Breve introducción a las Ciencias de la ComplejidadCiencias de la Complejidad
(algunas metáforas para entender la realidad, desde la zona dura de la ciencia)
Andrés Ricardo Schuschny([email protected])( @ y )
2008
“El verdadero viaje de descubrimientos no consiste en buscar nuevas tierras, sino en ,
ver con nuevos ojos” Marcel Proust (1871-1922)( )
“Ningún problema puede resolverseNingún problema puede resolversecon la misma conciencia con que se creo”
Albert Einstein (1879 1955)Albert Einstein (1879-1955)
Para empezarp• El universo no es un ámbito de orden donde el
“caos” es una excepción sino (tal vez) un sitio caótico, desordenado e incierto con aisladas zonas de orden que emergen de ese caos
• Existen sistemas simples que pueden generar conductas complicadas = Caosp
• Existen sistemas complejos” desde donde pueden surgir comportamientos emergentes =pueden surgir comportamientos emergentes = Complejidad
Resulta relevante conocer este tipo de sistema
Surgirán temas que nos pueden servir de metáforas
Andres Schuschny
g q ppara entender hechos estilizados de la realidad
Los fractales• Un fractal es un objeto geométrico que se caracteriza por las
propiedades:– Autosimilaridad o invariancia de escala: presenta la
misma apariencia independientemente del grado de ampliación (escala) con que se observaampliación (escala) con que se observa
– Autorreferencia: el propio objeto aparece en la definición de sí mismo (autopoiesis)de sí mismo (autopoiesis)
– Se trata de una geometría de dimensiones fraccionarias
Andres Schuschny
Fractales: Algunas lecciones
Nos ponen en evidencia que el todo y las partes se l ió i di i bl I d d iencuentran en una relación indisociable: Interdependencia
Oposición entre:• Reduccionismo: el todo es la suma de las partes. Regla de diseño: ObjetivaciónRegla de diseño: Objetivación• Conexionismo: es un principio de organización de l t l l i f ila naturaleza en la que ninguna cosa funciona independiente del resto. Regla de diseño: Pensar globalmente, actuar localmente.
Andres Schuschny
Sistemas dinámicos• Un sistema dinámico es un sistema que
evoluciona de estados en el tiempo, comoevoluciona de estados en el tiempo, como función de su propia situación.
• Pueden ser:DiscretosEj.:
ContinuosEj.:
• Además, los hay:Lineales o no lineales– Lineales o no lineales
– Comportamientos: Estables, inestables, periódicos o caóticos
Andres Schuschny
Sistemas dinámicos• Ejemplo: Oscilador armónico (resorte o péndulo)
El espacio de fase es
Andres Schuschny
pun atractor simple
Ejemplo: Dinámica de poblaciones
• Sea R el número de conejos en un nicho ló iecológico:
• r > 0 crecimiento
• r = 0 equilibrio• r = 0 equilibrio
• r < 0 extinciónAndres Schuschny
r 0 extinción
Ejemplo: Ecuación logística• Sea R el número de conejos en un nicho
ecológico “saturable”:ecológico saturable :
Saturación asintótica
Crecimiento inicialexponencial
Así funciona la adopción de nuevas
te po e c a
tecnologías
Andres Schuschny
Ejemplo: Modelo de Lotka-Volterra• Si hay varias especies Ri en competencia:
Con ri las tasas de crecimiento de cada especieaij la matriz de interaccionesaij la matriz de interacciones n el número de especies, Sistema de n x n 15 especies
Andres SchuschnyTiempo Tiempo
Ejemplo: Modelo de Lotka-Volterra
At t t ñ i t á fi ti d lAtractores extraños: sistemas un poco más sofisticados que el oscilador armónico tienen espacios de fase que se repliegan. Su forma evidencia un cierto orden estructural a pesar que las series puedan ser “caóticas” es decir sensibles a las condiciones iniciales y por lo tanto
Andres Schuschny
“caóticas”, es decir sensibles a las condiciones iniciales y por lo tanto impredecibles
Caos determinístico• Caos es el comportamiento impredecible de un
sistema dinámico determinístico.
• “Sensibilidad a las condiciones iniciales” (efecto mariposa) Fluctuaciones acotadas y intermitencias impredecibles.
• La dinámica se representa en forma de atractoresextraños
• Incerteza irreducible: la impredictibilidad de un sistema puede no deberse a nuestra ignorancia (error propagado), sino ser una propiedad intrínseca de los mismos sistemasmismos sistemas.
• Metáfora: planificar o tener visión (y tirarse a la pileta)
Andres Schuschny
Sistemas Complejos• Compuestos por una enorme cantidad de componentes
en interacción (condición acción) capaces de intercambiar entre ellos y con el entorno materia, energía o información y de adaptar sus estados internos como consecuencia de tales interacciones (paralelas).consecuencia de tales interacciones (paralelas).
• Dan lugar a “comportamientos emergentes”.
• Suelen ser “computacionalmente irreducibles”: obligan a la aproximación constructiva (bottom-up)
• Pueden exhibir estados estacionarios, fenómenos críticos, transiciones de fase, fluctuaciones, histéresis, frustración, metaestabilidades y un sinnúmero de meso estadosmetaestabilidades, y un sinnúmero de meso-estados.
• Evolucionan en el “borde del caos”.
Andres Schuschny
Ejemplos de sistemas complejosj p p j• El comportamiento atmosférico (sistemas turbulentos)• Los hormigueros, colmenas , cardúmenes y manadasLos hormigueros, colmenas , cardúmenes y manadas• Las redes metabólicas, los sistemas autoinmunes, la
diferenciación celular y los sistemas neuronalesEl fl j d l á i b l d l i d fl id• El flujo del tránsito urbano, el desplazamiento de fluidos en medios porosos
• La economía y la dinámica de los mercadosLa economía y la dinámica de los mercados• Los sistemas ecológicos, la evolución de la biodiversidad y
extinción de especies L di á i d d (I d i id d)• La dinámica de redes (Internet y toda conectividad)
• La propagación de epidemias, rumores, incendios, ataques especulativos, pánicos bancarios, etc.especulativos, pánicos bancarios, etc.
• La dinámica de cooperación - competencia en los sistemas socialesE
Andres Schuschny
• Etc. …
Modelos de sistemas complejos p j• Redes Neuronales (memoria asociativas, modelo de
Hopfield)Hopfield)• Autómatas celulares (Juego de la vida, etc.)• Modelo de Ising (ferro y para magnetismo)• Modelo de Ising (ferro y para-magnetismo)• Criticalidad autoorganizada (SOC)
Dil d l i i i l t t did• Dilema del prisionero espacialmente extendido• Percolación
Se trata de especificar interacciones simples que produzcan comportamientos compartidos por una produzcan comportamientos compartidos por una
gran variedad de sistemas sin depender de los detalles locales de cada sistema particular
Andres Schuschny
p(hipótesis de la universalidad de clases).
El juego de la vidaRegla de actualización:• Una celda viva con 2 ó 3 vecinos vivos = sobrevive• Una celda viva con menos de 2 ó más de 3 vecinos vivos = muere• Una celda muerta con exactamente 3 vecinos vivos = nace
• La evolución queda determinada al especificarse el estado inicial (no hay parámetros exógenos)• Es equivalente a una computadora universal de Turing Puede
Andres Schuschny
• Es equivalente a una computadora universal de Turing. Puede computar todo lo que se puede computar algorítmicamente.
Fenómenos críticos
• Ciertos sistemas con muchos grados de libertad gexhiben transiciones de fase.
• Se trata de cambio abruptos en el estado• Se trata de cambio abruptos en el estado macroscópico cuando algún parámetro cambia más allá de un valor crítico (por ejemplo lamás allá de un valor crítico (por ejemplo, la temperatura)
Andres Schuschny
Ejemplo de fenómenos críticos• Transición ferromagnética - paramagnética
¡Usemos un toy model para entender esto!
Andres Schuschny
¡Usemos un toy-model para entender esto!
Modelo de IsingRegla de actualización:• Cada nodo está en un estado de spin (s = +1↑ ó s = -1↓)• Se selecciona un nodo y se cambia su estado (spin) si
por ello baja la “energía” sino igual cambia de estado con probabilidad: (algoritmo de Metrópolis-MonteCarlo)
Ojo: ¡la topología importa!Ojo: ¡la topología importa!(se suponen condiciones de contorno períódicas)
La temperatura es un parámetro
Andres Schuschny
La temperatura es un parámetro (global) del sistema
Modelo de Ising
T < TC T > TCMagnetizationMagnetization espontánea
F d d dFase desordenada(no hay magnetización)
Todos los observables se comportanT ~ TCTodos los observables se comportan como “power laws”:
“estado crítico”es el “exponente crítico”
estado crítico (universalidad de clases)
En el estado crítico• La función de correlación:
• La longitud de correlación:
• Mide una “distancia o escalacaracterística” (en la que loscaracterística (en la que los spines están correlacionados).
• En el punto crítico es infinita, o h lsea que no hay una escala
definida. • Los detalles locales de la
dinámica pueden obviarse. • Los clusters que se forman son
fractales
Andres Schuschny
fractales.
¿Una fenomenología de la dinámica social?
• ¡De las micros decisiones al macro-comportamiento!
dinámica social?
• ¿Cómo se forma el consenso?• Con algunas sofisticaciones del modelo de Ising se tiene:g g
N = total de votos por partidoQ = Número de partidosv = # votos obtenidos por candidato
Costa Filho et al., Physica A (2003); J. Sethna et al., Nature 410, 242 (2001),
S.F. & C. Castellano, physics/0612140
Criticalidad autoorganizada (SOC)(SOC)
L hi t i d B k T Wi f ld (BTW)• La hipotesis de Bak-Tang-Wiesenfeld (BTW)sugiere que gran cantidad de clases de sistemas se comportan como sistemas termodinámicos en estado comportan como sistemas termodinámicos en estado crítico (power laws).
• Ademas, los sistemas referidos se mueven espontaneamente hacia ese estado (el atractor del
)sistema es un punto crítico).
• No dependen de un parámetro global (como la p p g (temperatura)
Andres Schuschny
Un toy-model para entender el SOC “El modelo de la pila de arena”El modelo de la pila de arena
Andres Schuschny
Criticalidad autoorganizada: “El modelo de la pila de arena”El modelo de la pila de arena
• Las avalanchas son el fenómeno emergente (inevitable)
Andres Schuschny
Criticalidad autoorganizadag• Hay una invariancia de escala temporal o espacial
(leyes de potencias = no hay escalas privilegiadas)(leyes de potencias = no hay escalas privilegiadas)
• El sistema se autoorganiza en un estado que es enEl sistema se autoorganiza en un estado que es en sí crítico (dimensión de correlación infinita)
El SOC táf t d l• El SOC es una metáfora para entender los principios subyacente de sistemas como los mercados, la dinámica de rumores y los ataquesmercados, la dinámica de rumores y los ataques especulativos, los terremotos, etc.
• Hipótesis de la evolución puntuada (Stephen Gould y Niles Eldredge). ¡Saltacionismo!
Andres Schuschny
Leyes de PotenciasPalabras en los textos Tamaño de los cortes de luz
Magnitud de terremotos Acceso a documentos en Internet
Andres Schuschny
Modelo de Terremotos
Carlson & Langer (1989), Mechanical Model of an earthquake fault, Phys. Rev. A40, 6470.
Andres Schuschny
Modelo de Incendios Forestales
Distribución del tamaño de los incendios forestales
Bruce D. Malamud, Gleb Morein, Donald L. Turcotte (1998), Forest Fires: An Example of Self-Organized Critical Behavior, Science 18 septiembre, 1998.
Leyes de potencia ¿donde más?y p ¿• Población de la ciudades
Tamaño de los cráteres lunares• Tamaño de los cráteres lunares• Tamaño de las manchas solares
T ñ d l hi l PC• Tamaño de los archivos en las PC• Muertes en las guerras• Ocurrencia de nombres • Ventas de libros, música, etc. (long tail)• Distribución de la riqueza• Tráfico en Internet• La volatilidad en los mercados financieros• ¿Revoluciones sociales? (puntuated equilibrium)
Andres Schuschny
¿ ( )
Sistemas Complejos: Atributos básicos
• No linealidadN l l i i i d i ió (l it d d l f tNo vale el principio de superposición. (la magnitud de los efectos no es proporcional a la de sus causas). Descartar la hipótesis del agente representativo.Descartar la hipótesis del agente representativo.
• Autoorganización - comportamiento emergente(propiedad de escala)(propiedad de escala).– “No hay nada que encontrar en la colmena que no pertenezca a una abeja.
Sin embargo, en una abeja nunca se encontrará la colmena”. Kevin Kelly
• Nodos, conectividad (topología) y flujosAgentes + estados internos + Vinculos (flujos) (Topología)(La emergencia es un proceso de causalidad débil)Procesamiento paralelo (local) - Ausencia de control (global)
Andres Schuschny
Sistemas Complejos: Atributos básicos
• FlexibilidadDiversidad de meso estados (metaestabilidad histéresisDiversidad de meso-estados (metaestabilidad, histéresis, oscilaciones, frustración, etc.)
• Robustez + Equilibrio dinámico + AdaptaciónRobustez Equilibrio dinámico AdaptaciónLa identidad de mantiene mientras hay evolución.
Retroalimentaciones negativas: corrigen desviaciones se– Retroalimentaciones negativas: corrigen desviaciones , se oponen al cambio
– Retroalimentaciones positivas: que las amplifican, Retroalimentaciones positivas que as a p ca ,promueven el cambio (la complejidad crea complejidad)
– Uno u otro mecanismo se activa por acción de umbrales
• Incertidumbre fundamental o irreductibleNo puede salvarse con más data e investigación
Andres Schuschny
No puede salvarse con más data e investigación.
Complejidad y CaosComportamientos
Impredecibles PredeciblesSistema Complejo:
La relaciones de causa y efecto no se repiten y
Sistema complicado: Causa y efecto están
separados en tiempo yriabl
es
chas
y efecto no se repiten y son impredecibles
separados en tiempo y espacio, pero pueden
estudiarse
de V
ar
Muc
Sistema caótico: No puede percibirse
que haya relaciones de
Sistema Simple: La relación
causa/efecto es mer
o d
Poc
as
q ycausa y efecto repetible y predecibleNú P
C C á i t i d d l t i t d i t l ti tCaos: Cuán intrincados pueden ser los comportamientos de sistemas relativamente simples.
Complejidad: Se busca encontrar comportamientos emergentes en sistemas con
Andres Schuschny
p j p gmuchos grados de libertad. La dinámica evoluciona a mitad de camino entre el orden y el desorden (“en el borde del caos”).
La sociedad es un sistema l j t iéticomplejo autopoiético
• Autopoiésis: Es la capacidad de un sistema deAutopoiésis: Es la capacidad de un sistema de organizarse de tal manera que el único producto resultante sea él mismo.
• Por ende busca conservarse a sí mismo resistiendo el cambio o cambia para mantenerse intacto a sí pmismo. Sólo interesa lo que interesa.
• Ello se realiza mediante ciclos de retroalimentaciónEllo se realiza mediante ciclos de retroalimentación positiva o negativa.
Andres Schuschny
Complejidad y sociedad• Los sistemas humanos no siguen leyes estrictas, son
creativos, donde apenas es posible cierta capacidad de previsiónprevisión
• La acción humana supone complejidad: elementos estocásticos, azar, iniciativa, decisión, intencionalidad, conciencia de las posibles desviaciones y transformaciones
• Entender la complejidad es absorber variedad (Ashby):• Entender la complejidad es absorber variedad (Ashby): colaboración, sinergia, co-evolución, tolerancia a errores, pluralismo, co-dependencia: Web 2.0.
• Entender que pequeñas perturbaciones pueden producir grandes cambios y grandes fuerzas pueden originar ningún cambio.originar ningún cambio.
• ¿Acción política o señalización? Mi recomendación:Señalizar globalmente para generar acción
bl l l t
Andres Schuschny
responsable, localmente
Dos enfoques en pugnaq p gAnálisis tradicional Enfoque Caos-Complejidad
Materialista-Positivista: La materia por sobre la mente
Cognitivista: La mente es la esencia de todas las cosas
Reduccionista: El todo es la suma de las parte. Estudiemos las partes
Conectividad: El universo es un conjunto de relaciones orgánicas. El todo es más que la suma de las partes
Determinista: Cada causa produce un efecto lineal y predecible
Indeterminista: La relación de causa y efectos se hace porosa, todo se relaciona en forma impredecible
Mecanicismo: El universo funciona como una máquina
Emergencia: Las propiedades surgen de la totalidad. El universo crece en complejidad, coherencia y diferenciacióncomplejidad, coherencia y diferenciación
Conservación: El potencial se sostiene si se mantiene el estado de equilibrio
Disipación: Los sistemas en interacción con el entorno son estructuras disipativas Intercambio con el medio
Andres Schuschny
equilibrio disipativas. Intercambio con el medio.
Top Related