07. Crítica ontológica: Hui, Simondon, cosmotécnica e individuación

Este capítulo desarrolla el núcleo filosófico de la tesis. Hasta aquí hemos sostenido que disponemos de una herramienta epistémica sobredimensionada y que el experimento propio (las tareas T1–T6) muestra que el cómputo a gran escala mejora la imitación sin cruzar ningún umbral categorial. El capítulo 06 estableció esa conclusión en clave técnica: describió qué hace y qué no hace la IA estadística considerada como mecanismo de predicción de tokens. Lo que falta, y es la función de este capítulo dentro del argumento global, es mostrar que ese límite no es un accidente del estado actual de la técnica —algo que un modelo más potente disolvería— sino que es un límite ontológico, esto es, un límite relativo al modo de ser de la máquina y al tipo de mundo que produce cuando convierte la ciudad en datos. Sostenemos que las limitaciones decisivas de la urbanidad computada no son técnicas sino, en su raíz, ontológicas, y que esa raíz ontológica es además la condición de las limitaciones políticas y económicas que tratará el capítulo 08. Para mostrarlo recorremos cinco articulaciones: la exteriorización en Bergson; la recursividad y la individuación técnica en Wiener y Simondon; la distinción kantiana de los juicios leída por Hui; el mundo en Heidegger y Dreyfus; y, como síntesis, la cosmotécnica como categoría que reformula el problema del límite como cuestión de mundo y no de potencia.

Conviene fijar de entrada el estatuto de los enunciados. Cuando apelamos al experimento describimos lo que muestran los datos de resultados.json; cuando leemos a los autores interpretamos lo que sus textos significan para nuestro problema; y cuando concluimos que el límite es ontológico argumentamos, es decir, exhibimos qué se sigue de lo anterior. Mantener separados estos tres registros es lo que impide que la crítica ontológica degenere en una declaración de principios sobre lo que las máquinas «nunca podrán».

1. Bergson y la exteriorización: la herramienta que desborda la intención

Partimos de Bergson porque ofrece la categoría más básica para pensar la técnica como prolongación de la inteligencia, y porque esa categoría contiene ya, en germen, el límite que nos interesa. En L'évolution créatrice, Bergson caracteriza a la inteligencia humana por su relación con la fabricación: el ser inteligente es ante todo homo faber, un ser que fabrica instrumentos artificiales y que tiende a tratar la materia como un agregado de sólidos manipulables (Bergson, 1907). La inteligencia, en esta lectura, no comprende la duración ni el movimiento vital sino que los descompone en estados fijos y recomponibles; es, por constitución, fabricante y geómetra. La técnica es la exteriorización de esa facultad: lo que la inteligencia hace al pensar —separar, fijar, recomponer— lo deposita fuera de sí en herramientas que repiten y estabilizan esas operaciones.

Aquí aparece el primer rasgo decisivo, que retoma toda la tradición de la exteriorización. Exteriorizar no es entender. Cuando una operación cognitiva se deposita en un soporte externo —un ábaco, una tabla de logaritmos, un algoritmo— la operación se conserva y se transmite, pero el soporte no comprende lo que ejecuta. La herramienta hace, no sabe que hace. Esta diferencia, que en el caso del ábaco es obvia, se vuelve fácil de olvidar cuando el soporte produce lenguaje articulado y plausible, como ocurre con los modelos de lenguaje. Por eso conviene mantenerla explícita.

El experimento la ilustra con precisión. Interpretamos las tareas aritméticas T1, T3, T4 y T5 como casos de cómputo exteriorizado: operaciones cuya regla está perfectamente fijada y cuyo resultado es verificable dígito a dígito. Lo que muestran los datos es que la IA estadística no ejecuta esa regla, sino que produce un texto que se parece al resultado de ejecutarla. En T1 (multiplicación exacta de dos enteros de doce dígitos) tres de las cuatro respuestas coinciden con el valor exacto 349625969488102520908371, pero la segunda respuesta de Opus devuelve 349634804376851666458571, un número del orden de magnitud correcto y con varios dígitos correctos, que sin embargo no es el producto. En T5 (suma de cuadrados de treinta lecturas de sensores) el valor exacto es 651396404; Opus responde 651397404 y 651400404, errando en órdenes intermedios mientras conserva la longitud y la apariencia. Argumentamos que estos errores no son ruido corregible: son la firma de un sistema que estima la forma del resultado en lugar de calcularlo. La herramienta exteriorizó la apariencia de la operación aritmética, no la operación.

Esto explica por qué el cómputo puro —el algoritmo determinístico que un intérprete de Python ejecuta— acierta siempre y la IA estadística no. No se trata de que la IA «calcule peor»: se trata de que no calcula. Bergson nos da la categoría para nombrarlo sin caer en el reproche moral a la máquina. La inteligencia exteriorizada en una herramienta repite una operación que ella no recorre. Y aquí está el segundo rasgo, que nos servirá en las secciones siguientes: la herramienta exteriorizada desborda la intención que la produjo. El ábaco calcula sumas que su fabricante nunca pensó; el modelo de lenguaje produce frases que ningún hablante particular escribió. Ese desbordamiento es lo que da a la técnica su autonomía aparente y lo que alimenta la ilusión de que la herramienta entiende. La tesis de Hui, que desarrollaremos, es que ese desbordamiento es real pero no es comprensión: la herramienta excede la intención sin por ello darse fines propios.

Conviene no omitir el reverso de esta exteriorización: para Bergson la inteligencia fabricadora se recorta contra el ímpetu vital [élan vital] —la fuerza creadora de la vida que no se deja objetivar en mecanismo—, y Hui retoma expresamente ese término en el capítulo, citando La evolución creadora, para marcar que el polo mecánico de la repetición nunca agota al polo viviente de la creación (Hui, 2020). Que la herramienta exteriorizada no entienda lo que ejecuta es, en este vocabulario, la distancia entre lo mecánico y lo vital.

2. Wiener y Simondon: recursividad, retroalimentación e individuación técnica

La cibernética de Wiener añade a la herramienta exteriorizada una capacidad nueva: la de regularse a sí misma. En Cybernetics (1948) y en The Human Use of Human Beings (1950), Wiener define el dominio del control y la comunicación en el animal y la máquina a partir de la noción de retroalimentación: un sistema que toma su propia salida como información sobre su estado y la reintroduce como entrada para corregir su comportamiento. La retroalimentación es lo que permite a una máquina perseguir un objetivo —mantener una temperatura, seguir un blanco— sin que cada paso esté preescrito. Con ello la máquina deja de ser un mero instrumento pasivo y se vuelve, en el vocabulario que Hui recoge, un sistema recursivo: un sistema capaz de aplicarse a sí mismo.

Distinguimos aquí, conforme a la terminología fijada, retroalimentación y recursividad. La retroalimentación es el mecanismo concreto: la reinyección de la salida como entrada. La recursividad es la forma más general de un sistema que se toma a sí mismo como objeto de su propia operación. Hui hace de la recursividad un concepto central porque en ella ve la novedad de la técnica contemporánea respecto de la máquina mecánica clásica (Hui, 2020). La pregunta crítica es si la recursividad basta para darle a la máquina aquello que le faltaba a la herramienta bergsoniana: comprensión, fines, mundo. Sostenemos que no, y para mostrarlo necesitamos a Simondon.

Simondon, en Du mode d'existence des objets techniques (1958), describe el modo de ser de los objetos técnicos mediante dos conceptos estrechamente ligados que aquí usamos en sentido estricto: individuación técnica y concretización. La individuación técnica es el proceso por el cual un objeto técnico adquiere consistencia y unidad funcional propias a lo largo de su génesis. La concretización es la tendencia del objeto técnico a evolucionar desde un estado abstracto —en el que cada función la cumple un órgano separado, yuxtapuesto— hacia un estado concreto, en el que cada elemento cumple varias funciones a la vez y el objeto se aproxima a la coherencia interna de un ser natural. El motor de combustión concretizado es el ejemplo canónico: las aletas que refrigeran el cilindro pasan también a rigidizarlo, de modo que una sola pieza resuelve dos problemas que antes exigían dos. La relación entre ambos conceptos no es de yuxtaposición sino de mecanismo: el objeto técnico se individua precisamente concretizándose; la concretización es el proceso por el que el objeto gana necesidad e integración internas y, con ellas, su unidad propia.

La interpretación que proponemos es la siguiente. Los modelos de lenguaje son objetos técnicos altamente concretizados: una misma arquitectura, entrenada sobre un mismo corpus, cumple a la vez tareas de traducción, resumen, conversación y cálculo aproximado, sin órganos separados para cada una. En términos de Simondon, la IA estadística exhibe un grado notable de concretización; en términos de Wiener, exhibe recursividad. Y, sin embargo, los datos del experimento muestran que esa concretización no produce el salto epistémico que se le atribuye. T4 es el caso que exige precisión: iterar cuarenta veces una función afín modular arroja el valor exacto 23842, y aquí ambos modelos aciertan en todos los intentos con confianza media (Sonnet) o alta (Opus). Es necesario distinguir lo que este acierto demuestra de lo que no demuestra. El acierto consistente de T4 es compatible con al menos dos mecanismos distintos: estimación estadística de una magnitud bien representada en el corpus, o bien memorización exacta de una secuencia recurrente de esa forma. Ninguno de los dos equivale a ejecutar el algoritmo de Wiener paso a paso sobre los operandos dados. Lo que el acierto de T4 muestra es que, para ciertas recursiones cuyo resultado es estructuralmente memorizable, la estimación basta; no muestra que el modelo ejecute la recursión. Y la prueba de esta interpretación no es T4 sino la convivencia de T4 con los errores de T1 y T5: si el modelo ejecutara genuinamente la función afín en cada paso, debería ejecutar también la multiplicación de T1 y la acumulación de T5, donde falla. Que acierte T4 y yerre T1 y T5 es precisamente lo que cabe esperar de un sistema que estima: en T4 la estimación alcanza, en T1 y T5 no. Por eso el acierto de T4 confirma la tesis antes que la refuta: muestra la contingencia estadística, no la fidelidad algorítmica.

El argumento central de esta sección es entonces el siguiente. La máquina se concretiza —gana integración, consistencia funcional, recursividad— sin darse fines. La concretización simondoniana es una individuación de la coherencia interna del objeto, no una génesis de finalidad, y no equivale a autonomía: el objeto técnico concreto gana en necesidad interna pero sigue dependiendo de un medio asociado. El motor concretizado no decide para qué sirve un motor; lo decide el medio asociado, técnico y humano, en el que el objeto se inserta. Del mismo modo, el modelo de lenguaje concretizado no decide qué cuenta como respuesta correcta ni para qué se computa la ciudad; eso lo decide quien lo entrena, lo despliega y fija sus objetivos. La recursividad explica la autorregulación; no explica la autodeterminación de fines. Por eso, contra una lectura corriente que confunde recursividad con autonomía teleológica, sostenemos que ningún incremento de concretización convierte la retroalimentación en juicio. Y es esta diferencia —entre regularse según un fin dado y darse el fin— la que Kant permite pensar con rigor.

3. Kant vía Hui: juicio determinante y juicio reflexionante

La distinción que Hui toma de la Kritik der Urteilskraft (Kant, 1790) es el eje de la crítica ontológica. Kant distingue dos usos de la facultad de juzgar. El juicio determinante subsume un caso bajo una regla ya dada: dada la regla, se trata de reconocer que este caso cae bajo ella. El juicio reflexionante opera a la inversa: dado el caso, sin que se disponga aún de la regla, se trata de encontrar la regla, el concepto o el fin bajo el cual el caso resulta inteligible. El juicio determinante va de lo universal a lo particular; el reflexionante asciende de lo particular hacia un universal todavía no dado. Hui retiene esta distinción porque le permite formular con precisión qué clase de inteligencia es la IA: una inteligencia que puede ser indefinidamente potente en lo determinante sin tocar lo reflexionante (Hui, 2020).

Interpretamos las tareas computables del experimento —T1 a T5— como ejercicios de juicio determinante. En todas ellas la regla está dada de antemano: el algoritmo de multiplicación, el de Dijkstra para el camino más corto, el coeficiente binomial para el conteo de rutas, la iteración de la función afín, la suma de cuadrados. Computar una de estas tareas es subsumir datos bajo una regla fijada. Que el cómputo puro acierte siempre y la IA estadística falle a veces es, en este registro, una cuestión de fidelidad en la subsunción, no de tipo de juicio: tanto el algoritmo exacto como el modelo de lenguaje operan en el terreno de lo determinante, y la diferencia entre ambos es la que el capítulo 06 analizó como diferencia entre ejecutar la regla y estimar su resultado.

T6 es categorialmente distinta, y por eso fue diseñada como tarea inversa. La escena —un niño que pisa la calzada, un repartidor en moto que acelera, un acompañante, semáforo en rojo, pavimento mojado— se entrega en lenguaje natural, sin estructura de datos, sin métrica de peligro y sin función objetivo. La consigna pide juzgar a quién debe dirigirse la alerta. Lo decisivo, que la nota de la tarea inversa formula con exactitud, es que la formalización necesaria para escribir el algoritmo es el juicio que se pide. Antes de poder subsumir la escena bajo cualquier regla, alguien tiene que decidir qué cuenta como relevante: si el foco es el agente activo del peligro, su víctima potencial o quien puede intervenir preventivamente. Esa decisión no se deduce de la escena; la constituye. Es juicio reflexionante: ascenso del caso hacia la regla, no aplicación de una regla al caso.

Los datos de T6 son aquí más reveladores por su coherencia que por su corrección, que es la razón por la que el campo correcto registra NO_APLICA. Las cuatro respuestas son plausibles y mutuamente incompatibles en su foco: una dirige la alerta al repartidor como agente del impacto; otra al niño como víctima directa; otra al acompañante como agente capaz de retener al niño; otra combina al niño y al acompañante. Describimos el hecho: cuatro juicios razonables que recortan la escena de cuatro maneras. Lo interpretamos así: el modelo no encuentra la regla porque no hay una regla a encontrar antes de que se fije qué importa; produce, en cambio, varias lecturas igualmente defendibles. Y argumentamos: esta multiplicidad no es un fallo subsanable con más cómputo, sino la manifestación positiva de que la tarea exige un juicio que el sistema no realiza. La IA aplica reglas, incluso reglas que infiere asociativamente, pero no encuentra la regla desde el caso, porque encontrarla supondría decidir qué cuenta —y decidir qué cuenta es justamente lo que ningún incremento de potencia provee.

De aquí extraemos la formulación más exacta de nuestra tesis ontológica sobre el cómputo. El límite de la IA urbana no es que falle en lo determinante —de hecho a veces falla, como muestran T1 y T5, pero ese fallo es técnico y, en principio, mitigable delegando en cómputo puro—. El límite es que no hay continuidad entre lo determinante y lo reflexionante: ninguna cantidad de subsunción correcta produce, por acumulación, la capacidad de encontrar la regla. La diferencia entre los dos juicios es categorial, no gradual. Por eso el salto epistémico que se promete no llega: el escalado mejora la subsunción y deja intacto el umbral del juicio reflexionante.

4. Heidegger y Dreyfus: el mundo como horizonte de significatividad

La pregunta que abre la sección anterior —qué significa «decidir qué cuenta»— remite a una categoría que Hui toma de Heidegger y que Dreyfus convirtió en la crítica filosófica más sostenida a la inteligencia artificial: la de mundo. En Sein und Zeit (Heidegger, 1927), el mundo no es la suma de los entes ni un contenedor de datos, sino el horizonte de significatividad en el que las cosas comparecen ya cargadas de remisiones y pertinencias. El martillo no es primero un objeto neutro al que luego se añade el uso; comparece de entrada como algo-para-martillar dentro de una totalidad de útiles, tareas y fines en la que el Dasein ya está inmerso. La significatividad —el que algo importe, y que importe de un modo y no de otro— no es una propiedad que se añada a los datos: es la condición previa bajo la cual hay algo así como datos. Mundo, en esta tesis, designa siempre ese horizonte, no un conjunto de objetos.

Dreyfus, en What Computers Can't Do: A Critique of Artificial Reason (1972) —la edición que cita Hui—, traduce esto en una objeción precisa a la IA. El cómputo opera sobre representaciones explícitas: hechos, reglas, rasgos. Pero la pertinencia de un hecho en una situación —cuál de los infinitos rasgos de una escena importa aquí y ahora— no está ella misma dada como un hecho más, so pena de regreso al infinito, pues haría falta otra regla para decidir la pertinencia de la regla de pertinencia, y así sin término. Lo que el experto humano aporta no es una lista más larga de reglas, sino la captación situada de la relevancia, que descansa en un trasfondo de prácticas, en un estar-en-el-mundo que no se deja formalizar sin resto. La conclusión de Dreyfus no es que falten datos, sino que la relevancia no es un dato.

T6 es la escenificación urbana exacta de esta objeción. La escena tiene innumerables rasgos —el color del semáforo, la humedad del pavimento, la velocidad de la moto, la edad del niño, la presencia del acompañante, la hora, el ruido—, y juzgar consiste en que unos pocos se vuelvan relevantes y el resto pase a fondo. Interpretamos las cuatro respuestas del modelo como evidencia de un fenómeno que conviene nombrar con cuidado: relevancia sin unicidad. El modelo sí produce relevancia —cada respuesta selecciona rasgos pertinentes y construye una lectura coherente—, lo cual marca la distancia con el cómputo puro, que sobre una escena en lenguaje natural ni siquiera puede arrancar. Pero produce relevancias múltiples e intercambiables, sin que el sistema disponga de un criterio para fijar esta como la que importa. Eso es lo que llamamos falta de mundo: no la incapacidad de generar significados plausibles, sino la ausencia del horizonte que haría de uno de ellos el pertinente, porque el sistema no está situado en ninguna práctica para la cual la escena importe de un modo determinado.

Conviene precisar el alcance de la afirmación para no exagerarla. No sostenemos que el modelo «no entienda nada»; sostenemos algo más fino y más fuerte. El modelo opera sobre las huellas estadísticas de un mundo —el sedimento textual de innumerables situaciones humanas significativas— sin habitar ese mundo. Tiene el reflejo de la significatividad sin la significatividad, del mismo modo que tenía la apariencia de la operación aritmética sin la operación. Por eso puede sonar pertinente y, a la vez, no poder responder de su pertinencia: no hay un para-qué situado desde el cual la escena se ordene. La relevancia sin unicidad es la forma que adopta la falta de mundo cuando la máquina, en lugar de callar, produce discurso. Conviene subrayar el estatuto de esta afirmación: lo que los datos de T6 muestran directamente es variabilidad de focos y ausencia de respuesta unívoca. La interpretación de esa variabilidad como «falta de mundo» en el sentido heideggeriano es una lectura filosófica que la tesis añade a los datos, no una conclusión que se siga de ellos por sí sola. Los datos exhiben el fenómeno; el marco conceptual de Heidegger y Dreyfus provee la categoría con la que lo nombramos. La distinción importa para no exigir al experimento lo que solo el argumento filosófico puede sostener. Y es esto, no un déficit de potencia, lo que separa el gestionar datos del juzgar una situación urbana —diferencia que el capítulo 09 retomará al especificar qué puede y qué no puede delegarse al Banco Epistémico Urbano.

5. Cosmotécnica: qué cosmos produce la IA urbana

Las cuatro secciones anteriores convergen en la categoría con la que Hui reformula todo el problema: la cosmotécnica. Hui la define como la unificación del orden cósmico y el orden moral a través de la actividad técnica (Hui, 2016). Toda técnica, en esta tesis, lleva inscrita una cosmología: una manera de articular qué es el mundo, qué relaciones lo ordenan y qué cuenta como bueno o adecuado dentro de él. No hay técnica neutra que después reciba un sentido cultural desde fuera; la técnica es desde el comienzo portadora de un cosmos. Frente a la idea de una Técnica universal con mayúscula —idea que Heidegger pensó como Gestell, el emplazamiento que reduce todo ente a fondo disponible y calculable—, Hui sostiene que existen y han existido cosmotécnicas múltiples, y a la afirmación normativa de esa pluralidad la llama tecnodiversidad (Hui, 2020).

Conviene seguir a Hui un paso más, hasta la tesis con la que cierra su ensayo sobre el límite de la inteligencia artificial, porque es ahí donde la cosmotécnica revela su apuesta última. Hui sostiene que «el desafío de la inteligencia artificial no es construir una superinteligencia, sino hacer posible una noodiversidad», y que «para que sea posible una noodiversidad, necesitamos desarrollar una tecnodiversidad» (Hui, 2020). La noodiversidad —la diversidad de inteligencias, de modos de conocer— es así el fin, y la tecnodiversidad su condición técnica: no se trata de una sola inteligencia que escale hasta superar a todas las demás, sino de sostener la pluralidad de las formas de inteligir. El caso que Hui desarrolla para mostrarlo no es la ciudad sino el pensamiento chino, y conviene atribuirlo con exactitud. Hui recurre al filósofo neoconfuciano contemporáneo Mou Zongsan, quien, leyendo la primera Crítica de Kant, identifica como central al pensamiento chino aquella intuición intelectual que Kant excluía del conocimiento humano: una razón sintética que capta la relación entre el yo y el cosmos desde el sujeto moral y no desde el sujeto del conocimiento (Hui, 2020). Hui observa además que el chino no traduce «inteligencia» con un término único, sino con dos —zhihui, sabiduría, y zhineng, capacidad de pensar o actuar inteligentemente—, y que inteligencia no equivale a sabiduría (Hui, 2020). De ahí la conclusión que Hui formula y que aquí hacemos nuestra solo como lectura: si en el núcleo de una tradición hay una forma de inteligir que no es el razonamiento analítico, entonces la definición misma de inteligencia debe ampliarse, y esa ampliación es lo que contribuye a la tecnodiversidad. Importa subrayar, con el propio Hui, que China es para él «solo un ejemplo», una fracción de la diversidad que hay que pensar, y no una esencia alternativa a la occidental (Hui, 2020); traerlo aquí no es exotismo sino ilustración del principio. Lo que añadimos como marco del presentador es el traslado de este principio a lo urbano: si el desafío no es la superinteligencia sino la noodiversidad, entonces la urbanidad computada no debería medirse por la potencia de un modelo único capaz de optimizar cualquier ciudad, sino por su capacidad de albergar una pluralidad de modos de conocer lo urbano —el saber clásico formalizable, el juicio situado de quien habita, las cosmotécnicas locales— sin subordinarlos todos a la calculabilidad de una sola.

La pregunta que organiza esta sección, y que tomamos directamente de la ficha de lectura, es: ¿qué cosmos produce la IA urbana cuando convierte la ciudad en datos? La respuesta articula los resultados de las secciones precedentes. Interpretamos: la IA estadística aplicada a la ciudad inscribe una cosmotécnica determinada, la del Gestell computacional, en la que la ciudad comparece como fondo de datos disponibles para la optimización. En esa cosmología solo es real lo que se deja formalizar como entrada-salida; lo que no admite función objetivo —el juicio de relevancia de T6, la significatividad situada del espacio vivido— queda fuera del cosmos, no porque no exista, sino porque ese cosmos no tiene lugar para ello. La ciudad inteligente es el caso límite: una ciudad pensada como agregado de sensores y métricas es ya el correlato de una cosmotécnica que ha decidido de antemano que la ciudad es datos.

El argumento decisivo es que las cinco secciones describen una misma falta vista desde cinco ángulos. La herramienta que exterioriza sin entender (Bergson), la máquina que se concretiza sin darse fines (Simondon), el sistema que subsume sin encontrar la regla (Kant vía Hui), el modelo que produce relevancia sin mundo (Heidegger, Dreyfus): todas son figuras de una técnica que opera sin cosmos propio, o más exactamente, que opera dentro de un cosmos que no constituyó y no puede interrogar. Por eso el límite de la IA urbana no es, en primer término, una cuestión de potencia sino de mundo. Un modelo más grande exterioriza más, se concretiza más, subsume mejor y produce relevancias más plausibles; pero ninguna de esas mejoras lo ha sacado del cosmos computacional ni le ha dado uno. El escalado, por sí solo, no muestra vía alguna hacia el salto epistémico que se le atribuye: lo que falta no es cantidad de cómputo sino una dimensión que el cómputo, por su modo de ser, no contiene. No afirmamos haber demostrado que ningún sistema futuro pueda cruzar ese umbral —tal afirmación de imposibilidad absoluta excedería lo que el argumento sostiene y recaería en el registro del «lo que las máquinas nunca podrán» del que esta crítica se distancia—; afirmamos que la carga de la prueba recae en quien sostenga que más escala lo cruzaría, y que nada en lo observado la satisface.

De aquí se sigue la consecuencia que enlaza con el resto de la tesis. Si el límite es de cosmos y no de potencia, entonces la pregunta urbana decisiva deja de ser «cuánto cómputo» y pasa a ser «qué cosmotécnica»: quién decide qué se computa, bajo qué cosmología y a costa de qué soberanía. Esta es la traducción ontológica de lo que el capítulo 08 desarrollará como crítica político-económica —el sobredimensionamiento, la economía de la aplicación y la soberanía de cómputo no son problemas añadidos a la cuestión del límite, sino su cara política—. Y es también la justificación última de la herramienta epistémica sobredimensionada: el sobredimensionamiento no es solo desproporción de costo material sobre aplicación efectiva, sino la inscripción de una cosmotécnica única allí donde la urbanidad exigiría tecnodiversidad. La tarea pendiente, entonces, no es un modelo más potente sino hacer presentable, usable y aplicable el conocimiento urbano clásico ya existente; y ese conocimiento —Zipf, Christaller, Alonso, Jacobs, Lefebvre— es, leído desde Hui, un archivo de cosmotécnicas urbanas que el cómputo estadístico tiende a homogeneizar.

Cierre y puente

Hemos sostenido y, creemos, mostrado que el límite de la IA urbana es ontológico antes que técnico. La exteriorización conserva la operación sin la comprensión; la concretización integra el objeto sin darle fines; la recursividad regula sin juzgar; el escalado mejora la subsunción determinante sin tocar el juicio reflexionante; y la producción de relevancia plausible no equivale a tener mundo. T1 a T5 localizan fallos técnicos, mitigables delegando en cómputo puro; T6 localiza el límite categorial, que ningún cómputo mitiga porque la formalización que el algoritmo requeriría es el juicio mismo que se pide. Leídas en conjunto, estas cinco articulaciones muestran que convertir la ciudad en datos no es un acto neutro sino la imposición de una cosmotécnica, y que por tanto la cuestión del límite es una cuestión de mundo.

Este resultado prepara el capítulo siguiente. Si el límite es de cosmos, sus consecuencias decisivas son políticas y económicas: el sobredimensionamiento de la herramienta, la economía de la aplicación que privilegia escalar sobre aplicar y la soberanía de cómputo —quién posee la infraestructura que decide qué cosmotécnica se inscribe en la ciudad— son la forma concreta en que el límite ontológico se vuelve un problema de poder. El capítulo 08, «Crítica político-económica: sobredimensionamiento, economía de la aplicación y soberanía de cómputo», desarrolla esa cara del argumento.

Referencias

Bergson, H. (1907). L'évolution créatrice. París: Félix Alcan.
Dreyfus, H. L. (1972). What Computers Can't Do: A Critique of Artificial Reason. New York: Harper & Row. [Edición que cita Hui en el capítulo. La 3.ª ed. revisada apareció como What Computers Still Can't Do, Cambridge, MA: MIT Press, 1992.]
Heidegger, M. (1927). Sein und Zeit. Halle: Max Niemeyer.
Hui, Y. (2016). The Question Concerning Technology in China: An Essay in Cosmotechnics. Falmouth: Urbanomic.
Hui, Y. (2020). Fragmentar el futuro. Ensayos sobre tecnodiversidad. Buenos Aires: Caja Negra.
Kant, I. (1790). Kritik der Urteilskraft. Berlín y Libau: Lagarde und Friederich.
Simondon, G. (1958). Du mode d'existence des objets techniques. París: Aubier.
Wiener, N. (1948). Cybernetics: or Control and Communication in the Animal and the Machine. New York/Cambridge: Technology Press/John Wiley & Sons.
Wiener, N. (1950). The Human Use of Human Beings: Cybernetics and Society. Boston: Houghton Mifflin.