Claude Shannon

La información no es lo que sabes. Es lo que cambia lo que vas a hacer. Claude Shannon midió la información y su investigación incluso inspiró el nombre de Anthropic Claude.

A los 32 años, Claude Shannon midió algo que nadie había medido antes: la información. No como concepto. Como número. Para él, la información es lo que reduce la incertidumbre.

Este artículo explica la diferencia entre dato, información y ruido.

El hombre que pesó una idea.

Artículo 05 de 21 de la serie “Gobernanza como Versionamiento”.

Este es el Artículo 05 de la serie. El pensador: Claude Shannon. El concepto central de Git: Rama (Branch) + Confirmación (Commit) — Paso 10 de los 21 Pasos. Shannon responde una pregunta que los cuatro artículos anteriores dejaron abierta: ¿qué es exactamente la información que circula en los sistemas de gobernanza descentralizada? Su respuesta es lo suficientemente precisa como para medirse.

¿Qué vas a encontrar aquí?

¿Alguna vez participaste en una reunión en que todo el mundo habló mucho y, al final, nadie sabía exactamente qué se había decidido? ¿O recibiste un informe de diez páginas que no cambió nada de lo que ya sabías?

Shannon habría dicho: esas reuniones y esos informes no contenían información. Eran ruido bien formateado.

1. Donde todo comienza.

Nueva Jersey, julio de 1948. Un ingeniero de 32 años, delgado, de cara alargada, entrega un artículo de 55 páginas al Bell System Technical Journal. El título es seco: “A Mathematical Theory of Communication”. Sin manifiesto. Ecuaciones, gráficos, diagramas.

Shannon no era político, filósofo ni activista. Era el tipo de persona que recorría los pasillos de los Laboratorios Bell en monociclo haciendo malabares. Construyó una máquina de ajedrez cuando casi nadie sabía qué era una computadora. Inventó una caja con un botón: la encendés, una mano mecánica sale, apaga el botón y vuelve adentro. El juguete más inútil del mundo, hecho por uno de los cerebros más útiles del siglo.

Esas 55 páginas hicieron algo que nadie antes había logrado: transformar la información — algo vago, subjetivo, filosófico — en número — algo concreto, medible, objetivo. Antes de Shannon, la información era conversación. Después, era matemática. Y lo que puede medirse puede comprimirse, transmitirse, copiarse, protegerse, corregirse.

Juntos, Shannon y el periodista James Gleick (quien contó esta historia en 2011 en el libro The Information) responden una pregunta que los cuatro artículos anteriores dejaron en el aire: Locke habló del consentimiento, Popper de la corrección, Hayek del conocimiento disperso, Mises del orden espontáneo. Pero, ¿qué es exactamente la información que circula en esos sistemas?

Shannon dio la respuesta.

2. Contexto histórico

En 1948, el mundo intentaba reconstruirse. La Guerra Fría comenzaba. El problema práctico que consumía a los ingenieros era simple de enunciar y brutal de resolver: ¿cómo enviás mensajes por canales llenos de ruido sin que lleguen ilegibles?

El teléfono existía desde 1876. La radio desde 1895. Pero nadie tenía una teoría general sobre la comunicación. No existía una definición precisa de información. No había forma de medir cuánta información llevaba un mensaje. No existía una fórmula para saber si era posible transmitir sin errores.

Shannon resolvió los tres problemas en un único artículo.

3. La idea central

La tesis de Shannon cabe en una frase que parece simple y es devastadora: la información es lo que reduce la incerteza.

Pensá en esto. Estás esperando el resultado de un examen médico. Suena el teléfono. Si el médico dice “tu examen salió normal” y vos ya lo esperabas (95% de probabilidades de que todo estuviera bien), el mensaje lleva poca información. Ya lo sabías. Si el médico dice “encontramos algo” y no lo esperabas, el mensaje lleva mucha información. Cambió tu estado de conocimiento.

La clave de Shannon: la información no tiene que ver con el significado. Tiene que ver con la sorpresa. Un mensaje que dice lo que ya sabés no contiene información, por más elocuente que sea. Un mensaje que cambia lo que hacés contiene mucha, aunque sea un único número.

Antes de Shannon, información era sinónimo de dato, conocimiento, opinión. Todo mezclado. Después de Shannon, esas cosas se separaron. El dato es materia prima. La información es lo que reduce la incerteza. El conocimiento es información procesada. La opinión puede no contener información alguna (si repite lo que todos ya saben, es ruido).

Shannon creó una unidad de medida: el bit (abreviatura de binary digit, dígito binario). Un bit es la cantidad de información que ganás al recibir la respuesta a una pregunta con dos opciones igualmente probables. ¿Cara o seca? El resultado de la moneda te da 1 bit. Todo archivo en tu celular se mide en bits. Toda videollamada, toda foto, toda transacción bancaria. Shannon le dio al mundo digital su unidad fundamental.

4. Desarrollos

La sorpresa tiene fórmula.

Shannon tomó prestado de la física un concepto llamado entropía (que mide el desorden en un sistema) y lo aplicó a la comunicación. La entropía informacional mide cuánta sorpresa lleva un mensaje. Cuanto más impredecible, más entropía, más información.

Ejemplo: la frase “el sol salió hoy” tiene entropía baja. La esperabas. La frase “el sol no salió hoy” tiene entropía altísima. No la esperabas. La segunda frase lleva más información, aunque sea absurda.

Gleick, en el libro de 2011, muestra que este principio vale mucho más allá de la ingeniería. Los tambores africanos transmitían mensajes a kilómetros de distancia usando redundancia incorporada para compensar el ruido. El ADN almacena instrucciones en cuatro “letras” químicas, con mecanismos de corrección de errores. Shannon no inventó la información. Descubrió que todo lo que transmite o almacena información obedece las mismas reglas.

Consecuencia práctica: los mensajes redundantes pueden comprimirse sin pérdida. “AAAAAAAAAA” (diez letras A) se convierte en “10xA”. ¿Perdiste información? No. Podés reconstruir el original. Todo archivo ZIP, todo MP3, todo video en YouTube depende de este principio.

El ruido no mata si sabés corregirlo.

El segundo golpe de genio fue el Teorema de Shannon-Hartley. Shannon demostró que es posible transmitir información con error cercano a cero incluso en canales llenos de ruido, siempre que la tasa de transmisión se mantenga por debajo de un límite (llamado capacidad del canal).

Es contraintuitivo. El canal tiene interferencia. Partes del mensaje se pierden. Pero Shannon mostró: si agregás redundancia inteligente (no repetición burda, sino códigos de corrección de errores), podés recuperar el mensaje original. No casi. Perfectamente.

Por eso los satélites envían fotos de Marte sin borronear. Por eso hacés videollamadas aunque los paquetes de datos se pierdan en el camino. Los ingenieros construyeron el mundo digital sobre esta demostración: el ruido es inevitable, pero la corrección es posible.

5. Legado histórico

En 1949, Shannon publicó un segundo artículo: “Communication Theory of Secrecy Systems”, aplicando su teoría a la criptografía. Demostró que un sistema criptográfico solo es irrompible si la clave es tan larga como el mensaje y se usa una única vez (el llamado one-time pad).

Este resultado es la raíz de toda la seguridad digital moderna. Cada compra online, cada correo electrónico, cada acceso bancario desde el celular depende de criptografía descendiente de Shannon. La criptografía de clave pública (RSA, años 1970) nació intentando resolver el problema práctico que él identificó: ¿cómo distribuís claves de forma segura?

Gleick documentó cómo la teoría de la información se extendió a la biología (el ADN como código), la lingüística (la redundancia de las lenguas naturales), la física (la información como unidad del universo, en el trabajo de John Wheeler: “it from bit”) y la economía (los precios como señales informacionales, retomando a Hayek por otro camino). Shannon abrió una puerta. El mundo entero pasó por ella.

Shannon murió en 2001, a los 84 años. Casi nadie fuera del ámbito académico sabía quién era.

6. Contradicciones y limitaciones

Shannon separó la información del significado y del propósito. Para que la teoría funcione, “el gato se sentó en la alfombra” y “lanzá la bomba” son equivalentes: lo que importa es la probabilidad de los símbolos, no lo que significan.

Eso es la fortaleza y el límite. La fortaleza: permite medir, comprimir y transmitir cualquier cosa. El límite: no dice si la información es verdadera, útil o ética. Un sistema puede transmitir mentiras con eficiencia perfecta.

Gleick reconoce esta tensión. La era de la información trajo abundancia, pero también sobrecarga. Más bits no siempre significan más comprensión. Shannon midió cantidad. Nadie ha medido la calidad de manera comparable desde entonces.

7. La traducción al versionamiento

Shannon jamás vio un repositorio de Git. Murió antes de que GitHub existiera. Pero su teoría explica por qué el versionamiento funciona como si él hubiera escrito el manual.

Una objeción aparece aquí con frecuencia: la teoría de la información es ingeniería de telecomunicaciones. ¿Qué tienen que ver los bits y los canales con el acta de una reunión, una decisión del concejo municipal, la deliberación de una cooperativa? La respuesta es que cualquier sistema de decisión colectiva es un sistema de comunicación. Una propuesta es un mensaje. El debate es un canal. La votación es decodificación. El registro es almacenamiento. Shannon no teorizó sobre llamadas telefónicas. Teorizó sobre cómo cualquier información se mueve, se pierde y se recupera. La gobernanza tiene los mismos problemas.

Paso 10 — Rama (Branch) + Confirmación (Commit): Shannon definió la información como lo que reduce la incerteza. Una confirmación (commit) — el registro de un cambio en el documento oficial — es información pura en el sentido de Shannon: dice qué cambió, cuándo, quién lo hizo y por qué. Si la confirmación no reduce la incerteza (un mensaje genérico del tipo “ajustes varios”), no contiene información real. Es ruido disfrazado de registro. La rama (branch) — el ramal separado donde se desarrolla una idea antes de incorporarse — es el canal separado de Shannon: permite transmitir y probar sin contaminar el canal principal mientras la señal no está limpia. Proponés en la rama. Solo se convierte en confirmación en PRINCIPAL (MAIN) después de la revisión (review).

La revisión (review) es corrección de errores. Shannon demostró que los canales ruidosos pueden transmitir información limpia si existen mecanismos de corrección. La revisión entre pares es el código de corrección de errores de la gobernanza. Cada revisor agrega redundancia inteligente: otro ángulo, otro sesgo. No elimina todos los errores, pero reduce la tasa a algo tolerable.

La redundancia es protección, no desperdicio. Shannon mostró que las copias protegen contra las fallas. En Git, cada clonado (clone) es una copia completa. Si el servidor muere, cualquier copia restaura todo. En gobernanza: si solo una persona sabe cómo funciona el sistema, el sistema es frágil. Si diez personas tienen ese conocimiento y el registro es público, el sistema sobrevive la salida de cualquiera.

La transparencia es el canal sin ruido. Shannon mostró que cuanto más medís y corregís, mejor es la transmisión. En gobernanza: cuanta más transparencia (todo registrado, todo visible), más fácil es detectar errores. Las decisiones en conversaciones privadas que nunca se convierten en registro son un canal atascado de ruido. Sin información preservada, no hay auditoría, no hay corrección.

Alerta de vigilancia: Shannon midió cantidad, no calidad. Un repositorio puede tener mil confirmaciones por día y no contener información útil. Mucha actividad disfraza poca sustancia. El versionamiento necesita a Shannon (medir, registrar, transmitir), pero también lo que él no cubrió: juzgar si la información vale algo.

8. Implicación práctica

En 1901, el médico austríaco Karl Landsteiner descubrió que la sangre humana no es toda igual. Mezclar sangre de personas distintas a veces causaba coagulación fatal, a veces no. Landsteiner identificó el patrón: había tipos diferentes, A, B y O, y la compatibilidad entre ellos seguía reglas precisas.

Antes de él, una transfusión de sangre era una apuesta a ciegas: a veces funcionaba, a veces mataba. Después, una pregunta de tres bits (¿cuál es el tipo del donante?, ¿cuál es el tipo del receptor?, ¿son compatibles?) reducía la incerteza a casi cero. Shannon describiría décadas después la matemática de ese proceso: la cantidad de información en un mensaje es inversamente proporcional a la probabilidad de lo que revela. Landsteiner encontró las preguntas correctas, las que hacían el resultado predecible. Eso es exactamente lo que hace la información: colapsa un espacio enorme de posibilidades en algo manejable. Una buena pregunta vale más que mil datos brutos.

Imaginá ahora una cooperativa que registra todo en la computadora del presidente. El presidente viaja. La computadora se rompe. Cinco años de decisiones: perdidos. Si esa cooperativa usara redundancia (cada miembro con una copia), confirmación como información (registrar qué cambió y por qué) y canal sin ruido (transparencia), cualquier miembro podría auditar cualquier decisión. El sistema dependería del registro, no de la memoria de una persona.

9. Lecciones aprendidas

La información no es lo que sabés. Es lo que reduce tu incerteza. Si una reunión no cambió nada, no produjo información: produjo ruido.

La redundancia no es desperdicio. Es un seguro contra la catástrofe. Las copias distribuidas salvan.

El ruido es inevitable. La corrección es posible. El secreto no es evitar los errores: es tener mecanismos que los detecten y los corrijan.

Más datos no significan más comprensión. El volumen sin interpretación es sobrecarga. El sistema necesita filtros, no solo volumen.

10. Explorando caminos y conexiones.

Este es el quinto artículo del núcleo. Locke: consentimiento. Popper: corrección. Hayek: dispersión. Mises: emergencia. Shannon: información medida, transmitida, protegida.

Cinco fundamentos encajados: consentimiento, corrección, dispersión, emergencia, información.

Pero Shannon midió la información como ingeniero: bits, canales, probabilidades. No preguntó cómo nacen, compiten y mueren las ideas. No preguntó por qué ciertas ideas sobreviven siglos y otras desaparecen en semanas.

En 1976, un biólogo británico propuso una respuesta perturbadora. Richard Dawkins sugirió que las ideas se comportan como organismos vivos: nacen, se replican, mutan, compiten por atención. Las que sobreviven no son las más verdaderas. Son las mejores en copiarse a sí mismas. Las llamó “memes”, mucho antes de que internet convirtiera la palabra en chiste. El concepto original no tenía nada de gracioso.

Artículos anteriores, prefacio, introducción y documentación completa disponibles aquí:

https://codeberg.org/openarchy/gitgov

https://github.com/openarchy/gitgov

Todo el contenido es completamente open source y accesible para todos. Licenciado bajo CC BY-SA 4.0: puedes leer, compartir, traducir, adaptar y mejorar — siempre que mantengas la atribución y distribuyas los derivados bajo la misma licencia.

Si encuentras un error, tienes una idea o quieres proponer una mejora, abre un issue o haz un fork en Codeberg o GitHub. Las contribuciones son bienvenidas. Esa es exactamente la idea.

11. Referencias

1. GLEICK, James. The Information: A History, a Theory, a Flood. New York: Pantheon Books, 2011. (Edición en español: La información: Historia y realidad de los datos. Barcelona: Crítica, 2012.)
2. LANDSTEINER, Karl. Zur Kenntnis der antifermentativen, lytischen und agglutinierenden Wirkungen des Blutserums und der Lymphe. Zentralblatt für Bakteriologie, v. 27, p. 357–362, 1900. (Sin edición en español disponible.)
3. SHANNON, Claude E. A Mathematical Theory of Communication. Bell System Technical Journal, v. 27, p. 379–423; 623–656, 1948. (Sin edición en español disponible.)
4. SHANNON, Claude E. Communication Theory of Secrecy Systems. Bell System Technical Journal, v. 28, n. 4, p. 656–715, 1949. (Sin edición en español disponible.)