disciplina y estos trabajos pioneros sufrieron su particular viaje por el desierto hasta que fue redescubierta por IBM a principios del siglo XXI para aplicarla en Portland, a través de nuevos modelos más complejos, refinados y sistemáticos materializados en la aplicación System Dynamics for Smarter Cities. De nuevo, sus resultados fueron decepcionantes para los gestores públicos, en un caso que refleja las limitaciones teóricas y, sobre todo, prácticas de este tipo de acercamientos, que siempre van a tender a hacerle al modelo aquellas preguntas que pueden ser modelizadas sin entender esto como una limitación inherente a cualquier sistema de modelización. De hecho, las experiencias pasadas de intento de construir una ciencia urbana bajo estos parámetros sistémicos y computacionales han estado afectadas por diferentes restricciones: insuficiencia de datos, baja madurez de la ciencia disponible y limitado poder computacional (Townsend, 2015a). Hoy, varias décadas después de la anterior oleada de aplicación de este tipo de teorías, los nuevos esfuerzos vuelven a encontrarse con problemas prácticos a la hora de mostrar resultados confiables y útiles, por más que los datos hoy sean masivos, los fundamentos científicos sean más sólidos y el poder de procesamiento sea inimaginable hace unos años . Seguramente por ello, uno de los textos más críticos con aquellos planteamientos de los ´60 y ´70 sigue siendo actual: “Despite the many-fold increases in computer speed and storage capacity ... there are some researchers who are convinced that it has been the hardware limitations that have obstructed progress and that advances in modeling are now possible because of larger computer capacity. There is no basis for this belief; bigger computers simply permit bigger mistakes.” (Lee, 1973). De nuevo, el reduccionismo informacional (Morozov, 2013:245) se presenta en forma positivismo que celebra cualquier medición como algo objetivo y significativo porque, al fin y al cabo, la gestión es una cuestión de hechos y no de preocupaciones.
En realidad, la aspiración a construir una ciencia de las ciudades está íntimamente ligada al debate sobre el papel y el carácter científico de los estudios sociales en su sentido amplio, es decir, todo lo que alcanza al comportamiento humano y al comportamiento social. Desde el nacimiento del positivismo y su aspiración a ser aplicado en las ciencias sociales, siempre sobrevuela la cuestión de cómo convertir los temas sociales en un objeto científico de la misma forma que las ciencias físicas y naturales. Esta aspiración cientifista ya la advirtió Postman (1993:161-162) en el advenimiento de los primeros ordenadores y sigue informando el nuevo tecno-optimismo urbano. Así, volvemos a revivir la expectativa de poder aplicar técnicas cuantitativas para problemas sociales en las que los números tienen poco que aportar, el complejo de inferioridad de las ciencias sociales por no disponer del mismo material científico y metodológico con el que cuentan las ciencias naturales y, en general, el intento por construir de una vez por todas un aparato científico (cientifista) que ofrezca la ilusión de un aparato incontrovertido, preciso y con autoridad generalizable. Para autores como Morozov (2010) o Rendueles (2013), estas decepciones son fruto de una tendencia recurrente a confiar los problemas sociales a soluciones técnicas con una preferencia por la ingeniería como campo científico preferencial. Este escenario es, además, una reedición del positivismo más extremo, aplicado a las ciencias sociales y al análisis del comportamiento humano (Postman, 1993:146).
Sin embargo, más allá de su utilización como reclamo propagandístico, esta “ciencia de las ciudades” está lejos de ser una disciplina de contornos exactos. La ciencia de las ciudades que emerge de las nuevas condiciones digitales está aún en su infancia en comparación con las promesas científicas que propone (Future Cities Catapult, 2014). Esto explica la ausencia de una terminología y una conceptualización compartida (aspecto que ya hemos analizado anteriormente) y el inicio de proyectos de normalización a través de normas oficiales por parte de organismos de estandarización.
 |
| Science and the city |
En una fecha tan alejada del actual discurso SC encontramos en el mencionado informe expresiones como "The name of the urban game is information processing", que hoy podría ser el título introductorio de cualquier charla TED o cualquier informe de una gran empresa interesada en la aplicación del big data a las ciudades. El mismo optimismo que destila el informe, dirigido a mostrar la contribución que el complejo industrial militar podía hacer a la sociedad norteamericana de la época es el que encontramos en las promesas del complejo industrial digital que hoy nos propone la mirrada científico-técnica y cuantitativa de la ciudad inteligente del siglo XXI.
Como decíamos, entender las dinámicas urbanas a través de un aparato cibernético, de ecuaciones y algoritmos ha sido un empeño cíclico en las décadas más recientes. Hoy planteamientos como los de West y Bettencourt (2007) o Batty (2013) –algunos de los nombres más destacados asociados a la nueva ciencia de las ciudades - son una continuación o reedición de los primeros trabajos en el MIT (Forrester 1989) desde finales de la década de 1950, así como de los estudios de la física social (Barnes y Wilson, 2014) basados en ecuaciones que describen diferentes esferas de la ciudad y cómo interactúan entre ellas, de manera que pueda programarse su simulación para extraer conclusiones y predicciones. Estos ejercicios no quedaron en el ámbito académico o en los laboratorios de simulación, sino que fueron llevados a la práctica en ciudades como Pittsburgh o Nueva York con sonoros fracasos y críticas posteriores (Goodspeed, 2015). De la misma época datan algunos de los primeros experimentos de aplicación de rudimentarios sistemas de datos masivos (junto al análisis de clusters o la fotografía aérea infrarroja) en la ciudad de Los Ángeles para aplicarlos a estudios del gobierno municipal en relación con el urbanismo, la demografía o la vivienda (Vallianatos, 2015). Sea como fuere, esta disciplina y estos trabajos pioneros sufrieron su particular viaje por el desierto hasta que fue redescubierta por IBM a principios del siglo XXI para aplicarla en Portland, a través de nuevos modelos más complejos, refinados y sistemáticos materializados en la aplicación System Dynamics for Smarter Cities. De nuevo, sus resultados fueron decepcionantes para los gestores públicos, en un caso que refleja las limitaciones teóricas y, sobre todo, prácticas de este tipo de acercamientos, que siempre van a tender a hacerle al modelo aquellas preguntas que pueden ser modelizadas sin entender esto como una limitación inherente a cualquier sistema de modelización. De hecho, las experiencias pasadas de intento de construir una ciencia urbana bajo estos parámetros sistémicos y computacionales han estado afectadas por diferentes restricciones: insuficiencia de datos, baja madurez de la ciencia disponible y limitado poder computacional (Townsend, 2015a). Hoy, varias décadas después de la anterior oleada de aplicación de este tipo de teorías, los nuevos esfuerzos vuelven a encontrarse con problemas prácticos a la hora de mostrar resultados confiables y útiles, por más que los datos hoy sean masivos, los fundamentos científicos sean más sólidos y el poder de procesamiento sea inimaginable hace unos años . Seguramente por ello, uno de los textos más críticos con aquellos planteamientos de los ´60 y ´70 sigue siendo actual: “Despite the many-fold increases in computer speed and storage capacity ... there are some researchers who are convinced that it has been the hardware limitations that have obstructed progress and that advances in modeling are now possible because of larger computer capacity. There is no basis for this belief; bigger computers simply permit bigger mistakes.” (Lee, 1973). De nuevo, el reduccionismo informacional (Morozov, 2013:245) se presenta en forma positivismo que celebra cualquier medición como algo objetivo y significativo porque, al fin y al cabo, la gestión es una cuestión de hechos y no de preocupaciones.
 |
| IBM PARTNERS WITH PORTLAND TO PLAY SIMCITY FOR REAL |
Sin embargo, más allá de su utilización como reclamo propagandístico, esta “ciencia de las ciudades” está lejos de ser una disciplina de contornos exactos. La ciencia de las ciudades que emerge de las nuevas condiciones digitales está aún en su infancia en comparación con las promesas científicas que propone (Future Cities Catapult, 2014). Esto explica la ausencia de una terminología y una conceptualización compartida (aspecto que ya hemos analizado anteriormente) y el inicio de proyectos de normalización a través de normas oficiales por parte de organismos de estandarización.
No hay comentarios :
Publicar un comentario