La simulación y representación de modelos y teorías científicas mediante imágenes

– 271 – THÉMATA. Revista de Filosofía Nº51, Enero-junio (2015) pp.: 271-288 ISSN: 0212-8365 e-ISSN: 2253-900X doi: 10.12795/themata.2015.i51.14 LA SIMULACIÓN Y REPRESENTACIÓN DE MODELOS Y TEORÍAS CIENTÍFICAS MEDIANTE IMÁGENES SIMULATION AND REPRESENTATION OF MODELS AND SCIENTIFIC THEORIES USING PICTURES Francisco López Cantos1 Universitat Jaume I, Castellón (España) Recibido: 05-11-2013 Aceptado: 28-05-2014 Resumen: El presente artículo, tiene como objetivo mostrar la evolución que han tenido las formas de representación científica mediante imágenes a lo largo de la Historia de la Ciencia, desde las primeras ilustraciones botánicas o médicas a la imagen digital contemporánea, pasando por el uso de la imagen astronómica o los sistemas de teledetección o el estudio del clima, y realizar, a partir de ello, una aproximación teórica al estatuto que adquieren en la actualidad las estrategias de simulación en el conjunto de los actuales sistemas de representación de la Ciencia mediante imágenes. Palabras-clave: ilustración científica, imagen científica, representación del conocimiento, epistemología de la imagen, comunicación científica. Abstract: This paper aim to show the evolution of scientific image representation along the History of Science, from botanical and medical illustrations to contemporary digital image or the use of astronomical image and remote sensing systems for climate studie, to perform a theoretical approach about the high status is acquiring simulation strategies nowadays in the representation of science using images. Key-words: Scientific illustration, scientific image, knowledge representation, epistemology of images, scientific communication. [1] ([email protected]) Dpto. de Ciencias de la Comunicación. Entre sus publicaciones recientes se pueden encontrar, entre otras, “Serious Games. Historias del campo de batalla”, en Videojuegos y Cultura Visual. La Laguna: Sociedad Latina de Comunicación Social, 2013; “Poética de la alfabetización”, en Razón y Palabra, 2013, Num. 83. pp. 1-20; o “La imagen científica: tecnología y artefacto”, en Revista Mediterránea de Comunicación, 2011, Num. 1, pp. 158-172. Francisco López Cantos THÉMATA. Revista de Filosofía, Nº51 enero-junio (2015) pp.: 271-288 doi: 10.12795/themata.2015.i51.14 – 272 – Que la imaginación no es un sentido se deduce con evidencia de los hechos siguientes. El sentido está en potencia o en acto —por ejemplo, vista y visión— mientras que una imagen puede presentarse sin que se dé ni lo uno ni lo otro, como ocurre en los sueños. Además, el sentido está siempre presente y disponible pero no la imaginación. Por otra parte, si fueran lo mismo en acto, la imaginación podría darse en todas las bestias; sin embargo, no parece que así sea en la hormiga, la abeja o el gusano. Más aún, las sensaciones son siempre verdaderas mientras que las imágenes son en su mayoría falsas2. Aristóteles. 1. Introducción. El análisis de la entidad y estatuto de las imágenes y el cuestionamiento de su cualidad probatoria viene de lejos, sirva como muestra esta breve digresión de la cita aristotélica cuyos interrogantes más de 20 siglos después retomaría, por ejemplo, la fenomenología de Husserl. No es, por supuesto, pretensión de quien suscribe estas líneas profundizar y, ni mucho menos dirimir, este clásico e inabarcable debate que llega hasta nuestros días en este breve texto3 pero, en cambio, sí traemos a colación al filósofo clásico para hacernos eco de su aseveración de que “todo pensamiento es imposible sin una imagen”. La psicología cognitiva, abanderada por Stephen Kosslyn y su aportación al seminal trabajo de Howard Gardner que inaugura las denominadas ciencias cognitivas, ya se ocupa de analizar contemporáneamente y de forma específica del estatuto de las imágenes mentales y su implicación en los mecanismos de la memoria, subrayando que “la información que se almacena (en la memoria) guarda una correspondencia no arbitraria con la cosa representada” (Kosslyn, 1987pp. 354 y ss.). Para probar esta afirmación, desarrolló un modelo de simulación de la memoria visual que constaba de dos clases de estructuras de datos. La primera de ellas, consistente en “una matriz de superficie, que representa a la imagen misma” y la “literalidad” del objeto visualmente; y la segunda, relativa “al conjunto de datos que representan la información utilizada para generar las imágenes” y que tiene naturaleza proposicional. Kosslin remarca que lo significativo en este modelo es su carácter jerárquico y estructural ya que para operar a este conjunto de datos se le aplican tres tipos de procesos “imaginales”: rutinas para la generación de imágenes de superficie, para su clasificación y para su transformación. El modelo se implantó tempranamente en sistemas informáticos con el objetivo de simular estas supuestas estructuras de datos y procesos que rigen [2] Sobre el alma, p. 95. Ed. Gredos. [3] Una aproximación al análisis de los aspectos relativos a la atribución de objetividad a las imágenes científicas se puede consultar en López Cantos (2011) La simulación y representación de modelos y teorías científicas mediante imágenes – 273 – THÉMATA. Revista de Filosofía, Nº51 enero-junio (2015) pp.: 271-288 doi: 10.12795/themata.2015.i51.14 la memoria visual. Su traslación era sencilla pues la propuesta difiere poco del propio funcionamiento de los sistemas informáticos en que los datos subyacen en una estructura profunda que sólo luego acaba generando una matriz que representa esa “literalidad” de la imagen en, por ejemplo, una pantalla o una impresora o cualquier otro dispositivo que genere gráficos. La simulación, en sí misma, no aportaba realmente nada, al menos en nuestra opinión, pues sólo adoptaba un modelo mecanicista clásico adaptado a la tecnología existente. Más que servir para establecer correspondencias con el funcionamiento de la memoria y caracterizar las imágenes visuales suponía sólo un planteamiento apriorístico que pretendía hacer corresponder el modelo o la teoría con la realidad mediante tecnologías de vanguardia. Pero, como sabemos, la realidad se suele mostrar bastante tozuda para adecuarse a las teorías, y el experimento no sirvió de mucho. Sin embargo, la simulación de la memoria que proponían sí sirvió para detectar problemas inherentes a la representación y operación con la tridimensionalidad de las imágenes. Y, en su revisión por uno de sus discípulos, Steven Pinker, a partir del análisis empírico del manejo de imágenes mentales a partir de objetos tridimensionales que hacía un grupo de individuos se llegó a la conclusión de que “una vez inspeccionada una escena tridimensional, el sujeto la imagina en tres dimensiones” y, lo que es igual o más importante, “el tiempo que le lleva explorar los objetos disminuye en forma proporcional a las distancias tridimensionales efectivas y no a las distancias bidimensionales que presenta una fotografía de la escena” (Kosslyn, 1983). A partir de ello, y tomando como premisa este modelo fundamentalmente mecanicista, ha sido fácil derivar que lo que se ha venido denominando “simulación” en Ciencia está íntimamente ligado a las características de la propia cognición y a la forma de funcionamiento de los ordenadores y, en consecuencia, todo se reduciría a un problema de traslación entre interfaces, de la realidad física a la mental, intermediada por constructos que simulasen dicha transposición con la máxima literalidad. En nuestra opinión, este modelo estructuralista y jerárquico subyacente tanto en lo relativo a la forma en que se “piensan” las imágenes como en cuanto a la correspondencia que se puede hacer de ello a sistemas informáticos otorga un estatus primigenio al pensamiento proposicional frente al visual que no es en absoluto nada evidente, valga la redundancia, y es cuanto menos muy discutible. Desde luego este tipo de experimentos de naturaleza estructural sí son muy fáciles de implantar con las tecnologías actuales, y de ahí la extraordinaria difusión y predicamento que este, al fín y al cabo viejo, paradigma mecanicista ha tenido en las últimas décadas, teniendo un impulso sin precedentes y conformando una nueva área de conocimiento que se ha venido a denominar simulation/gaming, y que comprende la investigación e implementaciones que simulen todo género de aspectos con fines científicos o meramente educativos o lúdicos. Francisco López Cantos THÉMATA. Revista de Filosofía, Nº51 enero-junio (2015) pp.: 271-288 doi: 10.12795/themata.2015.i51.14 – 274 – Por nuestra parte, aunque sea mucho más discutible que las imágenes sean subsidiarias de una suerte de sistema de representación proposicional subyacente y se necesiten rutinas que trasladen datos a matrices visuales al modo que hacen los ordenadores, sí podemos concluir, a partir de todo ello y al margen de las luces de modernidad de esta nueva área de conocimiento que, efectivamente, desde el punto de vista cognitivo las imágenes tienen entidad propia y requieren cierto tipo de procesamiento. Y es clara la importancia que las imágenes tienen para la cognición y, por ello, es imprescindible avanzar en su investigación y fomentar su uso en todos los ámbitos. Más todavía si cabe dado el lugar preeminente que tienen en nuestros días en lo que hemos denominado cultura visual y que está viendo crecer en su seno en los últimos decenios lo que se viene imponiendo como cultura de los videojuegos, en tanto que implantación de los conocimientos derivados del área de conocimiento que, como decíamos, viene a denominarse simulation/gaming. Nosotros nos ocuparemos de la primera parte del binomio, la simulación aunque, como es obvio, es muy estrecha la línea que separa ambos términos, no será objeto de este trabajo profundizar en los aspectos relativos al gaming. Veamos, pues, con más detenimiento qué entendemos por “simulación”. 2. La simulación. Aproximación al concepto. Es lugar común datar los inicios y los propios fundamentos de lo que denominamos “simulación” a los albores de las tecnologías informáticas en los años 40, especialmente la construcción del ENIAC, y relacionar sus orígenes de manera muy estrecha con la implementación de modelos matemáticos, especialmente el Método MonteCarlo,4 tal como, por ejemplo, describen Goldmans, Nace & Wilson (2009), remontándose hasta el “experimento de las agujas” de Buffon, propuesto en 1777. No obstante, esta aproximación al término resulta poco satisfactoria y restrictiva y es necesario, en nuestra opinión, adoptar un concepto de “simulación” que vaya más allá de estas consideraciones tan ligadas al desarrollo de los sistemas informáticos y las matemáticas. En primer lugar, y siguiendo a Grüne-Yanoff y Weirich (2010, p. 20), conviene determinar qué es lo que puede ser simulado, teniendo en cuenta que simular, según definen estos autores es, en primer lugar, sinónimo de imitar o replicar y, en segundo lugar, es una acción que tiene como resultado una simulación que, en sí misma, es un patrón abstracto que se ejecuta de una manera concreta. [4] El método de Montecarlo, es un método estadístico numérico usado para aproximar expresiones matemáticas complejas y costosas de evaluar con exactitud. Se llamó así en referencia al Casino de Montecarlo por ser “la capital del juego de azar”, al ser la ruleta un generador simple de números aleatorios, y su uso proviene del trabajo realizado en el desarrollo de la bomba atómica durante la Segunda Guerra Mundial y en la actualidad es parte fundamental de los algoritmos de raytracing para la generación de imágenes 3D. La simulación y representación de modelos y teorías científicas mediante imágenes – 275 – THÉMATA. Revista de Filosofía, Nº51 enero-junio (2015) pp.: 271-288 doi: 10.12795/themata.2015.i51.14 Las simulaciones, según estos autores, se pueden clasificar según sus características (tales como si usan ordenadores o modelos a escala; o presentan una dinámica discreta o continua), o también según su propósito (en tanto que simulan el habla, el vuelo de un avión, el clima,…), pero, sobre todo, las simulaciones para estos autores son útiles en Ciencia para explorar las consecuencias de experimentos imposibles de implementar efectivamente, por impracticables o, también, demasiado costosos. En todo caso, e independientemente de su clasificación, para alcanzar una definición óptima resulta eficaz hacer notar que las simulaciones siempre descansan sobre modelos previos, y éstos a su vez sobre teorías preexistentes. Con ello, por tanto, aunque determinar las relaciones entre estas tres entidades no está exento de problemas, sí podemos asumir que los modelos son agentes mediadores entre las teorías y la realidad, intercalándose entre ambas en un proceso constante de reajuste y adecuación, al menos hasta que el paradigma que los sustenta continúa vigente, y las simulaciones se encuentran igualmente en ese punto de confluencia en tanto que representaciones de modelos. La “simulación” entonces, en sí misma, tiene como objetivo la representación mediante imágenes u objetos tridimensionales de modelos que pretenden explicar teorías sobre la realidad, y es independiente de la forma efectiva en que se implemente ese modelo (2D, 21/2D, 3D, 4D) y la materialidad de su soporte (material o inmaterial). En palabras de Dokic y Proust (2002), en la simulación “we represent the mental processes of other people by mentally simulating them”. Y, por lo tanto, no necesariamente la simulación ha de estar ligada a modelos informáticos y ser “virtual” si no más bien se trata de una forma de mediación y, ciertamente, es una estrategia de representación para mostrar o explorar teorías que se ha venido utilizando desde tiempos inmemoriales. La ilustración botánica, por ejemplo, o la representación matemática, de razones trigonométricas son muestras de ello. Y, si adoptamos esta definición no restrictiva y no equiparamos simulación a sistema informático y matemáticas, podemos fácilmente reconocer como la Ciencia ha venido haciendo tradicionalmente uso de la “simulación” y no es nada nuevo. Se puede simular, por ejemplo, la anatomía del cuerpo humano con modelos de cera para mostrarla con fines didácticos o artísticos; recrear un experimento de laboratorio la importancia del oxígeno encerrando un pájaro en una bomba de aire y haciendo el vacío, para satisfacer la curiosidad científica de los públicos no doctos, aunque con catastróficas consecuencias para el pájaro, como muestra el famoso cuadro de Derby. Cabe incluir entre los ejemplos más recientes, y también, las simulaciones matemáticas utilizando ordenadores, por ejemplo para implementar las geometrías fractales que propusiera Mandelbrot en las últimas décadas del siglo XX5 pero, insistimos, la simulación no está ligada exclusivamente a los ordenadores. [5] Algunas creaciones fractales se pueden encontrar en Mandelbrot, B. (1990). Francisco López Cantos THÉMATA. Revista de Filosofía, Nº51 enero-junio (2015) pp.: 271-288 doi: 10.12795/themata.2015.i51.14 – 276 – La simulación, genéricamente, es solo es imitación, y es una estrategia de intermediación cognitiva que es extensible a todos los procesos que acaban mostrando imágenes inteligibles en función del propio proceso mental con el que las interpretamos, imágenes diseñadas por y para nuestra cognición visual inherente. No obstante, se puede, y se debe, hacer alguna una matización al respecto de esta definición, digamos amplia, y la primera de ellas es relativa al vector temporal, que puede llevar también a confusión cuando se pretende sea intrínseco a la definición de “simulación”. Ciertamente, algunos tipos de simulaciones que se implementan en modelos informáticos son dinámicas, es decir, transitan desde un estado inicial hasta el final, pudiendo hacer exploraciones prospectivas o retrospectivas, cómo por ejemplo las que se elaboran con los modelos sobre el cambio climático o, también, aquellas que intentan representar con imágenes los inicios del universo, como, por ejemplo, la imágen que distribuyó la NASA en 1989 y que pretendía representar un instante “solo” 380.000 años posterior al Big Bang6. Pero tampoco se trata de una estrategia nueva, por mucho que nos pueda deslumbrar la potencia exploratoria de los sistemas informáticos actuales y el procesamiento masivo compartido en red para, por ejemplo, intentar determinar el funcionamiento de las proteínas7, y no es más que la implementación contemporánea de lo que en otros tiempos fueron rudimentarios mecanismos que representaban distintos momentos del proceso que simulaban, como por ejemplo hacían las esferas armilares utilizadas en astronomía o los modelos de la estructura del átomo. La serialidad, y por tanto, la representación del vector temporal, no es tampoco ajena a las imágenes fijas y, desde los inicios de la fotografía se utilizaron para, por ejemplo, la representación fisiológica del movimiento animal o humano por parte de Edward Muybridge o Jules Marey, o para el estudio de, por ejemplo, la forma de vuelo de la cigüeña de manos del cronofotógrafo Ottomar Anschültz, que fueron recogidas por la comunidad científica con gran entusiamos y sirvieron de antecedente inmediato para el nacimiento de la aviación moderna.8 A estas aseveraciones, y a esta equiparación inmediata de las características de la imagen fotográfica a la simulación en general se podría objetar, de manera apresurada, que existen diferencias importantes en cuanto a la diferente “carga” de realidad de la primera frente a la segunda y la “evidente” referencialidad a lo real que tienen las imágenes fotoquímicas o digitales. No podemos extendernos aquí en la argumentación al respecto de la relación [6] Se puede consultar en Amato, I. (2003). [7] Este proyecto y otros se desarrollan desde la plataforma World Community Grid en http:// www.worldcommunitygrid.org/index.jsp [8] Para consultar estas ilustraciones véase VV.AA. (2008). La simulación y representación de modelos y teorías científicas mediante imágenes – 277 – THÉMATA. Revista de Filosofía, Nº51 enero-junio (2015) pp.: 271-288 doi: 10.12795/themata.2015.i51.14 de las imágenes fotográficas con la realidad pues nos desviaríamos mucho de nuestro eje argumental, pero para un análisis exhaustivo de lo que han venido denominando Daston y Galiston (2007) “reproductibilidad mecánica” y la ilusión de objetividad que supuso para la comunidad científica el nacimiento de la fotografía nos remitimos a otro trabajo nuestro anterior en el que se trata con detenimiento (López Cantos, 2011). También se debe matizar respecto al término simulación su uso con carácter peyorativo, en el que se puede profundizar hasta cuestionar críticamente los límites de la propia esencia de la cultura contemporánea, tal como hizo por ejemplo en su momento el sociólogo francés Jean Baudrillard (1993) en su archiconocida obra Cultura y simulacro, o yéndonos al extremo, la absoluta falta de referencialidad y desgarro en que nos sumergen estos tiempos posmodernos, la Era del vació tal como la ha denominado Lipovetsky (2003). Sin perder de vista los profundos cambios de los últimos decenios que nos han sumergido violentamente en la cultura multimedia contemporánea, la simulación no es, en sí misma, más falsa o más verdadera, como en las palabras que citábamos de Aristóteles al principio de nuestro texto, la imagen no es necesariamente más falsa que las sensaciones. Como decíamos, siguiendo a los psicólogos cognitivistas, sólo se trata de una traslación intermedia entre lo que denominamos realidad y nuestra capacidad de “imaginar”, intrínseca a nuestra propia cognición. En definitiva, las simulaciones mediante imágenes se pueden utilizar para la exploración o con fínes pedagógicos, incluso haciendo hincapié en la vertiente lúdica en lo que actualmente es el segundo par del binomio simulation/gaming, pero lo único que diferencia estos supuestos “rudimentos” de los vanguardistas sistemas de proceso contemporáneos es su carácter automático y su fisicidad pues, en el fondo, no son más que lo mismo, simulaciones que representan los modelos resultantes de las teorías preexistentes. Cuando interviene el vector temporal se trata de sistemas dinámicos, pero no dejan de ser simulaciones cuando tienen carácter discreto y eso vale tanto para la representación de modelos mediante objetos tridimensionales, como la generación de imágenes en movimiento o fijas por cualquier método. Y, en definitiva, la representación de modelos y la simulación está indisolublemente ligada la investigación científica y a los propios orígenes y fundamentos de la Ciencia. 3. Simulación y representación de modelos en Ciencia. El uso de modelos es de enorme importancia en la investigación científica para representar, por ejemplo, desde la estructura molecular de polímeros o la doble hélice del ADN a los flujos migratorios de las aves o el desarrollo epidemiológico de un virus o el cambio climático, y está ampliamente extendido en Ciencia. Francisco López Cantos THÉMATA. Revista de Filosofía, Nº51 enero-junio (2015) pp.: 271-288 doi: 10.12795/themata.2015.i51.14 – 278 – Su enorme proliferación durante los últimos decenios está estrechamente ligada, en gran medida, a su facilidad de implementación y a las evidentes ventajas que ofrecen las tecnologías digitales en las tareas de constante revisión y ajuste que les son inherentes, en muchas ocasiones realizando simulaciones experimentales sobre el alcance de su aplicación y adecuación a las teorías subyacentes y los datos sobre los que se conforman a partir de la investigación empírica. Su definición y uso, sin embargo, no está exenta de problemas y hay una ya larga tradición en Filosofía de la Ciencia que se ha ocupado de caracterizarlos y determinar sus límites. Tal como muestran Frigg y Hartmann (2006), para emprender su análisis hemos de plantearnos cuestiones en “semantics (what is the representational function that models perform?), ontology (what kind of things are models?), epistemology (how do we learn with models?), and, of course, in philosophy of science (how do models relate to theory?; what are the implications of a model based approach to science for the debates over scientific realism, reductionism, explanation and laws of nature?)”. En lo que respecta a su relación con la representación, siguiendo a estos autores, los modelos pueden ser el resultado bien de la representación de un fenómeno de la realidad seleccionado por su interés científico para su estudio, o bien puede representar los axiomas de una teoría, sin que ambas funciones sean excluyentes ya que, obviamente, están interrelacionadas. Ejemplos de ello serían, por ejemplo, el modelo atómico de Bohr o el modelo atmosférico de Lorentz que representa la teoría general sobre la circulación en la atmósfera. Ahora bien, la relación del modelo con el fenómeno o la teoría no está exenta de problemas respecto a qué es exactamente lo que el modelo representa y, también, la forma en que lo hace, es decir, relativas a su grado de isomorfismo con aquello que representa. Frigg y Hartmann, en este sentido, distinguen entre modelos de escala, idealizados, analógicos, y fenomenológicos, pero, a nuestro entender, estos límites tipológicos que proponen no hacen más que añadir más confusión a su definición, pues en absoluto es fácil trazar las fronteras semánticas de cada uno de los términos que proponen para su clasificación. Sí nos parece productiva, en cambio, la distinción que hacen estos autores entre los modelos que intentan representar un fenómeno preexistente y aquellos cuyo objetivo es constituirse en una síntesis satisfactoria de datos previos obtenidos en bruto frente a aquellos otros que son el resultado de teorías. La diferencia entre los dos primeros tipos de modelos, de carácter representacional, con el tercero es su ficcionalidad y capacidad para constituirse en una emulación de algo preexistente, en distinto grado sean fenómenos o datos sobre fenómenos, o crear algo completamente nuevo y virtual cuando es resultado de una teoría previa. Obviamente, cualquiera de estos modelos descansan sobre teorías previas pero la diferencia reside en el grado de referencialidad o virtualidad subyacente, y esta es una cuestión crucial que explica la forma en que La simulación y representación de modelos y teorías científicas mediante imágenes – 279 – THÉMATA. Revista de Filosofía, Nº51 enero-junio (2015) pp.: 271-288 doi: 10.12795/themata.2015.i51.14 interaccionan los modelos con las simulaciones, en tanto que representaciones con cierto grado de referencialidad o totalmente virtuales. Los modelos en Ciencia han sido, tradicionalmente, de los dos primeros tipos expuestos, fruto de un fenómeno que pretenden emular o elaborados a partir de datos extraídos en bruto de la realidad. Es fácil entender que históricamente haya sido así debido a la fuerte restricción que la elaboración de conocimiento ha tenido hasta hace bien poco debido a su imprescindible fundamentación en los resultados de la experimentación y la investigación empírica. Sin embargo, estas imposiciones, aún siendo todavía muy fuertes, han visto relajada su aplicación a lo largo de los últimos decenios en pro de un tipo de investigación menos sujeta a los datos previos y, en consecuencia, más imaginativa gracias, en gran medida, al importante avance y aplicaciones que los sistemas informáticos permiten en nuestros días. Y de ahí, que la simulación de modelos, en la definición restringida del término, haya crecido de manera tan espectacular, porque nunca como hasta ahora se ha podido realizar experimentos de manera virtual que nadie podía plantear en otros tiempos, bien por la imposibilidad de recoger o manejar los datos y por las limitaciones para mostrar la evolución de modelos que representen sistemas dinámicos. En palabras de Humpreys (2004) “When standard methods fail, computer simulations are often the only way to learn something about a dynamical model; they help us to ‘extend ourselves’, as it were. In situations in which the underlying model is well confirmed and understood, computer experiments may even replace real experiments, which has economic advantages and minimizes risk (as, for example, in the case of the simulation of atomic explosions)”. Hoy en día es relativamente sencillo analizar el comportamiento sistémico de un determinado modelo de, por ejemplo, la propagación de un movimiento sísmico en las profundidades marinas y poder alertar a la población de un posible tsunami, cambiando los datos de entrada de determinadas variables y, a partir de ello, generar una simulación de los efectos resultantes. Pero, como ya hemos argumentado, la simulación ni se define de manera exclusiva por su implementación en sistemas informáticos con algoritmos matemáticos más o menos complejos ni, tampoco, por su independencia respecto a los datos o fenómenos previos que pretende representar y su grado de virtualidad. La simulación es intrínseca a los propios fundamentos de la Ciencia desde sus orígenes. La simulación, en definitiva, está intrínsecamente ligada al desarrollo y evolución de la representación y probablemente encuentra sus orígenes en las primeras representaciones pictóricas e ideográficas y a las manifestaciones totémicas y escultóricas en general, aunque todas ellas están tamizadas por un evidente carácter mítico-religioso y, consecuencia de ello, los modelos que representan son más bien constructos culturales que específicamente derivados de los que hemos venido denominando Ciencia. Francisco López Cantos THÉMATA. Revista de Filosofía, Nº51 enero-junio (2015) pp.: 271-288 doi: 10.12795/themata.2015.i51.14 – 286 – Referencias bibliográficas: Alberti, Leon Battista (1435): De pictura. Mexico: UNAM, Trad. Cast. de Rafael Martínez (1996). Amato, I. (2003): Supervision. A new view of Nature. New York: Abrahams. Bacon, F. (1854), Novum Organum p. 348. In The Works, ed. by Basil Montague. Baudrillar, J. (1993): Cultura y simulacro. Barcelona: Kairós. Chen, Joseph (199): “The Development of Anatomic Art and Sciences: The Ceroplastica Anatomic Models of La Specola”, Surgery, October 1999 - Volume 45 - Issue 4. Daston, L. Y Galison, P. (2007): Objectivity. Brooklin: Zone Books. Dokic, J., & Proust, J. (Eds.). (2002). Simulation and knowledge of action. Amsterdam: John Benjamins. Ford, B. J. (1992): Images of Science: A History of Scientific Illustration. London: British Library. Friedhoff (1989): Visualization: The Second Computer Revolution. New York. Harry N. Abrams. Frigg, R. Y Hartmann, S. (2006): Models in Science. Stantford Enciclopedy of Philosophy Galileo Galilei (1632): Dialogue Concerning the Two Chief World Systems, trans. by Stillman Drake, University of California Press, 1953 (revised 1967). Galison, P. (1997): Image and Logic: a Material Culture of Microphysics. Chicago: Chicago University Press. Gamba, E. & Montembelli, V. (1996): “Piero della Francesca matematico”, American Scientific, n. 331. Goldmans, Nace & Wilson (2009): “A brief history of simulation”, Proceedings of the 2009 Winter Simulation Conference. Gruber, H.E. & Bödeker, K. (2005): Creativity, Psychology and the History of Science, Boston Studies in the Philosophy and History of Science, Volume 245. Dordrecht, Netherlands: Springer. Grüne-Yanoff & Weirich (2010): “The Philosophy and Epistemology of Simulation: A Review”, Simulation Gaming, num. 41. Harry, R. (1992): The Scientific Image: from cave to computer. New York: Abrahams, p. 160. Humphreys, P. (2004): Extending Ourselves: Computational Science, Empiricism, and Scientific Method. Oxford: Oxford University Press. Kemp, M. (1981): Leonardo da Vinci : The Marvellous Works of Nature and Man. London: Dent. La simulación y representación de modelos y teorías científicas mediante imágenes – 287 – THÉMATA. Revista de Filosofía, Nº51 enero-junio (2015) pp.: 271-288 doi: 10.12795/themata.2015.i51.14 Kemp, M. (1981): Leonardo da Vinci : The Marvellous Works of Nature and Man. London: Dent. Kosslyn, S. M. (1983): Ghosts in the Mind’s Machine: Creating and Using Images in the Brain. Nueva York: W. Norton. Kosslyn, S. M. (1987): “Imágenes mentales: ¿una creación imaginaria?”, en Gardner, H. La nueva ciencia de la mente. Historia de la revolución cognitiva. Barcelona: Paidós. Kuhn, T. S. (1962): The Structure of Scientific Revolutions. Chicago: Chicago University Press. Lipovetsky, G. (2003): La era del vacío, Barcelona: Anagrama. López Cantos, F. (2011): “La imagen científica: tecnología y artefacto”, Revista Mediterranea de Comunicación, n. 1, pp. 158-172. Lüthy, C. (2006):”Where Logical Necessity Becomes Visual Persuasion: Descarte’s Clear and Distinct Illustrations, Transmitting Knowledge: Words, images and Instruments in Early Modern Europe, Oxford. Oxford University Press, p. 97. Lüthy, C. & Smets, A. (2009): “Words, Lines, Diagrams, Images: Towards a History of Scientific Imagery”, Early Science and Medicine, 14. Lynch, M. (2006): “The Production of Scientific Images. Vision and Re-Vision in the History, Philosophy, and Sociology of Science”, Visual Cultures of Science: rethinking representational practices in knowledge building and science communication. Hanover, N.H.: Dartmouth Collegue Press. Mandelbrot, B. (1990): “Montañas y dragones fractales. La intuición en las matemáticas y en las ciencias”, en VV.AA. Sobre la imaginación científica. Barcelona: Tusquets. Martz, E. & Francoeur E. (1997): History of Visualization of Biological Macromolecules URL = http://www.umass.edu/microbio/rasmol/history.htm>; VV. AA. (2003) 3D-Printing the History of Mechanisms, Cornell University. URL = < http://www.ecommons.cornell.edu/bitstream/1813/2715/1/2003-6.pdf>. Mcguinn, C. (2004): Mindsight: Image, Dream, Meaning. Cambridge, MA: Harvard University Press. Miller, A. I. (1984). Imagery in Scientific Thought: Creating Twentieth Century Physics. Boston: Birkhauser. Mosley, A. (2006): “Objects of Knowledge: Mathematics and Models in Sixteenth-Century Cosmology and Astronomy”, Transmitting Knowledge: Words, images and Instruments in Early Modern Europe, Oxford. Oxford University Press. Nersessian, N. J. (1992). “How do scientists think? Capturing the dynamics of conceptual change in science”, en Giere, R. N. (ed.): Cognitive Models of Science. University of Minnesota Press. Minneapolis, MN. Francisco López Cantos THÉMATA. Revista de Filosofía, Nº51 enero-junio (2015) pp.: 271-288 doi: 10.12795/themata.2015.i51.14 – 288 – Panese, F. (2006): “The Accursed Part of Scientific Iconography”, Visual Cultures of Science: rethinking representational practices in knowledge building and science communication. Hanover, N.H.: Dartmouth Collegue Press. Pawels, L. (2006): “A Theoretical Framework for Assessing Visual Representations. Practices in Knowledge Building and Science Communication”, Visual Cultures of Science: rethinking representational practices in knowledge building and science communication. Hanover, N.H.: Dartmouth Collegue Press. Rocke, A. J. (2010): Image & Reality. Chicago: Chicago University Press. Rudwick, M. (1976): “The emergence of visual language for geological science,1760-1840”. History of Science, 14:149-95. Shepard, R. & Cooper, L. (1982). Mental Images and their Transformations Cambridge, MA: MIT Press. Thagard, P. & Hardy, S. (1992): “Visual thinking and the development of Dalton’s atomic theory”, Proceedings of the Ninth Canadian Conference on Artificial Intelligence. Vancouver. Thomas, Nigel J.T., “Mental Imagery”, The Stanford Encyclopedia of Philosophy (Winter 2011 Edition), Edward N. ZALTA (ed.), URL = <http://pla- to.stanford.edu/archives/win2011/entries/mental-imagery/>. Trumbo, J. (2010): “Making Science Visible: Visual Literacy in Science Communication”, Visual Cultures of Science: rethinking representational practices in knowledge building and science communication. Hanover, N.H.: Dartmouth Collegue Press. Tufte, E. (2006) Beautiful Evidence, Cheshire: Graphic Press. VV.AA. (2008): El mundo descrito. Madrid: Fundación ICO. Wartofsky, M. W.c (1979): Models : representation and the scientific understanding. Dordretch, London: Reidel. Winsberg, E. (2010): Science in the Age of Computer Simulation. Chicago, London: Chicago University Press.