conceptual and methodological framework
Paradigma de la complejidad como un marco para el estudio de
sistemas cooperativos
Paradigma de la complejidad como un marco para el estudio de
sistemas cooperativos
Bernard PAVARD
ingeniera cognitiva GRIC - Grupo de Investigacin IRIT
Universidad Paul Sabatier Francia [email protected]
Resumen
El objetivo de este trabajo es el de apoyar la idea de que el
estudio de los complejos sistemas de cooperacin necesita de un
nuevo marco conceptual y metodolgico para ser comprendido y, en
ltima instancia reorganizado para una mejor eficacia. Con este fin,
se har hincapi en el hecho de que el paradigma de la complejidad es
un buen marco si se combina con la analtica clsica (o
estructurales). En la primera seccin, vamos a trazar los pasos
histricos de las teoras de los sistemas complejos no lineales
(principalmente sistemas distribuidos y teoras). Mostraremos cmo el
enfoque no lineal de complejidad conceptual fundamental para pasar
de la clsica a la distribucin y multi-paradigma de agentes. Por
desgracia, debido a su relacin con el dominio fsico, las teoras no
lineales rara vez se han utilizado para abordar problemas
relacionados con las ciencias sociales. A continuacin, vamos a ver
cmo la teora de agentes distribuidos el rel de la teora de sistemas
no lineales con el fin de modelar la dinmica de los complejos
socio-organizativo. A continuacin, destacar el papel de este nuevo
enfoque como una profunda renovacin en el campo de las ciencias
sociales.
Introduccin
1 El objetivo de este trabajo es analizar algunas de las
contribuciones conceptuales y metodolgicas que teora de la
complejidad en el estudio de sistemas de cooperacin.
Las teoras de los sistemas complejos se han desarrollado a lo
largo de tres complementarios, pero no dejan de ser distintos, los
ejes: la teora de sistemas no lineales, las redes neuronales y la
teora de sistemas o auto-organizadas.
Histricamente, el concepto de sistemas complejos, naci a
principios de siglo cuando H.
Poincar trabaj en las ecuaciones usadas para predecir la
trayectoria de los planetas. H. Poincar demostr que era
matemticamente imposible de encontrar una solucin exacta de estas
ecuaciones incluso para un sistema tan simple como que contiene
tres planetas interactan entre s de forma no lineal Poincar [
51].
1 Muchas gracias a J. Dugdale sus sugerencias, debates y ayudar
a.
Pgina 1
Paradigma de la complejidad como un marco de referencia para el
estudio de sistemas cooperativos
Poincar mostr a la comunidad cientfica una nueva dificultad
conceptual: incluso un sistema causal por completo (un sistema
donde las normas conductuales son perfectamente conocidas) puede
tener indeterminado. Dicho de otro modo, mostr cmo un sistema
sencillo puede estallar en complejas e impredecibles.
La investigacin pronto tropieza con muchos obstculos: uno de
ellos en forma de dificultades desde el punto de vista cultural y
H. Poincar mismo evaluar las consecuencias epistemolgicas de su
trabajo de no-lineal
2 sistemas . Otra dificultad proviene de la falta de potencia de
procesamiento, que habra sido necesario para encontrar soluciones
aproximadas a problemas que no tienen soluciones exactas y, por
tanto, explorar el nuevo campo de sistemas complejos.
Sin embargo, en la escuela de sistemas no lineales trado un gran
nmero de nuevas perspectivas conceptuales y metodolgicas. Estas
contribuciones no son directamente aplicables al estudio de
sistemas socio-tcnicos que son los sistemas de inters para
ingenieros, diseadores y socilogos.
Propiedades no lineales tambin se investigaron a travs del
desarrollo de redes neuronales. Redes Neuronales investigacin
emergen durante la dcada de los 50 con el perceptron [Rosenblatt
59]. Que se utilizaron para imitar el comportamiento de las
neuronas y a explorar sus capacidades clasificacin. Debido a sus
propiedades no lineales, estos sistemas tienen propiedades muy
interesantes y la extrapolacin de la clasificacin que se ha
utilizado como una metfora de los procesos cognitivos.
Ms tarde, el estudio de la distribucin y sistemas organizados
han superado esta dificultad y ofrece nuevas perspectivas en
modelos sociales y sistemas cognitivos.
Bsicamente, la teora de sistemas auto-organizadas y se basa en
el hecho de que una poblacin de agentes independientes y autnomos
interacta slo localmente pueden producir "inteligentes"
comportamiento global. El sistema entonces se dice que tiene
propiedades de auto-organizacin.
Este enfoque tiene un largo linaje comenzando con el estudio de
sistemas conexionistas (Rumelhart y McClelland, 1986) de vida
artificial basada en agentes y sociedades El Sr. Langton Ngorima [
94]. Las races filosficas y metodolgicas de la distribuida y
sistemas auto-organizadas es drsticamente diferente de la clsica
enfoques analticos [ 99] El Anlisis en Cilliers y principalmente
debido al hecho de que este paradigma no utilice los conceptos de
representacin.
La distribucin y auto-organizadas enfoque muchas aplicaciones en
campos que van desde el estudio de micro sociedades (etologa) en el
estudio de las organizaciones humanas y la antropologa Kholer [
99]. Usando ejemplos de nuestro anlisis del trabajo humano las
actividades, vamos a mostrar cmo este tipo de enfoque puede mejorar
los mtodos de modelado y diseo sistemas socio-tcnicos.
En la siguiente seccin, vamos a explicar qu es la teora de
sistemas no lineales a la comunidad cientfica y de lo que por qu
era tan difcil que se debe aplicar a sistemas tcnicos socioeconmico
real.
2 El punto que han intrigado H. Poincar es cmo un sistema
perfectamente determinables, desde un punto de vista funcional,
podra haber no-comportamiento predecible.
Pgina 2
Paradigma de la complejidad como un marco de referencia para el
estudio de sistemas cooperativos
Complejidad y teora de los sistemas lineales
la nocin que antesde valores numricos
a fin de explicar cmo los sistemas no lineales son relacionados
con la complejidad, debemos considerar un ejemplo muy sencillo de
un mundo no lineales simultneas: dos poblaciones de ratones y gatos
que viven en un entorno cerrado. Los gatos comen ratones, pero si
que no son suficientes los ratones, gatos empiezan a pasar hambre y
su poblacin disminuye permitiendo que la poblacin de ratones
aumentar de nuevo. Cmo podemos simplemente modelo tal
equilibrio?
A principios de la dcada de 1970 un matemtico, R. Mayo, estudi
una ecuacin que representan aproximadamente la interaccin. La
conocida ecuacin se llama ecuacin logstica :
2 Xn+1 = kXn - kx n = kXn (1-Xn)
se dice que la poblacin de ratones en el ao n+1 (Xn+1) est
sujeta a dos tendencias opuestas: un
2 factor de crecimiento (k) debido a su tasa de reproduccin y un
factor decreciente ( -kx n) que dice que los ratones poblacin no
puede crecer demasiado, ya que los gatos comen. Tenga en cuenta
que, en este momento lo que nos interesa no es si esta ecuacin
imita exactamente la interaccin pero slo a sus propiedades
dinmicas. Primero podemos observar que esta ecuacin no es lineal
debido a el factor de correccin (-
2 kXn ). No lineal significa que si el doble entrada (Xn), no le
doble la produccin.
Ahora tenemos nuestro modelo, podemos ver que es perfectamente
determinista (es decir, si sabemos que la poblacin inicial y su
creciente factor k, siempre podemos calcular que la poblacin va a
evolucionar con el tiempo. Para ello, podemos optar por usar un
diagrama tiempo, como el que se muestra en la Fig 1.A. y veremos
que los ratones y gatos poblacin oscila aproximadamente en sincrona
que es fcil de entender: cuando los ratones son rara vez, el nmero
de gatos disminuir debido a la falta de su alimento preferido y
ratones, aprovechar esta oportunidad para reproducirse otra vez, y
as sucesivamente.
Alternativamente, podemos representar los mismos fenmenos en un
diagrama de fase que es un tipo equivalente de representacin (Fig.
1.B. ).
Nmero (Xn)
Ratones Los Gatos
A B Nmero de gatos Tiempo
Tiempo Nmero de ratones
Figura 1 : La variacin en el gato y los ratones las poblaciones
pueden ser representadas como una serie de tiempo (A) o como
diagrama de fase (B). Las dos representaciones son
equivalentes.
Pgina 3
Paradigma de la complejidad como un marco para el estudio de
sistemas cooperativos
Ahora podemos analizar lo que ocurre cuando hay un cambio en el
valor del factor k cra ratones.
Si k es pequea, por ejemplo k=1.2 (los ratones no se reproducen
muy rpido), los ratones poblacin se estabilizar en los aos
siguientes (Fig 2). Si el factor de crecimiento aumenta un poco,
(k=1,5 ), el sistema se comporta con cuidado: los ratones poblacin
aumenta en consecuencia. Sin embargo, cuando k = 2,3 algo nuevo
sucede, Figura 2 se muestra que los ratones poblacin comienza a
oscilar entre dos valores (oscilacin del perodo 2), que para k =
2,5 , la oscilacin es de periodo 4 lo que significa que tiene una
duracin de cuatro aos para que la poblacin pueda volver en el mismo
valor. Por ltimo, en k = 3, el proceso ya no es regular. Los
ratones poblacin salta sin cesar entre un nmero infinito de valores
en una forma que es determinista pero no se puede predecir en un
periodo de tiempo largo.
N2 k = 1,5
N3
k = 1,2 k = 2,3
Poblacin aos
Poblacin k = 2,5 k = 3 Aos
Figura 2 Transicin del orden al caos de dos poblaciones
interactuando en una forma no lineal. Aqu, los ratones se ha
informado en relacin con su creciente factor k. Es posible ver que
cuando k=3, los ratones los cambios en la poblacin de forma
irregular (catico) camino a lo largo de los aos.
De este simple ejemplo, ya podemos ver algunos resultados
interesantes:
1) comportamiento catico puede surgir incluso en un sistema muy
simple. En nuestro caso, las dos poblaciones en relacin con una
sencilla ecuacin lineal que es totalmente determinista.
2) Complejidad slo puede nacer de dos hechos: iteracin (los
comentarios de un ao a otro) y no linealidad en el mecanismo de
retroalimentacin. Entonces, no es necesario tener muchos sistemas
que actan entre s con el fin de obtener complejidad.
3) Un sistema determinista (el ratn poblacin en el ao N se
especifica totalmente si sabemos que en el ao N-1) pueden mostrar
comportamiento catico que significa algo impredecible durante un
cierto perodo de tiempo.
4) Comportamiento determinista puede ser visto como un caso
especial de comportamiento catico. Esto se puede observar en una
pequea ventana de k=2,85 (Fig. 3). Si los ratones-gato poblacin
tiene este factor de crecimiento valor en esta ventana, su
comportamiento ser perfectamente determinista. Ser
Pgina 4
posible a averiguar las reglas o ecuaciones que permiten un
perfecto clculo de poblacin a travs de los ratones. Este fenmeno se
denomina la intermitencia (un perodo de orden en un universo de
aleatoriedad). Este comportamiento caracterstico plantea
interesantes preguntas como: en qu medida son un sistema ordenado y
su catica versin ambas caras de un proceso indivisible?
Es nuestro conocido basado en reglas mundo slo una isla de la
intermitencia en el medio del universo catico.
Del orden al caos: cmo visualizar la transicin ?
El objetivo de esta seccin es mostrar cmo sera posible para
representar con mayor detalle el comportamiento de la rica
interaccin entre las poblaciones estudiadas y por qu mecanismo el
comportamiento del sistema va del orden al caos? Para tal efecto,
se traza la grfica que representa los ratones poblacin veces la
tasa de crecimiento (Fig 3). Es posible ver, cuando la tasa de
crecimiento est por debajo de un valor de 2, que los ratones
poblacin siempre se estabiliza en ciertos valor constante. Sin
embargo, tan pronto como la tasa de crecimiento aumenta a 2,
podemos ver lo que se denomina una bifurcacin: un punto en el que
los ratones poblacin alterna entre distintos valores, N2 y N3
(perodo 2 oscilaciones), de un ao a otro. Si la tasa de crecimiento
aumenta a 2.3 podemos ver ms y ms bifurcaciones. Para k>2.7 ya
no es posible predecir cmo los ratones poblacin va a cambiar de un
ao a otro. Estamos entonces en el "caos".
Ventana de la intermitencia
N2 N
po
pu N tasa de crecimiento
N3 lat
io k = 2,3
1,2 1,5 2,7 aos 2,85
2,3 2
tasa de crecimiento (k)
Figura 3 diagrama de bifurcacin los ratones poblacin. En torno a
k=2 la poblacin comienza a oscilar entre dos valores (primer punto
de bifurcacin). Para k=2,7 , el nmero de habitantes no es ms
predecible, pero para k =2 .85 el sistema vuelve a un breve perodo
de estabilidad (ventana de la intermitencia).
Caos las propiedades y la intermitencia
Si miramos nuevamente en Fig 3, es posible distinguir distintas
reas. Como hemos visto, cuando la tasa de crecimiento es alrededor
de 2,5 los ratones poblacin flucta impredeciblemente en dos grandes
regiones y finalmente slo uno que es el caos. Pero en torno a k =
2,85 en el medio del caos, el nmero de habitantes se convierte otra
vez predecible (el nmero de habitantes
Pgina 5
Paradigma de la complejidad como un marco para el estudio de
sistemas cooperativos
converge hacia un valor finito) dentro de un tiempo. Esta es la
intermitencia:
un perodo de calma dentro de un comportamiento catico.
Por lo tanto, es posible ver un procesos deterministas como un
caso especial de complejo comportamiento no lineal (de la misma
manera en mecnica clsica puede ser visto como un caso especial de
la mecnica cuntica). Tras este anlisis, la teora de los sistemas
complejos es totalmente compatible con los enfoques analticos
comportamiento predictivo porque es un caso especial de sistemas
caticos.
Caos determinista es realmente impredecible? Podemos identificar
algunas propiedades estructurales ?
Con el fin de responder a esta pregunta, debemos volver a la
fase representacin espacial y lo vamos a estudiar un sencillo
dispositivo mecnico: un pndulo no lineales [Baker y Gollub 90].
ATRACTOR extrao
ngulo
fuerza externa velocidad
De
atractor ESTABLE
(sin pndulo)
ngulo Un gle
Fig.4 : Ejemplo de estable y extrao atractor de un sistema
mecnico, como un pndulo.
A la izquierda, el pndulo es libre y progresivamente se
ralentiza en equilibrio (crculo oscuro).
En este caso, su trayectoria puede ser perfectamente calculado.
A la derecha, el movimiento del pndulo es forzado a travs de un
dispositivo mecnico (una fuerza externa). Su trayectoria sigue un
camino impredecible (como se muestra a travs del patrn de puntos)
que se llama atractor extrao porque en cualquier momento la posicin
del pndulo est situado en el atractor (un conjunto de trayectorias)
pero es imposible predecir exactamente en qu punto de la
trayectoria del pndulo. Si ampliamos una pequea parte de la
atraccin (se muestra como una ilustracin de la derecha), es posible
ver su estructura interna que es una similitud patrn (un zoom ms
grande en la misma estructura).
Esta figura muestra la complementariedad de lo lineal y no
lineal (linear ser visto como un caso especial de los no-lineales).
Si el sistema es simplificado (lineales) el pndulo se comporta de
forma analtica: su trayectoria se puede modelar como una solucin
analtica. En el caso de una fuerte interaccin con su medio
ambiente, el mismo pndulo comienza a mostrar comportamiento catico
y su trayectoria ya no puede calcularse como una simple frmula
matemtica.
Sin embargo, es posible ver algunas propiedades estructurales de
la trayectoria (atractor extrao). En esas condiciones, la posicin
exacta del pndulo ya no pueden ser previstas espacialmente. Slo es
posible especificar un dominio de posibilidades.
Pgina 6
Paradigma de la complejidad como un marco para el estudio de
sistemas cooperativos
consecuencias conceptuales
Los estudios de sistemas complejos no lineales aportado una
nueva visin de nuestra visin del mundo.
El primer gran avance conceptual se relaciona con la nocin de
causalidad en sistemas deterministas: incluso un sistema
perfectamente causal (un sistema en el que todos sabemos de las
normas funcionales) puede mostrar comportamientos impredecibles.
Esto es debido a las caractersticas no lineales de las
interacciones entre los componentes del sistema, no a causa de
nuestra falta de conocimiento sobre el estado del sistema.
Esto significa tambin que este tipo de sistemas no se comportan
de la misma manera en dos ocasiones consecutivas, aunque comienzan
a partir de la misma condicin inicial. Esta propiedad socava el
anlisis tradicional paradigma experimental (que se basa en el
concepto o la reproducibilidad y relacin lineal entre todas sus
partes).
Fortalezas y debilidades de la teora de sistemas no lineales
las teoras no lineales rara vez se han utilizado en sociales o
ciencias cognitivas (ocasionalmente se han utilizado en algunas
aplicaciones en las que las dimensiones de la complejidad de
intereses). Esta dificultad se relaciona en parte con el hecho de
que los sistemas no lineales son muy varonil con el mundo fsico
donde tiene sentido utilizar ecuaciones analticas de comportamiento
del modelo.
3 Lamentablemente, este paradigma tiene algunas dificultades a
la hora de gestionar las expresiones simblicas utilizarse
estrictamente por su falta de poder simblico.
Sin embargo, este trabajo se ha evaluado a veces como un
importante avance en la ciencia del siglo xx porque abri nuevas
ventanas de nuestra comprensin del mundo fsico que nos permita una
mejor formalizar las interacciones entre comportamientos
macroscpicos y microscpicos, que nos permita comprender mejor cmo
los pequeos acontecimientos pueden tener consecuencias drsticas y,
finalmente, una mejor entender las limitaciones del paradigma
analtico clsico.
La teora de sistemas no lineales tambin tiene importantes
extensiones en otros enfoques de modelos complejos, tales como
redes neuronales. Las redes neuronales son bsicamente de un
conjunto de componentes (las neuronas) en el mbito de las
interconexiones. Debido a las propiedades no lineales de las
conexiones entre las neuronas, las redes neuronales muy interesante
compartir las propiedades con los sistemas cognitivos, tales como
la formacin, la previsin, como veremos en la siguiente seccin.
Complejidad y redes neuronales
mientras que la teora de los sistemas no lineales se centra en
los sistemas fsicos, el conexionismo enfoque fue desarrollado a
principios de la dcada de los 40 con el fin de modelar
comportamiento cerebral [Rosenblatt, 62].
Un paso cualitativo en la comprensin de cmo las redes neuronales
codificar la informacin permite una renovacin de este enfoque desde
1980 [Rumelhart y McClelland 86].
3 Sin embargo, algunas investigaciones se han llevado a cabo en
el dominio de modelado simblico [Destexhe, Nicolis y Nicolis
89].
Pgina 7
Paradigma de la complejidad como un marco para el estudio de
sistemas cooperativos
de este tiempo, redes neuronales investigacin no slo trajo
consigo nuevos resultados empricos sobre cmo un sistema neural
puede codificar y obtener informacin sino que tambin comenzaron a
socavar el paradigma tradicional representacin [El Anlisis en
Cilliers, 1998].
En la siguiente seccin vamos a analizar los mecanismos bsicos
relacionados con redes neuronales y vamos a ver cmo este enfoque es
adecuado para modelar sistemas complejos en el campo de las
ciencias sociales.
Bsicamente, una red neuronal (NN) est compuesta por un conjunto
de nodos. Cada nodo est conectado a los otros mediante un conjunto
de enlaces. Se transmite informacin desde la entrada a la salida
las clulas en funcin de la fortaleza de los vnculos (Fig. 5).
Por lo general, las redes neuronales funcionan en dos fases. La
primera fase es una fase de aprendizaje en la que cada uno de los
nodos y enlaces ajustar su fuerza a fin de coincidir con la salida
deseada. Un algoritmo de aprendizaje est a cargo de este proceso.
Cuando la fase de aprendizaje se ha completado, el NN est dispuesta
a reconocer la informacin entrante y para trabajar como un sistema
de reconocimiento de patrones.
Por ejemplo, es posible entrenar una red neuronal para reconocer
fonemas. En este caso, el patrn de entrada podra ser una corta
secuencia de sonido (en el que cada nodo codificacin la intensidad
del sonido durante una subparte de la secuencia de sonido). La capa
de salida es un conjunto de nodos, donde cada nodo representa un
fonema especfico.
Informacin entrando en
a, b, c
Nodos Enlaces
Informacin dejando
la red ha sido utilizada para estudiar los procesos cognitivos
porque comparten muy interesantes propiedades naturales de
cognicin.
La Figura 5 Un ejemplo de una red conexionista. En este tipo de
sistema, la informacin que llega del sistema se distribuyen entre
un conjunto de nodos (o las neuronas) como una funcin de la
intensidad de cada enlace. Los puntos fuertes de los vnculos se
estn ajustando gradualmente mediante una formacin (o aprendizaje)
mecanismo que compara el comportamiento real de la red con el
comportamiento deseado. En este tipo de sistema, es imposible
hablar de representacin, el contexto o temporalidad, desde todos
estos factores estn incorporadas en un factor: la fuerza de las
conexiones.
Las redes neuronales son slidos: si eliminamos algunos nodos o
enlaces, el rendimiento del sistema se degrada sin problemas (no de
manera brusca, con un sistema basado en reglas tradicionales), y
tambin son capaces de "memoria de contenido direccionable": la
capacidad de recuperar todo un conjunto de datos si slo una parte
de lo que se evoca. Las redes neuronales son excelentes para la
discriminacin, reconocimiento de patrones, clasificacin y almacenar
conjuntos de datos complejos.
Pgina 8
Paradigma de la complejidad como un marco de referencia para el
estudio de sistemas cooperativos
Por ltimo, las redes neuronales pueden ser entrenados por
aprendizaje no supervisado que es una propiedad que se requieren en
cualquier sistema natural
mltiples arquitecturas han sido ampliamente utilizadas para
estudiar la lengua en las ltimas dcadas a partir de la labor de
Rumelhart y McClelland. En una de las primeras investigaciones,
modelaron la adquisicin de tiempo pasado. La red estaba compuesta
de una sola capa de procesamiento que recibe escrito Ingls presente
verbos y produce escrito pasado formas. Incluso si este simple
experimento era limitado en trminos de poder explicativo, se inicia
una nueva alternativa a los modelos lingsticos en los que no era
necesario que las reglas formales explcitas con el fin de modelar
sistemas que se comportan como si estuviera basado en reglas.
Siguiendo esta idea de investigacin lingstica y redes neuronales
dio conocimiento profundo en nuestra comprensin del lenguaje
propiedades como su estabilidad en el tiempo (evolucin del lenguaje
en el tiempo) y entre las comunidades (jergas, lenguaje infantil
frente a adultos, etc. ). La nocin de atractor y la interaccin
entre atractores se ha utilizado ampliamente para explicar la
aparicin del sentido de las palabras y el lenguaje sociodynamics de
Cooper [ 99].
Ms de un punto de vista terico, las redes neuronales plantean el
problema de la funcin de representacin en la ciencia cognitiva
debido a que deben emular sistemas basados en reglas sin formular
explcitamente estas reglas. Por otra parte, la misma red neural,
debido a su capacidad de aprendizaje supervisado puede acumularse
de su propia arquitectura a fin de resolver un problema. Por ltimo,
pero no por ello menos importante, red neuronal debido a su
capacidad de "memoria de contenido direccionable" puede trabajar en
situaciones degradadas donde se encuentra la informacin que es un
verdadero punto dbil con la tradicional sistemas basados en reglas
El Anlisis en Cilliers [ 98].
Complejidad y la teora de los sistemas distribuidos
sistemas distribuidos son de una coleccin de entidades (los
seres humanos, los sistemas tcnicos, insectos, etc. ) y que la
decisin (control) es totalmente o parcialmente entidades ello se
han visto fracasos. A menudo nos referimos a los agentes en lugar
de entidades whenwe simular el comportamiento de sistemas
distribuidos por el software. Los agentes son construcciones
artificiales (basado en software), caracterizado por los estados
internos y normas conductuales. El tpico ejemplo de un sistema
distribuido y complejo sera una colonia de hormigas. Sin una
coordinacin central (si suponemos que nadie en un insecto social
colonia tienen tal poder de organizacin), la colonia se comportar
de forma muy coherente a lo largo de los siglos. Tales colonias
tambin pueden mostrar compleja reorganizacin social en perodos de
dificultades y Bonabeau Theraulaz [ 94]. Flexibilidad Estructural,
rpida reaccin a los cambios en el entorno externo, robustez parece
ser las consecuencias positivas de los sistemas distribuidos.
Como las redes neuronales, sistemas distribuidos son, en muchos
aspectos conceptualmente diferente a la tradicional enfoque
estructural que suponga la existencia de una estructura
general.
Teora de los sistemas distribuidos se inicia desde el anlisis de
interacciones locales, formalizar las relaciones entre los agentes
individuales y de su entorno u otros agentes en las inmediaciones
de la ciudad.
Entonces, a travs de la simulacin de la interaccin, el modelo
computacional puede generar comportamiento global. Se trata de un
puro proceso ascendente por la oposicin a la analtica clsica
Pgina 9
Paradigma de la complejidad como un marco de referencia para el
estudio de sistemas cooperativos
que hacer hiptesis acerca de la estructura mundial (o
invariante) del sistema y
4, a continuacin, tratar de validar con el procedimiento.
Por lo tanto, los agentes distribuidos codificar y reaccionar al
mundo exterior sin ninguna visin global del sistema y sin
coordinacin central. El comportamiento y la funcionalidad del
sistema de las interacciones locales. Las reglas locales de
aprendizaje permiten que cada adaptacin al ambiente como resultado
un mejor comportamiento global.
El paradigma de agentes distribuidos se ha utilizado ampliamente
en muchos dominios recientemente como la etologa, la economa,
comportamiento de la poblacin, la poltica, las emociones, la
transmisin de enfermedades, etc.
[Epstein y Axtell 96] a fin de comprender mejor la dinmica de
estos sistemas, pero sorprendentemente nunca ha sido aplicado a
ciencia cognitiva Mitchell [ 98].
Por ejemplo, recientemente, un equipo multidisciplinario
(arqueologa, antropologa, geologa, ciencias de la computacin, la
economa, la fisiologa), construir un proyecto a explorar la
formacin y disolucin de la prehistoria aldeas en el sur-oeste de
Colorado, EE.UU. entre 900 y 1300. Este proyecto utiliza
ampliamente el enjambre basado en agentes plataforma desarrollada
por el Santa Fe Institute. En el modelo, los agentes son los
hogares (ncleos familiares) y codificacin normativa interaccin
entre los agentes y su entorno : cmo lluvias impacto cosecha, de
produccin, la topografa y la productividad de la tierra limitar la
inmigracin, etc. Todas estas normas son locales, restringido a las
personas. No hay ninguna descripcin estructural del proceso con el
fin de describir comportamiento global Kohler & Carr [ 96].
Aparicin y a la libre organizacin
aparicin es una de las propiedades ms importantes de los
sistemas distribuidos. Intuitivamente, una propiedad emergente es
cuando no se puede esperar de saber cmo los componentes del
sistema. Por ejemplo, las propiedades globales de todo el mundo
burstil (el tipo de cambio, por ejemplo) no puede ser modelada a
partir del conocimiento de cada economa del pas. Esto no es debido
tanto a la falta de exhaustividad de la informacin que tenemos de
cada economa del pas, sino al hecho de que no lineal y carcter
distribuido de las interacciones.
4 Aqu no nos referimos a la oposicin clsica betweentop (datos) y
de abajo a arriba (concepto) los procesos de la ciencia cognitiva
que mantener la idea de que todo el poder conceptual es "en la
cabeza del sujeto". Aqu, la oposicin se refiere al hecho de que las
funciones cognitivas o sociales surgen de la interaccin (abajo) no
se pre supone (de arriba a abajo). El nfasis se hace en los agentes
y en el sistema.
Pgina 10
Paradigma de la complejidad como un marco para el estudio de
sistemas cooperativos
si un sistema es capaz de auto-organizacin, sus funciones
evolucionan con el tiempo, de tal manera que puedan responder mejor
a las peticiones de su entorno. En este sentido, se trata de un
complejo sistema auto-organizado no puede ser descrito como una
estructura estable.
Comportamientos Emergentes de organizacin social compleja las
reglas de funcionamiento
Comentarios nivel Individual Medio Ambiente
las normas locales
de interaccin organizacin centralizada
Figura 6: un diagrama que muestra el proceso de las nuevas
conductas, basadas en interacciones locales (a la izquierda) y ms
procesos estructurados (a la derecha), sobre la base de la
aplicacin de las normas relativas a organizacin del trabajo o
procesos cognitivos ms estructurado de Lewin [ 93].
La Figura 6 ilustra la dualidad de los procesos cognitivos y de
representacin en cualquier socio-tcnica. Por un lado, la interaccin
entre los agentes locales y su entorno puede generar dinmicas y
complejas comportamiento emergente. Este comportamiento emergente
no es necesario una teora representacional a fin de se explica
porque se explica por la auto-organizacin. Por otro lado,
comportamiento emergente puede ser analizado como un fenmeno
estructurado por los mismos actores y, por un mecanismo de
retroalimentacin, generar ms o menos consciente reacciones.
Pgina 11
Paradigma de la complejidad como un marco de referencia para el
estudio de sistemas cooperativos
Una intuitiva definicin de sistemas tcnicos complejos
5 Aunque es posible dar una definicin precisa de un sistema
complejo, vamos a dar una descripcin en relacin con nuestra
experiencia en el estudio de sistemas socio-tcnicos.
Un sistema complejo es un sistema para el que es difcil, si no
imposible de limitar su descripcin para un nmero limitado de
parmetros o caracterizar las variables sin perder sus propiedades
funcionales esenciales a nivel mundial.
Un verdadero sistema complejo sera totalmente irreductible. Esto
significa que sera imposible de obtener un modelo de este sistema
(es decir, una representacin ms sencilla que la realidad) sin
perder todas sus propiedades relevantes. Sin embargo, en realidad
distintos niveles de complejidad evidentemente existen. Si estamos
interesados en las situaciones que son muy estructuradas y
reguladas por leyes estables, entonces, es posible, sin perder
demasiado muchas de las propiedades del sistema, a fin de
representar y modelar el sistema de simplificacin. Por lo tanto, la
cuestin esencial es saber en qu medida las propiedades de los
sistemas socio-tcnicos que analizar y disear caen en una u otra de
estas situaciones. En otras palabras, hasta que punto se puede
hacer una abstraccin de las interacciones microscpicas a fin de
comprender los comportamientos macroscpicos? En qu medida son las
interacciones microscpicas no vinculados en un reducido con las
leyes que rigen los comportamientos ms estructurado? Por ltimo, es
posible explicar el comportamiento ms estructurada usando las
reglas que controlan el comportamiento microscpico (el principio de
la emergencia)? Esta ltima cuestin es importante desde el punto
epistemolgicos y metodolgicos de la vista: si tenemos en cuenta
teora econmica, puede ser preferible para generar la propiedad
estructural de un sistema utilizando el conocimiento de sus
propiedades microscpicas (aparicin), en lugar de sugerir sus
propiedades macroscpicas y su validacin con slo un proceso
analtico.
La reduccin de la complejidad es una etapa esencial en la
tradicional metodologa cientfica y experimental (tambin conocido
como analtica). Despus de reducir el nmero de variables
(considerado ms relevantes), este enfoque permite que los sistemas
a ser estudiados de forma controlada, es decir, con la rplica de
los resultados. Este enfoque en s mismo no necesita ser
cuestionada. Sin embargo, cuando se consideran sistemas
sociotcnicos complejos es conveniente analizar con precisin los
lmites del enfoque. Las cuestiones que se tratan en este artculo
son las siguientes: cules son los lmites tericos y metodolgicos de
este enfoque tradicional, y, lo que es la contribucin de la
distribucin y enfoques de la complejidad? A fin de ilustrar nuestra
discusin utilizaremos los ejemplos
6 tomado de un estudio de la remodelacin de un centro de
llamadas de emergencia Francs [Dugdale et al. 2000].
5 Oficialmente, el sistema empieza a tener comportamientos
complejos (no de previsibilidad y la aparicin, etc. ) el momento en
que consta de piezas interactan de forma no lineal. Por lo tanto,
es conveniente distinguir entre un sistema complicado (como un avin
o un ordenador) y un sistema complejo (como sistemas ecolgicos o
econmicos). Las primeras se componen de muchos funcionalmente
distintas partes y, de hecho, son predecibles, mientras que el
segundo interactuar de manera no lineal con su medio ambiente y sus
componentes tienen propiedades de auto-organizacin que hacen no
previsibles por encima de una determinada ventana temporal.
6 Desde un punto de vista metodolgico, los ejemplos que se citan
en este artculo no puede ser tomado como prueba completa de las
propiedades avanzadas de los sistemas complejos. Con el fin de
demostrar la necesaria y suficiente de carcter el enfoque de la
complejidad (que, como ya se ha mencionado anteriormente, se centra
en las interacciones locales y microscpica, en lugar de en una
conceptualizacin de las estructuras preexistentes), es necesario
demostrar de una manera constructiva que el modelo bajo
consideracin es generar el comportamiento macroscpico postulado en
el marco de un enfoque analtico. Este ltimo paso de la metodologa
no es tratado en este artculo, pero est actualmente en desarrollo
en varios proyectos que utilizan una plataforma de simulacin de
interacciones sociales [Dugdale et al. 2000].
Pgina 12
Paradigma de la complejidad como un marco de referencia para el
estudio de sistemas cooperativos
complejidad tcnica y socioeconmica en sistemas de cooperacin
Cooperacin tcnica en sistemas socioeconmicos es ahora un campo
de investigacin por s mismo. Muchos de los aspectos de interaccin
del agente, la cooperacin, la negociacin se ha informado, analizar
y modelar.
Metodologas, as como las teoras han sido desarrollados con el
fin de evaluar distintos aspectos de
7.
Sin embargo, sistemas de cooperacin an muestran cierta renuencia
a ser modelada en el anlisis tradicional. Se pueden encontrar
muchos motivos para explicar este hecho. Nos gustara destacar el
hecho de que ms all de las tradicionales explicaciones como "no
tenemos suficiente conocimiento sobre el estado colectivo de
exteriores", impredecible las inferencias, etc. ., complejos
sistemas cooperativos llegar eficiencia debido a su
complejidad.
En un primer paso, se dan algunos ejemplos de la complejidad (no
determinista, ... )
cuatro propiedades especficas de los sistemas complejos se
analiza en relacin con su utilidad para modelos
socio-cognitivas:
Propiedad 1: no-determinista. Un sistema complejo es
fundamentalmente no determinista. Es imposible anticipar
preciselythe comportamiento de tales sistemas, incluso si estamos
totalmente saber la funcin de los mandantes de la OIT.
Propiedad 2: funcional limitada decomposability. Un sistema
complejo tiene una estructura dinmica. Por lo tanto, es difcil, si
no imposible, para estudiar sus propiedades por la descomposicin en
partes funcionalmente estable. Su permanente interaccin con su
medio ambiente y de sus propiedades de auto-organizacin que
funcionalmente reestructurarse.
Propiedad 3: naturaleza distribuida de la informacin y
representacin. Un complejo sistema posee propiedades comparables a
los sistemas distribuidos (en el sentido conexionista), es
decir,
algunas de sus funciones no puede ser precisamente
localizado.
Propiedad 4: surgimiento y auto-organizacin. Un sistema complejo
est compuesto por propiedades emergentes que no sean directamente
accesibles (que se identifica o anticipada) a partir de un
entendimiento de sus componentes.
Propiedad 1: No determinismo
no-determinismo de los procesos socio-cognitivas a menudo se
considera que ello se debe, bien a una falta de conocimiento del
observador sobre el sistema analizado, o a la alteracin del sistema
como consecuencia de causas imprevistas (p. ej. acontecimientos
exteriores o ruido, etc. ).
Un anlisis de las propiedades de los complejos sistemas
socio-tcnicos sugiere que no determinismo puede tener un importante
rol funcional. Vamos a examinar uno de los mecanismos ms habituales
sobre sistemas cooperativos: radiodifusin. Vamos a demostrar que
este mecanismo no es trazable (es decir, que es difcil, si no
imposible, para describir explcitamente los flujos de informacin
que son relevantes para comprender la manera en funciones
colectivas) y que proporciona una estructura para la gestin de la
memoria del colectivo. Fig. 7 Explica brevemente la difusin
mecanismo opera.
7 Ver sitio web COTCOS (http://www-sv.cict.fr/cotcos/) donde ms
de 60 documentos ejemplifican este dominio de la investigacin.
Pgina 13
Paradigma de la complejidad como un marco para el estudio de
sistemas cooperativos
(1) " le voy a enviar
no autorizada X escucha una ambulancia "
C Caudal Autorizado de Med O escucha informacin (2) " Gracias
"
autorizado,
(3) Oto el servicio de ambulancias : pero
" Podra usted enviar un vehculo para... Desinteresado U
oyente
La Figura 7 Un ejemplo de la radiodifusin. La persona que llama,
C, la
radiodifusin es probablemente uno de los mecanismos ms
importantes para la comprensin de la eficacia de un colectivo en
situaciones de co-presencia y Pavard Rognin [ 96]. De hecho, es el
nico mecanismo que permite el uso compartido de informacin a un
bajo costo cognitivo. Las teoras clsicas de la comunicacin
(principalmente infanto-juveniles) rara vez han analizado su papel
funcional [Decortis
telfonos mdico (Med) en el centro de emergencias para solicitar
una ambulancia. Esta comunicacin puede ser escuchado por varias
personas, dependiendo de su posicin geogrfica y el volumen de la
comunicacin. Estas personas pueden ser autorizados, no autorizados,
interesada o desinteresada los interlocutores. Fluctuaciones en el
estado de los interlocutores, as como su localizacin geogrfica o su
nivel de participacin en una tarea, influir notablemente en el
desarrollo del conocimiento comn del colectivo. En este ejemplo,
podemos ver (en 3) O agente que o una conversacin entre la persona
que llama y el medic (1 y 2) debido a su proximidad en el espacio
para el mdico y el volumen de la comunicacin. Como resultado de
ello, agente O envi una ambulancia sin el mdico haciendo una
peticin explcita
y Pavard 94], aunque sus componentes cognitivos se describen con
precisin Goffman [ 87].
Las dimensiones cognitivas de la radiodifusin son variados
(audio, visual, gestual, etc. ) y cada uno de ellos contribuye a
que el proceso no determinista. Algunos de los principales factores
que contribuyen a este mecanismo son los siguientes: el nmero de
personas que estaban presentes en el momento de la comunicacin,
autorizada o no interesado, etc. ), su disponibilidad y el
contexto, etc.
Como se ha mencionado anteriormente, es muy difcil hacer un
seguimiento del flujo de asociado a este tipo de comunicacin. Ni
los actores involucrados, ni el observador tienen los medios o la
los recursos cognitivos para saber a quin escucha el mensaje y
menos an para saber cmo se interpretan. Adems, a menudo es muy
difcil separar los factores ambientales de los factores
internos.
Propiedad 2: funcional limitada decomposibility
esta propiedad de los sistemas complejos es difcil de comprender
intuitivamente ya que va contra los principios de la cultura
funcionalista dominante. De acuerdo a la tradicional enfoque
analtico, un sistema que es funcionalmente casi descomponibles es
un sistema cuyo funcionamiento global se puede deducir por completo
desde el conocimiento de la funcin de sus componentes. Para tomar
un ejemplo trivial, si sabemos la funcin de cada elemento de un
coche (frenos, distribuidor, motor, etc. ) es posible calcular la
funcin global del vehculo mediante la combinacin de las funciones
de cada elemento. Teora de los sistemas (ciberntico, automtico) es
una de las disciplinas esencialmente dedicado a formalizar este
enfoque.
Pgina 14
Paradigma de la complejidad como un marco para el estudio de
sistemas cooperativos
un verdadero sistema complejo no puede ser representado mediante
combina un conjunto de componentes funcionales definidas. El
principal obstculo para el funcionamiento de los sistemas complejos
decomposability es el carcter dinmico y cambiante de sus funciones
constitutivas. La interaccin con el medio ambiente, as como el
aprendizaje y mecanismos de organizacin hace que sea realista
respecto sistemas como estructuralmente estable.
Una de las ms interesantes propiedades de sistemas socio-tcnicos
es su capacidad para reorganizar rpidamente su estructura
funcional. Dependiendo del contexto, los agentes pueden modificar
sensiblemente las "reglas del juego" y, por ejemplo, modificar sus
mecanismos de cooperacin. Este cambio puede ocurrir sin haber
aprendido a nivel central. El ejemplo que se muestra a continuacin
ilustra este tipo de mecanismo. En l se describe un episodio
cooperativa entre varios agentes que trabajan en la misma
habitacin. La cooperativa se basa en la difusin mecanismo: un
altavoz (de un mdico vestido de blanco en la fotografa de la Fig.
8) Pasa en las comunicaciones de radio, que se transmite de las
ambulancias en el lugar de los accidentes, para el resto del
colectivo (el personal del centro de emergencia).
Otros agentes
Nivel de ruido
Intensidad
Radiodifusin
Medic llamada externa
Figura 8 Un ejemplo de la flexibilidad de las propiedades
estructurales de un sistema de comunicacin. El modo de transmisin
de la informacin entre los agentes depende de factores ambientales
(en este caso, el ruido ambiente) e informales de control ejercido
por los agentes individuales (en este caso, se estima que el inters
del mensaje a los colectivos). El mdico (que se muestra en blanco)
cambia el volumen de los altavoces, en funcin del contenido
semntico de cada mensaje y el nivel de ruido en la habitacin.
Esto le permite ajustar el alcance del mensaje transmitido.
Podemos ver en este ejemplo que las propiedades estructurales de
un sistema de comunicacin (en este caso, el modo de distribucin de
la informacin) dependen de factores ambientales (el operador regula
el volumen de los altavoces segn el ruido ambiente) y un anlisis
semntico del contenido del mensaje. Segn el contexto, es decir la
importancia del mensaje para el colectivo, el operador va a
aumentar o reducir el volumen del altavoz con el fin de optimizar
la forma, la informacin se distribuye a los colectivos.
Este modo de comunicacin es ni control centralizado, ni se ha
formalizado (no hay oficiales o semioficiales regla especifica el
modo). El operador se aplica su modo de control probablemente sin
haber pensado especficamente sobre su utilidad (los operadores no
se suelen ser conscientes de la importancia de la radiodifusin los
mecanismos para el colectivo, y a menudo pienso en ello como una
fuente de ruido).
Pgina 15
Paradigma de la complejidad como un marco de referencia para el
estudio de Sistemas Cooperativos
El ejemplo muestra que la estructura del sistema de comunicacin,
en el que la eficiencia del colectivo depende, est sujeto a tiempo
real mecanismos de ajuste informal.
La funcin de comunicacin del colectivo depende de las
limitaciones ambientales (nivel de ruido ambiente) y factores
contextuales (el inters de el mensaje a los colectivos) que son
controlados por los agentes individuales.
Si este tipo de situacin ha sido objeto de un anlisis
funcionalista de acuerdo con el paradigma, el nfasis se hubiera
puesto de comunicaciones binarias, como la comunicacin directa
entre las agencias y las comunicaciones telefnicas, etc. mecanismos
perifricos (tales como la radiodifusin y el ruido ambiente) habra
sido tratada como ms o menos inquietantes sucesos secundarios. Sin
embargo, estos mecanismos son esenciales para comprender la
eficacia del colectivo. En este tipo de situaciones complejas, el
mtodo funcionalista, subestimar los factores ambientales y la
no-determinista las interacciones entre los agentes. El modelo se
han sido de poca importancia ecolgica ya que no nos han permitido
comprender los procesos de elaboracin comn de conocimientos que
estn relacionados con la radiodifusin.
La importancia funcional de la radiodifusin con el mecanismo de
ajuste el volumen de los altavoces se ha simulado por ordenador con
el fin de mostrar la importancia de regular las comunicaciones a
nivel del colectivo Dugdale y Pavard [ 2000]. Un estudio similar en
materia de control del trfico areo demostr que sera muy difcil de
entender la fiabilidad de este tipo de sistema sin tener en cuenta
los numerosos bucles de control que se deben a intercambio informal
de informacin a travs de la radio los mensajes y el concepto del
"flotante" [odo Bressolle et al. 96].
Propiedad 3 el carcter de la informacin distribuida y las
representaciones
El concepto de la informacin distribuida es polismica en gran
medida, transmitir conceptos muy diferentes. En su sentido ms
comnmente aceptadas, un sistema se dice que es distribuido cuando
sus recursos son fsicamente o virtualmente distribuidos en
diferentes sitios. Por lo tanto, una mquina (un ordenador por
ejemplo) pueden distribuir sus clculos entre varios sitios remotos
y montar los resultados de acuerdo a un algoritmo definido.
Igualmente, el operador puede distribuir su trabajo las tareas y de
las herramientas de acuerdo con una determinada estrategia. El
concepto de distribucin es compatible con el concepto de
redundancia, cuando algunos recursos distribuidos son
redundantes.
La nocin de representacin distribuida tambin existe en el campo
de la psicologa cognoscitiva [Zhang y Norman 94, Hutchins 90,
Hutchins 95]. Cubre el hecho de que, en la interaccin entre un
actor y su entorno, los artefactos (herramientas) desempean un
importante papel funcional en la organizacin de las razones y la
transmisin de los conocimientos. Para ilustrar este principio,
debemos tomar el ejemplo de usa con frecuencia las tiras de papel
en el dominio del control del trfico areo. Las tiras de papel son
pequeos trozos de papel de caractersticas del avin, como seal de
llamada, de su destino, de su ruta, se escriben. Se ha demostrado
que estas bandas ayudan a los controladores para representar
informacin a s mismos (por ejemplo, que las bandas organizadas en
la banda junta de las propiedades dinmicas de los aviones) y tambin
a colaborar entre ellas [Bressolle et al. 95]. Por lo tanto,
podemos hablar de representacin distribuida, ya que algunos
propiedades cognitivas (como por ejemplo memorizar y estructuracin
del problema, etc. ) estn parcialmente apoyado por artefactos en el
medio ambiente. De una manera, esta idea es cercano al concepto de
sistemas distribuidos fsicamente.
Por ltimo, podramos introducir un tercer sentido a la nocin de
sistemas distribuidos que se deriva de modelos conexionistas y
transmite conceptos esenciales para comprender la solidez del
colectivo en el procesamiento de los datos. En el conexionista
significado, un sistema distribuido es uno donde no es posible
localizar fsicamente la informacin ya que es ms o menos
uniformemente distribuidos entre todos los objetos (o actores) en
el sistema.
Pgina 16
Paradigma de la complejidad como un marco para el estudio de
sistemas cooperativos
, podemos ver que el trmino "distribuido" es apropiado ya que es
imposible identificar cualquier forma de representacin en dicha
red. La representacin es "disuelto" en los nodos del sistema o en
los enlaces. Por lo tanto, un sistema distribuido, en el sentido
conexionista, distingue entre concepto, representacin, y el
contexto, ya que estas tres entidades son "codificado"
simultneamente en el mismo soporte (nodos y enlaces).
Nuestro argumento es que demuestran que un sistema
verdaderamente cooperativa funciona tanto en los modos conexionista
y de representacin. Esta es la razn por el sistema es
particularmente robusta en entornos complejos, que son
imprevisibles y no determinista.
El siguiente ejemplo muestra una situacin en que se encuentran
en el marco de nuestro estudio sobre la reorganizacin del centro de
emergencias. Recordar que el objetivo del colectivo es para
maximizar comportamiento cooperativo entre los actores, con el fin
de responder de la mejor manera posible a los hechos que se
producen en el medio ambiente (tales como llamadas imprevistas,
puntas de trabajo, los cambios en la posicin fsica de los agentes,
etc. ).
Hemos demostrado que la eficacia de este tipo de colectivo se
basa en una situacin de co-presencia, que permite que la informacin
se distribuye por radiodifusin y odo "flotante". En el caso de una
carga de trabajo normal, se trata de la proximidad entre los
agentes que les permite mantenerse informado de lo que se dice en
el colectivo (ear) y flotante para regular localmente la eficiencia
de la distribucin de la informacin (hablando ms o menos fuerte,
ajustando el volumen del altavoz y la adopcin ostensible
comportamientos adaptativos).
Fig. 9 Representa este tipo de distribucin de la informacin
entre los agentes y, al mismo tiempo que muestra la importancia de
la interaccin entre los factores ambientales (p. ej. nivel de ruido
y a las restricciones de espacio) y ms central los procesos (como
el control de los medios de comunicacin).
De esta cifra, podemos ver que un colectivo en situacin de
co-presencia, posee estructurales cuando una llamada, que se
refiere a la convocatoria anterior, se puede tomar de otro agente
(es decir, que no tome la llamada inicial), el sistema es lo
suficientemente robusta para poder redirigir la llamada al agente
correcto.
Pgina 17
Paradigma de la complejidad como un marco para el estudio de
sistemas de cooperacin
espacial otro nivel de T1: gents orginales ruido T0:
Llamada entrante llamada Agente Mki Agente j
Disponible MKj Comunicacin
estrategias cognitivas recursos Agente k MKk tarea
plurianual Objetivo ostensible de las Comunicaciones
Agente comportamiento e
La Figura 9 Un ejemplo que muestra la naturaleza distribuida (en
el conexionista
, un sistema puede ser considerado como complejo debido a que
parte de sus funciones (aqu las funciones de intercambio de
informacin y la distribucin de la informacin) no puede ser reducida
a una representacin en la que es posible localizar con precisin un
dato pertinente. Ni los actores ni el observador puede, en un
momento dado, dar un plan de este proceso. Por otra parte, como
hemos visto anteriormente, las propiedades estructurales de los
sistemas de comunicacin estn bajo control local: el
sentido) de sistemas cooperativos. Este diagrama representa un
colectivo compuesto por varios agentes. Los agentes estn
representados por crculos (Agente i, j, k, etc. ). En el tiempo T0,
una llamada entrante es tratado por agente. Este agente adopta una
estrategia de comunicacin que pretende controlar el carcter
distribuido de el mensaje. Informacin Verbal (se muestra por las
flechas negras gruesas) se distribuye de manera determinista (por
difusin) a los otros agentes (agentes i, j, k) en funcin de las
caractersticas del medio ambiente:
el nivel de ruido, las limitaciones espaciales (distancia entre
los agentes), el los recursos cognitivos (carga de trabajo) y de
otros factores, como gestual postural ostensible o comportamiento
(que se indica mediante las flechas discontinuas) lo que permite
que los agentes para controlar su comportamiento escucha
Benchekroun [ 94]. Si en el momento T1, recibe una llamada que se
relaciona con una llamada previa, pero es tomado por un agente
distinto del agente, el colectivo (es decir, en uno de los otros
agentes en la habitacin) ser capaz de manejar esta nueva llamada
correctamente debido a la memoria comn (que se muestra en forma
Mki, MKJ y MKk) establecido por la difusin mecanismo.
cada agente puede controlar la forma en que se distribuye la
informacin local.
Entender cmo funciona un sistema de este tipo requiere un modelo
de este tipo de dinmicas, incluidos los mecanismos de capacitacin,
de la regulacin y el control de la interaccin con el medio
ambiente.
Propiedad 4: surgimiento y autoorganizacin
cognoscitivos y en los procesos de comunicacin en un colectivo
corresponden a esta definicin.
Le daremos un ejemplo tomado de nuevo de nuestro estudio de
centros de control de emergencias. El proceso emergente se describe
no es beneficiosa, ya que no produce una mejor estructura funcional
pero en su lugar, produce un comportamiento degradado, cuya
explicacin se escap el anlisis de participantes Benchekroun [ 94].
Estudio ergonmico de Benchekroun destinado a servir de base para un
nuevo sistema de comunicacin entre los mdicos y los operadores de
telefona (
Pgina 18
Paradigma de la complejidad como un marco para el estudio de
sistemas cooperativos
enfermeras). Las dificultades encontradas por estos agentes fue
durante perodos de intensa actividad telefnica: un momento crtico
en que es necesario gestionar las llamadas de forma efectiva.
Paradjicamente, tambin ha sido el momento en que el colectivo
pareca ser disfuncional, es decir incapaces de responder a una
demanda exterior. Un anlisis ergonmico destac la importancia de la
interlocucin y la radiodifusin los mecanismos en la regulacin de
las llamadas de emergencia: los agentes estaban tomando en cuenta
el comportamiento ostensible de sus colegas con el fin de
determinar si pueden o no interrumpir un ocupado colega para
obtener alguna informacin necesaria.
Adems, la memoria colectiva se vio afectada ya que, como se
describi anteriormente, la radiodifusin es la base para la
construccin de la memoria colectiva. La sbita disfuncin del
colectivo se debe al hecho de que el volumen aument, los agentes se
hizo cada vez ms incapaz de adquirir informacin producida por sus
colegas a travs de la 'oreja flotante". Esto, junto con la falta de
agentes, se produce una disfuncin en el sistema.
Por lo tanto, es una pura interaccin entre los agentes locales
(sobre la base de reglas simples de comunicacin) vinculados con la
distribucin de mecanismos de informacin que produce a nivel mundial
(emergente) comportamiento resultante en un sistema disfuncional.
Modelado formalmente este proceso nos ha permitido confirmar la
pertinencia de esta interaccin entre comportamiento local y los
factores ambientales [Pavard et al. 90].
Conclusin: Qu paradigma para estudiar sistemas complejos?
El objetivo de este trabajo fue explorar la utilidad del
paradigma de la complejidad en el anlisis socio-tcnico sistemas de
cooperacin. Un sistema complejo es intuitivamente se describe como
un sistema en que es difcil, si no imposible, para reducir el nmero
de variables o parmetros descriptivos sin perder sus propiedades
globales funcionales esenciales. Hemos definido y analizado cuatro
caractersticas de los sistemas complejos: no determinismo,
funcional limitada decomposability, la naturaleza distribuida de la
informacin y la representacin, y la aparicin y auto-organizacin.
Estas caractersticas fueron ilustrados con ejemplos tomados de
nuestro trabajo en el diseo sistemas de cooperacin en los mbitos de
control de trfico areo de emergencia y centros de control. Hemos
demostrado que estas cuatro caractersticas, que no son tratadas en
el marco de enfoques analticos clsicos, son esenciales para
entender ciertos aspectos funcionales del trabajo cooperativo. Por
ejemplo, desde nuestro anlisis en el campo de la labor de
cooperacin situaciones que hemos identificado el papel funcional de
la radiodifusin. Este mecanismo se encuentra en el corazn de la
distribucin de la informacin entre los agentes de un sistema
socio-tcnico. Utilizando teora de la complejidad, podemos
identificar que el mecanismo no es tracable y no determinista. Por
otra parte, mediante la identificacin de la naturaleza distribuida
(en un sentido conexionista) de este mecanismo podemos hipotetizar
que la fortaleza del sistema en su conjunto, es decir, la capacidad
del sistema para manejar datos imprevistos, es funcionalmente
relacionado con el concepto de una distribucin local control de la
informacin. Estos mecanismos se refiere principalmente a las
interacciones locales (entre los actores sociales) y que no estn
representados en el nivel central de la organizacin en donde
ciertas propiedades funcionales (p. ej., fiabilidad, robustez de la
toma de decisiones y la ocasional funcionamiento anormal del
colectivo).
Como se ha indicado anteriormente, este enfoque y los resultados
sera incompleto si no pudo demostrar de una forma productiva, es
decir, simulando el efecto de interacciones locales en la decisin
colectiva a nivel mundial en una cooperativa. Esta fase debe
permitir el surgimiento de propiedades globales de robustez del
sistema. Varias simulaciones se analizan actualmente (vase, por
ejemplo [Dugdale et al. 2000] ), para demostrar el poder de este
enfoque.
Pgina 19
Paradigma de la complejidad como un marco para el estudio de
sistemas cooperativos
desde un punto de vista general, defendemos la idea de una
complementariedad estructural y distribuido (tambin llamados
'dinmico') enfoque tanto en ciencia cognitiva y, ms en general, en
ciencias sociales. Estos dos enfoques abarcan dos dimensiones
importantes en nuestro conocimiento del colectivo. Cuando se
utilizan solos los dos enfoques son necesarios, pero no es
suficiente para explicar la solidez y el carcter dinmico de
sistemas socio-tcnicos Mitchell [ 99]. El clsico enfoque analtico
reduccionista es particularmente dbil a la hora de explicar el
surgimiento de propiedades funcionales, a pesar del hecho de que en
socio-tcnico sistemas complejos, la fuerza del colectivo se
encuentra en dichas propiedades.
Referencias
Baker, G. L. & Gollub, J. P. , 1990, dinmicas caticas.
Cambridge University Press.
Benchekroun, T. H. , 1994, Modlisation et simulation des
processus intentionnels d'interlocucin. Ph.D. Thse, Conservatoire
National des Arts et Mtiers, Pars.Bonabeau, E. & Theraulaz, G.
(1994) inteligencia colectiva. Herms, Pars.
Bonabeau & Theraulaz G. , 1994, Inteligencia Colectiva,
Hermes.
Bressolle, M. C. , Pavard, B. & Leroux, M. , 1995, la funcin
de comunicacin multimodal en cooperacin y la intencin
reconocimiento : el caso del control del trfico areo, Actas de la
Conferencia Internacional sobre Cooperacin Comunicacin Multimodal,
teora y Aplicaciones, Eindhoven, Pases Bajos, 24 y 26 de mayo
1995.
Bressolle, M. C. , Decortis F. , B. & Pavard Salembier P. ,
1996, Traitement et Organizationnel Cognitif des micro-incidentes
dans le domaine du contrle du trafic transport: Analyse des boucles
de rgulation formelles et informelles, en De Terssac G. y
Friedberg. (Ed. ):
Coopration et Concepcin, Ediciones Octares, Toulouse.
El Anlisis en Cilliers, P. , 1999, la complejidad & Post
modernismo, Cooper D. , 1999, lingstica cognitiva atractores : La
dinmica de langage adquisicin y cambio. J. Benjamins Pub. Comp.
Decortis, F. & Pavard, B. , 1994, Communication et
coopration: de la thorie des actes de langage l'approche
ethnomthodologique. En B. Pavard (Ed. ), Systmes coopratifs: de la
modlisation la concepcin. Ediciones Octars, Toulouse.
Destexhe, Nicolis y Nicolis (1989) simblica dinmica catica de
serie. En las medidas de la complejidad y el caos. NOTA: Abraham,
A. M. Albano, A. Passamante & P. E. Rapp Ed.
Plenum Press, Nueva York y Londres.
Dugdale, J. , Pavard, B. , Soubie, JL., 2000, un desarrollo
pragmtico de una simulacin por ordenador de un Centro de Llamadas
de emergencia. Para que aparezcan en las Actas de COOP 2000, Cuarta
Conferencia Internacional sobre el diseo de sistemas de cooperacin.
Cannes Francia.
Epstein, J. M. &Axtell, R. , 1996 Las sociedades cada vez ms
artificial. MIT Press.
Goffman, E. , 1987, Faons de parler. Editions de Minuit,
Pars.
Hutchins, E. , 1990, la tecnologa de navegacin equipo.
Intelectual en el trabajo en equipo. Eds. J.
Galegher., R. E. Kraut y C. Edigo, Hillsdale, N. J. :LEA.
Hutchins, E. , 1995, la cognicin en el medio silvestre, Bradford
Books-MIT Press, Cambridge MA.
Kohler, T. y Meredith H. , 1992. Modelado basado en agentes de
Formacin pueblo Anasazi en el suroeste de Amrica del Norte.
Kohler, T. Agent-Based pueblo Anasazi modelos de formacin en la
Amrica del Norte.
Kohler, T. A. y Carr, E. , 1996, SIG Ms All: Rellenar mundos con
los agentes. En A. Bietti, A.
Cazzella, I. Johnson & A. Voorrips (eds. ), problemas
tericos y metodolgicos.
El Sr. Langton Ngorima, C. G. 1994, Vida Artificial III. Redwood
City, Calif. : Addison Wesley.
Lewin, R. , 1993, la complejidad. J. M. Dent Ltd, de
Londres.
McCulloch y Pitts, 1943, Mitchell, M. , 1998, Complex-Systems
perspectiva sobre la "computacin vs. Dinmica" debate en Ciencia
Cognitiva. En las actas de la Vigsima Conferencia Anual de la
cognitiva
Pgina 20
Paradigma de la complejidad como un marco para el estudio de
sistemas cooperativos
Ciencia y Sociedad. (Eds. Gernsbacher Strae, M. A. y Derry, S.
J. ). Lawrence Erlbaum Associates, Inc. ,
Poincar, H. , 1951, Sur le problme des trois corps et les
quations de la dynamique. En Oeuvres de Henry Poincar. Volumen VII,
Gauthiers Villars, Pars, Francia.
Pavard, B. , Benchekroun, H. & Salembier, P. , 1990, La
rgulation des communications colectivo dans un centre d'appel
d'urgence : analyse et modlisation. En Actes du congrs Ergo IA,
Biarritz, Francia.
Rognin, L. & Pavard, B. , 1996, pluri-dirigi mensajes y
coordinacin impacto de intercom en la cooperacin humana. En las
actuaciones de COOP'96 Segunda Conferencia Internacional sobre el
diseo de sistemas de cooperacin. Juan-les-Pins, Francia.
Rosenblatt, F. , 1962, principios de neurodynamics. Nueva York:
Spartan.
Rumelhart, D. E. & McClelland, 1986, para el aprendizaje de
la Los tiempos de pasado de los verbos ingleses. En McClelland,
Rumelhart et al. Procesamiento distribuido en paralelo:
Exploraciones en la microestructura de la cognicin, Vol 2. :
Modelos psicolgicos y biolgicos. Cambridge, MA, MIT Press.
Zhang, J. , Norman, D. A. , 1994, representaciones en distribuir
tareas cognitivas. Ciencia Cognitiva 18, 87-122.
Pgina 21
Analysis guide of reading
Complexity Paradigm as a framework for the study of Cooperative
Systems. By Bernard Pavard. Paul Sabatier University, France
I. Key words. Before read the text of Pavard, search definitions
of following key words. Sources: internet and books, special
Science dictionaries.
1. Conceptual framework
2. Methodological framework3. Analytic (or structural)
approach
4. Multi-agent paradigm5. Neural networks6. Ergonomy7. Classic
mechanics
8. Quantum mechanics9. Nodes10. algorithm11. Iteration
12. SystemII. Read the Bernard Pavard`s article from page 1 to
9. III. Write short answers to following questions: 1. What are
three axes of complexity theory?
2. Describe Poincar demonstration.
3. What did epistemological implications Poincar job have into
science investigation method?
4. What properties of neural networks could be used as metaphor
for cognitive process?
5. Why non linear properties are very important to understand
neural networks? 6. What is a system with properties of self
organization? 7. Why the distributed and self organized systems are
drastically different from the classical analytical approaches? 8.
What does non linear mean?
9. What happen when the growing factor (k) is 2.5 into the
equation for cats-mice population interaction? 10. What does
chaotic behavior men? 11. What does iteration mean?
12. What can complexity arise only?
13. What is the relation between deterministic and chaotic
behavior?14. Deterministic behavior can be seen as a special case
of chaotic behavior.15. What happen when the growth rate increases
to 2?
16. How does the bifurcation work? 17. For k>2.7 it is no
longer possible to predict how the mice population will change from
one year to one another. We are then in the chaos area.
18. What is the intermittency area?
19. What is the real relation between the theory of complex
systems and the analytical or structural approach?
20. What is the relation between linear approach and a non
linear approach? 21. When does the pendulum have analytic way and
when has a chaotic way?
22. Why a perfectly causal system may show unpredictable
behaviors?
23. How do the non linear characteristics of the interactions
between the components of the system undermines the traditional
model of scientific experiment?
24. How does a system behave twice in the same way? 25. What is
a neural network?
26. What is a neural network composed?27. How are nodes
connecting together?
28. What does information transmitting among cells depend
of?
29. Describe the first phase of neural network operation?30. Why
in a connectionist network we can not speak of representation,
context or temporality? 31. Mention some functions of a neural
network?
32. What does the concept of addressable memory represent?