La Tecnociencia Como Sistema Complejo o No lineal: ¿Qué Significa?

0-tecnociencia-sistema-complejos 

Fuente: Colaje Google Imágenes

Hablabamos en un post precedente de nuestro Curso sobre tecnociencias: “La Actividad Científica como una Red de Relaciones sobre la enorme complegidad de la Tecnociencia“. Cuando mentamos que en los sistemas en los que actúan una plétora de agentes entrelazados mediante sus relaciones/interacciones mutuas nos encontramos, prácticamente siempre con que se trata de sistemas no lineales es decir complejos (Concepto de Complejidad) que también atesoran unas cualidades muy idiosincrasias que la formulación ANT debiera cumplir (Teorías Científicas Como Estructuras Complejas). Tanto la filosofía de la Ciencia que defiende Xavier Echeverría, como la Teoría Actor-Red que propusieron Latour y Callón, entienden que la ciencia, actual es una red extremadamente compleja de relaciones compuesta por humanos, sus instituciones, artefactos, instrumentos, políticas, intereses económicos, militares, industriales y geopolíticos. En este basto entramado la ciencia tiene cabida pero ya no impone, sino que se encuentra sometida al poder de otras fuerzas.  

Sin embargo, ninguna de ambas aproximaciones explota las propiedades de un entramado tecnocientífico que se encuentra sujeto a agentes cuyos intereses no coinciden, sino que incluso a menudo se encuentran en conflicto. Empero la palabras claves son Sistema Complejo, Sistemas No lineales, Sistema Complejo Adaptable, etc. Y de estos temas hemos hablado con harta frecuencia en nuestro blog. Abajo os dejo una relación de ellos, tanto para dar fe de este aserto, como para proporcionar una mayor información al respecto. Una red de tales características, que como también indico más adelante no resulta ser trivial en absoluto, sino que nos ofrece claves acerca de su estructura, dinámica y proyecciones fututasUna de ellas por ejemplo, es su imprevisibilidad, la cual entra en conflicto con (i) los intereses de los agentes no científicos por doblegar a la ciencia pura y sus practicantes y (ii) guiar el futuro de la tecnociencia, así como su sometimiento a la gobernanza global y sus intereses económicos, ya que por su naturaleza es “impredecible”.  ¿No se puede predecir lo impredecible, por mucho empeño que se demuestre porque sea así?.

En el ya reiterado artículo de  Gonzales, Casanova y Echeverría se definía la tecnociencia como “una red cuyos nodos están formados tanto por actores humanos como por actores no humanos (instrumentos, chips o cualquier otro componente tecnológico, objeto físico o ser vivo). Las consecuencias de esta definición se exploran a través del análisis de cómo se forman y se sostienen tales redes. Según este enfoque, tanto los desarrollos científicos como los tecnológicos pueden ser analizados en términos de luchas entre diferentes actores para imponer su definición del problema a resolver (Latour, 1987; Callon, 1987)”. Y tal definición, que es  aceptada por la mayoría de los expertos, al menos “en líneas generales”, conlleva inherentemente una fuerte carga de información que ni los investigadores mentados ni prácticamente, ningún otro, han explorado en la profundidad que merece, por cuanto es capital. Reitero, una vez más, que estamos intentando analizar un sistema complejo. 

Y otra vez más, para que quede absolutamente claro: como veremos en el presente post, tal definición nos lleva ineludiblemente a entender que la tecnociencia es un sistema complejo, no lineal, y por lo tanto impredecible en su estructura, dinámica y más aún proyecciones de futuro: ¿predicción?. 

Obviamente, la ciencia tradicional ineludiblemente se comportaba también como un sistema complejo. Ahora bien, el menor número de actores, sus constreñidos intereses y rivalidades relativamente comunes, así como los débiles, en general, inputs externos (en comparación con la tecnociencia), se traducen en que la comprensión de las propiedades de este tipo más rudimentario de sistema fuera “en teoría”,  algo más abordable. Y digo “teóricamente ya que tampoco son necesarios diversos factores para toparse con la mentada complejidad, inherente a casi todos los tipos de sistemas naturales, sociales, culturales, etc. Empero, ya os narramos que en la tecnociencia, intervienen muchos más agentes y a menudo con intereses contrapuestos, a varias bandas. Todos ellos conformarán una red en la cual las interacciones se producen entre los nodos de la misma, empero que resulta difícil delimitar cual es el verdadero sistema de estudio (vislumbrar la red completa). Si tuviéramos que representar tal maya en su totalidad, es decir acotar sus límites/fronteras, os puedo asegurar que no podríamos llevar a cabo tal tarea con precisión. Siempre quedarían elementos e interacciones por incluir previamente no reconocidas en tal imagen, como ocurre con las redes ecológicas, metabólicas, etc. 

En el caso de la ciencia, hasta el advenimiento de la tecnociencia, los investigadores o trabajaban casi en el limbo, a espalda de intereses ajenos, o estos eran muy claros y explícitos (investigación militar, política gubernamental: es decir la Big Science), recalcitrantemente concentrados en sus objetos de estudio, pero sin menospreciar las necesidad sociales, en numerosas ocasiones. Con la Excepción de la Big Science, la financiación necesaria solía ser menor que la que demanda actualmente y que implica un entramado de instrumentales tecnocientíficos, y la intervención estatal e industrial/empresarial (prioridades de los proyectos, personal, infraestructuras, objetivos tecnológicos) ofreciendo un mayor margen de maniobra. Empero al pasar bajo el control de los Gobiernos o consorcios de ellos (Big Science) primero, y después bajo el imperio económico/empresarial, todo ha ido cambiando y para mal de los investigadores, aunque también de los ciudadanos en general. Se impone competir en el marco de una económica neoliberal depredadoramente competitiva, en la que las personas pasamos a ser simplemente consumidores. ¿Qué consumimos?: simplemente lo que una enloquecedora y machacona máquina global de propaganda/marketing nos impele a comprar.

El tema es tan largo y complejo,  como para que tan solo presentamos un par de ejemplos y después una abundante documentación con vistas a que indaguéis por vosotros mismos.  Me centraré en la economía que tanto nos acucia.

Se ha constatado que el sistema financiero (dictadura para ser más precisos), también resulta ser no lineal. Desde hace más de un siglo, los denominados ciclos económicos han dado lugar a gravísimas crisis que han acarreado hambre, miseria, pobreza, etc. ¿os acordáis de la gran depresión de 1928?. Los expertos actuales nos intentarían vender la falacia de que por aquel tiempo los analistas financieros y sus augurios disponían de pocas herramientas con vitas a poder vaticinar la tragedia que se produjo.  Y para rematar el asunto un gran desastre natural que azotó EE.UU., agravó todo aún más (como por cierto había vaticinado un científico del suelo ¿?). Bastó añadir un elemento más y la imprevisibilidad fue ya descomunal. Recientemente, cuando nos alcanzó de pleno la gravísima crisis financiera de 2008, el arsenal de analistas y herramientas matemáticas ya era formidable, pero según ellos y los políticos, nos noqueó el desastre sin que tal plétora de sesudos expertos lo advirtiera.  ¿Era predecible? ¿Nos mintieron? ¡Tal vez! Pero también se trata de una propiedad intrínseca de los sistemas no lineales. Dicho de otro modo, podemos hacer una multitud de predicciones, empero ¿acertarán? ¡No!.

Me remito ahora a otra crisis relacionada con la anterior pero de carácter doméstico y que personalmente me afectó de pleno. Hablo de Burbuja Inmobiliaria en España. El precio de la vivienda desde finales del siglo XX hasta aquel momento subió vertiginosamente, alcanzando límites irracionales. Muchos ciudadanos comenzaron a asustarse y la inquietud se fue generalizando. Por aquel entonces, tanto el Director del Banco de España, el propio Gobierno y los análisitas financieros nos aseguraron que tales precios se estabilizarían, pero que “en ningún caso bajarían en picado”. No debíamos tener temor al respecto. Y semanas o meses después…… la tragedia sacudió a la ciudadanía española. ¿Un poder mentiroso y/o un sistema financiero impredecible?. Pues bien, durante 2017, 2018 y cas todo 2019, se repiten las mismas circunstancias y nos vuelven a espetar la misma y vacua cantinela.   ¡Todos tranquilos, no pasa nada!. Empero en los sistemas complejos pequeñas variaciones pueden amplificar sus efectos exponencialmente. Obviamente, ya sea por imprevisibilidad, ya por las mentiras (comprobadas), ya por pura incompetencia, somos muchos los que nos tememos lo peor.

Pues bien, me imagino que los lectores os preguntaréis. ¿Y qué tiene que ver todo esto con la tecnociencia?.  Simplemente la recesión económica fue tan seria como para que el sistema tecnocientífico español, cayera en picado, tanto en financiación, como en personal. Once años después, además de haber perdido puestos en el ranking mundial de las potencias en materia de ciencia, seguimos sin recuperarnos.  Es decir, uno de los elementos o más del sistema tecnocientífico demostró sus debilidades y todo el conjunto del entramado científico resultó dañado e incluso, en otros casos podría decirse que literalmente destruido.

Al lector debe quedarle claro que la complejidad de la tecnociencia, así como la futilidad de los poderes que mueven sus hilos con vistas a guiarlo por caminos seguros recaeran en los mismos errores de apreciación: ¡No son poco fiables, y sí muy impredecibles!. No me gusta el panorama de la tecnociencia actual se mire por donde se mire. ¿Se puede planificar así una I+D+i y esperar razonablemente que las políticas diseñadas alcancen los objetivos previstos? Ya iremos desgranando otros inquietantes aspectos de esa cosa a la que llaman tecnociencia. Os dejo hoy con la abundante información prometida, sintetizando lo esencial de los capítulos de Wikipedia y alguna página Web más. 

Juan José Ibáñez

Continua……

González, M. I. Casanova, P., Echeverría, J. 2004. Las nuevas ciencias y las humanidades: de la academia a la política. Anthropos Editorial, Barcelona. La teoría del actor-red y la tesis de la tecnociencia. Fundación Ikerbasque-Universidad del País Vasco. ARBOR Ciencia, Pensamiento y Cultura CLXXXV 738 julio-agosto (2009) 705-720 ISSN: 0210-1963; doi: 10.3989/arbor.2009.738n1047.

LA TEORÍA DEL ACTOR-RED Y LA TESIS DE LA TECNOCIENCIA

Javier Echeverría (Fundación Ikerbasque-Universidad del País Vasco, Instituto de Filosofía y Red CTI/CSIC) y Marta I. González (Instituto de Filosofía y Red CTI/CSIC); doi: 10.3989/arbor.2009.738n1047

Decíamos en un post reciente de nuestro Curso sobre tecnociencias:

La Actividad Científica como una Red de Relaciones). Del mismo modo, cuando hablamos de sistemas en los que actúan una plétora de agentes entrelazados mediante sus relaciones/interacciones mutuas nos encontramos, prácticamente siempre con que se trata de sistemas no lineales es decir complejos (Concepto de Complejidad) que también atesoran unas cualidades muy idiosincrasias que la formulación ANT debiera cumplir (Teorías Científicas Como Estructuras Complejas

Página Web de Fernando Sancho Caparrini: Investigación: Sistemas Complejos (Extraído parcialmente de: Red Científica , de Sergio Alejandro Moriello)

(….)Sistemas Complejos

Los sistemas complejos se caracterizan fundamentalmente porque su comportamiento es imprevisible. Sin embargo, complejidad no es sinónimo de complicación: este último hace referencia a algo enmarañado, enredado, de difícil comprensión. En realidad, y por el momento, no existe una definición precisa y absolutamente aceptada de lo que es un sistema complejo, pero pueden darse algunas peculiaridades comunes.

  • En primer lugar, está compuesto por una gran cantidad de elementos relativamente idénticos. Por ejemplo, las células en un organismo, o las personas en una sociedad.
  • En segundo lugar, la interacción entre sus elementos es local y origina un comportamiento emergente que no puede explicarse a partir de dichos elementos tomados aisladamente. (….)
  • Por último, es muy difícil predecir su evolución dinámica futura; o sea, es prácticamente imposible vaticinar lo que ocurrirá más allá de un cierto horizonte temporal.

En la naturaleza se pueden encontrar una gran cantidad de ejemplos de sistemas complejos que se extienden desde la física hasta la neurología, desde la economía hasta la biología molecular, desde la sociología hasta las matemáticas. Por ese motivo, esta clase de sistemas no constituye un caso raro ni excepcional sino que se manifiesta en la inmensa mayoría de los fenómenos que se observan a diario. Sin embargo, y a pesar de su gran diversidad y abundancia, se pueden identificar conductas dinámicas genéricas, no importa su naturaleza (física, química, biológica o social); entre ellas, las leyes de crecimiento, la autoorganización y los procesos colectivos emergentes. Como ejemplos de sistemas complejos se pueden mencionar -entre otros-  (…) o una economía de mercado.

La mayoría de los sistemas complejos son inestables, se mantienen delicadamente equilibrados. Cualquier variación mínima entre sus elementos componentes puede modificar, de forma imprevisible, las interrelaciones y, por lo tanto, el comportamiento de todo el sistema. Así, la evolución de esta clase de sistemas se caracteriza por la fluctuación, situación en la que el orden y el desorden se alternan constantemente. Sus estados evolutivos no transcurren a través de procesos continuos y graduales, sino que suceden por medio de reorganizaciones y saltos. Cada nuevo estado es sólo una transición, un período de “reposo entrópico”, en palabras del Premio Nobel ruso-belga Ilya Prigogine.

Estos sistemas nunca llegan a un óptimo global, al estado de mínima energía. En general, crecen progresivamente hasta que llegan al límite de su desarrollo potencial. En ese instante, sufren un desorden, una especie de ruptura que induce una fragmentación del orden pre-existente. Pero después, comienzan a surgir regularidades que organizan al sistema de acuerdo con nuevas leyes, produciendo otra clase de desarrollo. Este comportamiento es típico en los sistemas naturales: por ejemplo, el tránsito, en los insectos, del huevo a la larva y de ésta a la crisálida. En consecuencia, la organización de los sistemas complejos se da en diferentes niveles. Las leyes que gobiernan la causalidad de un dado nivel, pueden ser totalmente diferentes a las de un nivel superior.

Sistema Complejo (Wikipedia) :

Un sistema complejo está compuesto por varias partes interconectadas o entrelazadas cuyos vínculos crean información adicional no visible antes por el observador. Como resultado de las interacciones entre elementos, surgen propiedades nuevas que no pueden explicarse a partir de las propiedades de los elementos aislados. Dichas propiedades se denominan propiedades emergentes.  En contraposición, un sistema «complicado» también está formado por varias partes pero las relaciones entre éstas no añaden información adicional. Nos basta con saber cómo funciona cada una de ellas para entender el sistema. En un sistema complejo, en cambio, existen variables ocultas cuyo desconocimiento nos impide analizar el sistema con precisión. Así pues, un sistema complejo, posee más información que la que da cada parte independiente. Para describir un sistema complejo hace falta no sólo conocer el funcionamiento de las partes sino conocer el funcionamiento del sistema completo una vez relacionadas sus partes entre sí.

En los últimos años ha surgido, en prácticamente todos los campos del ámbito científico, una importante transformación conceptual y metodológica relacionada estrechamente al estudio de los llamados fenómenos no-lineales, cuyo análisis se engloba, parcialmente, dentro de los llamados sistemas complejos. Como parte de esta nueva visión, se ha puesto en evidencia que diversas propiedades espacio-temporales de los sistemas complejos surgen espontáneamente a partir de interacciones de los elementos constituyentes, en escalas de tiempo y longitud considerablemente mayores que las escalas donde ocurren dichas interacciones.1  (…)

Sistemas No lineales (Wikipedia)

En matemáticas, los sistemas no lineales representan sistemas cuyo comportamiento no es expresable como la suma de los comportamientos de sus descriptores. (….)

En diversas ramas de las ciencias la no linealidad es la responsable de la comportamientos complejos y, frecuentemente, impredecibles o caóticos. La no linealidad frecuentemente aparece ligada a la autointeracción, el efecto sobre el propio sistema del estado anterior del sistema. En física, biología o economía la no linealidad de diversos subsistemas es una fuente de problemas complejos, (….).

Sistema Complejo Adaptable

Sistema Complejo Adaptable (SCA) consiste de un gran número de partes y agentes que interactúan y se entrelazan entre sí. Algunos ejemplos de un SCA son: las redes neuronales y sociales, los sistemas nervioso e inmunológico, culturas antiguas y modernas, idiomas, economía, ecología, mercado de valores, los insectos sociales (las colonias de hormigas), la biósfera, el ecosistema, el cerebro, el sistema inmune, las empresas y cualquier grupo social humano con cultura y con un sistema social. El término adaptable fue acuñado por investigadores del Instituto Santa Fe, por ejemplo: Murray Gell-Mann, John Holland y otros (….). En general, este concepto de SCA se refiere a los mismos sistemas que pueden ser simulados y descritos por sistemas multi-agentes (SMA).

Sistema Complejo Adaptable

Sistema Complejo Adaptable (SCA) consiste de un gran número de partes y agentes que interactúan y se entrelazan entre sí. Algunos ejemplos de un SCA son: las redes neuronales y sociales, los sistemas nervioso e inmunológico, culturas antiguas y modernas, idiomas, economía, ecología, mercado de valores, los insectos sociales (las colonias de hormigas), la biósfera, el ecosistema, el cerebro, el sistema inmune, las empresas y cualquier grupo social humano con cultura y con un sistema social. El término adaptable fue acuñado por investigadores del Instituto Santa Fe, por ejemplo: Murray Gell-Mann, John Holland y otros. En general, este concepto de SCA se refiere a los mismos sistemas que pueden ser simulados y descritos por sistemas multi-agentes (SMA).

Sistemas Complicados, Caóticos y Complejos

Es necesario hacer una caracterización precisa para poder distinguir a los Sistemas Complejos de los Sistemas Complicados o los Sistemas Caóticos.

En un Sistema Complicado, los diversos elementos que lo conforman mantienen un grado de independencia unos de otros. Los Sistemas Complicados son reducibles, esto es, las propiedades del Sistema Complicado pueden entenderse y anticiparse mediante el estudio de los elementos constitutivos del Sistema (Page). En un Sistema Complicado o Caótico, una pequeña modificación en las condiciones del Sistema produce rápidamente resultados altamente desordenados e impredecibles.

A diferencia de los Sistemas Complicados, en un Sistema Complejo el nivel de dependencia o interacción entre los elementos se vuelve importante. Las fuertes interacciones entre sus elementos provocan que los eventos presentes tengan una gran influencia en la probabilidad de ocurrencia de muchos tipos de eventos posteriores (Axelrod).

Otra diferencia de los Sistemas Caóticos con respecto a los Sistemas Complejos, es que los primeros, se vuelven altamente desordenados; mientras que un Sistema Complejo es coherente frente a los cambios (Holland), interacciones son altamente no lineales es imposible reducir el estudio del Sistema Complejo al estudio de sus elementos constitutivos (Page).

Sistema Complejo Adaptable

Dentro de la clase de los Sistemas Complejos conviene hacer una diferencia entre los que son Adptables y los que no lo son. De acuerdo con Axelrod, un Sistema Complejo Adaptable es un Sistema Complejo integrado por agentes o poblaciones que buscan adaptarse mediante una intervención planificada. Bajo esta definición un tornado es un Sistema Complejo no Adaptable (las partes no tienen una capacidad de intervención planificada), pero los peatones en una gran ciudad conforman un Sistema Complejo Adaptable (las personas tienen la capacidad de hacer intervenciones planificadas para evitar chocar con otros peatones). Axelrod propone que en un Sistema Complejo Adaptable hay tres procesos centrales: Variación, Interacción y Selección. Para Mitchell un Sistema Complejo (Adaptable) es “Un sistema en el cual grandes redes de componentes sin control central y con reglas simples de operación origina un comportamiento colectivo complejo, procesamiento sofisticado de información y adaptación mediante aprendizaje o evolución.” (Mitchell 2009:13). De acuerdo con Mitchell, esta definición contiene tres propiedades comunes de los Sistemas Complejos Adaptables:

1. Mitchell comparte la idea de Holland de que el comportamiento colectivo complejo, de patrones cambiantes y difíciles de predecir tiene su origen en la acción colectiva más que en las acciones individuales de los componentes del sistema.

2. Procesamiento de información y señales producidas tanto en el medio ambiente interno como en el externo.

3. Cambios adaptables del sistema a través del aprendizaje o procesos evolutivos. Uno de los autores fundamentales en el desarrollo de la Teoría de los Sistemas Complejos Adaptables es John H. Holland.

Para Holland un Sistema Complejo Adaptable es un sistema compuesto por una gran variedad de agentes distintos y componentes no estáticos que no mantienen una configuración fija, sin un órgano central de planeación o dirección pero que en conjunto desarrolla una identidad única y mantiene un patrón estable y coherente a lo largo del tiempo. En esta definición Holland expande el significado del término “adaptación” para incluir el aprendizaje y los procesos relacionados con éste.

Para Kevin Dooley un Sistema Complejo Adaptable se comporta/evoluciona de acuerdo a tres principios fundamentales: el orden es emergente en lugar de tener un nivel determinado (ej. redes neuronales), la historia del sistema es irreversible y el futuro del sistema es a menudo impredecible Los elementos básicos de SCA son los agentes; los cuales exploran su medio ambiente y desarrollan esquemas de interpretación y representación de las reglas de acción. Estos esquemas están sujetos al cambio y evolución (Fuente: K. Dooley, AZ State University). (…)

(…). No hay control global sobre el sistema. Todos los agentes son sólo capaces de influir en otros agentes a nivel local. Cada agente es impulsado por mecanismos simples, por lo general las reglas de condición-acción, donde las condiciones son muy sensibles al entorno. (Fuente: Forrest, 1990).

Ejemplos de Sistemas Complejos Adaptables

Los Sistemas Complejos Adaptables se pueden encontrar en la psicología cognitiva, inteligencia artificial, sociología, ecología, biología, economía y la genética. A continuación, algunos ejemplos de SCA con sus agentes correspondientes entre paréntesis:

• Mercados (comerciantes)

• Economías (compañías)

• Ecosistemas (organismos)

• Sistemas inmunes (anticuerpos)

• Células biológicas (proteínas)

• Sistemas sociales (personas)

Sistemas políticos (partidos)

Otro ejemplo es el mercado de valores en los que los agentes adaptables (comerciantes) aprenden día a día y cambian sus acciones a medida que avanzan. Otro buen ejemplo es el sistema inmunológico, que parte de lo simple, pero aprende a que uno prevenga enfermedades complejas. Otros ejemplos de SCA incluyen los insectos sociales y las colonias de hormigas, la biosfera, el ecosistema, el cerebro, la célula y desarrollo de un embrión, la manufactura en los negocios y en general, cualquier grupo humano social, basado en la cultura y en un sistema social como los partidos políticos o redes sociales de comunidades.

Propiedades y Mecanismos de los Sistemas Complejos Adaptables

Holland menciona cuatro propiedades y tres mecanismos comunes a todos los SCA. Otras propiedades y mecanismos de los Sistemas complejos Adaptables pueden derivarse a partir de estos siete elementos básicos:

  • Agregación (Propiedad)

La agregación puede usarse en dos formas. Primero, es una manera sencilla de simplificar los SCA agregando cosas similares en categorías. Una vez que se define una cuestión de interés, se ignoran los detalles irrelevantes y se agrupan en una categoría las cosas que difieren en esos detalles. Las categorías elaboradas se convierten en bloques de construcción que pueden combinarse para construir modelos. Un segundo uso de la propiedad de agregación se relaciona con la emergencia de comportamientos complejos generados por la suma de las interacciones de agentes menos complejos. Los agregados (meta-agentes) actúan como agentes a un nivel superior y pueden exhibir comportamientos y capacidad de adaptación no presentes en los agentes individuales. En este sentido, la agregación proporciona una estructura jerárquica a los SCA.

  • No linealidad (Propiedad)

A grandes rasgos podemos entender la linealidad como una propiedad que permite obtener un valor para el todo mediante una suma de los valores ponderados de sus partes. Cuando un sistema tiene la propiedad de linealidad, es fácil usar las matemáticas para crear modelos mediante el análisis de tendencias, métodos de muestreo o búsqueda de equilibrios. Desafortunadamente los SCA no tienen esta propiedad de linealidad, lo que hace que su estudio y el establecimiento de teorías sea particularmente difícil. En un SCA las interacciones no lineales casi siempre provocan que el comportamiento agregado sea más complejo que la simple suma de los comportamientos individuales.

  • Flujos (Propiedad)

En los SCA los flujos ocurren a partir de una relación en la triada Nodo-Conector-Recurso. En términos generales los nodos son los agentes que llevan a cabo el procesamiento de recursos, mientras que los conectores son los canales de comunicación que determinan las posibles interacciones. En los SCA los flujos en la red varían a lo largo del tiempo como consecuencia del proceso de adaptación y aprendizaje. En este proceso, tanto los nodos como los conectores pueden aparecer o desaparecer dependiendo del éxito en su búsqueda de adaptación. (…) Los flujos tienen dos propiedades principales:

1. El efecto multiplicador. El efecto de una acción inicial se propaga a través de la red de interacciones provocando cambios notables en todo el sistema. Este efecto que surge independientemente de la naturaleza particular del recurso, es evidente cuando ocurren cambios evolutivos.

2. El efecto reciclante. Este efecto es debido a los ciclos en las redes. El reciclaje con una misma cantidad de recursos iniciales puede alimentar a la red muchas veces provocando que el sistema retenga sus recursos y produciendo un mayor consumo de recursos en cada nodo, lo cual hace que los agentes prosperen en mayor medida.

  • Diversidad (Propiedad)

Cada clase de agente ocupa una posición en el SCA, que es definida por las interacciones que se centran en él. Si se remueve una clase de agente, el sistema buscará adaptarse creando en el proceso otra clase de agente que proporcione las interacciones faltantes. En este sentido, la persistencia de cada agente individual depende del medio ambiente que en gran medida está constituido por otros agentes. También se crea diversidad cuando un agente exitoso se propaga generando nuevas oportunidades de interacción con otros agentes. En este proceso también se crea la oportunidad de la especialización lo cual incrementa todavía más la diversidad. En un SCA las interacciones perturbadas por la extinción de un tipo particular de agentes comúnmente se restablecen por la aparición de nuevos agentes que pueden ser diferentes a los extintos, de esta forma la diversidad es producto de las continuas adaptaciones del SCA.

  • Etiquetado (Mecanismo)

El marbeteado o etiquetado es un mecanismo “que facilita consistentemente la formación de agregados” (Holland 2004:28), es la base de la estructura jerárquica presente en un SCA. Además, el marbeteado facilita la interacción selectiva de un agente con otros agentes que sin el uso de este mecanismo serían indistinguibles. De esta forma el marbeteado constituye un mecanismo de supervivencia para la agregación y la formación de fronteras en los SCA (Holland, 2004) (….).

  • Modelos Internos (Mecanismo) (….)
  • Bloques de Construcción (Mecanismo)

Características de los Sistemas Complejos Adaptables

Una característica importante de muchos sistemas complejos adaptables es la aparición de características globales similares y estructuras en sistemas completamente diferentes. Los sistemas complejos adaptables se caracterizan como siguen y los más importantes son:

• El número de elementos es lo suficientemente grande que descripciones convencionales (por ejemplo, un sistema de ecuaciones diferenciales) no sólo son impracticables, pero dejan de ayudar en la comprensión del sistema, los elementos también tienen que interactuar y la interacción debe ser dinámica. Las interacciones pueden ser físicas o implican el intercambio de información.

Tales interacciones son bastas, es decir, cualquier elemento del sistema se ve afectado por y afecta a otros sistemas.

Las interacciones son no lineales que significa que pequeñas causas pueden tener grandes resultados.

• Las interacciones son principalmente pero no exclusivamente con los países vecinos y la naturaleza de la influencia es modulada.

• Cualquier interacción puede alimentarse a sí mismo directamente o después de una serie de etapas intermedias, tales comentarios pueden variar en calidad. Esto se conoce como “recurrency”.

• Los sistemas son abiertos y puede ser difícil o imposible de definir el sistema.

• Los sistemas complejos adaptables operan lejos de las condiciones de equilibrio.

• Todos los sistemas complejos adaptables tienen una historia, evolucionan y su pasado es corresponsable de su comportamiento presente.

Los elementos en el sistema ignoran el comportamiento de todo el sistema como un todo.

“Hay sistemas complejos, como el del clima, que son, impredecibles

Economía y complejidad; algunas implicaciones para el diseño … – Uhu

Economía creativa, la economía de los sistemas complejos – Gestiopolis

La Salud Pública: Sistema complejo -

La organización como sistema complejo

Filosofía del Conocimiento

Algunos post Previos incluidos en esa categoría

Teorías Científicas Como Estructuras Complejas

Evolución Social: Redes, Jerarquías y Sistemas Complejos

La Magia de los Números, Diversidad de la Naturaleza y Una Teoría del Todo

Metaciencia y Ciencia (Una Nueva Perspectiva)

Análisis Metacientíficos y Metaciencia

Teoría de Sistemas: El Dilema de la Demarcación de sus Límites y Elementos

Taxonomías Edafológicas y Biológicas: Estructuras Fractales y Multifractales

Psicología Cognitiva, Números Mágicos, Regla de Miller y Taxonomía de Suelos

La Estructura de los Diccionarios: Jerarquías, Leyes de Escala y Regla de Miller

Redes en Malla versus Jerarquías. Similitudes y Diferencias

Concepto de Red y Sistema Jerárquico: Aspectos Estructurales

Redes y Sistemas Jerárquicos: Aspectos Funcionales

‘Redes Complejas, Ecológicas, Sociales y el Mundo de Internet’

Los Mundos Pequeños y los Seis Grados de Separación: Una Conjetura Corroborada ¿Y la Regla de Miller?

Teoría de la Evolución y Sociedad: Neodarvinismo vs. Teoría Simbiogénica de la Evolución; Microsoft vs “Creative Commons”

Guerra Por un Nuevo Modelo de Sociedad: Neodarwinistas en la Superficie, Simbiogénicos en el “Mundo de Matrix”

De la Madre Tierra a Gaia y/o Gea Pasando por la Biofilia

Teoría de Juegos, Evolución y Complejidad y Crisis Económica

Jugando a Ser Inmortales: Transhumanismo y Singularidad Tecnológica (El día en que dejemos de ser humanos.

El Origen y Evolución de la Complejidad

La Decadencia de las Civilizaciones y su Complejidad

Conexiones Cósmicas, Telas de Araña y Arquitectura de la Complejidad

El Pensamiento Logarítmico y la Estructura de la Naturaleza

Jugando a Ser Inmortales: Transhumanismo y Singularidad Tecnológica (El día en que dejemos de ser humanos

La Actividad Científica como una Red de Relaciones

Ecosistemas: Redes Tróficas, Redes Energéticas, Cadenas Alimentarias y Pirámides de Población

La Mente Humana, Espejo de la Naturaleza (y Viceversa)

El Crecimiento de las Redes Sociales y su Estructura en Relación con las Redes Biológicas

En Internet

Las organizaciones como sistemas sociales complejos

Sistema complejo – Wikipedia, la enciclopedia libre

https://es.wikipedia.org/wiki/Sistema_complejo

Propiedades de Sistemas … · ‎Ejemplos · ‎Referencias · ‎Enlaces externos

Sistemas Complejos – Fernando Sancho Caparrini

Tema 1: Introducción a los sistemas complejos

Los sistemas complejos – El pensante


Etiquetas: , , , , ,

Si te gustó esta entrada anímate a escribir un comentario o suscribirte al feed y obtener los artículos futuros en tu lector de feeds.

Comentarios

Aún no hay comentarios.

(requerido)

(requerido)


*