No hay un consenso sobre la definición exacta de la complejidad pues en tal concepto hay muchas facetas.
Quizás sea más conveniente entender la complejidad como un intento de interpretar la realidad desde muy diversos posicionamientos y tratar de ver que tienen en común entre ellos.
Introducción
Se observa que muchas entidades simples, los llamados agentes, producen comportamientos complejos sin tener un control central. Los comportamientos complejos pueden entenderse como propiedades eventuales que alcanzan los sistemas cuando los agentes actúan de cierta manera.
Los comportamientos complejos más destacados en los sistemas complejos son la emergencia, la autoorganización, la adaptación y la importancia de las redes tanto en la estructura de los sistemas como en la transmisión de información a través de los mismos. Todos estos comportamientos surgen de la acción de agentes independientes, ya sean hormigas, células y moléculas orgánicas, que actúan de manera descentralizada.
1.1.- AGENTES SIMPLES PRODUCEN COMPORTAMIENTOS COMPLEJOS
Las hormigas, las neuronas, las células de sistema inmune, los cromosomas, los miembros de un ecosistema o las personas en las redes sociales, son algunos ejemplos de estos agentes qué, en interacción, producen comportamientos complejos:
1.2.- PROPIEDADES QUE SON COMUNES A LA MAYORÍA DE SISTEMAS COMPLEJOS
A diferencia de los comportamientos, que son una respuesta eventual del sistema, las propiedades se manifiestan siempre. Las típicas son: existencia de agentes simples (muchas veces de naturaleza heterogénea); la emergencia; la no linealidad (en la expresión matemática de su análisis); la descentralización; la evolución del sistema a consecuencia del aprendizaje; la organización jerárquica formando niveles -capas- estructurales y finalmente, estados dinámicos que varían de un momento a otro.
1.3.- BASES DE LA INVESTIGACIÓN DE LOS SISTEMAS COMPLEJOS
El objetivo más importante de la investigación es trabajar en áreas independientes de investigación, cuyos resultados conllevan conocimiento interdisciplinario, es decir, los resultados en un área son aplicables en otras disciplinas. Para ello se abordan cuatro ámbitos de estudio principales -computo, evolución, información y dinámicas- y sus respectivas metodologías:
1.4.- DEFINICIÓN Y MEDIDA DE LA COMPLEJIDAD.
La complejidad es difícil de definir o más precisamente, tiene muchas definiciones diferentes en campos diferentes. Un buen acercamiento a la idea de complejidad, está en un artículo clásico, excelente y premonitorio llamado «ciencia y complejidad» escrito por el matemático Warren Weaver en 1948. En él dividió los problemas de interés en la ciencia en tres categorías:
En palabras de Warren Weaver:
«Estos nuevos problemas -y el futuro del mundo depende de muchos de ellos- requieren de la ciencia lograr un tercer gran avance, un avance que debe ser mayor aún que el que se llevó a cabo en el siglo XIX con los problemas de la simplicidad o en el siglo XX con los problemas de la complejidad desorganizada».
Entre los problemas demasiado complicados, Warren Weaver cita los siguientes:
«La ciencia debe, en los próximos 50 años, aprender a lidiar con estos problemas de la complejidad organizada: ¿De qué depende el precio del trigo? ¿Cómo puede estabilizarse en forma sabia y efectiva el sistema monetario? ¿Qué lleva a que una flor del atardecer se abra de la forma en que lo hace? ¿Cuál es la descripción del envejecimiento en términos bioquímicos? ¿Qué es un gen, y cómo la constitución genética original de un organismo vivo se expresa a sí misma en las características desarrolladas en el adulto? ¿Cómo puede explicarse el patrón de conducta de un grupo organizado de personas tal cual sucede en un sindicato, en una cámara de comercio o en una minoría racial?» (Weaver 1948)
Si definir la complejidad es difícil, más aún lo es establecer una medida de la misma. ¿cuán complejo es un sistema comparado con otro? Es posible que esta pregunta no tenga ni respuesta ni sentido plantearla. Se han intentado aproximaciones mediante la cantidad de información o con la variabilidad -ley- de Ashby. La teoría de la información se aborda en este curso (ver la unidad 04.- Información, orden y aleatoriedad). Sobre la ley de Ashby ver las referencias.
Al término de las explicaciones, la profesora M. Mitchell realiza entrevistas cortas a sus colegas del SFI con la pregunta ¿Qué es complejidad para ti? He transcrito y traducido estas entrevistas en este documento pdf.
Referencias y lecturas complementarias
1.- Artículos «William Ross Ashby» y «Warren Weaver» en Wikipedia
2.- El capítulo 1 del libro «Complejidad y Tecnologías de la Información (Generalidades)» se titula «La variedad en el sentido cibernético» y profundiza en este concepto.
ANEXOS A LA UNIDAD 01
Esta primera unidad del curso «Introduction to Complexity» del SFI, presenta algunos modelos básicos de NetLogo que sirven como una introducción o tutorial sobre la forma de trabajar con modelos basados en agentes, (ABM, en sus siglas en inglés). Estos modelos se refieren a las hormigas como agentes: son «Ant1«. «Ant2» y «AntsNew«.
Todos los modelos que se utilizan en el curso están transcritos para facilitar su análisis y comprensión. En particular los de esta unidad son: N01.-Ant1; N01.- Ant2; N01.-AntNew.
Nota sobre la nomenclatura de las transcripciones de modelos NetLogo.- A los nombres originales de los modelos, que tienen la extensión .nlogo, les he puesto la letra N (de NetLogo) y el número de unidad del curso donde se utiliza.
Los tres últimos apartados de esta primera unidad, Melanie Mitchell los dedica a una introducción a NetLogo. Son los apartados 1.7; 1.8 y 1.9 cuyos videos muestro a continuación por su interés para los que no conozcan la programación en esta interfaz y por ser NetLogo parte esencial del curso:
1.7 Introducción a NetLogo Video 1 [11:02 ]
1.7 Introducción a NetLogo Video 2 [3:25]
Una visualizados estos dos vídeos se propone el siguiente ejercicio.
Pregunta 1
Descargue AntsNew.nlogo
Establezca la población en 200 y la tasa de difusión en 20.
Para cada valor de tasa de evaporación a continuación, ejecute el modelo cinco veces y, para cada ejecución, registre la cantidad de tics que se necesitan hasta que se come toda la comida. (Recuerde hacer clic en «setup» antes de cada ejecución). Puede deslizar la barra de velocidad para hacer que esta ejecución sea más rápida.
Luego hay que promediar estos cinco números; este es el “tiempo promedio ” para este valor de tasa de evaporación.
¿Qué valor de tasa de evaporación a continuación hace que las hormigas sean más rápidas (en promedio) para comerse toda la comida?
Respuesta A: tasa de evaporación = 0
Respuesta B: tasa de evaporación = 5
Respuesta C: tasa de evaporación = 20
1.8 Primer modelo de NetLogo (Introducción opcional a la programación de NetLogo) [17:34]
1.9 Segundo modelo de NetLogo (Introducción opcional a la programación de NetLogo, 2ª parte) [18:45]
Esta primera unidad termina con una tarea opcional (homework) para tres tipos de aprendizaje: básico, intermedio y avanzado, que puede verse (en inglés) aquí.
