Saber qué vs. saber cómo

Entre el «saber qué» y el «saber cómo» se traza una línea que separa las ideas de la acción. Desde la inteligencia artificial hasta la política colombiana ¿Qué nos falta para cerrar esa brecha?

En el año 2007, tuve la oportunidad de asistir a una charla del profesor Manuel deLanda en la que abordó una reflexión profunda sobre dos formas de conocimiento que poseemos los seres humanos: “saber qué” y “saber cómo”. Para ilustrarlo, deLanda recurrió a conceptos de programación de inteligencia artificial (IA) en una época que hoy parece cercana, pero que, en términos tecnológicos, está muy lejana. En aquella charla, deLanda explicó dos grandes paradigmas de la IA: la IA simbólica y la IA de aprendizaje automático o machine learning.

La IA simbólica, decía deLanda, funciona a través de representaciones explícitas del conocimiento, mediante símbolos y un conjunto de reglas predefinidas. Este enfoque se basa en la manipulación de símbolos que representan conceptos e ideas específicas, lo que le permite a la IA manejar conocimiento estructurado y hacer deducciones lógicas. En otras palabras, esta forma de IA “sabe qué” hacer en función de una serie de reglas proporcionadas por los humanos, y se adapta bien a situaciones donde el conocimiento es explícito y organizado en términos claros y aplicables. Por ejemplo, un sistema de IA simbólica puede ser programado con reglas para evaluar documentos legales o para seguir protocolos médicos, tareas en las que cada paso sigue una lógica definida.

Por otro lado, la IA basada en datos, o machine learning, se enfoca en el desarrollo de algoritmos y modelos que aprenden a partir de los datos, lo que permite que hagan predicciones y tomen decisiones sin necesidad de seguir instrucciones directas. A diferencia de la IA simbólica, esta IA se basa en “saber cómo” actuar, al ajustar sus respuestas en función de patrones observados en los datos previos. Por ejemplo, un sistema de IA basado en datos que aprende a reconocer enfermedades en imágenes médicas no sigue una lista de reglas fijas, sino que aprende de una base de datos extensa de imágenes de enfermedades, lo que le permite identificar patrones y hacer diagnósticos sin tener definiciones explícitas de cada afección.

Esta diferencia entre la IA simbólica y la IA basada en datos refleja, como señalaba deLanda, una distinción filosófica mucho más profunda: el “saber qué” y el “saber cómo” como dos formas complementarias y necesarias de conocimiento que vamos a abordar a continuación.

 Saber qué

Saber qué (conocimiento declarativo): Este tipo de conocimiento se refiere a hechos o información específica, el tipo que podemos articular en palabras o símbolos y que responde a preguntas como “¿Qué es…?” o “¿Cuáles son los pasos para…?”. La IA simbólica, con su capacidad de representar el conocimiento de manera explícita y lógica, es excelente para el “saber qué”. Este tipo de IA realiza razonamientos estructurados, siguiendo pasos predefinidos y claramente explicables, como si analizara una serie de instrucciones claras. Sin embargo, su debilidad es su dependencia de reglas explícitas proporcionadas por humanos, lo cual limita su capacidad para tareas que requieren adaptabilidad o aprendizaje en tiempo real. Un sistema basado en IA simbólica podría “saber que” una bicicleta tiene dos ruedas o que operar una máquina implica seguir instrucciones específicas.

En el pensamiento humano, el “saber qué” se manifiesta como conocimiento teórico que resulta clave para adquirir conceptos complejos, teorías o hechos históricos, como saber que la Revolución Americana fue entre 1775 y 1783; la Francesa, entre 1789 y 1793, y la Colombiana, entre 1810 y 1819; que los elementos químicos se ordenan en la tabla periódica, o que la energía es igual al producto entre la masa y el cuadrado de la velocidad de la luz. Este tipo de conocimiento es ideal para almacenar y transferir información que no cambia, y es fundamental para la educación formal. Sin embargo, como ocurre en la IA simbólica, su limitación es evidente cuando se trata de aplicar ese conocimiento en situaciones prácticas. Uno puede saber qué es el equilibrio químico sin saber realmente cómo manipularlo en un laboratorio, o entender los principios de la física sin necesariamente poder construir un puente.

 Saber cómo 

Saber cómo (conocimiento procedimental): Este conocimiento se relaciona con la habilidad práctica de hacer algo sin necesariamente poder explicarlo completamente en palabras. Se trata más de destrezas, que están alineadas con la IA basada en datos o el aprendizaje automático. En este enfoque, los sistemas aprenden a través de la experiencia y la interacción con datos, como ocurre con “saber cómo” realizar tareas basadas en patrones aprendidos. Por ejemplo, un modelo de aprendizaje automático puede “saber cómo” identificar un gato en una imagen no porque tenga una definición simbólica de lo que es un gato, sino porque ha visto suficientes ejemplos y ha aprendido a reconocer características.

En el pensamiento humano, el “saber cómo” aparece en nuestras habilidades prácticas, aquellas que requieren experiencia y repetición. Ejemplos claros son actividades como nadar, montar en bicicleta o, incluso, hablar un idioma. Alguien puede aprender la gramática y las reglas de un idioma (saber qué), pero no necesariamente saber cómo mantener una conversación fluida hasta practicarlo en forma continua. Asimismo, una persona puede entender conceptualmente cómo se realiza una operación de rescate en montaña, pero solo el entrenamiento físico y mental en el entorno real le permitirá saber cómo actuar con precisión en situaciones de emergencia. Aquí, el “saber cómo” representa ese conocimiento implícito que se gana con la práctica y el ensayo, que es esencial para aplicar conocimientos abstractos en la vida real.

Esta contraposición entre “saber qué” y “saber cómo” ha rondado mi cabeza durante años y me ha hecho reflexionar sobre cómo ambos tipos de conocimiento se necesitan mutuamente. Algunos conocimientos son inasequibles sin símbolos y palabras; otros, en cambio, solo pueden adquirirse mediante la experiencia práctica. Por ejemplo, es prácticamente imposible aprender a nadar, montar en bicicleta o subir escaleras solo a través de lecturas y manuales (les recomiendo las “Instrucciones para subir una escalera” de Cortázar). Pero también es imposible descubrir por experiencia propia los secretos del cosmos de Carl Sagan, los avances de Marie Curie o la vida de Hipatia de Alejandría sin recurrir a las representaciones simbólicas, textos y descubrimientos previos de otras mentes.

El saber y la gobernanza

Recientemente, esta idea de la IA y los tipos de conocimiento cobró un nuevo sentido, al conectarlos con un ámbito inesperado: la política y la economía. Hace unos días se anunciaron los ganadores del Premio Nobel de Economía, o, mejor dicho, el Premio del Banco de Suecia en Ciencias Económicas en Memoria de Alfred Nobel.

Kamer Daron Acemoğlu, turco, profesor del Instituto Tecnológico de Massachusetts (MIT); Simon Johnson, británico, también profesor del MIT, y James A. Robinson, británico, profesor de la Universidad de Chicago, fueron galardonados por sus “estudios sobre cómo se forman las instituciones y cómo estas afectan la prosperidad de las naciones”.

James A. Robinson, quien ha dedicado buena parte de sus investigaciones al caso colombiano, ha sido particularmente crítico de los gobiernos en Colombia. En sus estudios, señala una clara brecha entre la capacidad de los políticos colombianos para crear ideas –el “saber qué”– y su falta de habilidad para ejecutar esas ideas –el “saber cómo–”. La crítica de Robinson es una radiografía que no solo apunta al Gobierno actual sino a casi todos los Gobiernos pasados, que revela un patrón en la política colombiana: una facilidad para expresar ideales y una dificultad aún mayor para llevar esos ideales a la realidad.

Aquí es donde la contraposición entre “saber qué” y “saber cómo” cobra un sentido mucho más amplio y preocupante, al conectar la teoría de la IA con la práctica de la gobernanza. Al igual que en la IA, los políticos necesitan una mezcla de ambos tipos de conocimiento. Un político, como la IA simbólica, necesita claridad en sus ideales, conceptos y visión de futuro. Sin embargo, al igual que la IA basada en datos, también debe tener la habilidad práctica de transformar esa visión en acciones tangibles, y adaptarse a las realidades complejas y cambiantes del país. De lo contrario, sus promesas se quedan en discursos y programas que nunca logran mejorar la vida de los ciudadanos.

El problema de muchos gobernantes colombianos (locales, regionales y nacionales) es que han demostrado ser maestros en el “saber qué”, al expresar ideales, pintar utopías y prometer mejoras para todas las personas; pero, tristemente, son paupérrimos en el “saber cómo”. Olvidan estos gobernantes que, una vez elegidos y posesionados, son la cabeza de la Rama Ejecutiva del poder público. Un alcalde, gobernador o presidente debe, una vez iniciado su mandato, pasar de las ideas de campaña a la ejecución de esas ideas, pasar de qué a cómo. Esa incapacidad de llevar a cabo lo prometido se convierte en el talón de Aquiles de sus Gobiernos y, por ende, en una carga que termina sufriendo toda la sociedad colombiana.

La política en Colombia, en este sentido, funciona como una especie de IA simbólica en exceso: abundan las reglas, los programas y los discursos. Pero la ejecución, el “saber cómo”, sigue siendo la gran deuda. Los líderes parecen olvidar que el verdadero éxito de un mandato no está en la calidad de sus ideas, sino en su capacidad para convertir esas ideas en realidades palpables. Y para esto, como en la IA, hace falta algo más que conocimiento abstracto. Se necesita una comprensión profunda del entorno, la capacidad de adaptarse y una voluntad incansable de aprender en tiempo real, como lo haría un sistema de aprendizaje automático.

En última instancia, los ideales sin acción se convierten no solo en promesas vacías, sino en una forma de traición a la confianza pública. La verdadera grandeza de un gobernante no se mide por la elocuencia con la que describe su visión de futuro, sino por su capacidad para convertirla en realidad. Mientras sigan atrapados en el “qué”, la sociedad colombiana seguirá condenada a la espera eterna del “cómo”. La frustración de una sociedad que sabe “qué” necesita, pero sigue sin ver “cómo” alcanzarlo, es quizá la lección más clara de la diferencia entre soñar y gobernar.

Le recomendamos: Desarrollo simplificado