Sistemas complejos: agentes y autoorganización II
Cómo emergen las dinámicas y estructuras de la autoorganización de los agentes
Siento que se retrasara una semana este artículo, pero tiene mucha «chicha» y quería darle el cariño necesario. Además, combinar el trabajo con preparar y escribir estos artículos, está costando más de lo que había previsto.
Sobre todo porque estan surgiendo charlas (una sobre movilidad articular y anatomía aplicada en un instituto en La Palma, y otra virtual a mis compis de trabajo, en Red Hat, sobre cómo aprendemos) y eso también quita tiempo.
Pero vamos al lío, porque el artículo de hoy es interesante.
Índice
Introducción
Dinámicas emergentes
¿Qué es un umbral?
Modelo de segregación
Feedbacks, externalidades e interdependencias
Dinámicas en un ecosistema simplificado
Cultura: el sistema es distinto a la suma de los agentes
Redes como estructuras emergentes
Modelos basados en agentes
Resumen
Introducción
En el artículo anterior veíamos lo que eran los agentes y cómo estos se autoorganizan en los sistemas complejos, sin necesidad de un plan o alguien externo que los dirija. Además, vimos cómo esta autoorganización se crea gracias a que cada agente sigue unas reglas muy sencillas y que reacciona ante cambios en el entorno o frente a los otros agentes.
En ese artículo me centré más en el qué, pero en este me centraré más en el cómo.
¿Cómo surgen estos nuevos comportamientos y estructuras en los sistemas complejos a partir de estas simples interacciones entre sus agentes?
También veremos cómo influyen dichos cambios en la complejidad, dinamismo e impredecibilidad de dichos sistemas. Para luego explorar una herramienta que nos ayudará mucho a entender estos sistemas y tomar decisiones: los modelos basados en agentes.
Dinámicas emergentes
¿Qué es un umbral?
Antes de comenzar a analizar las distintas dinámicas que emergen de esta autoorganización, es conveniente entender el concepto de «umbral»:
Umbral: Es el valor límite que, una vez superado, provoca un cambio en el estado o comportamiento del sistema. Los umbrales son fundamentales para entender los puntos de inflexión, ya que el sistema cambia de estado o comportamiento una vez se cruza el umbral.
Si no has leído el artículo sobre los «atractores», te recomiendo que lo hagas, puesto que está muy relacionado con esto y usaré ejemplos de ese artículo. A modo de resumen, podríamos decir que los atractores son estados estables a los que tiende un sistema.
Por ejemplo, el cuerpo humano tiene un estado estable en el que su temperatura es de 36,5 °C. El organismo usará diferentes mecanismos para volver a dicha temperatura cada vez que se aleje de ella. Independientemente de las variaciones internas o externas, el sistema tenderá hacia ese estado estable.
Pero, si las variaciones son muy grandes, puede que se sobrepase el límite que es capaz de rectificar. Ese punto será el «umbral». Dependiendo de si el sistema tiene otros estados estables o no, una vez se sobrepase dicho umbral, pueden pasar dos cosas:
Se cambia a otro estado estable. Lo que se llama un «cambio de fase».
Se alcanza el punto de saturación, donde la capacidad del sistema para absorber o adaptarse a cambios adicionales está limitada, y su rendimiento o eficacia comienza a degradarse. En situaciones extremas, este estado podría llevar al colapso del sistema.
Estos atractores, o estados estables, de un sistema suelen generar un comportamiento del mismo, así cuando un sistema con varios atractores sobrepasa un umbral, suele cambiar su comportamiento.
— Muy bien, todo esto es superinteresante, ¿pero qué tiene que ver con los agentes o la autoorganización?
Pues mucho, ya que la forma en la que se comportan los agentes, e incluso sus reglas, pueden «cambiar» si se sobrepasan ciertos umbrales. Esto quiere decir, que las reglas simples y fijas que siguen los agentes pueden cambiar, cambiando así las dinámicas entre los agentes.
Bueno, en realidad las reglas en sí no cambian, como explicaba en el artículo anterior, el agente puede crear nuevas reglas (meta-reglas) que actúen sobre las anteriores.
Esto puede ocurrir a nivel del sistema o de cada uno de los agentes. Esto es así porque, como vimos en el artículo anterior, los agentes pueden ser en sí mismos sistemas complejos, con atractores, umbrales y cambios de fase.
Umbral del agente
Los agentes siguen reglas simples y fijas, pero si debido a las interacciones con otros agentes y el entorno, un agente sobrepasa un umbral, este puede cambiar su comportamiento y seguir otras reglas.
Por ejemplo, una esponja absorbe líquidos, pero llegado un punto, moja en vez de secar.
Umbral del sistema
Del mismo modo, el sistema tiene sus umbrales y si se sobrepasa alguno de ellos, el sistema entero puede cambiar su comportamiento.
Por ejemplo, una piscina llena de esponjas absorberá agua mientras tenga agentes que sean capaces de absorber agua. Cuando suficientes agentes superen su umbral individual de absorber agua, el sistema como tal dejará de absorber y mojará.
Lo sé, es un ejemplo algo simplista y ridículo, pero creo que es suficientemente gráfico para entender el concepto.
Modelo de segregación
Un ejemplo más realista sería el modelo de segregación desarrollado por el premio Nobel en economía Thomas Schelling en 1971, en el que demostró cómo los comportamientos a nivel micro y macro pueden ser muy diferentes. Este modelo se basa precisamente en el umbral de los agentes y el sistema, en concreto el umbral de tolerancia.
En el modelo, Schelling describe un sistema que puede ser una ciudad y unos agentes que pueden ser personas con diferentes características (puede ser la raza, las ideas políticas, la religión o cualquier otra característica). En este sistema, cada agente es bastante tolerante y, aunque le gusta estar con gente similar, no cambiaría de barrio a no ser que hubiera menos de un 35% de agentes iguales a él.
Es decir, el agente vivirá feliz mientras haya al menos 3 de cada 10 agentes que sean como él. Hay bastante margen para la diversidad ahí.
Pues su modelo demuestra como pasado un tiempo esos agentes, que siguen siendo igual de tolerantes (no han cambiado su umbral), se terminan juntando en barrios de iguales, creando una ciudad segregada.
Es decir, aunque los agentes son tolerantes individualmente, el sistema no muestra un comportamiento tolerante, sino segregado.
Este fue el primer modelo basado en agentes que se usó para explicar fenómenos en sistemas complejos. Veremos más adelante en qué consiste y cómo se usa este tipo de modelos.
En el siguiente enlace tienes un artículo con una versión interactiva del modelo, en el que puedes jugar con el umbral de lolerancia de los agentes y ver cómo afecta a el estado del sistema con el tiempo.
Una forma muy visual y didáctica de ver esto que acabo de explicar:
Añadiendo diversidad de umbrales
Este modelo es muy simple y, aun así, nos ayuda a explicar estas diferencias entre lo que pasa cuando miramos a un agente en particular o si miramos al sistema completo. Pero si lo volvemos más realista y añadimos diversidad, en este caso en los umbrales de los agentes, podríamos ver fenómenos muy comunes, pero que nos suele costar explicar.
Imagina que, en el mismo modelo, cada agente tiene un umbral diferente. Algunos agentes se mudan de barrio solo si más de 7 agentes son diferentes a él, pero hay otros que lo harían desde que haya 5, otros 3, otros 9, 2, etc.
Lo que ocurriría en estos casos es que se aceleraría mucho más el cambio del sistema, creándose una «avalancha» de mudanzas que generaría una segregación rápida e imparable.
Esto es lo que pasa en revueltas, disturbios en manifestaciones, fenómenos virales, etc.
En una manifestación pacífica en la que todo el mundo tiene un umbral de violencia similar (por ejemplo, «solo si hay cargas policiales sería capaz de ponerme agresivo»), es muy poco probable que pase nada, salvo que haya un evento inesperado («cargas policiales sin provocación»).
En cambio, si existe mucha diversidad en el grupo, habrá gente que necesitaría una razón muy fuerte para usar la violencia, mientras que otras personas, con poco (o nada) ya tendrían.
Esto haría que cualquier evento mínimo pudiera crear una escalada de violencia rápida e inesperada.
Las personas con un umbral bajo explotarían por poco, luego le seguirían las personas con un umbral algo más alto, y así sucesivamente.
Por hacerlo más concreto, imagina que en un local hay 10 persona y cada una tiene un umbral de 5 para irse. Es decir, solo se irán si ven irse a, al menos, 5 personas. Si se va 1 persona, 2, 3 o incluso 4, nadie sentirá la necesidad de irse. Solo si se van 5, el resto sentirá que debe irse y lo harán a la vez.
Pero si en el grupo de 10 personas, estos son sus umbrales: 3, 4, 10, 2, 6, 1, 5, 5, 1, 9. Desde que haya un evento de 1 o 2, se producirá una cascada.
Por ejemplo, si se va 1 persona, ya habrá en ese grupo 2 personas de umbral 1, que decidirán irse. Lo que quiere decir que se habrán ido 3; con lo que las personas con umbrales 2 y 3, se irán; con lo que ya se habrán ido 5, así que las personas con 4 y 5 de umbral estarán camino de la puerta; con estos ya son 8, así que el de umbral 6 ya querrá irse; etc.
Como puedes ver, hace falta un evento más pequeño y la cascada que se genera no solo es rápida, sino imparable. Una vez comienza, ya no hay vuelta atrás. Se puede parar antes de llegar al final, pero nunca podrá volver hacia atrás.
Esta es una característica típica de los sistemas complejos, su capacidad de generar grandes eventos, o eventos extremos, a partir de cambios muy pequeños. No son los más comunes, pero si se dan las condiciones de interconexión, diversidad y retroalimentacion, puede ocurrir.
Podríamos expresarlo más formalmente asi:
En un sistema suficientemente interconectado e interdependiente, con alta diversidad y mecanismos de retroalimentación positiva, una pequeña perturbación puede desencadenar eventos extremos.
Un ejemplo de esto sería la Primera Guerra Mundial, como explicaba en el artículo de la sensibilidad a las condiciones iniciales del sistema.
Feedbacks, externalidades e interdependencias
Como vimos en el artículo de la retroalimentación, los mecanismos de retroalimentación (o feedback), son clave para entender los sistemas complejos y sus dinámicas. De hecho, acabamos de ver cómo pueden tener un papel fundamental en desestabilizar un sistema y llevarlo a otro estado estable (atractor) o al colapso.
Ahora vamos a ver cómo los distintos tipos de feedback, junto con otros mecanismos parecidos (las externalidades) pueden generar las interdependencias entre los agentes y ser responsables de mantener un equilibrio dinámico. Un estado en el que el sistema está en constante cambio, pero en un relativo equilibrio.
Pero primero, vamos a repasar el concepto de retroalimentación, o feedback, y definir brevemente las externalidades:
Feedback: Es un ciclo de interacciones que puede aumentar (feedback positivo) o disminuir (feedback negativo) los efectos de un cambio en el sistema.
Feedback Positivo: Es como un círculo virtuoso o vicioso, dependiendo del contexto. Imagina que te ríes, y eso hace reír a los demás, lo que a su vez te hace reír aún más. En un sistema, un cambio inicial causa una respuesta que amplifica ese cambio. Es un efecto bola de nieve.
Feedback Negativo: Actúa como un estabilizador. Piensa en tu termostato de casa. Cuando hace demasiado calor, el aire acondicionado se enciende para enfriar la habitación. Y cuando hace demasiado frío, la calefacción se activa para calentar la habitación. En un sistema, una alteración inicial provoca una respuesta que mitiga ese cambio. Es como un sistema de equilibrio.
Externalidad: Es el efecto que una acción o decisión tiene sobre otros que no participaron directamente en esa acción o decisión.
Externalidad Positiva: Cuando la acción de un agente en el sistema beneficia a otros. Por ejemplo, si un jardinero cuida su jardín y esto aumenta el valor de las casas cercanas, eso es una externalidad positiva.
Externalidad Negativa: Cuando la acción de un agente en el sistema perjudica a otros. Un ejemplo clásico es la contaminación. Si una fábrica produce residuos tóxicos que dañan el medio ambiente, eso es una externalidad negativa. Los que sufren los efectos no participaron en la producción de los residuos, pero están sufriendo las consecuencias.
Dinámicas en un ecosistema simplificado
Para ver cómo emergen dinámicas de las reglas sencillas que tiene cada agente, vamos a definir un modelo simplificado. El modelo consiste en un ecosistema con cuatro tipos de agentes (hierba, cabras, ovejas y lobos), que tendrán unas reglas y unas relaciones.
Este modelo está muy simplificado, en un sistema real, existen muchos mas elementos que afectarían a estas dinámicas. Por ejemplo, este es un sistema cerrado, es decir, que no hay interacciones con el exterior.
Esto es algo totalmente irreal, pero que ayuda a centrarnos en lo que queremos aprender del modelo.Por otro lado, usamos (por la misma razón) agentes débiles. Como vimos en el artículo anterior, los agentes débiles no tienen memoria ni capacidad de aprender o adaptarse.
En la realidad, estos agentes serían «fuertes», es decir, las cabras, las ovejas y los lobos se adaptan a su entorno y aprenden de sus interacciones.
Pero para el propósito de lo que queremos ver, este sistema simplificado nos sirve. Aquí tienes estas definiciones para nuestro sistema:
Tipos de agentes:
Hierba
Cabras
Ovejas
Lobos
Reglas:
Comer
Si sobra comida, reproducirse
Relaciones:
Cabra y oveja comen hierba
Lobo come cabras y ovejas
A partir de estas definiciones, podemos empezar a inferir algunas de las dinámicas que se van a generar. O, en términos de sistemas complejos, dinámicas que van a emerger.
Vemos, por ejemplo, como si hay más hierba, las cabras y ovejas tienen más comida, así que (siguiendo sus reglas) deciden reproducirse, creándoce una retroalimentación (o feedback) positivo. Por otro lado, si hay más cabras y ovejas, los lobos tienen más comida, con lo que también decidirán reproducirse.
Así que, aunque la hierba no influya en los lobos y viceversa, el hecho de que haya más hierba implicará más comida para los lobos, así que se está produciendo una externalidad positiva.
Puedes seguir la misma lógica para seguir los casos de la tabla. Incluso podrías encontrar más casos. Por ejemplo, al haber más lobos, comerán más cabras y ovejas, disminuyendo su población; lo que hará que coman menos hierba, etc.
Estas dinámicas se suman generando interdependencias entre los distintos agentes del sistema haciendo que un cambio en un agente afecte a todo el sistema y de formas cada vez más impredecibles.
Es decir, mientras más interdependencias, más impredecible.
Además, si sigues el encadenamiento de estas reglas, verás como terminarán formándose cíclos.
No habrá un estado estable y estático (las poblaciones de agentes fluctuarán), el sistema estará en continuo cambio. Aunque, si miramos esas fluctuaciones en el tiempo, veremos que se consigue un equilibrio dinámico.
Nota: Otras características que no tiene en cuenta este modelo, aunque en los sistemas complejos tiene mucha importancia, son las siguientes:
El espacio
La localización
La diversidad dentro de los tipos de agentes y variabilidad en sus características. No hay dos ovejas o dos lobos iguales.
Cultura: el sistema es distinto a la suma de sus agentes
Como pudimos ver en el modelo de segregación, el comportamiento o características del sistema pueden ser muy diferentes del de los distintos agentes individuales que lo componen. No solo porque los agentes pueden ser muy diferentes unos de otros, sino porque de sus dinámicas emergerán comportamientos y estructuras nuevas.
La cultura es uno de esos fenómenos emergentes que llaman la atención. Es difícil definir qué es la cultura o cómo diferencias una cultura de otra, pero todos somos capaces de reconocerlas. Es un típico caso donde aplicamos el test del pato:
«Si parece un pato, nada como un pato, y grazna como un pato, entonces probablemente sea un pato.»
Si vamos a un país nuevo y muy diferente al nuestro, podemos notar claramente que sus habitantes se comportan, en conjunto, de una forma similar entre ellos, pero diferente a como lo hacen en tu país de origen. Pueden ser costumbres muy obvias (como el contacto físico), o más sutiles, pero se notan.
Lo mismo ocurre en empresas, cada una tiene su propia cultura y se nota mucho la diferencia si cambias de una a otra. Sobre todo si siguen estilos diferentes de gestión, están ubicadas en países diferentes o si el tamaño es muy diferente (por ejemplo, pasar de trabajar en una pyme a trabajar en una multinacional con varios miles de empleados).
A estas alturas no debería sorprendernos por qué es tan difícil especificar qué es lo que hace a una cultura ser de una forma y no de otra, ni por qué es tan difícil de definir. Pero, sobre todo, por qué no se puede imponer o cambiar de forma directa.
Las características de una cultura dependerán de muchos factores que están interconectados y que son interdependientes, de la diversidad de los agentes que componen el sistema del que emerge (un país, una empresa, una religión, etc.), las reglas que sigan dichos agentes y las dinámicas que se generen en el sistema.
Pero hay dos elementos más que son los que ayudan a pasar el «test del pato»:
Tendencia a la sincronización o coordinación
Tendencia a la coherencia interna
En los sistemas, los elementos que pasan mucho tiempo juntos, interactuando, tienden a coordinarse o sincronizarse de alguna forma. Es lo que suele llamarse acoplamiento (cuando actúan como un solo elemento) o sincronización de fase (cuando cada elemento sincroniza su ciclo al de otro). Esto se puede ver cuando el público empieza a aplaudir en un concierto. Primero totalmente desincronizado, pero luego cada vez más sincronizado. O las luciérnagas en el sudeste asiático, que terminan parpadeando todas a la vez.
Seguramente habrás notado como gente que pasa mucho tiempo junta (parejas, amigos, hermanos, etc.) suelen terminar teniendo comportamientos muy similares (gestos, expresiones, caras, forma de moverse, etc.). En algunos casos (parejas que llevan mucho años juntos), llegan a parecerse físicamente.
Independientemente de los valores, creencias, conocimientos, voluntad y cultura que aporte cada agente al sistema, se producirá ese efecto de coordinación que hará que, en el contexto de ese sistema, tenderá a tener comportamientos parecidos a los del resto de agentes.
El otro elemento es la coherencia interna. Esto quiere decir que cada agente tenderá a comportarse como su tipo. En el ejemplo del ecosistema, por ejemplo, vendría a decir que una cabra tiende a comportarse como una cabra. A pesar de que cada cabra es diferente y tiene su propia historia, aprendizaje, circunstancias, etc., no deja de ser una cabra y tiene que comportarse según sus reglas internas, sus atractores y demás características que la definen como cabra.
Lo sé, es una obviedad, pero es esa tensión entre sincronizarte con los agentes con los que interactúas y mantener esta coherencia interna lo que hará a la cultura ser una característica que se reconoce, pero que no es del todo homogénea.
Y luego tenemos que esa coherencia interna funciona también para con el sistema. Es decir, un agente tenderá a comportarse como se supone en su cultura. Cada uno ligeramente diferente, pero similar. Esto le permite dos cosas:
Saber cómo reconocer a agentes de su propia cultura.
Saber cómo actuar en situaciones nuevas.
Me pondré de ejemplo. Yo soy canario. Mi cultura es una subcultura dentro de la cultura española. Otra persona de España podría darse cuenta de que mi forma de ser, hablar y de actuar es muy diferente a la de alguien de Madrid, Vigo o Sevilla. Somos similares, pero muy diferentes. Se nos puede diferenciar fácilmente. Seguramente, para muchos canarios, no soy «el típico canario», pero alguien de fuera me reconoce fácilmente.
En cualquier caso, puedo reconocer a cualquier persona de las Islas Canarias y automáticamente sabría mucho sobre su forma de actuar de forma genérica, podría asumir muchas cosas. Es lo que hacemos constantemente cuando conocemos a una nueva persona.
Al mismo tiempo, si me encuentro en una nueva situación en la que no sé cómo actuar, mi tendencia (debido a mi coherencia interna y al hecho de ser canario) será actuar como lo haría un canario en esa situación.
Sí, todas mis motivaciones, tendencias, costumbres y aprendizajes internos influirán mucho en esa acción, pero el hecho de pertenecer a una cultura, me descargará mucho el peso de esa decisión.
Evidentemente, todos estos procesos son inconscientes. Son reacciones a nivel de agentes y sistemas, que luego podemos procesar internamente, al ser agentes fuertes que aprenden y tienen voluntad. Pero, como seguramente habrás experimentado, gran parte de las veces, simplemente reaccionamos a nuestro entorno y lo que nos pasa. Y luego tratamos de darle sentido.
Redes como estructuras emergentes
Una red es simplemente un conjunto de elementos o «nodos» que están conectados entre sí de alguna manera. Estos nodos pueden ser cualquier cosa: personas, empresas, neuronas, páginas web, o incluso conceptos abstractos como palabras o ideas. Las conexiones entre ellos, a las que solemos llamar «enlaces» o «aristas», representan alguna relación o interacción entre los nodos.
Las redes pueden parecer simples a primera vista, pero esconden una gran cantidad de información. Cada nodo puede tener sus propias características y cada enlace puede tener su propio peso o dirección. Además, la forma en la que los nodos están conectados entre sí (la «topología» de la red) puede tener un gran impacto en el comportamiento del sistema.
El espacio y la localización importa... ¡y mucho!
En los sistemas complejos, el espacio y la localización de los agentes es muy relevante. No es como en los sistemas dinámicos, donde lo más importante es el flujo y el stock. En los sistemas complejos, dónde se encuentran los agentes y cómo están conectados puede tener un gran impacto en el comportamiento del sistema.
Imagina, por ejemplo, a los jugadores en un partido de fútbol. No solo importa dónde está cada jugador y qué tipo de jugador es (un defensa, un centrocampista, un delantero...), sino también qué conexiones tiene con los demás. ¿Puede ver a sus compañeros? ¿Puede comunicarse con ellos? ¿Puede pasarles el balón?
Y cuando digo espacio, me refiero a cuánto espacio (físico, virtual o del tipo que sea) hay entre los nodos. Mientras más espacio, más lenta será la comunicación. Algo que puede afectar a las interacciones.
Además, en un espacio muy reducido, los agentes podrán comunicarse mucho más fácilmente con más nodos. El sistema estará hipercomunicado. Por el contrario, si hay mucho espacio (por ejemplo, pueblos pequeños repartidos en un área muy extensa) las conexiones serán más escasas e indirectas. Esto afectarán a cómo se comuniquen los agentes.
¿Cómo emergen las redes en los sistemas complejos?
Las redes pueden surgir de manera espontánea en los sistemas complejos debido a las interacciones entre los agentes. Por ejemplo, las personas pueden formar redes de amistad a medida que se conocen y establecen relaciones. Las empresas pueden formar redes de colaboración a medida que realizan acuerdos y contratos entre ellas.
Estas redes son ejemplos de lo que se conoce como «propiedades emergentes débiles». Son propiedades que no están presentes en los agentes individuales, pero que se pueden intuir a partir de ellos y sus interacciones.
Sistemas complejos como redes dinámicas
Hay que tener en cuenta que muchas de las redes que estamos acostumbrados a ver y analizar (red de transporte, red eléctrica, red de ordenadores, etc.), son redes fijas. Ni sus nodos, ni sus conexiones cambian.
Pero cuando hablamos de redes en sistemas complejos, hablamos de redes dinámicas. Tanto los nodos como las conexiones pueden y suelen cambiar. Tanto la estructura, como la topología puede cambiar.
Piensa en las conexiones de una red social de cualquier tipo (física, virtual, laboral, familiar, etc.) o en las relaciones que interconectan proveedores, clientes, socios y la competencia de un mercado.
¿Cómo afectan las conexiones y estructura a las interacciones y autoorganización?
La estructura de una red puede tener un gran impacto en las interacciones entre los agentes y en la autoorganización del sistema. Por ejemplo, en un entorno de oficina, los empleados que están cerca unos de otros probablemente interactuarán más, lo que puede llevar a la formación de grupos de trabajo y a la emergencia de culturas de oficina.
Por otro lado, en un entorno de trabajo remoto, las conexiones físicas desaparecen y las conexiones virtuales toman el relevo. Esto puede cambiar radicalmente las interacciones y la autoorganización del sistema.
Las redes también pueden jugar un papel crucial en la propagación de enfermedades, de noticias y rumores, y en la robustez de los sistemas frente a fallos y ataques. Pero estos son temas para otro día...
Por ahora, lo importante es entender que las redes son una característica fundamental de los sistemas complejos y que su estructura puede tener un gran impacto en el comportamiento del sistema.
Modelos basados en agentes
Los Modelo Basado en Agentes son un tipo de simulación por ordenador que nos permite entender mejor cómo se comportan los sistemas complejos. Es una herramienta muy potente, ya que nos permite modelar y simular la conducta de sistemas complejos de una manera muy detallada y realista. En este tipo de modelos, cada agente es representado de manera individual y puede tener sus propias características y reglas de comportamiento.
Imagina que estamos analizando el ecosistema de antes. En un MBA, cada lobo y cada oveja serían representados como agentes individuales, cada uno con sus propias características (edad, tamaño, salud, etc.) y reglas de comportamiento (los lobos cazan ovejas, las ovejas huyen de los lobos, etc.).
Estos agentes interactúan entre ellos y con su entorno, y a partir de estas interacciones emergen propiedades y comportamientos a nivel del sistema, que no siempre son evidentes a simple vista. Por ejemplo, podríamos observar cómo se forman manadas de lobos, cómo cambia la población de ovejas en respuesta a la presión de los lobos, cómo afecta el clima a estas interacciones, y muchas cosas más.
Los Modelos Basados en Agentes son especialmente útiles en situaciones donde hay mucha incertidumbre o donde las reglas que rigen el sistema son muy complejas. Por ejemplo, podríamos usar un MBA para modelar y simular el comportamiento de un mercado económico, donde los agentes son las empresas y los consumidores, cada uno con sus propias reglas de comportamiento y metas.
Además, los MBA nos permiten experimentar con diferentes escenarios y predecir cómo podría evolucionar el sistema bajo diferentes condiciones. Si volvemos a nuestro ejemplo del ecosistema, podríamos simular qué sucedería si aumenta el número de lobos, si cambia el clima, si introducimos una nueva especie, etc.
Algo importante de los MBA, es que no solo tienen en cuenta los tipos de agentes, los flujos de información o energía y el «stock», como hacen los modelos de sistemas dinámicos. Además de eso, tienen en cuenta la diversidad de los agentes (cada agente es diferente y reacciona ante su entorno más cercano) y la localización.
Esto es importante y lo veíamos en el apartado de las redes. Dónde está situado cada agente influirá en cómo interactuará con el resto. Por ejemplo, si hay más hierba en una zona que en otra, las zonas de caza de los lobos, la distribución del terreno, etc. afectará a la población de ovejas. Y como vimos en el modelo de segregación, los movimientos de los agentes importan.
Por todo esto, los MBA son, a día de hoy, probablemente la herramienta más potente para tratar de entender los sistemas complejos. Además, con el avance de los sistemas informáticos y los programas para modelar, los MBA están al alcance de cualquiera.
Aquí tienes dos herramientas de modelado. Aunque se pueden programar los modelos con lenguajes de programación específicos para ello, también se pueden usar sus interfaces gráficas:
Eso sí, los MBA no son mágicos. Primero requieren cierta experiencia y habilidad para definir bien los modelos. Tienes que simplificar lo suficiente el sistema, para que pueda modelarse, pero tiene que ser suficientemente representativo, para que (tanto los agentes como el sistema) actúe lo más parecido al sistema complejo real.
Dicho esto, creo que el simple esfuerzo de tratar de definir fielmente el sistema, para poder crear el modelo, te da un conocimiento del sistema muy valioso. De hecho, expertos en este área lo consideran una de las principales ventajas de esta forma de trabajar.
Resumen
En el artículo anterior vimos qué eran los agentes, la autoorganización y qué relación había entre ambos. En este hemos ahondado más en ambos conceptos viendo cómo las interacciones entre agentes pueden generar nuevos comportamientos y estructuras (como las redes) que hace que los sistemas se puedan comportar de formas totalmente diferentes (e impredecibles) a sus agentes.
Ya sabíamos que los sistemas complejos suelen tener mecanismos de retroalimentación (feedback), pero aquí hemos visto cómo estos mecanismos no tienen por qué existir en el sistema, sino que pueden emerger de las interacciones de sus agentes. Y cómo el feedback y las externalidades terminan generando las interdependencias que hacen a los sistemas complejos tan sensibles a las perturbaciones. Un cambio en un elemento, puede desencadenar cambios en todo el sistema.
Y, por último, hemos visto la que posiblemente es la herramienta más potente de la que disponemos ahora mismo para explorar y experimentar con los sistemas complejos: los modelos basados en agentes (MBA).
Espero que no se te haya hecho muy largo y que te haya ayudado a entender mejor cómo es posible que sistemas, a partir de reglas muy simples entre agentes, sean capaces de generar dinámicas y estructuras tan complejas.
Cada vez vamos conectando más conceptos que hemos ido viendo y que nos permitirán enfrentarnos a sistemas y problemas complejos con mejores herramientas.
El próximo artículo prometo que será mucho más corto y menos denso. Pero también interesante y práctico. Hablaré de otra herramienta para aprender y entender sistemas complejos. Es una herramienta que llevamos usando desde que existe nuestra especie y a diferencia de los MBA, no necesitamos tecnología para usarla.
Otra diferencia es que los MBA nos ayudan a entender el comportamiento del sistema desde fuera, mientras que esta herramienta nos ayuda a entender las reglas y el sistema desde dentro.
A ver si sabes de qué herramienta hablo ;-)