La 30 Conferencia anual de la Sociedad de Dinámica de Sistemas - Call for papers

Julio 22 – Julio 26, 2012 St. Gallen, Suiza

La Conferencia de este año girará alrededor de "Model-based Management", un tema que pondrá de relieve el rol crucial de los modelos fomales para la gestión efectiva de sistemas dinámicos, y las razones por las que las habilidades en modelamiento y simulación se volverán esenciales en la formulación de políticas, diseño y aprendizaje organizacional.

Temática

• Business Applications
• Complexity/Agent-Based Modeling
• Conflict, Defense and Security
• Economic Dynamics
• Education
• Energy and Resources
• Environment and Sustainability
• Health Policy
• Information Science
• Methodology
• Operations Management/Supply Chains
• Organizational Dynamics
• Participatory Modeling Approaches
• Psychology/Social Dynamics
• Public Policy
• Qualitative System Dynamics
• Strategy

Envío de Trabajos
Los papers deben ser enviadosdesde el 02 de enero del 2012 al 19 de marzo del 2012, y deben contener el suficiente detalle para que los árbitros puedan evaluar su significado y valor. Los trabajos deben ser escritos en inglés y contener entre 5 y 30 páginas (el tamaño límite para los archivos es de 2MB). Y deben seguir las siguientes reglas de envío: Submission instructions. NO SE ACEPTARAN ABSTRACTS.

Plazos y fechas claves
January 2, 2012 Opening date for paper submissions and workshop and session proposals.
March 19, 2012 Paper submission deadline.Workshop and session proposals due.
May 9, 2012 Notification of acceptance.
May 16, 2012 Final abstracts due for printed Abstract Proceedings.
May 30, 2012 Presenter registration deadline—papers of unregistered designated presenters will be removed from the program.
June 8, 2012 Tentative program schedule available.
June 16, 2012 Deadline for hotel reservations.
June 21, 2012 Conference registration fee increase.
July 22, 2012 PhD Colloquium; Policy Council Meeting.
July 23, 2012 St. Gallen Conference Opening!
August 16, 2012 Deadline for final papers for Web Proceedings.

Más Información: Website Conferencia

.

Investigación sobre hormigas reta las asunciones de la auto-organización

Algunas hormigas obreras son "más iguales" que otras.

Como con otros insectos sociales, se pensaba que los obreros eran esencialmente equivalentes en la jerarquía de una colonia de hormigas. Pero parece que unos pocos individuos bien informados forman grupos de decisiones que llevan a sus compañerasa nuevos hogares.

Los hallazgos podrían agregar una nueva dimensión a los modelos de auto-organización derivados de las hormigas.

"Aunque los sistemas auto-organizados parezcan muy eficaces bajo el supuesto de que los individuos siguen un mismo conjunto simple de reglas, la presencia de individuos claves, bien informados que cambian su comportamiento debido a experiencia previa general, podría mejorar su rendimiento aún más" escribieron biólogos de las Universidades de Bristol y la Universidad de Toulouse en un paper el pasado 24 de agosto en el Journal of Experimental Biology.

Para estudiar la "caza de nidos", Nathalie Stroemeyt y sus colegas Nigel Franks y Martin Giurfa recolectaron hormigas "cazadoras de casa", o temnothorax albipennis, de la costa sur del Reino Unido. Estas pequeñas hormigas marrón claro hacen nidos simples enterrados con arena sobre las grietas de las rocas.

Moviendo las hormigas en el laboratorio, Stroeymeyt les dió nidos artificiales bien abastecidos. Ella luego colocó nidos idénticos vacíos en el lado opuesto del territorio de las hormigas, cada espalda de las hormigas fue pintada con marcas de color individualmente identificable. Cámaras web y un software identificador de movimiento permitió a los investigadores seguir el movimiento específico de cada hormiga.

Una semana después Stroeymeyt colocó un segundo nido desconocido en el territorio y destruyó su casa original. Aunque algunas hormigas empezaron a correr por todas partes al azar, algunas pocas que ya habían explorado el nido alternativo fueron directamente hacia él.

Estas hormigas luego rápidamente volvieron al nido destruido a reclutar seguidores. Ellas repitieron el proceso hasta que hubieron las suficientes como para reubicar a toda la colonia.

La mayoría de estudios de cómo las hormigas encuentran nuevos nidos usa colonias no familiarizadas con el nuevo territorio, y asumen que todas las obreras siguen las mismas reglas. Pero esto no es realista, y como modelo para auto-organización y toma de decisiones distribuida - hormigas han inspirado varias formas de coordinación de tráfico, desde autos hasta datos- esto no parece ser óptimamente eficiente.

"Esto comienza a cambiar como pensamos acerca de la auto-organización", dijo Nicola Plowes, un ecologista del comportamiento y especialista en hormigas de la Universidad estatal de Arizona, quien no estaba involucrado en la investigación. "Individuos informados tomando esas decisiones provocan un proceso que es más eficiente que un simple sitema homogeneo auto-organizado"

Plowes cree que los hallazgos serán interesantes para técnicos y matemáticos que usan algoritmos basados en insectos.

"El aeropuerto internacional de Sky Harbor, por ejemplo, usa algoritmos basados en hormigas para el transporte de equipaje", dijo ella.

"Sabemos que incorporaando individuos informados podemos hacer que las cosas funcionen mejor y más rápido."

• Abstract del paper [English / Journal of Experimental Biology]


• Material adicional del paper (pdf) [English / tomado de Journal of Experimental Biology]

Artículo tomado de WIRED SCIENCE

TRADUCCIÓN DE ABSTRACT

En la auto-organización subyacen varios procesos colectivos en un gran grupo de animales donde emergen patrones coordinados y actividades a nivel de grupo a partir de interacciones locales entre sus miembros. Aunque recientemente se ha reconocido la importancia de la atuación de individuos claves en ciertos procesos colectivos, es ampliamente creido que decisiones de auto-organización son igualmente compartidas entre todos o un subconjunto de individuos que actúan como tomadores de decisión, a menos que existan conflictos significativos de intereses entre todos los miembros del grupo. Aquí mostramos que ciertos individuos son desproporcionadamente influyentes en las decisiones de auto-organización en un sistema donde todos los individuos comparten los mismos intereses : la selección de un nido para hormigas Temnothorax albipennis. Obreras que visitaron un buen nido disponible antes de su emigración (nido conocido) memorizaron su ubicación, y luego usaron su memoria para navegar eficientemente y encontrar este nido más rápido que através de exploración aleatoria. Adicionalmente estas hormigas obreras confiaban en su información privada para agilizar decisiones individuales sobre el nido conocido. Esto confirió un sesgo a favor de nidos conocidos sobre nidos nuevos durante la emigración. Obreras informadas mostraron tener un porcentaje tanto de reclutamiento como de transporte hacia el nido significativamente más alto que obreras ingenuas. Esto sugiere que fueron las principales determinadoras de la preferencia colectiva por nidos conocidos, y esto contribuyó bastante a mejorar la performance colectiva. En general estos resultados indican que las decisiones de auto-organización no son siempre equitativamente compartidas por todos los tomadores de decisión, aún en sistemas donde no hay conflictos de interés. Grupos de animales pueden, en cambio, beneficiarse del conocimiento de individuos bien informados que actúan como líderes en decisiones.

Traducción de artículo WIRED y abstract: blogfiisuni

Competencia y Conflicto - Russell Ackoff

Rediseñando el Futuro - Russell Ackoff

Nota sobre la Economía del Mercado Interno
Russell Ackoff

Competencia y Conflicto

Es claro que la economía de mercado interno fomenta la competencia. Por esta razón una de las preguntas más comunes de quienes lo defienden es: No es este tipo de economía la que inicia e incrementa los conflictos entre las partes involucradas en la organización? La respuesta es NO, pero las razones no son las que aparentan. La pregunta está basada en tres comunes y erróneos conceptos, pero no obvios.

Primero, Conflicto y Competencia no son la misma cosa. Los conflictos ocurren cuando incrementos en las chances de lograr un objetivo causan decrementos en las chances de lograr otros. Los dos objetivos, o quiénes los tienen, se dicen en conflicto. Por consiguiente, el conflicto puede ocurrir dentro o entre individuos.

La competencia es el conflicto dentro de la cooperación. Por ejemplo, en un partido de tennis entre dos amigos, ellos entran en conflicto en lo que se refiere a ganar, en cuanto aumenta las posibilidades de uno de ellos de ganar, disminuye las posibilidades de ganar del otro. Sin embargo, tienen un objetivo común de recreo, que se cumple mejor cuanto más intenso es el conflicto entre ellos por ganar. En la competencia económica dos proveedores en competencia están en conflicto con respecto a las ventas a un cliente potencial o participación de mercado, pero ellos están cooperando en lo que respecta a facilitar al cliente un mejor valor por su dinero. Así, el objetivo de cooperación en la competencia puede ser compartido por las partes en conflicto o puede pertenecer a un tercero (por ejemplo, el cliente)

No es de sorprenderse que a menudo la competencia sea definida como conflicto sujeto a ciertas reglas. Las reglas diferencian una pelea callejera de un combate de boxeo. La función de las reglas es asegurar cooperativismo del conflicto en relación con el fin común. En el caso de un combate de boxeo que protege la "sensibilidad "de la audiencia, y no la capacidad física de las partes en conflicto. En el caso de la competencia económica las reglas protegerían los intereses de los clientes y consumidores.

Inteligencia Artificial y Cibernética

Es un lugar común escuchar el uso del término "cibernética" como equivalente de "aquel hecho informático en un entorno de computadoras y robots", por desgracia esta aberración no es exclusiva del hablar del ciudadano común y corriente poco informado, sino que ha alcanzado un alarmante uso generalizado entre académicos y profesionales de disciplinas relacionadas a ella.

Hace un tiempo escribimos un post sobre la definición de Cibernética , ahora , a modo de ejemplo y divulgación quisiéramos referirnos al tema de la Inteligencia Artificial y la Cibernética.

Para muchos estas dos disciplinas son muy afines, pero eso es sólo una apariencia,la utilización de algunos mecanismos cibernéticos en la Inteligencia Artificial de ningún modo la hacen Cibernética, pues ésta como disciplina tiene sus propios fundamentos.

De hecho, a manera de anécdota, cuando Humberto Maturana, respetado cibernetista, co-creador junto a Francisco Varela del concepto de "Autopoiesis", estuvo en los laboratorios de Inteligencia Artificial del MIT en los albores de esta disciplina, donde se aplicaban y discutían los postulados fundamentales de la Inteligencia Artificial, este salió bastante desilusionado por el mecanicismo reinante, él, biólogo de formación y cibernetista en ciernes, notaba serias complicaciones para el éxito e la Inteligencia Artificial fundada en dichos postulados. Tiempo después la Inteligencia Artificial tuvo un apogeo muy grande (mucho más del que nunca ha tenido la Cibernética) pero eventualmente a fines de los 80 y comienzos de los 90 se topo contra las dudas que ya había previsto, no sólo Humberto, sino muchos otros cibernetistas.

Para aclarar un poco el tema revisemos un resumen de los postulados principales de ambas disciplinas

(c) Paul Pangaro 1990 - traducción blogfiisuni

Podríamos intentar resumir diciendo que la Inteligencia Artificial es más "realista" en el sentido en que cree en una realidad objetiva, la cual tiene que descubrir, en cambio la Cibernética es más bien "constructivista", pues co-construye la realidad en una dinámica de relación y adaptatividad. Las implicaciones de estas diferencias son muy grandes.

Teniendo en cuenta lo antes mencionado podríamos notar que la Teoría del Caos, por ejemplo, se acopla mejor con un enfoque cibernético que con uno de inteligencia artificial. Por otro lado se nota también el espectro generalizable más amplio de la Cibernética, cuyos principios bien pueden ser aplicados, como de hecho lo es, a organizaciones sociales.

En ese contexto mostramos 2 videos que ya publicamos con anterioridad.

El primero contiene una explicación de la "crisis financiera mundial"

Este otro es de un robot llamado AMOS que fue construido tomando en cuenta no los postulados de la Inteligencia Artificial sino los de la Teoría del Caos, este un robot que puede moverse como un insecto, ali­men­tado por un cir­cuito sen­cillo es capaz de generar muchos com­por­tamien­tos com­ple­jos. El cir­cuito emplea la idea del teoría del caos de que los sis­temas son muy sen­si­bles a pequeños cam­bios, los cuales pueden ráp­i­da­mente ser mag­nifi­ca­dos. EL robot puede usar su cir­cuito sim­ple para respon­der a la luz y el sonido, sacar el pie de un agu­jero, o huir de obstácu­los lan­za­dos a su paso.

Cibernética

Tomado de la Enciclopedia de Teoría de Sistemas y Cibernética. (Charles Francois)

1. “Campo de control y comunicación en los animales y las máquinas” (N. Wiener 1948 p.11)

La visión original de Wiener es de hecho bastante mecanicista y corresponde a lo que será conocido como primera cibernética o cibernética de primer orden.

2. “El estudio de los sistemas que están abiertos a la energía pero cerrados a la información y control -sistemas que están apretados de información-“ (W. R. Ashby 1956 p.5).

La visión de Ashby es muy cercana a la de Wiener: “La cibernética trata con todas las formas de comportamiento en cuanto ellas son regulares, determinadas, o reproducibles... Lo que la cibernética ofrece es un marco de trabajo sobre el cual todas las máquinas individuales pueden ser ordenadas, relacionadas y estudiadas” (p.2)

El punto de vista de Wiener, y en menor medida el de Ashby, tienen resistencias considerables de parte delos investigadores de ciencias humanas.

Ashby mismo sin embargo escribió también: “La cibernética no estudia cosas sino modos de comportamiento. No pregunta ¿qué es esto? sino ¿qué hace esto?...la materialidad es irrelevante así como la tenencia o no de las leyes ordinarias de la física”. (1956 p.1)

Y además: “La cibernética no está condicionada por ser derivada de otras ramas de la ciencia. La cibernética tiene sus propios fundamentos.” (Ibíd.).

Cibernetistas alemanes prefirieron, por lo menos hasta 1970, definiciones más formales como puede apreciarse en las siguientes 4 definiciones:

3. “Ciencia de las estructuras de la información en dominios técnicos y no técnicos” (básicamente relacionados con tratamiento de datos) (Steinbuch 1955 p.325).

4. “Teoría y técnica de sistemas la cual transforma mensajes” (Frank 1959 p.30)

5. “Tratamiento matemático y constructivo de sistemas, funciones y relaciones generales” (von Cube 1967 p.11-16)

6. “La teoría de la ínter-conectividad de posibles sistemas auto-regulados con sus subsistemas” (Klaus 1965).

El cibernetista ruso Glushkov propuso en 1966 un concepto técnico bastante similar de cibernética:

7. “La teoría general de la transmisión de la información y... la teoría y principios de la construcción de las varias transformaciones de la información.” (1966)

Glushkov incluyo en su libro teorías de algoritmos, autómatas discretos, sistemas auto-organizados, lógica matemática. V. G. Drozin observó que: “…sus postulados traslapaban algunas cosas que la ciencia de la computación estaba enseñando en nuestro país (i.e. US) (1976 p.30)

8. “Disciplina que estudia regulaciones y comunicaciones en seres vivos y máquinas hechas por el hombre” (J. de Rosnay 1975 p.33)

Muy significativamente de Rosnay usa la palabra “regulación” y no “control” usada por Wiener. Como biólogo él está más acostumbrado al aspecto no intencionado de la regulación. Esto se ve mejor si uno recuerda que biólogos, psicólogos y sociólogos reaccionaron negativamente a los “controles” cibernéticos, que ellos consideraban un reduccionismo mecanicista, tentado , lo que es más, a inducir posibles manipulaciones a comportamiento humano (y animal).

Por otro lado de Rosnay añade: “Una definición más filosófica dada por L. Couffignal en 1958, ve la cibernética como: “El arte de asegurar la eficacia en la acción”. La palabra cibernética fue reinventada por Wiener en 1948 de la palabra griega “kubernetes” que significa “piloto” o “timón”. Uno de los primeros mecanismos cibernéticos de regulación en la máquina de vapor inventada por Watt y Boulton en 1788 fue llamado “gobernador”... La cibernética tiene así la misma raíz que “gobierno”: El arte de administrar y dirigir sistemas altamente complejos. (Ibíd.)

A partir de 1960 empezó a emerger una visión de la cibernética menos mecanicista con Stafford Beer, G. Pastk, H. von Foerster, M. Maruyama, H. Maturana y otros investigadores.

De acuerdo con Stafford Beer...”La cibernética estudia el flujo de información alrededor de un sistema y la manera como esta información es usada como un medio para regularse a sí misma. Esto funciona indiferentemente para seres animados o inanimados. La cibernética es una ciencia interdisciplinaria, en deuda tanto con la biología como con la física, tanto con el estudio del cerebro como con el estudio de las computadoras, y además muy en deuda con los lenguajes formales de la ciencia por proveer herramientas con las cuales el comportamiento de todos los sistemas puede ser descrito objetivamente” (1966 p.254)

Uno se pregunta si Beer actualmente usaría a palabra “objetivamente” debido a que ahora es generalmente admitido que el conocimiento científico puede ser falseado (Popper) y resulta de un proceso consensual a través de la conversación (Pask). Por supuesto y no obstante, aún podemos postular sin correr riesgos la existencia de una realidad objetiva , y todo esto no dañaría la utilidad de los modelos cibernéticos.

Luego Beer añade: “La cibernética es precisamente sobre la organización- para este es el medio sobre el cual se ejercita el control. Por lo tanto la cibernética puede además ser definida, como lo ha sido por ciertos escritores rusos, como la ciencia de la organización efectiva” (Ibíd. p.425)

En cualquier caso la visión de Beer no es mecanicista “La cibernética comienza cuando las posibilidades de la algoritmización de los sistemas de control termina” (Citado por Drozin 1976 p.28)

De acuerdo con Krippendorff: “En la cibernética las teorías descansan sobre 4 postulados básicos: variedad, circularidad, proceso y observación” (1986 p.20)

Como señaló este autor la variedad está muy relacionada a información, comunicación y control; circularidad es un resultado necesario de la retroalimentación , y la lleva ala autopoiesis; procesos vienen de retroalimentación, comunicación, regulación y control; y observación es la condición básica para la toma de decisiones y el control.

La Ciencia de la Auto-organización y la Adaptación

La Ciencia de la Auto-organización y la Adaptación

La teoría de la auto-organización y la adaptación está surgiendo desde una variedad de disciplinas, que incluyen la termodinámica, cibernética y el modelamiento por computadora. El presente artículo revisa sus más importantes conceptos y principios. Este comienza con una revisión intuitiva, ilustrada con los ejemplos de magnetización y convección de Bénard, y concluye con las bases del modelamiento matemático. La auto-organización puede ser definida como la creación espontánea de patrones globalmente coherentes desde las interacciones locales. Debido a su carácter distribuido esta organización tiende a ser robusta, resistente a las perturbaciones. La dinámica de los sistemas auto-organizados es típicamente no lineal a causa de las relaciones circulares o retroalimentadas entre sus componentes. Las retroalimentaciones positivas llevan a un crecimiento explosivo el cual termina cuando todos los componentes han sido absorbidos dentro de una nueva configuración, dejando al sistema en un estado estable de retroalimentación negativa. Los sistemas no lineales tienen en general muchos estados estables, y este número tiende a incrementarse (bifurcarse) mientras un incremento de entrada de energía empuja al sistema más allá de su equilibrio termodinámico. Para adaptarse a los cambios del entorno el sistema necesita una variedad de estados estables que sean más que suficientes para reaccionar a todas las perturbaciones, pero no tantas como para hacer su evolución incontrolablemente caótica. Los estados más adecuados son seleccionados de acuerdo a su pertinencia, ya sea directamente por el entorno o por los subsistemas que tiene que adaptarse al entorno en una fase previa. Formalmente el mecanismo básico subyacente a la auto-organización es la variación (a menudo portadora de “ruido”) la cual explora diferentes regiones en el espacio de estados del sistema hasta que entre en un atractor. Esto evita posteriores variaciones fuera del atractor, esto es, restringe las posibilidades de los componentes del sistema de comportarse independientemente. Eso es equivalente al incremento de coherencia, o decremento de la entropía estadística, que define la auto-organización.

Paper completo
Trabajo Original:
Francis Heylighen
download paper (english)
bajar paper (español - traducción por este blog)


GLOSARIO:

Auto-organización: Emergencia espontánea de coherencia global a partir de las interacciones locales.

Adaptación: Capacidad de un sistema para ajustarse a los cambios del entorno sin poner en peligro su organización esencial.

Entropía Estadística: Medida matemática de la ausencia de restricciones o la falta de información acerca del estado de un sistema, equivalente a la medida de la incertidumbre de Shannon.

Entropía Termodinámica: Medida de la disipación de energía en calor. Equilibrio Termodinámico: Estado estático de mínima energía donde no se produce entropía.

Estado Estacionario: Estado que se caracteriza por estar en actividad permanente.

Estructura Disipativa: Patrón organizado de actividades sostenidas por la exportación de entropía de sistemas lejos del equilibrio.

Rollo de Bénard: Un tipo de estructura disipativa formada por convección entre capas en un líquido calentado desde abajo.

Atractor: Una región en el espacio de estados en que un sistema puede entrar pero no salir.

Tamaño de correlación: La distancia más larga sobre la cual los componentes de un sistema están correlacionados.

Bifurcación: la ramificación de las soluciones estables en los sistemas de ecuaciones que describen un sistema auto-organizado cuando el orden de parámetros crece.

Orden de parámetros: Una variable que describe la transición entre los regímenes de orden y de desorden.

Límite del caos: Dominio de actividades dinámicas donde residen por lo general los sistemas adaptativos complejos, entre lo completamente ordenado, régimen “congelado”, y lo completamente desordenado, régimen caótico.

Control distribuido: Limitación sobre toda la organización de un sistema que no está centralizada en un subsistema distinto, sino que es realizada colectivamente por todos los componentes.

Condiciones de frontera: Los estados del entorno en la frontera del sistema en la medida que estos influyen en la evolución del sistema.

Científicos encuentran reglas universales para la estabilidad de una red alimenticia.

Flexibilidad de los depredadores mantiene la estabilidad en los ecosistemas

Científicos encuentran reglas universales para la estabilidad de una red alimenticia.

Con ayuda de modelos de computadora, científicos de Alemania, Austria y los Estados Unidos han descubierto reglas fundamentales que determinan la estabilidad de los ecosistemas. Los hallazgos, publicados en la edición de esta semana de Science (6 de Agosto del 2009), concluyen que la estabilidad de una red alimenticia es mayor cuando una mayor diversidad de vínculos depredador-presa conectan altos e intermedios níveles tróficos. Los cálculos también revelan que pequeños ecosistemas siguen diferentes reglas a lo largo de los ecosistemas: diferencias en la fortaleza de los vínculos depredador-presa incrementa la estabilidad de pequeñas redes,pero desetabilizan redes mayores.

Los ecosistemas naturales consisten en cadenas alimenticias entrelazadas, en las cuales animales individuales o especies de plantas actúan como depredadores o presas. Las redes alimenticias potenciales no sólo difieren por las especies que las componen, sino, además, por la variedad en su estabilidad. Las redes alimenticias observables son redes alimenticias estables con las relaciones entre sus especies restantes relativamente constantes durante largos períodos de tiempo.

El entendimiento de los sistemas complejos tales como las redes alimenticias presenta mayores retos para la ciencia. Ellso pueden ser examinados o por observación en su ambiente natural, o por simulaciones de computadora. Para lograr las simulaciones de computadora de tales sistemas, los científicos a menudo tienen que hacer asunciones que los simplifiquen, manteniendo el número de parámetros del sistema tan bajo como sea posible. Aún así, la demanda computacional de tales simulaciones es alta y su relevancia a menudo limitada.

Científicos del Max Planck Institute para la Física de Sistemas Compejos (MPIPKS) en Dresden, Alemania, han desarrollado un nuevo mñetodo que les permite analizar eficientemente el impacto de innumerables parámetro sobre sistemas complejos.

“Mediante el uso de un método llamado Modelamiento Generalizado, nosotros examinamos si una red alimenticia dada puede, en principio, ser estable, i.e., si sus especies pueden coexistir en el largo plazo,” dice Thilo Gross del MPIPKS. Los sistemas complejos pueden, de hecho, ser simulados y analizados bajo casi cualquier condición. “De este modo podemos estimar cuáles parámetros mantendrán al ecosistema estable y cuáles perturbaran su balance.” El método además puede ser usado para examinar otros sistemas complejos, tales como el metabolismo humano o la regulación de genes.

Generalistas en estabilizar, especialistas en desestabilizar

Aplicando este innovador enfoque de modelamiento junto con colegas en el International Institute for Applied System Analysis (IIASA) en Laxenburg, Austria, y la Universidad Princeton, Estados Unidos, los científicos tuvieron éxito descubriendo no sólo una, sino varias reglas universales en la dinámica de los ecosistemas.

La estabilidad de la red alimentaria es mayor cuando las especies en altos níveles tróficos se alimentan de múltiples especies de presas, y especies en intermedios níveles tróficos son alimento para múltiples especies de depredadores”, dice Ulf Dieckmann del IIASA

Los científicos además han identificado factores adicionales estabilizadores y desestabilizadores en los ecosistemas. Los ecosistemas con alta densidad de vínculos depredador-presa tieen menos probabilidades de ser estables, mientras que una fuerte dependencia de la depredación sobre la densidad de depredadores desestabiliza el sistema. Por otro lado, una fuerte dependencia de depredación sobre la densiad de presas tien un impact estabilizador sobre las redes alimenticias.

La diferencia entre pequeños y grandes sistemas

Otro hallazgo importante es que las redes alimenticias consistentes de sólo unas pocas especies se comportan cualitativamente distinto que redes consistentes de muchas especies. “Pequeños ecosistemas aparentemente siguen reglas distintas que grandes Sistemas”, dice Ulf Dieckmann. “Sistemas con pocas especies son más estables si hay fuertes interacciones entre algunas especies, pero sólo interacciones débiles entre otras. Para redes alimenticias con muchas especies, es cierto exactamente lo opuesto. Extremadamente fuertes o débiles vínculos depredador-presa en la naturaleza deben, por ende, ser para especies raras contenidas en una red alimenticia”, concluyó.

Trabajo Original:

Thilo Gross, Lars Rudolf, Simon A. Levin, Ulf Dieckmann
Generalized Models Reveal Stabilizing Factors in Food Webs
Science, August 6, 2009

Artículo original (en inglés) tomado del Max Planck Institute

Material Anexo (en inglés) tomado de la Revista Science

Sistema Complejo

SISTEMA COMPLEJO: "Un sistema hecho de un gran número de partes que interactúan de una manera no simple" (H. Simon 1965 p.63).

H. Simon comenta esta definición como sigue:"En tales sistemas el todo es mayor que la suma de las partes, no en un sentido final metafísico sino en el importante sentido pragmático, dadas las propiedades de las partes y las leyes de su interacción no es un asunto trivial inferir las propiedades del todo. Frente a la complejidad, un reduccionista en-principio puede ser al mismo tiempo un holista pragmático" (p. 63)

Uno podría añadir que en algún sentido un sistema complejo es menos que la suma de las partes, debido a que éstas siempre abandonan algunas de sus propiedades mientras son inhibidas por restricciones resultantes de sus interacciones locales o globales.

El sistema complejo no es simplemente complicado pues estas restricciones generalmente son de varios tipos y recíprocamente restrictivas. La complejidad está organizada y los sistemas complejos presentan clausura organizacional.

Por supuesto, desde otro punto de vista la complejidad está en los ojos del observador como explica R. Rosen: "Definimos un sistema complejo como uno con el cual vamos a interactuar efectivamente en muchas maneras, las cuales requieren diferentes tipos de descripción" (1977 p.229)

J. L. Lemoigne propone las siguientes 9 características, cada una de las cuales aumenta la complejidad de un sistema

1) Ser identificable;

2) Ser activo;
3) Ser regulado;
4) Estar informado sobre su propio comportamiento;
5) Ser capaz de decidir su propio comportamiento;
6) Estar dotado de memoria;
7) Ser capaz de coordinar sus decisiones de comportamiento;
8) Ser capaz de imaginar o concebir nuevas posibles decisiones
9) Ser capaz de finalizarse por sí mismo.

(1990)

[Extraido del "Dicionario de Teoría de Sistemas y Cibernética" compilado por Charles Francois]

Congreso Regional de Estudiantes de Ingeniería de Sistemas e Informática

La Universidad Nacional de Ingeniería (Lima-Perú) será la sede de este Congreso de estudiantes. cuyo lema reza:

DIFERENCIAR LAS CARRERAS PARA SER COMPETITIVOS EN EL FUTURO

CRONOGRAMA DE ACTIVIDADES:
Ver Programación de Actividades del I COREIS Lima


BASES DE CONCURSOS:

Bases Concurso de Papers

Bases Concurso de Programación

PRE-INSCRPCIÓN ONLINE
Haga click aquí para realizar su pre-inscripción

(Mayores Informes: click en el afiche)

Cibernética, Ciencia de Sistemas, Teoría del Caos, Ciencia de la Complejidad

Cibernética, Ciencia de Sistemas, Teoría del Caos, Ciencia de la Complejidad, y algunas otras, son los nombres de una serie de acercamientos transdisciplinarios a una permanente necesidad científica de identificar y formalizar los principios generales que rigen el comportamiento de los sistemas complejos como entidades – comportamientos holísticos que no pueden ser deducidos a partir de las propiedades de sus componentes.

Cada uno de estos temas parecen haber empezado independientemente a partir de las interacciones entre un grupo de investigadores quienes encontraron que los principios generales que ellos descubrieron, en su campo particular de estudio, eran los mismos aunque a menudo con nombres distintos dependiendo de sus intereses específicos. Las personas identificadas como “fundadores” de las disciplinas de sistemas eran básicamente quienes generalizaban esos principios generales y sistematizaban la terminología. De este modo ellos a menudo descubrían una gran cantidad de nuevas aplicaciones y expresiones de éstas fuera de su campo original de investigación, lo cual permitía un entendimiento mucho más profundo de los fenómenos de sistemas- como un todo- que se resistieron a la comprensión del paradigma de la ciencia normal (reduccionismo). Uno de los grandes precursores de la aproximación a las totalidades fue el físico Erwin Schrödinger, en su ¿Qué es la vida? El mostró cómo la vida como una propiedad holística de ciertos sistemas complejos puede ser entendida desde los principios de la termodinámica general más que desde las propiedades de los aminoácidos, genes o células. Schrödinger es como un antecesor común de todos los acercamientos involucrados a la ciencia de sistemas, que los primeros cibernetistas llamaron “sistemas auto-organizados” los cuales son el objetivo principal de estudio de los investigadores de la complejidad hasta los días presentes (¡y con el mismo nombre!).

El punto es que la cibernética y la Teoría General de Sistemas emergieron independientemente de grupos un poco distintos de disciplinas establecidas, y con diferentes fundadores emblemáticos.

Bertalanffy en Sistemas (desde la biología) y Wiener, McCulloch, Pitts, Ashby, etc., en Cibernética (básicamente desde la física y la neurofísiología). Nunca vinieron juntos realmente – mucho debido a sus personalidades difíciles, yo creo. Aunque ambas nos dieron una idea más profunda de cómo funciona la naturaleza, de alguna manera aún no era el momento para su reconocimiento por la ciencia “normal” institucional (Kuhn). Mucho de los científicos que enfocaron su trabajo desde el punto más general de esta “metaciencia” prefirieron no referirse a ella como “cibernética” o algo parecido, para “no asustar” a los lectores de sus disciplinas respectivas, o, si lo hicieron, al poco tiempo reformularon sus trabajos en términos más circunscritos a su ámbito, aunque ellos nunca perdieron su enfoque general.

Pero estos problemas complejos nunca estuvieron lejos en el mundo real. Un grupo nuevo y más joven de científicos interdisciplinarios cristalizaron la Teoría del Caos. La mayoría parecía no tener idea que mucha de sus muy fructíferas ideas habían sido generadas en la cibernética pero con otros nombres – recuerdo a Heinz von Foerster escribiendo algo sarcásticamente acerca de los “atractores extraños” en la teoría del caos, y mostrando cómo todas las ideas de ésta habían sido trabajadas antes por el cibernetista Ross Ashby. Pero la gente del caos descubrió nuevos principios generales y realizaron los fundamentos del comportamiento caótico con las matemáticas básicas de Poincaré y otros. También lo usaron para tener nuevas luces a problemas como la estructura de los anillos de Saturno y muchos otros tipos de sistemas dinámicos. El punto es que como nuestro conocimiento científico del mundo se expandía muy rápidamente así como la frustración de muchos científicos jóvenes respecto a la ciencia clásica normal. Y entonces, la rueda fue reinventada unas cuantas veces con nombres diferentes –jóvenes investigadores quienes sólo han oído e la cibernética cosas como sexo digital no han regresado y estudiado lo que hicieron otros anteriores como McCulloch, Ashby, etc., ellos siempre tuvieron sus propios problemas urgentes que resolver.

Tengo ahora la sensación que la Ciencia de la Complejidad puede ser el último gran paso en esta línea entera de pensamiento, y puede estar aquí para quedarse. Esto tiene sus orígenes en la Teoría del Caos pero va más allá de ella, y parece sostenerse en todas las disciplinas ,de la historia y la antropología a la física y astronomía (con el apoyo de la dura teoría de la física de materia condensada). Noto que cada vez más investigadores de la complejidad están usando ahora la Ley de Variedad de Ashby, McCulloch sobre heterarquías, de von Foerster sobre crecimiento “hiperexponencial” (ley de potencias) y singularidades en sistemas sociales, etc.. El trabajo de bertalnffy sobre patrones de crecimiento alométrico en sistemas biológicos es ahora reconocida como una ley de potencias básica universal y (yo creo) Mandelbrot lo observó en su estructura fractal (aunque algunos aún estén reinventando la rueda).

La Ciencia de la Complejidad está lentamente adquiriendo una base institucional en el mundo académico --Aunque con una poderosa oposición de la estructura disciplinaria clásica normal -- y se podría sostener. Ellos lograron entrar en el Instituto de Santa Fe y nuevos institutos estan abriendo aún en el tercer mundo. El punto es que la complejidad del mundo se está incrementando así como sus interacciones en él, y los problemas complejos resultantes están presdionando nuestra vida desde muchos ángulos. Muchos de estos problemas como el calentamiento global, amenazan nuestra propia existencia. La ciencia normal no puede tratar con ellos y a penas los trata como especulaciones: la ciencia normal demanda (y cree en ) predicciones exactas de eventos específicos; la gran evolución de este nuevo paradigma ha mostrado concluyentemente que los sistemas complejos auto-organizados generan comportamientos emergentes que son esencialmente impredecibles, pero tampoco son aletorios y son sólo entendibles en retrospectiva. La evolución de la ciencia desde las Conferencias de Macy en los lejanos 40's hasta las muchas Conferencias de Complejidad de hoy pueden ser vistas como un sistema adaptativo auto-organizado que tiene emergencias a partir de la interacción entre todas las disciplinas sobre las restricciones mutuamente generadas en nuestro finito mundo habitable.

Texto de John Earls