Documental, El Fútbol, Inteligencia colectiva
lunes, marzo 19, 2012
Inteligencia colectiva y fútbol
Documental, El Fútbol, Inteligencia colectiva
miércoles, diciembre 28, 2011
La 30 Conferencia anual de la Sociedad de Dinámica de Sistemas - Call for papers
Julio 22 – Julio 26, 2012 St. Gallen, Suiza
- 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
.
lunes, setiembre 05, 2011
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
viernes, junio 18, 2010
Competencia y Conflicto - Russell Ackoff
Nota sobre la Economía del Mercado Interno
Russell Ackoff
Competencia y Conflicto
jueves, junio 17, 2010
Inteligencia Artificial y Cibernética
(c) Paul Pangaro 1990 - traducción blogfiisunidomingo, octubre 11, 2009
Cibernética
Tomado de la Enciclopedia de Teoría de Sistemas y Cibernética. (Charles Francois)
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)
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)
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)

sábado, agosto 15, 2009
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:
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.
miércoles, agosto 12, 2009
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
domingo, julio 26, 2009
Sistema Complejo

1) Ser identificable;
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)
jueves, julio 23, 2009
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 LimaBASES DE CONCURSOS:
Bases Concurso de Programación
PRE-INSCRPCIÓN ONLINE
