Por qué Bitcoin nunca podría haber sido inventado en una universidad

Este es un editorial de opinión de Korok Ray, profesor asociado de la Escuela de Negocios Mays de la Universidad Texas A&M y director del Centro de Investigación de Innovación Mays.

Desde el anuncio de su creación en octubre de 2008, Bitcoin ha alcanzado una capitalización de mercado de más de 1 billón de dólares. Su crecimiento ha atraído inversiones minoristas e institucionales, ya que la comunidad financiera ahora comienza a verlo como una reserva legítima de valor y una alternativa a los activos tradicionales como el oro. Las innovaciones en acuerdos de segunda capa como Lightning Network hacen cada vez más posible que bitcoin sirva como medio de intercambio.

Sin embargo, Bitcoin tiene una historia precaria y algo accidentada en el mundo académico. Los planes de estudios en las universidades carecen en gran medida de cualquier mención de Bitcoin. En cambio, las enseñanzas a menudo se dejan en manos de clubes de estudiantes y organizaciones sin fines de lucro. Con el tiempo, esto puede cambiar, ya que Bitcoin y todo el mercado de criptomonedas continúan creciendo, atrayendo la atención de los mejores talentos tanto en ingeniería como en negocios. La ausencia de Bitcoin de la universidad no es un problema de Bitcoin en sí, sino más bien de la academia, con su adopción insuficiente de la innovación, su énfasis en el análisis retrospectivo de datos y su excesiva preocupación por las disciplinas individuales en lugar del conocimiento colectivo. Bitcoin puede servir como inspiración para lo que puede y debe ser la investigación académica. De hecho, presenta una hoja de ruta para mejorar la educación superior.

Similitudes con la academia

Uno podría preguntarse por qué alguien debería siquiera asumir una relación entre Bitcoin y las universidades. Los tecnólogos están en constante contacto con las necesidades reales de los clientes de hoy, mientras que las facultades universitarias desarrollan ciencia básica que (puede) tener aplicación en el futuro lejano. Después de todo, innovaciones como Facebook, Microsoft, Apple e incluso Ethereum fueron lanzadas por jóvenes que no se graduaron de la universidad. Sin embargo, no es casualidad que Silicon Valley y la Ruta 128 surgieran cerca de las universidades costeras más importantes de nuestro país. Entonces, ciertamente existe una correlación entre las universidades y el sector tecnológico. Aun así, Bitcoin es diferente. Bitcoin tiene una relación aún más estrecha con sus raíces intelectuales y académicas. Para entender esto, debemos mirar la historia de Bitcoin.

A principios de siglo, una banda heterogénea de criptógrafos, informáticos, economistas y libertarios, los cypherpunks, intercambiaron mensajes a través de una lista de correo de Internet. Esta fue una oscura reunión electrónica de un grupo diverso de científicos, tecnólogos y aficionados que estaban desarrollando y compartiendo ideas de avances en criptografía e informática. Aquí es donde pasaron tiempo algunos de los primeros gigantes de la criptografía aplicada, como Hal Finney, uno de los primeros pioneros de Pretty Good Privacy (PGP).

Fue en esta lista de correo que el seudónimo creador de Bitcoin, Satoshi Nakamoto, anunció su solución para un sistema de pago electrónico. Después de ese anuncio, comenzó a responder preguntas del foro tanto sobre el concepto como sobre su ejecución. Poco después, Nakamoto proporcionó la implementación completa de Bitcoin. Esto permitió a los participantes del foro descargar el software, ejecutarlo y probarlo por su cuenta.

El Papel blanco bitcoin guarda similitud con la investigación académica. Sigue la estructura de un artículo académico, tiene citas y tiene un aspecto similar al de cualquier artículo sobre ciencias de la computación en la actualidad. Tanto el libro blanco como las conversaciones a su alrededor hacen referencia a intentos anteriores de implementar el algoritmo de prueba de trabajo, una de las características principales de Bitcoin. Por ejemplo, el libro blanco cita HashCash de 2002, también parte del corpus de conocimiento que precedió a Bitcoin. Adam Back se le ocurrió una prueba de trabajo para HashCash mientras intentaba resolver el problema de eliminar el spam en los correos electrónicos.

Por lo tanto, Bitcoin no cayó del cielo, sino que surgió de un largo linaje de ideas desarrolladas durante décadas, no días o semanas. Tendemos a pensar que la tecnología funciona a gran velocidad, cambia rápidamente y está impulsada por jóvenes ambiciosos que abandonaron la universidad, pero Bitcoin no se basó en "moverse rápido y romper cosas". Fue y es todo lo contrario: una deliberación lenta y cuidadosa basada en décadas de ciencia real practicada no por niños, sino más bien por sus padres. El foro de criptografía era de naturaleza similar a un seminario de investigación académica, donde los científicos profesionales intentan derribar ideas con cortesía pero con insistencia para llegar a la verdad. Aunque el concepto de un libro blanco ahora está de moda entre las monedas y fichas de criptomonedas alternativas, es el método distintivo para comunicar ideas entre la comunidad de investigación profesional.

A pesar de que la economía de las criptomonedas ocupa hoy en día el centro de atención en la prensa financiera y una parte cada vez mayor de la atención nacional, cuando surgió, Bitcoin estaba lo más lejos posible de esto. Era oscuro, técnico y muy marginal. En su larga gestación a partir de ideas que han existido durante décadas pero desconocidas excepto para un pequeño círculo de criptógrafos, economistas y filósofos políticos, Bitcoin comparte más en común con otras innovaciones radicales, como Internet, el transistor y el avión. Al igual que esas innovaciones, la historia de Bitcoin es el triunfo de la razón individual sobre la percepción errónea colectiva. Así como los hermanos Wright demostraron que el mundo estaba equivocado al mostrar que el hombre podía volar a pesar de que los físicos afirmaban que era matemáticamente imposible, Bitcoin también confundió a los detractores al generar escasez digital por primera vez.

¿Por qué deberíamos centrarnos en Bitcoin en lugar de otros tokens de criptomonedas, como Ethereum? Si miras debajo del capó, la mayor parte de la innovación de las criptomonedas provino de Bitcoin. Por ejemplo, Ethereum se basa en la misma curva elíptica que Bitcoin, utilizando la misma criptografía de clave pública. Bitcoin surgió durante un largo período de gestación y desarrollo secreto por un criptógrafo aplicado seudónimo y fue lanzado y debatido en una oscura lista de correo. Por esta razón, Bitcoin comparte muchas similitudes con los arcanos círculos académicos que ocupan las universidades modernas. Ningún criptógrafo profesional hizo Ethereum; más bien, fue un adolescente que incluso admite que apuró su desarrollo. Por lo tanto, solo Bitcoin tiene una conexión profunda con la academia, mientras que las innovaciones más incrementales que abarrotan el espacio de las criptomonedas ahora son más similares a los pequeños avances realizados en el sector de la tecnología moderna.

Diferencias de la academia

Bitcoin se diferencia de la academia en aspectos importantes. Lo más significativo es que Bitcoin es fundamentalmente interdisciplinario de una manera que las universidades de hoy no lo son. Bitcoin fusiona tres disciplinas separadas: matemáticas, informática y economía. Es esta fusión la que le da a Bitcoin su poder y rompe los silos académicos tradicionales.

La criptografía de clave pública ha sido la mayor innovación en criptografía y matemáticas aplicadas desde su concepción hace 50 años. El concepto central es simple: los usuarios pueden proteger un mensaje con una clave privada conocida solo por ellos mismos que genera una clave pública conocida por todos. Por lo tanto, el usuario puede distribuir fácilmente la clave pública sin ninguna consecuencia de seguridad, ya que solo la clave privada puede desbloquear el cifrado. La criptografía de clave pública logra esto a través de funciones hash: transformaciones unidireccionales de datos que son imposibles de revertir. En Bitcoin, esto ocurre a través de curvas elípticas sobre campos finitos de primer orden.

Pero la criptografía de clave pública no es suficiente. Debido a que Bitcoin busca servir como un sistema de pago electrónico, debe resolver el problema de doble gasto. Si Alice le paga a Bob usando bitcoin, debemos evitar que Alice también le pague a Carol con ese mismo bitcoin. Pero en el mundo digital, la copia de datos es gratuita y, por lo tanto, evitar el doble gasto parece inútil. Para esto, Nakamoto utilizó la cadena de bloques, una construcción de la informática. El criptógrafo David Chaum sentó las bases para el concepto de cadena de bloques ya en 1983, en una investigación que surgió de su disertación en informática en Berkeley.

La cadena de bloques es una lista enlazada que apunta hacia atrás al bloque original (génesis). Cada bloque contiene miles de transacciones, cada transacción contiene los ingredientes para transferir bitcoins de una dirección a otra. La cadena de bloques resuelve el problema del doble gasto porque se distribuye, es decir, está disponible públicamente para todos los nodos de la red Bitcoin. Estos nodos validan constantemente la cadena de bloques con nuevas transacciones agregadas solo cuando todos los demás nodos de la red están de acuerdo (consenso). En nuestro ejemplo anterior, cuando Alice le paga a Bob, esta transacción ingresa a la cadena de bloques, que todos los nodos observan. Si Alice intenta usar esos mismos bitcoins para pagarle a Carol, la red rechazará esa transacción ya que todos saben que Alice ya usó esos bitcoins para pagarle a Bob. Es la naturaleza pública y distribuida de la cadena de bloques lo que evita el doble gasto, un problema exclusivo de los pagos electrónicos.

De hecho, Satoshi diseñó la cadena de bloques específicamente como una solución para duplicar el gasto. Es inherentemente ineficiente, ya que requiere que toda la red valide y reproduzca constantemente los mismos datos. Esta es también la razón por la que la mayoría de las aplicaciones de la tecnología blockchain fuera de Bitcoin tienen poco sentido, ya que fuerza una solución ineficiente hecha a medida para pagos electrónicos en otras aplicaciones que se resolverían de manera eficiente con bases de datos centrales. La noción de una cadena de bloques como una lista de enlaces inversos en sí misma no es revolucionaria en informática, pero su naturaleza distribuida diseñada específicamente para evitar el doble gasto sí lo es.

Aun así, la criptografía y la cadena de bloques no son suficientes. Tiene que haber una razón para que la red asegure la cadena de bloques. Aquí es donde brilla la economía de Bitcoin. Nakamoto propuso un grupo de computadoras que probaría que el historial de transacciones efectivamente ocurrió. Esta prueba requiere un trabajo costoso. Nakamoto resolvió esto organizando un torneo en el que las computadoras individuales (llamadas mineros) competirían para encontrar una respuesta aparentemente aleatoria a través de una función unidireccional llamada SHA256. El ganador recibiría bitcoin recién acuñado, que la red liberaría. La respuesta a la función debe ser lo suficientemente desafiante como para que la única forma de resolverla sea implementar más recursos computacionales. La minería de Bitcoin requiere computación real y, por lo tanto, energía real, similar a la minería de oro hace algunas generaciones. Pero a diferencia de la minería de oro, el cronograma de emisión de nuevos bitcoins es conocido por todos.

La economía de la minería es el diseño de un concurso que premia con nuevos bitcoins a los mineros que resuelven un rompecabezas. Esta es una forma de mecanismo de microeconomía, es decir, un diseño de economía de juego donde los agentes individuales compiten por una recompensa. La macroeconomía de Bitcoin se relaciona con el cronograma de emisión, que se ajusta de manera predecible con el tiempo, y la recompensa del bloque se reduce a la mitad cada cuatro años. Esto fuerza la restricción de 21 millones de bitcoin. Esto limita inherentemente el crecimiento inflacionario de la moneda e impone una restricción a la que ninguna moneda fiduciaria debe adherirse hoy en día. La dificultad del rompecabezas subyacente se ajusta aproximadamente cada dos semanas, independientemente de la potencia informática de la red, lo que proporciona una implementación sólida a pesar de los avances exponenciales en la potencia informática en las décadas posteriores al lanzamiento de Bitcoin.

Esta característica interdisciplinaria de Bitcoin es existencial, no incremental. Sin ninguno de sus tres componentes (criptografía de clave pública, una cadena de bloques vinculada hacia atrás y un concurso de minería con prueba de trabajo), Bitcoin no funcionaría. Por sí mismo, cada uno de los tres componentes consistió en un cuerpo coherente de conocimientos e ideas. Fue su combinación la genialidad de Nakamoto. Así también, las futuras innovaciones radicales necesitarán vincular múltiples disciplinas de manera existencial, sin las cuales su combinación no sobreviviría.

¿Por qué no la academia?

¿Por qué Bitcoin no pudo haber surgido de la academia? Primero, Bitcoin es intrínsecamente interdisciplinario, pero los académicos de las universidades son recompensados ​​​​por la excelencia en dominios únicos de conocimiento. Bitcoin fusiona ideas de la informática, las matemáticas y la economía, pero es poco probable que un solo profesor universitario tenga la amplitud de conocimientos necesaria para la conciliación interdisciplinaria.

En segundo lugar, la academia sufre de incrementalismo. Las revistas académicas solicitan explícitamente a sus autores la incrementales contribución que su trabajo proporciona a la literatura. Así avanza el conocimiento, centímetro a centímetro. Pero Bitcoin, al igual que otras innovaciones radicales en la historia, como el avión y el transistor, dio pasos de gigante que probablemente no habrían sobrevivido al proceso de revisión por pares de la academia.

En tercer lugar, Bitcoin se basa en fundamentos políticos libertarios que no gozan del favor de la academia dominante, especialmente de los economistas profesionales. Integradas en el software hay representaciones algorítmicas de dinero sólido, donde el protocolo Bitcoin libera nuevos bitcoins en un cronograma predecible. Esto es muy diferente del mundo en el que vivimos hoy, donde el Comité Federal de Mercado Abierto tiene plena autoridad discrecional sobre la oferta monetaria. Los cypherpunks que examinaron Bitcoin v0.1 compartían un escepticismo respecto de la autoridad colectiva, creyendo que la tecnología y la criptografía pueden brindar privacidad a las personas lejos de los ojos vigilantes del gobierno o de cualquier organización grande.

La mayoría de los economistas no comparten este escepticismo hacia la autoridad central. Al menos la comunidad de las ciencias sociales nunca se tomó en serio a Bitcoin. Además, la Reserva Federal tiene un papel descomunal tanto en la financiación como en la promoción de la investigación económica académica convencional. Recluta de los mejores Ph.D. programas, contrata a presidentes y gobernadores de bancos que fueron ex profesores de economía, y alienta a su personal a publicar en las mismas revistas académicas que la academia. No es de extrañar que la universidad de la facultad, influenciada por la cultura de la Fed, no adopte la tecnología que la reemplaza radicalmente.

Le pedí a todos los premios Nobel de economía vivos que hablaran en la Conferencia de Bitcoin de Texas A&M, y todos menos uno se negaron. Algunos admitieron no saber lo suficiente sobre Bitcoin para justificar una conferencia; al menos fueron honestos acerca de las limitaciones del modelo disciplinario en el que han prosperado con tanto éxito. Otros, como Paul Krugman, ven las criptomonedas como la nueva hipoteca de alto riesgo (también predijo una vez que Internet tendría el mismo impacto en la economía como la máquina de fax). Los economistas académicos casi no prestaron atención al auge de Bitcoin e incluso ahora ignoran cómo funciona la cadena de bloques de Bitcoin, a pesar de ser la única innovación real en las finanzas en la última década.

Bitcoin es ante todo una contribución intelectual. No requiere un conocimiento profundo de la industria, una visión especial de las prácticas actuales de las empresas o el conocimiento de los detalles idiosincrásicos de los mercados laborales y de capital. No se construyó a partir de la práctica existente, sino más bien de la teoría existente. Por estas razones, Bitcoin surgió sin disculpas de la tierra de las ideas y, en cierto sentido, debería haber venido de la academia. Un economista académico posiblemente podría haber diseñado el torneo minero, un científico informático desarrolló la cadena de bloques y un matemático desarrolló la criptografía de clave pública. Se necesita un compañero (o equipo) improbable para combinar estas tres innovaciones. Las universidades desarrollan facultades con una gran experiencia en sus disciplinas individuales, pero no hacen nada para vincular las disciplinas como lo hace Bitcoin. Por esta razón, Bitcoin no pudo haber surgido de la universidad, aunque se basa en disciplinas bien establecidas dentro de la universidad. El problema no es el conocimiento en sí mismo sino su organización. Y ahí está la oportunidad.

¿Cómo llegamos aquí?

En su forma actual, la academia no es adecuada para innovaciones como Bitcoin. Una vez que los estudiantes ingresan a la escuela de posgrado, aprenden las técnicas de su propia disciplina, que utilizan para publicar en revistas especializadas que les otorgan la titularidad y el reconocimiento académico futuro con un pequeño grupo de pares dentro de esa disciplina. Estos corredores aislados de conocimiento se han osificado durante siglos desde las primeras universidades. ¿Cómo pasó esto?

Hay dos tendencias principales en la academia desde la Segunda Guerra Mundial. Con mucho, la más importante es la revolución digital. A medida que el poder de la computación se volvió accesible para cualquiera, el objetivo de la ciencia pasó de construir teorías a medir. De repente, una amplia gama de datos de ciencias sociales y naturales estuvo disponible para los investigadores desde una computadora portátil en cualquier parte del mundo. El crecimiento de Internet extendió el intercambio de datos y la disponibilidad de datos, y los avances en el poder de microprocesamiento hicieron que el análisis de datos a gran escala fuera barato y fácil. La comunidad académica cambió en masa al análisis de datos y pasó de una tendencia a otra en ciclos de 10 a 15 años. El primer ciclo fue sobre resumen estadístico y análisis de varianza, el segundo sobre regresión lineal y el tercero sobre aprendizaje automático. Cuando surgieron problemas en el dominio específico de cada disciplina, rara vez los académicos regresaron a su teoría subyacente para revisarla. En cambio, simplemente introdujeron más datos en la máquina, con la esperanza de que el error de medición y las variables omitidas fueran los culpables.

El crecimiento de los grandes datos y las estadísticas, junto con el aprendizaje automático, nos ha llevado al presente en el que la inteligencia artificial (IA) es una caja negra. Ningún investigador puede explicar completamente qué está haciendo exactamente la IA. Al mismo tiempo, las preguntas se han vuelto más pequeñas. Antes, la economía del desarrollo como campo preguntaba: "¿Por qué África es tan pobre?" Ahora, la investigación en el campo pregunta si colocar un letrero en el lado izquierdo o derecho de la puerta de un baño tiene más probabilidades de generar uso. Esta preocupación por la causalidad vale la pena intelectualmente, pero tiene un alto precio, ya que a menudo el investigador debe limitar su dominio a comportamientos que son fácilmente observables y medibles. Las grandes, complejas y matemáticas teorías desarrolladas después de la Segunda Guerra Mundial eran en gran medida imposibles de comprobar, por lo que los investigadores empíricos abandonaron esos fundamentos teóricos. Donde antes los académicos tenían la autoridad intelectual al hacer las preguntas más importantes del día, ahora la investigación empírica domina las revistas académicas. Tanto los físicos experimentales como los economistas empíricos citan principalmente otros trabajos basados ​​en datos.

A medida que las computadoras se filtraron en nuestra sociedad, los estudiantes estuvieron expuestos a la computación más temprano en sus vidas. Cuando llegaron a la universidad y a la escuela de posgrado, ya tenían las instalaciones básicas para la manipulación y el análisis de datos. ¿Por qué molestarse con las matemáticas cuando algunos experimentos simples y regresiones lineales pueden proporcionar tablas de resultados que pueden publicarse rápidamente? Con el tiempo, los estudiantes gravitaron hacia el trabajo de datos a medida que la profesión académica se alejaba lentamente de las matemáticas.

Se hizo mucho más fácil para las revistas aceptar artículos con algún pequeño hecho experimental o empírico sobre el mundo. Dado que los editores y árbitros toman decisiones sobre la investigación académica artículo por artículo, no existe una evaluación general de si el cuerpo de trabajo empírico y experimental realmente hace avanzar el conocimiento humano. Como tal, el análisis de datos se ha vuelto loco con equipos de investigadores que realizan avances cada vez más incrementales, extraen los mismos conjuntos de datos centrales y hacen preguntas más pequeñas y sin sentido. ¿La lluvia o el sol afectan el estado de ánimo de los comerciantes y, por lo tanto, sus selecciones de acciones? ¿Puede el tamaño de la firma de un CFO en una declaración anual medir su narcisismo y predecir si cometerá fraude? (No soy fabricación así cosas arriba.)

Uno podría pensar que los avances en computación habrían llevado a la investigación a verificar algunas de las teorías desarrolladas después de la Segunda Guerra Mundial, pero ese no ha sido el caso. En términos técnicos, muchos de esos modelos complejos son endógenos, con múltiples variables determinadas en equilibrio simultáneamente. Como tal, es un desafío para los investigadores empíricos identificar específicamente lo que está sucediendo, por ejemplo, si aumentar el salario mínimo aumentará el desempleo, como sugiere Economics 101. Eso ha llevado a un giro hacia la causalidad. Pero la inferencia causal requiere condiciones precisas y, a menudo, esas condiciones no se mantienen en la economía, sino en algunos ejemplos específicos, como los estados de EE. UU. que adoptaron leyes contra el aborto en diferentes momentos. los Freakonomics La revolución en economía puede no dominar los premios Nobel, pero ciertamente ha influido en la mayoría de las investigaciones publicadas en ciencias sociales.

El principal problema con este enfoque basado en datos es su enfoque retrospectivo. Por definición, los datos son una representación del mundo en un punto en el tiempo. Todos los campos de la investigación empresarial y económica ahora son casi totalmente empíricos, donde los académicos compiten para recopilar nuevos conjuntos de datos o utilizar técnicas novedosas y empíricas en conjuntos de datos existentes. De cualquier manera, la vista siempre es desde el espejo retrovisor, mirando hacia el pasado para comprender lo que sucedió o no sucedió. ¿Las bajas tasas de interés causaron la crisis financiera mundial? ¿Los abortos reducen el crimen? ¿El salario mínimo reduce el empleo? Estas preguntas están fundamentalmente preocupadas por el pasado, más que por diseñar nuevas soluciones para el futuro.

La segunda tendencia ha sido la reducción de la comunidad teórica, tanto dentro como fuera de la academia. El número de teóricos se ha reducido enormemente y también se han negado a colaborar con sus colegas empíricos y experimentales mucho más grandes. Este tribalismo llevó a los teóricos a escribir modelos matemáticos cada vez más complejos, intrincados y autorreferenciales con poca base en la realidad y sin esperanza de una posible validación empírica. Gran parte de la teoría de juegos sigue siendo incomprobable, y la teoría de cuerdas es quizás el ejemplo más extremo de un mundo autorreferencial que nunca puede verificarse o probarse por completo.

Finalmente, la teoría académica va muy por detrás de la tecnología. A menudo, matemáticos, físicos y economistas proporcionan racionalizaciones ex-post de tecnologías que ya han tenido éxito en la industria. Estas teorías no predicen nada nuevo, sino que simplemente afirman la sabiduría convencional. A medida que crece la complejidad de la teoría, disminuye su número de lectores, incluso entre los teóricos. Como todo en la vida, el tribalismo de la teoría lleva a la comunidad a actuar como un club, excluyendo a los miembros que no adoptan su lenguaje y métodos arcanos.

Así, hemos llegado a una especie de guerra civil; la tribu de la teoría se reduce año tras año y pierde relevancia con la realidad, mientras que la comunidad de datos empíricos/experimentales crece con el tiempo, haciendo preguntas más pequeñas sin una guía conceptual. Tanto los académicos como los tecnólogos no saben qué problemas resolver y cómo abordarlos. También conduce a una aleatoriedad generalizada en nuestra conciencia colectiva, que nos lleva a soplar en cualquier dirección que nos lleven los vientos del momento. La economía tiene teorías bien establecidas sobre los mercados y cómo funcionan, pero las empresas de tecnología son mercados masivos que no están anclados en gran parte de esa misma teoría económica. La informática se basa en una base sólida de algoritmos y estructuras de datos, pero la comunidad teórica está obsesionada con los debates sobre la complejidad computacional, mientras que las empresas tecnológicas de billones de dólares realizan pruebas A/B simples para tomar sus decisiones más importantes.

Hemos llegado a un punto de inflexión en la escala del conocimiento humano, donde los académicos refinan sus teorías a niveles cada vez más precisos, hablándoles a comunidades de académicos cada vez más pequeñas. Esta especialización del conocimiento ha llevado a la hiperespecialización, donde las revistas y las disciplinas académicas continúan dividiéndose y subdividiéndose en categorías cada vez más pequeñas. La profusión de revistas es evidencia de esta hiperespecialización.

De la ciencia a la ingeniería

Gran parte de la innovación futura ocurrirá en los límites de las disciplinas, dado que ya se ha descubierto mucho conocimiento dentro de las disciplinas existentes, pero debe haber una transformación mayor. Las universidades de hoy todavía adoptan en gran medida el método científico, estableciendo el conocimiento por sí mismo y buscando conocer el mundo natural, físico y social, pero no debemos detenernos ahí. Dado su conocimiento fundamental, los científicos están en la mejor posición para diseñar mejores soluciones para nuestro futuro. Pasar a una mentalidad de ingeniería obligará a los académicos a diseñar e implementar soluciones a nuestros problemas más apremiantes. A largo plazo, también cerrará la brecha entre la academia y la industria. La presión que enfrentan los estudiantes para buscar trabajo y crear empresas, lo que afecta su trabajo académico, surge porque existe una brecha entre las necesidades del mercado y el plan de estudios académico. Si esta brecha se cerrara y los estudiantes pasaran tiempo en la universidad construyendo mejores soluciones para el futuro, esta disonancia cognitiva se disiparía.

Esta transformación ya ha comenzado en algunas disciplinas, como la economía. Una de las áreas aplicadas más exitosas de la economía es diseño de mercado, que adoptó sin ambigüedades una mentalidad de ingeniería y entregó tres premios Nobel solo en la última década. Estos académicos procedían de la ingeniería y adaptaron la teoría de juegos para crear mejores mercados que puedan funcionar en el mundo real, como mejores formas de emparejar donantes de riñón con receptores, estudiantes con escuelas o médicos residentes con hospitales. También diseñaron muchas de las subastas más importantes que se utilizan en la actualidad, como la subasta de espectro del gobierno y la subasta de anuncios dentro de Google. No hay razón para que el resto de la profesión económica, o incluso el resto de la educación superior y la comunidad académica, no puedan posicionarse de manera similar para adoptar más esta mentalidad de ingeniería.

Con el tiempo, cerrar esta brecha entre la academia y la industria aliviará gran parte de la
protesta pública contra el aumento de la matrícula y la deuda estudiantil. Una vez que los estudiantes y profesores orienten su investigación para desarrollar mejores soluciones para la sociedad, también lo harán sus estudiantes y las empresas que los emplean. Los estudiantes ya no se resentirán con sus profesores por dedicar tiempo a la investigación en lugar de a la enseñanza si esa investigación crea directamente tecnologías que, en última instancia, benefician a los estudiantes, a los futuros empleadores ya la sociedad en general. Con el tiempo, esto naturalmente cerrará la brecha de habilidades que actualmente enfrenta Estados Unidos. Las universidades ya no tendrán que centrarse explícitamente en las habilidades STEM, sino centrarse en proporcionar soluciones tecnológicas que, en última instancia, se basarán en gran medida en las áreas STEM de todos modos.

Una llamada a la acción

¿Cómo podemos reformar la educación superior para producir el próximo Bitcoin? Por supuesto, el próximo Bitcoin no será Bitcoin per se, sino más bien una innovación de primer principio que concibe un viejo problema de una manera completamente nueva. Tengo tres recomendaciones específicas para la cultura universitaria, las prioridades y la estructura organizativa.

Primero, la academia debe abrazar más explícitamente la ingeniería más que la ciencia, incluso al margen. El Renacimiento y la Era de la Razón han llevado a la educación superior estadounidense a celebrar la ciencia y el conocimiento por sí mismos. El lema de Harvard es “Veritas”, o “verdad”, mientras que el de la Universidad de Chicago es “Crescat scientia, vita excolatur”, que significa “Que el conocimiento crezca de más en más, y así la vida humana se enriquezca”. Estas universidades, basadas en las tradiciones científicas y de artes liberales, han hecho mucho para establecer el corpus de conocimiento necesario para el progreso humano, pero este último medio siglo ha sido la era de las universidades de ingeniería, con Stanford y MIT compitiendo para construir soluciones para el mundo, no sólo para entenderlo. Este ethos de la ingeniería debería extenderse más allá de los departamentos de ingeniería, pero incluso y especialmente, a las ciencias sociales. Por ejemplo, exija que todos los estudiantes de primer año tomen una clase de ingeniería básica para aprender el marco mental de la construcción de soluciones a los problemas. Los economistas han articulado los beneficios del dinero sólido durante generaciones, pero solo a través de un sistema de ingeniería como Bitcoin estos debates pueden convertirse en realidad.

Este cambio en la ingeniería está ocurriendo un poco dentro de las ciencias sociales. Por ejemplo, los premios Nobel recientes otorgados a Paul Milgrom y Bob Wilson en economía celebraron su trabajo en el diseño de nuevos mercados y subastas para resolver problemas reales en la asignación de recursos que enfrentan los gobiernos y la sociedad. Esta comunidad de teóricos de la microeconomía sigue siendo una pequeña minoría dentro de la profesión económica, pero su trabajo combina la teoría y la práctica como ningún otro campo y debería tener una mayor representación entre los académicos en ejercicio. Las universidades deberían abandonar la equidad forzada al tratar todas las disciplinas por igual, asignando una parte equitativa de las líneas docentes y los dólares de investigación a cada disciplina, sin importar su impacto en la sociedad. En su lugar, priorice a los discípulos dispuestos y capaces de construir soluciones para el futuro. Esta cultura debe venir desde arriba y permear hacia abajo hacia las decisiones de reclutamiento de profesores y estudiantes.

Segundo, premiar el trabajo interdisciplinario. El modelo tradicional de siglos de antigüedad del trabajo disciplinario profundo está mostrando su edad, mientras que la mayoría de las innovaciones emocionantes de nuestro tiempo se encuentran en los límites de las disciplinas. Las universidades hablan de boca para afuera sobre el trabajo interdisciplinario como una nueva palabra de moda en los campus universitarios, pero a menos que cambien los incentivos para el profesorado, nada lo hará. Los comités de promoción y permanencia deben recompensar las publicaciones fuera de la disciplina de origen del estudiante y especialmente las colaboraciones con otros departamentos y universidades. Si bien las grandes agencias gubernamentales, como la Fundación Nacional de Ciencias, han aumentado la asignación de fondos para equipos interdisciplinarios, cuando se trata de decisiones de promoción y titularidad, los comités de profesores son lamentablemente anticuados y aún recompensan a los académicos dentro de las disciplinas en lugar de entre ellas. Con el tiempo, espero que esto cambie a medida que la generación anterior se jubile, pero los problemas más apremiantes de la sociedad no pueden esperar y las universidades deberían girar más rápido ahora. A menos que los comités de promoción y permanencia anuncien explícitamente el reconocimiento del trabajo interdisciplinario, nada más importa.

Tercero, la academia debe apuntar alto. Con demasiada frecuencia, las revistas académicas se sienten cómodas buscando contribuciones incrementales al fondo de conocimiento. Nuestra obsesión por las citas y las pequeñas mejoras conduce inevitablemente a pequeños avances. Las comunidades académicas tienen un deseo reflexivo de ser autorreferenciales y tribales. Por lo tanto, a los académicos les gustan las pequeñas conferencias de compañeros de ideas afines. Algunos de los mayores avances en la historia de la ciencia provinieron de grandes avances en la comprensión que solo podrían haber ocurrido fuera de la corriente principal. Bitcoin es un ejemplo, pero no el único. Considere el descubrimiento de la doble hélice, la invención del avión, la creación de Internet y, más recientemente, el descubrimiento de la secuencia de ARNm para la vacuna COVID-19. El verdadero progreso proviene de desechar sin disculpas la ortodoxia intelectual existente y adoptar una mirada completamente nueva. Los estándares de excelencia para nuestra facultad y estudiantes deben insistir en que apuntan a resolver los mayores problemas que enfrenta la humanidad. Con demasiada frecuencia, este discurso es silenciado desde el campus y, con el tiempo, erosiona el espíritu de nuestros jóvenes. Para lograr esto, asigne fondos de investigación en función del impacto y haga que estos requisitos sean estrictos.

El gran aumento de la riqueza del sector de la tecnología ha ejercido varias presiones sobre el campus. Por un lado, induce a los jóvenes estudiantes a abandonar y crear nuevas empresas, siguiendo los pasos de los jóvenes fundadores que dominan la prensa tecnológica y financiera. Esto sucede solo porque hay una brecha entre las recompensas del mercado y las actividades de la universidad. Recuerde que Bitcoin surgió de una pequeña comunidad de intelectuales que buscaban diseñar una solución a un antiguo problema utilizando nueva tecnología. Esto podría haber ocurrido fácilmente dentro de la academia y, en cierto sentido, debería haberlo hecho.

La empresa corporativa, ya sea nueva o establecida, es el lugar natural para la innovación incremental. El ruido constante de las necesidades de los clientes, las demandas de los inversionistas y el conocimiento de la industria lo convierten en un lugar natural para pequeños cambios en las posibilidades productivas de la sociedad. La innovación radical se adapta de manera única a la academia con su escala de tiempo más larga y deliberada, el acceso a la ciencia profunda y el aislamiento del ruido del mercado, pero depende de la academia estar a la altura de ese desafío. Dejemos que Bitcoin nos inspire, para que la academia se convierta en el mariscal de campo y no solo en el espectador de la próxima innovación radical de nuestro tiempo.

Esta es una publicación invitada de Korok Ray. Las opiniones expresadas son totalmente propias y no reflejan necesariamente las de BTC Inc. o Bitcoin Magazine.