Simulación y justificación en la era del deep learning: AlphaFold como ejemplar paradigmático de modelos opacos

• Erick Manuel Rubio ^[1] ; Leandro Giri ^[2] ; Miguel Fuentes ^[3] ; Elkin Navarro ^[4]
  1. [1] Universidad del Norte

     Universidad del Norte

     Colombia

     
  2. [2] Universidad Nacional de Tres de Febrero

     Universidad Nacional de Tres de Febrero

     Argentina

     
  3. [3] Consejo Nacional de Investigaciones Científicas y Técnicas

     Consejo Nacional de Investigaciones Científicas y Técnicas

     Argentina

     
  4. [4] Fundación Universitaria San Martín

     Fundación Universitaria San Martín

     Colombia

     

  Mostrar afiliaciones +
• Localización: Tópicos: Revista de Filosofía, ISSN-e 2007-8498, ISSN 0188-6649, Nº. 76, 2026, págs. 283-313
• Idioma: español
• Títulos paralelos:
  • Simulation and justification in the age of deep learning: AlphaFold as a paradigmatic case of opaque models
• Enlaces
  • Texto completo
• Resumen
  • español

    Este artículo examina el estatuto epistémico de los modelos computacionales contemporáneos basados en deep learning a partir del caso de AlphaFold, con el objetivo de evaluar en qué medida estos sistemas pueden comprenderse dentro del marco tradicional de las simulaciones computacionales o si requieren categorías epistémicas diferenciadas. A partir del análisis del marco propuesto por Paul Humphreys —en particular, las nociones de “plantilla” y “modelo computacional”— se explora la posibilidad de una continuidad formal y epistémica entre las simulaciones clásicas y los sistemas de aprendizaje profundo, atendiendo críticamente a los problemas de opacidad, verificación y validación pragmática, y al papel constitutivo de la representación visual. Se muestra que, si bien las concepciones representacionalistas clásicas resultan insuficientes para dar cuenta del funcionamiento interno de modelos como AlphaFold, estos sistemas tampoco pueden reducirse sin más a meros dispositivos algorítmicos. En este sentido, el artículo argumenta que AlphaFold sitúa a la filosofía de la ciencia ante la necesidad de repensar los criterios de justificación epistémica y el alcance mismo de la noción de “simulación” en el contexto del deep learning.

  • English

    This paper examines the epistemic status of contemporary computational models based on deep learning through the case of AlphaFold, with the aim of assessing to what extent such systems can be understood within the traditional framework of computational simulations or whether they require distinct epistemic categories. Drawing on Paul Humphreys’ analytical framework—particularly the notions of computational templates and computational models—the paper explores the possibility of a formal and epistemic continuity between classical simulations and deep learning systems, while critically addressing issues of opacity, pragmatic validation, and the constitutive role of visual representation. The analysis shows that, although classical representationalist accounts are insufficient to capture the internal functioning of models such as AlphaFold, these systems cannot be straightforwardly reduced to mere algorithmic devices. In this sense, it is argued that AlphaFold confronts philosophy of science with the need to rethink both the criteria of epistemic justification and the scope of the notion of simulation in the era of deep learning.