Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Holland
EL ORDEN OCULTO
DE CÓMO LA ADAPTACIÓN
CREA LA COMPLEJIDAD
Comité de Selección
Coordinadora
María del Carmen Farias R.
Sección de Obras de Ciencia y Tecnología
EL ORDEN OCULTO
Traducción:
EL ORDEN OCULTO
De cómo la adaptación crea la complejidad
MÉXICO
Primera edición en inglés, 1996
Primera edición en español, 2004
Holland, John H.
El orden oculto / John 11. Holland. — Mexico : FCE, 2004
197 p. ; 23 x 16 cm — (Colee. Sección de Obras de Ciencia y
Tecnología)
Título original: Hidden Order—How Adaptation Builds
Complexity
ISBN 968-16-6835-9
Título original:
Hidden Order
—How Adaptation Builds Complexity
publicado por
Basic Books / Perseus Books Group
©1995 John H. Holland
ISBN 0-201-40793-0 (empastado) 0-201-44230-2 (rústica)
ISBN 968-16-6835-9
Impreso en México • Printed in Mexico
CICLO DE CONFERENCIAS ULAM
L. M. Simmons, Jr.
Vicepresidente de Asuntos Académicos
Santa Fe Institute
7
PRESENTACIÓN
Es UN GRAN honor estar aquí esta noche para celebrar con ustedes el
décimo aniversario de la fundación del Santa Fe Institute. Quiero ex
presar mi agradecimiento y mi aprecio a su fundador, mi buen amigo
George Cowan, a sus directores, Ed Knapp y Mike Simmons, y a todas
las personas que participaron en la creación de esta nueva serie de
conferencias del instituto en memoria de mi finado esposo.
A aquellos que no conocieron a Stan Ulam, permítanme decirles
sólo una o dos palabras sobre él.
En cierto sentido, debido a la naturaleza interdisciplinaria de sus in
vestigaciones, Stan fue una especie de hombre orquesta del instituto.
Pero eso sucedió hace mucho tiempo, cuando esta expresión apenas
se acababa de acuñar. Si Stan aún estuviera vivo seguramente le encan
taría la estructura informal del instituto, porque él tenía en poco apre
cio las trampas de la burocracia y de la autoridad. Se vanagloriaba di
ciendo que al único comité al que había pertenecido era el Comité de
Catadores de Vino de los Junior Fellows de Harvard.
En Los Álamos, él y Carson Mark, director de la Division Teórica, en
una oportunidad provocaron gran confusión en el laboratorio por ha
ber escrito y hecho circular un memorándum en el que se enlistaban
los números del uno al cien en orden alfabético, “para una rápida y fá
cil referencia”.
En otra ocasión, cuando fue promovido a jefe de grupo, estaba muy
contento porque sólo era jefe de sí mismo, ya que al principio era el
único miembro de su grupo.
Como ven, Stan era un hombre muy bromista. Incluso nunca consi
deró que pensar era un trabajo, sino más bien un juego. Solía jugar
con las ideas matemáticas e inventaba juegos matemáticos. También se
deleitaba enormemente jugando con palabras.
Seguramente el ingenioso título de la conferencia de esta noche,
“La complejidad simplificada”, le hubiera complacido mucho, porque
encierra el tipo de paradojas que le gustaban.
Después de esta breve semblanza cedo el lugar al siguiente orador,
John Holland, quien nos explicará en términos sencillos todo acerca
de los sistemas complejos.
más tarde me invitó a unirme al consejo consultivo del sfi. Así, al tratar
de enfrentar las normas de claridad de Murray en mis explicaciones,
me he visto obligado repetidamente a afinar mis ideas sobre los SCA,
intentando reforzar sus fundamentos y ampliando su aplicabilidad.
Por supuesto, Murray no es la única persona del SFI que ha influido en
mi trabajo —la lista es demasiado larga y ya fue incluida en el libro de
Waldrop—, pero pienso que es justo decir que ninguna otra interac
ción de trabajo ha constituido un reto de tal magnitud.
La MacArthur Science Foundation ha apoyado mi trabajo consisten
temente durante varias décadas: primero, cuando formé parte del Lo
gic of Computers Group de la Universidad de Michigan, con Arthur
Burks como investigador principal. Años más tarde, cuando Burks y yo
nos convertimos en coinvestigadores principales, me brindó nueva
mente su apoyo. A propósito de Art Burks, recuerdo que cuando yo era
un joven miembro del personal de la Universidad de Michigan, él uti
lizó su prestigio para encaminarme por los senderos que no formaban
parte de las rutas tradicionales de la universidad. Ha sido para mí un
amigo cercano y un mentor durante casi cuarenta años.
Recientemente me eligieron como miembro de la MacArthur Foun
dation, y fueron Murray Gell-Man y su esposa, Marcia, quienes me infor
maron que había recibido ese honor (y sí, fue un escándalo cuando
me llamaron). Realmente no hay manera de describir el sentimiento de
libertad y de júbilo que acompaña a tal premio. Para bien o para mal,
la seguridad financiera que implica me ha estimulado para dar pasos
cada vez más riesgosos en el área de la investigación. Las decisiones
acerca de los proyectos a largo plazo cuyos beneficios son inciertos, ta
les como la decisión de escribir este libro, se hacen más fáciles.
Sería imperdonable dejar de mencionar la presentación de Fran
çoise Ulam para estas conferencias. Por supuesto que usted puede leer
sus propias palabras al principio de este libro; sin embargo, las pala
bras escritas sobre un papel no pueden tener la gracia de su discurso
oral. Conocí a Françoise en la reunión de recepción que precedió a las
conferencias, cuando teníamos suficiente tiempo para una conversa
ción prolongada. Su encanto e inteligencia crearon inmediatamente
un ambiente de vivacidad y calor en un salón lleno de conversaciones.
Es fácil ver el porqué de su influencia en todas las facetas de la vida
personal y de investigador de Stan Ulam, un hecho que el propio
Ulam repite continuamente en su autobiografía.
He dejado a mi esposa, Maurita, para el final de este prefacio. Ella
ha sido el prototipo del profano inteligente interesado en la ciencia.
Me ha ayudado de muchas maneras, y no sólo proporcionándome
apoyo y aliento. Por ejemplo, fue Maurita quien me sugirió el nombre
PREFACIO 15
John Holland
Fridhem
Gulliver, Michigan
Abril de 1995.
I. ELEMENTOS BÁSICOS
Objetivos
tiempo 1 2 100
Agregación (propiedad)
una asociación. Pero todavía más operacionales son los “sitios activos”
que permiten que los anticuerpos se adhieran a los antígenos. La sofis
ticación de esta particular versión del marbeteado fue muy bien descri
ta por Edelman en 1988, durante una discusión sobre las moléculas de
adhesión de las células. Podemos incluir también los patrones visuales
y las feromonas que facilitan el apareamiento selectivo en los anima
les, así como los logos de las marcas comerciales y los iconos que facili
tan la interacción comercial (véase la figura 1.5). De pronto parece evi
dente que el marbeteado constituye un mecanismo de supervivencia
para la agregación y la formación de fronteras en los SCA.
Cuando examinamos de cerca los diferentes ejemplos del marbetea
do, vemos que tienen una característica en común: su uso por parte de
los SCA para manipular simetrías. Debido a que las simetrías son comu
nes, con frecuencia las utilizamos para percibir o modelar nuestro
mundo cotidiano, a veces de manera totalmente inconsciente. Las si
metrías nos permiten ignorar ciertos detalles, para poder dirigir nues
tra atención a otros. Weyl (1952) escribió una rica exposición sobre
este punto. El clásico ejemplo de una simetría es una esfera perfecta,
digamos una bola blanca de billar. Una bola de billar exhibe una sime
tría rotacional completa, así que si se la coloca en cualquier posición
no se produce ningún cambio observable a simple vista. Si pintamos
una franja alrededor del “ecuador” de la bola de billar, con esta acción
rompemos su simetría rotacional, y a partir de ese momento podre
mos distinguir lo que previamente era indistinguible a simple vista.
Por ejemplo, si hacemos girar esta bola de billar pintada con una fran
ja, podemos fácilmente observar si el eje de rotación es perpendicular
o no al “ecuador” que forma la franja. En general, los marbetes nos
permiten observar y actuar sobre las propiedades que previamente es
taban ocultas por la simetría.
Llevemos las comparaciones un poco más lejos: consideremos un
conjunto de bolas blancas de billar en rápido movimiento sobre una
mesa de billar (después de un fuerte golpe del taco sobre una bola
que a la vez golpea a otras). En ese momento no podremos distinguir
la individualidad de cada una de las bolas (todas son blancas), a menos
que llevemos un registro preciso de sus trayectorias. Sin embargo, po
demos romper la simetría por medio de etiquetas o marbetes: si pone
mos un marbete sobre una de las bolas podremos rastrear su posición
a pesar de su movimiento.
Los marbetes son rasgos importantes de los SCA que facilitan la inter
acción selectiva y permiten a los agentes seleccionar a otros agentes u
objetos, que de otra manera serían indistinguibles. Las interacciones
bien establecidas basadas en marbetes proporcionan una base firme
30 EL ORDEN OCULTO
Marbete o
Apareamiento selectivo etiqueta
Condición
(requisito del marbete)
No-linealidad (propiedad)
c= (0.5) v+ (-0.1) v
donde b’y rf’son las respectivas tasas de mortalidad y natalidad para las
presas (en este caso, también sin interacciones).
Para reintroducir el efecto de las interacciones depredadores-pre
sas, incorporaremos la idea intuitiva de que el depredador aumenta su
bienestar cada vez que captura una presa. A fin de cuentas, este proce
so (la captura de presas) ejerce un efecto positivo sobre la producción
de descendencia por parte del depredador. Para captar matemática
mente esta idea, introduzcamos otra constante (la constante r) para re
presentar la eficiencia en la transformación de presas capturadas (ali
mento) en descendencia. Más interacciones significan más nacimientos;
así que, utilizando la tasa de interacción cU(t)V(t), obtenemos
r[cU(t) V(t)J
Este par de ecuaciones para U(t + 1) y V(t + 1) es una versión del fa
moso modelo Lotka-Volterra (véase Lotka, 1956). Los métodos están
dar para simplificar y resolver las ecuaciones Lotka-Volterra muestran
que, bajo la mayoría de las condiciones, la población de depredadores
pasará por una serie de altibajos, que irán de festines a hambrunas, y lo
34 EL ORDEN OCULTO
[0.4] x
TASAS
proporción [0.5]
Esta reacción agrega (conjunta) fas bandas, de modo que utiliza sólo la propor
ción total de bandas {proporción de (Ç) + proporción de
Para que el modelo funcione, dos combinaciones de bandas con el mismo total deben producir el mis
mo resultado
Esta parte del modelo es, de hecho, lineal: ¡el todo es igual a la suma
de las partes!
Ahora, supongamos que queremos simplificar el modelo agregando
las franjas en una sola categoría. La idea es calcular el compuesto del
total de franjas/colores sólidos usando sólo la proporción de bolas
con franja sobre la mesa. Incluso cuando hay sólo dos especies de fran
jas, como en el presente caso, esta agregación disminuye la compleji
dad de los cálculos (el número de ecuaciones) a la mitad. Cuando hay
grandes números de especies (como las que existen en los ecosistemas
o en las ciudades), las agregaciones marcan la diferencia entre la facti
bilidad y la no-factibilidad del análisis. La simplificación ocurre debido
a que la ecuación del agregado utiliza una sola variable, S(t), para la
población total de franjas, así como un solo coeficiente de reacción,
c”, quedando de la siguiente manera:
do X(x)^0:
Flujos (propiedad)
La idea de flujo se extiende mucho más allá del ámbito del movimien
to de los fluidos. En la vida diaria todos hablamos del flujo de mercan
cías dentro de una ciudad o del flujo de capitales entre los países. En
contextos más sofisticados hablamos de flujos a través de redes de no
dos y conectores. Los nodos pueden ser fábricas, y los conectares las
rutas de transporte para el flujo de mercancías entre las fábricas. Una
triada similar (nodo, conectar, recurso) existe en otros SCA; por ejem
plo, en el sistema nervioso central (células nerviosas, interconexiones
de las células nerviosas e impulsos; en los ecosistemas (especies, cade
nas alimenticias y bioquímicos); en la red de Internet (estaciones de
cómputo, cables y mensajes), etc. (véase la figura 1.8). En términos ge
nerales, los nodos son los procesadores —agentes—, mientras que los
conectores son los que determinan las posibles interacciones. En los SCA
los flujos a través de estas redes varían con el paso del tiempo; además,
BÁSICOS 39
ahorros y capitalización
----- CLAVE
proveedor 1
mineral 1000
500
producción de acero *\ 0.5 fabricación y uso
de automóviles
0.5
proporción de rendimiento
atea rizado hasta este punto
motores de automóviles
proveedor 1
800
fabricación y uso
de automóviles
800
motores de automóviles
Diversidad (propiedad)
una planta llamada asclepiadea. Los pájaros que las depredan pronto
aprenden a no comérselas, debido a que su ingestión les provoca
vómito. Hay otra mariposa, la virrey que tiene en sus alas patrones de
colores casi idénticos a los de la monarca, pero carece de la sustancia
amarga. Por supuesto que la razón por la que la virrey imita a la
monarca es evitar a los depredadores, con lo cual obtiene una mayor
libertad de movimiento. ¿Cómo puede un cromosoma ciego generar
los complicados patrones de colores que mimetizan los de una especie
totalmente diferente? Ésta es una importante cuestión que veremos
detalladamente más adelante, cuando tengamos mejores fundamen
tos. Aquí simplemente mostramos de qué manera la presencia de la
mariposa monarca proporciona un nuevo nicho.
Monarca Virrey
tos. Sin embargo, existe una diferencia crucial entre el patrón de una
ola estacionaria y los patrones de los SCA; la diferencia consiste en que
los patrones de los SCA evolucionan. La diversidad observada en un SCA
es el producto de sus continuas adaptaciones. Cada nueva adaptación
abre la posibilidad de posteriores interacciones y nuevos nichos. ¿Qué
mecanismos permiten a los SCA generar y mantener patrones tempora
les con tan diversos componentes? Las respuestas a esta pregunta son
cruciales para lograr un profundo conocimiento de los SCA. Para desa
rrollar una teoría de amplio alcance debemos responder esta pregunta
de una manera que se aplique a todos los SCA, en cuyo caso se puede
aplicar, mutatis mutandis, un principio de la paleontología: si se com
prende una especie, se comprende su filogenia.
Podemos hacer algunos progresos en la comprensión de los oríge
nes de la diversidad si revisamos los flujos a la luz de este principio de
paleontología. Comenzaremos destacando que los patrones de inter
acción familiares de la ecología —simbiosis, parasitismo, mimetismo,
carreras armamentistas biológicas, etc.— (véase la figura 1.12 y la obra
que sobre este tema escribió Dawkins en 1976) se pueden describir
muy adecuadamente en términos de flujos de recursos dirigidos por
los agentes. Debido a que estas interacciones tienen equivalentes en
otros SCA, podemos extender hacia ellas estas observaciones. De
acuerdo con lo expuesto en la sección en la que abordamos el reciclaje,
los agentes que participan en flujos cíclicos provocan que el sistema
retenga sus recursos. Los recursos así retenidos pueden ser explota
dos más adelante, ya que ofrecen nuevos nichos para ser ocupados
por nuevas clases de agentes. Las partes de un sca que explotan estas
posibilidades, particularmente las partes que promueven la amplia
ción del reciclaje, son las que más proliferan. Las partes que no fa
vorecen el reciclaje pierden sus recursos en favor de las que sí lo
hacen. Ésta es selección natural, escrita con mayúsculas. Es un proceso
que conduce al incremento de la diversidad a través del incremento
del reciclaje.
Podemos ampliar todavía más esta visión si agregamos algunas opi
niones sobre la no-linealidad. El reciclamiento de los recursos por el
comportamiento agregado de un conjunto diverso de agentes es mu
cho más que la suma de las acciones individuales. Por esta razón es di
fícil desarrollar un solo agente con las habilidades de un agregado. Es
más fácil aproximarse a tales habilidades complejas paso por paso, uti
lizando un sistema distribuido. Éste es un punto que será ponderado
en el siguiente capítulo, cuando examinemos la emergencia de las
jerarquías por sustitución. Para entonces ya será evidente que no encon
traremos un sca que sólo favorezca a unos pocos tipos altamente adap-
46 EL ORDEN OCULTO
Tiempo
Con en transcurso del tiempo, la planta desarrolla una sucesión de compuestos bioquímicos [$ $] que
envenenan a la larva de la mariposa; por su parte, la mariposa desarrolla enzimas [«S 4J] que neutrali
zan o digieren estos agentes bioquímicos.
*Esta palabra significa, literalmente, “mirar hacia delante”. [N. del T.]
50 EL ORDEN OCULTO
7 bloques de construcción
(múltiples copias de cada uno)
Caso^> 7 2 3 4
Posición
i
6 5 2 |1 4 23¡3 ..
ZTTA
Un rostro puede ser definido mediante la concatenación de números asignados a sus componentes
Agregaciones
'■ anticuerpo 1
Marbetes
.anticuerpo 2 ¡ i identidad "¡
• anticuerpo 3 i jnoividual _|
o etiquetas
Uo linealidad
Modelos internos
Flujos
Bloques de construcción
/\1
Diversidad
Figura I. 16. Los siete básicos para los sistemas complejos adaptables.
54 EL ORDEN OCULTO
innovación
multifuncionalidad
jerarquías
morfogénesis
autorreparación
balanza comercial
enfermedades
ciudad de
autoinmunes
Nueva York
consul
chores tidad
• anticuerpo 1
■ anticuerpo 2 ¡ : indentidad
empresas •anticuerpo 3pq individual
mimetismo
carrera
robots armamentista
autónomos biológica
conciencia
biodiversidad
especiaiización
teoría
de los
Figura 1.1'7. El papel de los siete básicos en el estudio de los sistemas complejos adaptables.
BÁSICOS 55
Sistema de desempeño
1. Las reglas deben utilizar una sola sintaxis para describir a todos
los agentes de los SCA,
2. La sintaxis de la regla debe servir para todas las interacciones en
tre los agentes,
3. Debe haber un procedimiento aceptable para modificar adaptati-
vamente las reglas.
Entrada/salida (Input/output)
ESTÍMULO-RESPUESTA
cada uno de los cuales tiene un efecto elemental sobre el medio am
biente cuando es activado por un mensaje apropiado (figura II.2). En
un momento dado, la respuesta total de un agente es generada por
grupos de efectores que se activan en ese instante; esto es, los efectores
decodifican los mensajes estandarizados para provocar acciones en el
medio ambiente. Al hacer esto, los efectores “invierten” el procedi
miento que utilizan los detectores para codificar la actividad del me
dio ambiente y convertirla en mensajes estandarizados. Como en el
caso de los detectores, utilizamos los efectores como mecanismos des
criptivos para modelar la salida adaptativa del agente adaptable.
Detectores Efectores
se mueve r huye
rayado persigue
Medio ambiente ■*
Procesamiento y sintaxis
SO
EISlilSÍSlSES envía
1####...#,
I <—L> |
los cuales son utilizados como la parte condicional de una regla. Esta
condición responde a cualquier mensaje que comience con un 1, sin
importar qué dígitos aparezcan en las otras posiciones L - 1. De la mis
ma manera, la cadena
####...##i#o !
I L—> |
portamiento. Las reglas así definidas actúan en gran medida como las
instrucciones que se le dan a una computadora: el grupo sirve como
un programa que determina el comportamiento del agente. Si hay
alguna manera de modelar un agente en una computadora, estas con
diciones técnicas garantizan que puede ser modelado utilizando un
grupo de reglas en este formato. Para obtener todo el poder de una
computadora, debemos dar a nuestras reglas dos condiciones inde
pendientes —SI ( ) Y SI ( ) ENTONCES ( )— y proveerlas con la ne
gación SI NO ( ) ENTONCES ( ); sin embargo, por el momento po
demos ignorar estos refinamientos.
í'4®'
Actividad simultanea-paralelismo
adecuado que un agente tuviera una sola regla para cada situación a la
que se enfrentara, por la misma razón por la que el sistema inmune ca
rece de un conjunto de anticuerpos preparados para detener a todos
los posibles antígenos: existen demasiadas posibilidades. En cambio, si
simultáneamente cuenta con reglas activas, el agente puede combinar
una serie de reglas ya probadas para describir la nueva situación. Las
reglas se convierten en bloques de construcción.
SI
se pincha neumático de Saab rojo cuando conduces decelera, oríllate al acota-
por la autopista miento, saca repuesto
marbete o
acción
«■
»
tipo ¡ condición movimiento !
i #
auto # derrape ! # vira en dirección al derrape
decelera ||
■ pinchazo conduciendo! #
i auto #
0
•
tipo de : condición 1 señal en el j
camino ! del auto i camino !
..
*
• i i i
•
.
lelas. Si una hipótesis falla, hay otras reglas en competencia que están
a la espera de ser probadas. Por supuesto, yo estoy a favor de este últi
mo punto de vista.
La asignación de crédito es una tarea fácil cuando el medio ambien
te produce una remuneración (recompensa, premio) por una acción.
Si damos vuelta a la llave de ignición del motor y el auto arranca, esta
acción rápidamente se convierte en parte de nuestro repertorio. La
asignación de crédito se hace mucho más difícil cuando un conjunto
de acciones “antiguas” hace posible un resultado reciente. El proble
ma se puede exponer claramente si examinamos un juego de damas
chinas. Dar un triple salto en este juego, cuando es posible, siempre
contribuye a ganarlo y, como en el caso de la llave de ignición del mo
tor, es fácil acreditar una regla que sugiere esa acción. Sin embargo,
¿cómo acreditaría esta regla un jugador neófito si su acción sólo pro
dujera efectos después de cuatro jugadas? ¿Cómo sabrá el neófito que
fue precisamente esa regla, y no otra, la que produjo el resultado en
las etapas subsecuentes? ¿Cómo sabrá que este resultado no fue sim
plemente la consecuencia de un error cometido por su oponente? Sin
embargo, un buen jugador de damas, así como las acciones complejas
de un SCA, dependen de la habilidad para acreditar con anticipación
y de establecer una adecuada secuencia de etapas.
El problema de la asignación de crédito se hace todavía más complica
do cuando consideramos un sistema de desempeño con muchas reglas
activas simultáneamente. A medida que el sistema continúa adaptán
dose, algunas reglas se hacen más útiles y otras no; algunas descompo
nen el medio ambiente de tal manera que pueda ofrecer guías útiles
para la acción, y otras no. Además, pueden pasar largos periodos antes
de que las consecuencias de una acción actual sean evidentes. Algunas
acciones pueden ser dañinas a corto plazo, pero útiles a largo plazo,
como ocurre durante un juego de ajedrez. Con todos estos impedi
mentos, ¿cómo determina un agente qué reglas son útiles y cuáles son
perjudiciales?
Aquí podemos utilizar otra útil metáfora: el eslabón estándar entre
la competencia y el capitalismo. Cada regla puede ser tratada como un
productor (factor, hombre promedio) que compra y vende mensajes.
Los “proveedores” de una regla son aquellos que envían mensajes que
satisfacen sus condiciones; los “consumidores” de una regla son aquellos
que actúan sobre sus mensajes. La fuerza de una regla es tratada como
el efectivo en mano. Cuando una regla “compra” un mensaje, debe pa
gar por él con el efectivo que tiene a la mano, con lo que se reduce su
fuerza. Cuando una regla “vende” un mensaje, su fuerza se incrementa
con la canüdad que le paga el comprador (véase la figura II.7).
70 EL ORDEN OCULTO
Reglas que determinan el escenario y que motivan que la recompensa sea fuerte
Las reglas actúan como hipótesis en competencia; cuanto más fuerte sea la regla, más posibilidades
tiene de prevalecer en la competencia
Sólo las regias que ganan la competencia transmiten sus mensajes
Modelos internos
Existe una modificación para el proceso de subasta que lleva más ade
lante a la construcción de modelos internos, que está basada en la per
cepción intuitiva de que, en igualdad de circunstancias, un agente pre
fiere reglas que utilicen más información acerca de una determinada
situación. En nuestra sintaxis, la cantidad de información utilizada por
una regla depende del número de símbolos # en las condiciones de la re
gla. Una regla es más específica si tiene menor cantidad de símbolos # en
sus condiciones (véase la figura II.5). Por ejemplo, la condición ##...#
acepta cualquier mensaje, por lo que no proporciona información, al
guna cuando es satisfecha. En el otro extremo, la condición 11... 1 es
satisfecha por un mensaje específico —una cadena de unos—, propor
cionando el máximo posible de información. Para instrumentar la pre
ferencia debemos modificar el proceso de subasta, y la manera más
simple de lograrlo es haciendo a la oferta proporcional al producto de
la fuerza y la especificidad. De este modo, si la fuerza o la especificidad
están cerca de cero, la oferta también estará cerca de cero. Sólo si am-
bas —la fuerza y la especificidad— son grandes, la oferta será grande.
Veamos una nueva competencia entre una regla más específica, rl, y
una regla menos específica, r2. Para que este ejemplo sea más concre
to (figura 11.9), hagamos que rl sea la regla del estímulo respuesta:
conjunto de objetos
pequeños y cércenos
que se mueven
Figura II. 9. Una jerarquía por omisión (default hierarchy) basada en reglas.
Esquemas
!★★★★... ★
I <- I
Si estamos interesados en un bloque de construcción que coloque
un 1 en la primera posición, un símbolo # en la tercera posición y un 0
en la séptima posición, lo diseñamos de la siguiente manera:
l'A-#'Á-(bkr'A-...'A'
| «- L—> |
minan las acciones del agente, así que constituyen el núcleo del mo
delo interno del agente.
Operador de cruzamiento
punto de cruce
1110# iiio #
1110# (OSBWl # #
Algoritmos genéticos
Fortaleza
Progenitores [aptitud] Cruzamiento Descenc(¡entes
01 10## 1
0# # 0 1 1 #
0 1 0 # # 1 1
0 # 0 1 # # #
###100 1
2 x 2 x ...x2 = 2L
! <— L^> |
glOO 1Q30
Algoritmos genéticos
Número de genes: 51
Número de puntos de cruzamiento: 50
Esquema T.
Esquema 2:
l±±±±
20 ™
El esquema tiene 20 puntos internos de cruzamiento; por lo tanto,
hay 20 probabilidades en 50 de que un punto de cruzamiento elegi
do aleatoriamente caiga en el interior del esquema
Si los valores (alelos) en las posiciones definitorias de un esquema son ios mismos en ambos cromo
somas, entonces el esquema no se verá alterado, incluso si ei punto de cruzamiento cae dentro de los
límites externos del esquema:
Efectos de la mutación
Pero todavía queda pendiente una pregunta acerca del paso 2: ¿Cuál
es el papel de la mutación? Para descubrirlo tenemos que echar un vis
tazo al paso 3 (el remplazo). Es posible que un esquema, debido a los
procesos de cruzamiento y remplazo (“muerte”), llegue a estar pre
sente en todos los miembros de la población; cuando esto sucede, to
dos los miembros de la población contienen los mismo alelos en las
posiciones en las que el esquema está definido. Supongamos, por
ejemplo, que el esquema !★★★...★ está presente en todos los miem
bros, de manera que todas las secuencias o cadenas de la población co
mienzan con un 1. En esta situación no tendremos cadenas que empie
cen con 0 o con #. En el conjunto de todas las secuencias posibles, (1,
0,#}\ sólo 1/3 comienza con un 1. Así, al perder los alelos 0 y # en la
posición 1, nos vemos reducidos a probar posibilidades en sólo 1/3 del
espacio (1, 0,#) / Peor todavía, una vez que los alelos hayan sido perdi
dos, las acciones de reproducción y cruzamiento no los remplazarán.
Bajo estas circunstancias, se dice que los alelos se han ido al estado de
fijación. Si k alelos se han ido al estado de fijación, nos vemos reduci
dos a buscar (1/3)A del espacio {1, 0,#}£.
Podríamos adoptar un procedimiento en el que, cuando un alelo
vaya al estado de fijación, el algoritmo genético ya haya establecido la
superioridad de ese alelo, para que ya no necesitemos probar más
opciones. Sin embargo, a menos que estemos completamente seguros
de la superioridad del alelo, éste es un procedimiento muy inadecua
do. Nuestro procedimiento ha consistido en realizar muéstreos y esti
maciones de las opciones. Pero las estimaciones pueden estar equivo
cadas, incluso después de considerables pruebas. No importa a
cuántas pruebas sometamos nuestra estimación de la aptitud
no podemos estar seguros de que no haya una cadena me
jor en los dos tercios del espacio que no están siendo investigados.
Esto es particularmente preocupante cuando el valor de un determi
nado bloque de construcción (esquema) depende del contexto pro-
92 EL ORDEN OCULTO
Efectos combinados
El Dilema del Prisionero es un juego entre dos personas, que capta las
principales interacciones políticas y personales en un contexto simple
y bien definido. El lector interesado en este juego puede aprender
más acerca de su historia e importancia en el texto de Axelrod (1984).
Mientras que en la teoría de los juegos la solución consiste en evitar la
cooperación, en este juego los jugadores descubren los beneficios de
la cooperación mutua, y esto es lo que lo hace particularmente intere-
san te. Primero describiremos el juego con gran detalle y después mos
traremos cómo aprenden a jugarlo los agentes adaptables.
En el Dilema del Prisionero cada jugador tiene sólo dos opciones en
cada juego, las cuales se denominan coloquialmente como “coopera
ción” (G) y “defección” o “deserción” (D). Elay, por lo tanto, cuatro
posibles resultados para una determinada ronda de juegos, que son:
(C,C), en la que ambos jugadores eligen cooperar; (C,D), en la que el
primer jugador coopera y el segundo deserta; (D,C), en la que el pri
mer jugador deserta y el segundo coopera, y (D,D), en la que ambos
jugadores desertan. La puntuación asignada (valor relativo) para cada
uno de estos resultados está dada por la siguiente tabla:
Segundo jugador
C (coopera) D (deserta)
G(coopera) +3,+3 0,+5
Primer jugador
D(deserta) +5,0 +1,+1
CDGDCDCDCDCDCDCDCUCDCIJCDCDCDCDCDCDCDCDCDCDCDCDGDCDCDCDGDCDCDCDCD
e
CCCCCCCCCCCCCCCCCCCCCC.. .CCCCCCCCC -0.2
siones útiles tanto a corto como a largo plazos, como ocurre cuando se
detecta la formación de huracanes. Para nuestros estudios de econo
mía basados en agentes adaptables debemos encontrar la contraparte
de los frentes fríos, las corrientes de chorro y otros agentes meteoroló
gicos (agregados marbeteados), si queremos hacer progresos. Después
estaremos en condiciones de descubrir algunos puntos de apalanca-
miento críticos.
Recapitulación
Hacia adeiante
aplicar a todos los SCA. Echo ha sido formulado bajo los siguientes cri
terios:
1 ) Echo debe ser tan simple como sea posible y consistente con los
otros criterios. Está diseñado para experimentos mentales, más que
para la simulación de sistemas reales. (A pesar de su simplicidad, tam
bién puede ser utilizado para modelar algunos experimentos reales,
como lo demostró Brown (1994), quien, utilizó datos acerca de los
cambios que ocurren en un ecosistema de Arizona cuando un depre
dador —la rata canguro— es excluido de dicho sistema.) Esta simplici
dad es obtenida, en parte, restringiendo sustancialmente la libertad de
los agentes adaptables en el Modelo Echo. Las interacciones son cui
dadosamente limitadas y los agentes tienen únicamente modelos inter
nos primarios.
2) Echo debe ser diseñado de tal manera que las acciones de sus
agentes sean interpretables en un amplio rango de escenarios de SCA.
En particular, el modelo debe proporcionar lo necesario para el estudio
de las interacciones de los agentes que estén distribuidos en el espacio
(una “geografía”) y que sean móviles. Debe permitir que sea posible,
cuando se desee, asignar diferentes entradas (estímulos y recursos) a
diferentes lugares en el espacio.
3) Echo debe facilitar los experimentos sobre la evolución de la ap
titud. Para este fin, al comienzo la aptitud no debe ser establecida
como algo externo al sistema (un factor exógeno). La aptitud debe de
pender más bien del contexto proporcionado por el lugar y por la pre
sencia de otros agentes en ese sitio (factores endógenos). La aptitud
de un agente debe cambiar a medida que evolucione el sistema.
4) Los mecanismos primarios de Echo deben tener contrapartes en
todos los SCA. Con esto se obtienen dos ventajas. La primera consiste
en que las interpretaciones de los resultados están restringidas para
que sean consistentes con las interpretaciones ya elaboradas de los me
canismos. Las simulaciones, después de todo, son simplemente mani
pulaciones de números y símbolos. Es demasiado fácil etiquetar el re
sultado de manera fantasiosa, distorsionando así la interpretación. El
fundamento proporcionado por las interpretaciones de los mecanismos
primarios contrarresta esta tendencia, al restringir el etiquetado. Una
segunda ventaja consiste en que, con la ayuda de las interpretaciones,
se puede demostrar que los mecanismos seleccionados son suficientes
para generar los fenómenos de interés. En la biología evolucionista,
por ejemplo, ha habido una prolongada discusión acerca de si son su
ficientes los mecanismos darwinianos estándar para generar los saltos
que aparecen en los registros paleontológicos (véase Gould, 1994).
Aun cuando las simulaciones no pueden determinar que un mecanis-
EL SURGIMIENTO DEL MODELO ECHO 113
Recursos y sitios
* Como se podrá ver más adelante, la expresión “de ataque” en algunas ocasiones significa “de
enganche" o “de confrontación"; sin embargo, decidimos dejarla tal cual para que el lector no
piense que se trata de otro marbete. [N. del T.J
** ...is matched against... La palabra match, a veces designa confrontación o encuentro (depor
tivo, porjemplo) y aveces concordancia, confluencia. Procuramos reservar los términos “apa
rear” y “apareamiento" para traducir mate y mating. [N. del T.J
118 EL ORDEN OCULTO
tío” de la figura III.3). Por ejemplo, una b confrontada con una b po
dría agregar 2 puntos, mientras que una b confrontada con una d po
dría restar 2 puntos. Si un marbete es más largo que otro, entonces
cada posición sin un par de letras equivale a un número fijo de puntos
(positivos o negativos). El puntaje total del encuentro es simplemente
la suma obtenida por la adición de estos puntos.
Agente ® Agente @
discordancia
V Cantidad
transferida
Resultado: transacción desigual
100% de estructura--
"Mosca"
Aun cuando podemos aprender más del modelo básico, éste es sólo un
paso hacia la modelación de las complejidades de un SCA completa
mente desarrollado. En particular, el modelo básico no proporciona
suficientes herramientas para un amplio estudio del modo en que
emergen las estructuras jerárquicas complejas. Sin embargo, dichas es
tructuras constituyen una parte importante de todos los SCA. Esta sec
ción describe extensiones que amplían el Modelo Echo hasta el punto
en que tales fenómenos pueden ser examinados.
Al tratar de modelar fenómenos como las “estructuras jerárquicas
complejas” necesitamos tener en mente uno o más ejemplos que estén
correctamente descritos. El ejemplo que ha guiado gran parte de mi
propio trabajo en esta área es la embriogénesis de los metazoarios —el
proceso mediante el cual un huevo fertilizado progresivamente se divi
de hasta que produce un organismo multicelular maduro que a su vez
se reproduce por medio de la producción de otro huevo fertilizado—.
La estructura de un metazoario maduro, como un mamífero, es increí
blemente compleja, ya que contiene complejos subproductos jerárqui
cos, como redes nerviosas, sistemas inmunes, sistema visual, etc. Un
anatomista diría que tales estructuras sólo pueden ser totalmente com
prendidas en términos de su origen y desarrollo en el metazoario en
proceso de maduración. Y así ocurre con otros sca. Sólo podemos
comprender estos “patrones en el tiempo”, como la ciudad de Nueva
York o un bosque tropical, si podemos comprender su origen y la ma
nera en la que se han desarrollado.
¿Qué ocurre exactamente cuando un huevo fertilizado se desarrolla
hasta convertirse en un complicado metazoario, como un tigre, por
ejemplo? Un tigre tiene cientos de miles de millones de células, orga
nizadas de tal manera que hace que nuestras más complicadas compu
tadoras parezcan mecanismos muy simples. Gran parte del proceso de
desarrollo todavía no ha sido comprendida; no obstante, en la actuali
dad ya tenemos un esbozo de los principales hechos que ocurren du
rante dicho proceso. El proceso se inicia cuando el huevo comienza a
dividirse en dos células. Después ocurren más divisiones, que a la vez
producen más duplicaciones. Estas duplicaciones provocan un rápido
incremento en el número de células (30 duplicaciones son suficientes
para producir mil millones de células). Las células “hijas”’ no se mue
ven de un lugar a otro como entidades libres, sino que permanecen
122 El. ORDEN OCULTO
Las extensiones
Agente modificado
Si la condición de intercambio del agente © concuerda con el marbete de ataque del agente © —y
viceversa—, entonces se sigue el cálculo de la puntuación del encuentro ataque/defensa:
-concordancia
concordancia
Agente ©
marbete de ataque condición de intercambio
Figura III. 5. Cromosoma del agente con una condición de intercambio agregada.
Modelo 4: Adhesión
Fronteras
cromosoma
AGENTE (J)
........ 1......................
1—concordancia
--------- concordancia
AGENTE @ I ZZ|
I "Í..............
¡ marbete marbete marbete ¡ condición de transfor- ■
■ de ataque de defensa de adhe-1 intercambio mación ¡
0 +C,
agente 1 agente 2
sin
interiora adhesión interior a
agente 2 agente 1
frontera frontera
común común
Frontera sencilla,
1 agente Uj numera de agentes
en la frontera
Frontera sencilla,
2 agentes
[2]
Fronteras
en capas
Agregado
complejo
Opciones y pruebas
concordancia----------------------- 1
Agente @ II... | I |
Figura IIL10. Cromosoma del agente con una condición de apareamiento adicionada.
Mulliagentes y agentes-compartimiento
reserva compartida
(contenido de las reservas de U, V, W)
multiagente
cromosoma concatenado
I I ]
t I ]
<*imuuiíjiiiiin
Figura III.12. Cromosoma del agente con una condición de replicación adicionada.
EL SURGIMIENTO DEL MODELO ECHO 143
Ejemplo:
V W
W V
descendiente
agentes? Aquí podrían seguirse varias convenciones, pero hay una que
parece particularmente interesante, la cual consiste en tratar al multi-
agente como una organización con recursos compartidos (veáse la fi
gura III. 14). Bajo este principio, los contenidos de las reservas de los
agentes-compartimiento individuales quedan disponibles para la repro
ducción de todas las partes del cromosoma del multiagente, en con
traste con el uso del contenido de la reserva de cada agente-comparti
miento únicamente para la reproducción de la parte del cromosoma
que describe a dicho agente-compartimiento. Esta convención permite
una amplia variedad de especializaciones parecidas a las de la simbiosis
entre la oruga y la hormiga que se comentó en el modelo 4. Por ejem
plo, un agente-compartimiento podría especializarse en acumular o en
producir el recurso b, aun cuando utilice muy poco este recurso para
su propia (porción de) cromosoma. Bajo esta convención de recursos
compartidos, muchos senderos conducen a tasas de reproducción más
altas, favoreciendo así la continua diversificación de los multiagentes.
Al igual que los agentes de los modelos anteriores, los multiagentes
—incluso los que se encuentran dentro de un agregado mayor— inter
actúan continuamente. Cada interacción normalmente cambia el con
tenido de la reserva de los agentes-compartimiento involucrados en
ella. Debido a que durante una interacción se intercambian recursos,
las posibilidades de reproducción de un multiagente son modificadas.
Como en los modelos anteriores, el multiagente sólo se reproduce
cuando tiene suficientes recursos en las reservas de sus agentes-com
partimiento para hacer una copia de su cromosoma.
multiagente multiagente
Una vez que los multiagentes se encuentran pareados para la interacción, un agente-compartimiento
en la frontera externa de cada multiagente es seleccionado aleatoriamente como el "punto de contac
to" Los agentes-compartimiento seleccionados experimentan una interacción agente-agente
tinguimos del resto del agregado? Debe hacerse esta distinción con el
fin de determinar qué reservas del agente son compartidas durante la
reproducción. Una mirada más de cerca a la organización de las fron
teras dentro de un agregado nos proporcionará un enfoque directo.
Un multiagente, debido a que es un agregado de agentes-comparti
miento, obviamente debe tener una frontera externa. Por lo tanto, ahora
la pregunta es: ¿Cómo debemos marcar la frontera de una agregación
de agentes-compartimiento para que se convierta en la frontera de un
multiagente? Una vez que hagamos esta provisión podremos definir al
cromosoma del multiagente y proveer lo necesario para las siguientes
capas y fronteras que envuelven a los multiagentes.
Resumen
peña el papel tanto de los organelos como del cromosoma que los
especifica. (No sería difícil separar estas funciones, decodificando
una cadena “cromosómica” para producir cadenas de organelos,
pero por el momento no lo consideramos necesario debido a que
se han hecho considerables progresos con la versión simplificada.
El presente arreglo nos permite determinar la etapa en la que la
“codificación” se convierte en un asunto importante.)
• Los agentes del Modelo Echo tienen menos capacidad que los
agentes adaptables descritos en el capítulo II. Los agentes indivi
duales de Echo tienen reacciones de estímulo-respuesta instru
mentadas por condiciones, y hacen amplio uso de marbetes. Los
agentes individuales no tienen las habilidades para retransmitir
los mensajes requeridos por modelos internos elaborados, como
las jerarquías por omisión. Además, los marbetes controlan las
interacciones de un modo más directo y concreto. Debido a que
no están unidos a mensajes, no tienen las sutiles y protosimbólicas
funciones de los mensajes. Estas simplificaciones deben forzar a
los agentes de Echo a desarrollar habilidades para el procesa
miento de información por medio de mecanismos más primitivos.
Me gustaría ver a los agentes desarrollar “lenguajes”, en vez de do
tarlos con un lenguaje totalmente evolucionado (el sistema clasifi
cador) desde el inicio.
ataque/defensa
ataque/defensa
modificada
ataque/defensa
LA NATURALEZA DE LA SIMULACIÓN
subrutinas. El mapa tiene dos piezas: 1 ) una correspondencia fija que re
laciona ios estados del proceso con los números en el cálculo y 2) un
conjunto de “leyes” que relacionan la dinámica del proceso con el pro
greso del cálculo. Una mirada más de cerca a estas dos piezas produci
rá dividendos cuando lleguemos a la parte específica de la simulación
Echo.
El enfoque usual de la simulación consiste en dividir el proceso que
está siendo simulado en varios componentes. Después se establece una
correspondencia fija que concatena los posibles estados de cada parte
de un rango de números, como con los modelos matemáticos. Por
ejemplo, si estuviéramos tratando de averiguar cuánta distancia podrá
recorrer un automóvil o un aeroplano, haríamos preguntas tales
como: ¿Cuánto combustible hay en el tanque? ¿Con qué rapidez se
está consumiendo el combustible? ¿Cuál es la velocidad actual? ¿Cuál
es la resistencia del aire a esta velocidad? Todos estos números, y otros,
serían pertinentes en la simulación. Cuando el conjunto de números
es suficiente para describir todos los aspectos relevantes del proceso,
decimos que este conjunto describe el estado del proceso. Después se
concatena esta pieza del mapa con su correspondiente conjunto de
números en la computadora.
La segunda pieza de este mapa proporciona las características que
constituyen el pivote de la simulación. Describamos de qué manera
cambia el estado del proceso con el paso del tiempo. La computación
todavía utiliza números, pero ahora éstos se relacionan con un proce
so dinámico. Los cambios en los números reflejan los cambios en el
proceso que está siendo simulado. Al establecer leyes que determinan
esta parte del mapa, sacamos ventaja de la capacidad de la computado
ra para ejecutar instrucciones condicionales: SI (los números tienen
tales o cuales valores) ENTONCES (realice el cálculo 1), DE OTRO
MODO (realice el cálculo 2). Ya discutimos esta misma capacidad
cuando definimos los agentes adaptables (véase el capítulo 2). Como
ya lo señalamos, cualquier ley que puede ser enunciada con rigor lógi
co, puede ser especificada sentenciando condicionales SI/ENTONCES
con operaciones aritméticas apropiadas. Por lo tanto, esta parte del
mapa depende de la redistribución de los papeles de los mecanismos
que generan la dinámica del proceso dentro de las subrutinas SI/EN-
TONCES en el cálculo.
Destaquemos un punto general acerca de la simulación y la elabora
ción de modelos: en la construcción del mapa que define un modelo,
la selección es crítica. La metáfora de la caricatura política nuevamen
te nos puede servir, ya que el modelo (la caricatura) puede reflejar de
manera más o menos fiel el original y, como siempre, esto depende del
158 EL ORDEN OCULTO
Esta noción de contacto tiene que ser extendida para permitir las
interacciones entre agregados, trascendiendo así el principio general,
ya enunciado anteriormente, que establece que todas las interacciones
se realizan entre los agentes individuales de un agregado. El modo
más fácil de hacer esta extensión consiste en seleccionar un agente al
azar de la lista de todos los agentes del sitio y, entonces, seleccionar el se
gundo agente, también al azar, dentro del dominio de interacción del
primer agente.
Contactos de intercambio
En los contactos del primer tipo, primero son inspeccionadas las con
diciones de intercambio. Por medio de los procedimientos detallados
en el modelo 2 (intercambio condicional), la condición de intercambio
de cada agente es cotejada contra el marbete de ataque del otro. Si las
condiciones de intercambio de ambos agentes son cumplidas, enton
ces cada marbete de ataque concuerda con el marbete de defensa del
otro agente, y a continuación se calculan los puntajes del encuentro.
Los recursos son intercambiados de acuerdo con las especificaciones
del modelo 1 (ataque, defensay reserva). Si una condición se cumple
pero no la otra, entonces el agente con la condición incumplida tiene
la oportunidad de rechazar la interacción; de otro modo la interac
ción prosigue como cuando ambas condiciones se cumplen. Si ningu
na de las condiciones de intercambio se cumple, la interacción de in
tercambio es rechazada.
Una vez que las interacciones de intercambio han sido concluidas,
algunas de las parejas, elegidas al azar entre el conjunto de intercam
bios realizados, son sometidas a una prueba de adhesión. La propor
ción de parejas así elegida es una opción abierta para el experimen
tador: es un parámetro del modelo. (Bajo estas circunstancias, la
LA SIMULACIÓN ECHO 161
Contactos de apareamiento
Un diagrama de flujo
*
cooperación defección
■ En cada contacto aleatorio (*), el par de agentes participantes juega una ronda del Dilema del Pri
sionero.
• Los agentes acumulan las ganancias que obtienen en las rondas sucesivas del juego.
FIGURA IV. 3. Versión del Dilema del Prisionero basada en una población.
USOS FUTUROS
Elay dos amplias líneas de desarrollo abiertas para Echo. Una se rela
ciona con experimentos mentales cada vez más elaborados cuyo objeti
vo es comprender los mecanismos y principios de la evolución de los
sca. La otra agrega elementos más realistas a Echo, con el fin de que
168 EL ORDEN OCULTO
Experimentos mentales
Simuladores de vuelo
prefiero las cosas como son, y les diré por qué. En un simulador, un pi
loto puede hacer experimentos que no serían factibles en una aerona
ve real, no digamos en una con pasajeros a bordo. El piloto puede pro
bar el desempeño de la nave con dos motores en llamas, o recuperarse
de un giro completo. Ha habido casos en los que tal experiencia ha
salvado vidas, como ocurrió hace algunos años, cuando todas las su
perficies de control de un avión de pasajeros se desconectaron. El ae
roplano fue aterrizado por un piloto que había probado, en un simula
dor, su capacidad para maniobrar una nave combinando únicamente la
fuerza propulsora de los motores.
Por supuesto, el valor de la experiencia en un simulador depende
de la fidelidad con la que ése simule a un avión real. Para ser útil, el si
mulador de vuelo debe mimetizar exitosamente al aeroplano real en
una gama muy amplia de eventos que pudieran ocurrir. Sólidas teorías
sobre aerodinámica y control, una cabina lo más parecida a la cabina
de mando de un avión y una soberbia programación son los ingre
dientes vitales de un simulador de vuelos aceptable. Dada esta compleja
mezcla, ¿cómo es posible validar el simulador resultante? Aun los pro
gramas relativamente simples tienen fallas sutiles, no se diga un progra
ma para simulador de vuelo.
Tenemos un piloto experimentado. El piloto “despega” al simulador
durante muchos vuelos de prueba, realizando las maniobras sugeridas
por su larga experiencia con aeronaves reales; ensaya las maniobras
más arriesgadas, llevando al aeroplano al límite de sus parámetros de
diseño. Si el simulador se desempeña como lo espera el piloto, en
tonces se ha verificado que imita fielmente a la realidad; de no ser así,
tendremos que regresar al tablero de diseño. Es posible que haya algo
inusual, un lugar no probado en donde el simulador se aparta del de
sempeño real (sorpresas similares son posibles con aeronaves reales),
pero es improbable que el simulador esté sistemáticamente equivoca
do si pasa con éxito una prueba como la señalada.
Este modo de inspeccionar la realidad establece una meta para los
simuladores que mimetizan los sistemas reales. Individuos experimen
tados con SCA reales deben ser capaces de observar resultados que les
sean familiares cuando ejecuten acciones de rutina en el simulador.
Esto constituye un reto no sólo para la programación, sino también
para la interfaz provista. No debemos esperar que el probador del si
mulador se vuelva un experto en programas de simulación, como tam
poco esperamos que el piloto sea un experto en la programación que
hay detrás del simulador de vuelo. Al piloto se le proporcionó una ca
bina de mando y una pantalla que le permitieron realizar acciones de
rutina con las que estaba familiarizado y observar los resultados de un
170 EL ORDEN OCULTO
Hasta este punto casi todos nuestros esfuerzos han sido dedicados a
diseñar un alto a la mitad del camino: el Modelo Echo. Ahora mire
mos hacia el final del camino: los principios generales. Aun cuando
ese destino apenas está en el horizonte, ya tenemos útiles rasgos geo
gráficos, y quienes hemos estado estudiando los SCA en el Santa Fe Ins
titute miramos con optimismo el camino que nos falta por recorrer.
Creemos que existen principios generales de los cuales depende la
profundización de nuestra comprensión de todos los sistemas comple
jos adaptables. Por el momento sólo podemos ver fragmentos de estos
principios, y el foco de atención se mueve de lugar de tiempo en tiem
po. Pero ya podemos ver algunas siluetas, y podemos hacer útiles con
jeturas. ¿Qué es lo que exactamente podemos ver e imaginar?
Las matemáticas son nuestro sine qua. non en esta parte de la jornada.
Afortunadamente no necesitamos profundizar en detalles para descri
bir la forma en la que las matemáticas pueden contribuir. De cualquier
modo, probablemente cambien los detalles cuando nos acerquemos a
nuestro destino. Las matemáticas desempeñan un papel crítico, debido
a que nos permiten formular rigurosas generalizaciones o principios.
Ni los experimentos físicos ni los de computadora pueden proporcio
nar tales generalizaciones. Los experimentos físicos generalmente se li
mitan a proporcionar entradas (inputs) y restricciones para los modelos
rigurosos, debido a que los propios experimentos rara vez son descritos
con un lenguaje que permita la exploración deductiva. Los experimen
tos de computadora hacen rigurosas descripciones, pero sólo de situa
ciones específicas. Un modelo matemático bien diseñado, por otro
lado, generaliza las particularidades reveladas por los experimentos físi
cos, por los de computadora y por las comparaciones interdisciplina
rias. Además, las herramientas de las matemáticas proporcionan riguro
sas derivaciones y predicciones aplicables a todos los SCA. Sólo las
matemáticas pueden llevarnos hasta el final del camino.
El primer paso para hacer avanzar una teoría apropiada consiste, una
vez más, en hacer una cuidadosa selección de mecanismos y propieda
des de entre una multitud de posibilidades. Es útil restructurar el pro
blema en un marco de trabajo, tal como Echo, que descanse sobre me
canismos comunes a todos los SCA. Y es particularmente útil que el
modelo se mantenga simple, pero conserve los rasgos más importantes
del problema, el cual apunta más bien hacia experimentos mentales
que hacia un pleno simulador de vuelo. Todavía podemos continuar
basándonos en la teoría, favoreciendo elementos que pueden ser ma
nejados matemáticamente, donde esto pueda ser realizado sin poner
en peligro lo más importante.
Veamos el ejemplo de los ccc. La mayor parte de la simulación en
Echo se centraría en la acción de un conjunto de agentes (trabajado
res urbanos) como catalizadores para la recuperación de un conjunto
de agentes (los árboles), después de que el primer conjunto se había
movido de un sitio (Detroit) a otro (la Upper Península). Aquí esta
mos tratando con las consecuencias de flujos (véase el capítulo I). Tam
bién estamos tratando con diferentes escalas de tiempo: los trabajadores
se mueven y actúan en una escala de tiempo (llamémosla “dinámica
rápida”), mientras que los árboles se recuperan a una escala de tiempo
mucho más larga (llamémosla “dinámica lenta”).
Con la ayuda de Echo, podemos reestructurar el problema en térmi
nos de flujos de recursos entre diferentes clases de agentes, como ocu
rre en la mayoría de los problemas relacionados con los SCA. Podemos
176 EL ORDEN OCULTO
La fila inferior
La fila inferior tiene que ver con el flujo de recursos entre los agentes
de diferentes clases. La combinación de una mezcla rápida dentro de
cada clase y de contactos aleatorios entre las clases hace posible un
modelo matemático muy parecido al modelo de las bolas de billar dis
cutido en el primer capítulo; es decir, podemos tratar a cada clase de
agente como una clase de bola de billar, y para cada pareja podemos
determinar una tasa de reacción. La tasa se determina directamente
por la condición de intercambio y por el mecanismo de puntuación
del intercambio especificados para cada agente de Echo (véase el
modelo 2 del capítulo III.) El resultado es una ordenación (matriz) de
tasas de reacción (véase la no linealidad en el capítulo I).
Una vez que esta ordenación haya sido computarizada, estaremos
cerca de obtener un modelo matemático que describa los cambios en el
flujo a medida que pasa el tiempo. En particular, estaremos cerca de des
cribir matemáticamente el cambio en la porción de cada clase de
agente en un sitio cuando transcurre el tiempo. El instrumento mate
mático adecuado para esto es la versión de las ecuaciones Lotka-Volte
rra discutidas en el ejemplo de la no linealidad. Estas ecuaciones nos
permiten determinar los cambios en la porción de cada clase de agente
utilizando las tasas de reacción para las posibles parejas. No obstante,
todavía tenemos que enfrentar un problema. El modelo del flujo pro
porciona los recursos totales que posee cada clase de agente, pero las
ecuaciones requieren de la proporción de cada clase de agente. Dife
rentes clases de agentes utilizan diferentes clases de recursos en sus es
tructuras, así que los totales de los recursos del agregado no determi
nan directamente las proporciones de cada clase de agente. Para
derivar estas proporciones debemos dividir los totales de los recursos
HACIA LA TEORÍA 177
del agregado entre las cantidades de cada recuso requeridas para ha
cer una copia de esa clase de agente.
El supuesto de una rápida mezcla nos permite tratar a los recursos
totales como si estuvieran repartidos equitativamente entre los indivi
duos de cada agregado. Específicamente, la suposición de la mezcla rá
pida asegura que todas las reservas en el agregado conserven cantida
des similares de cada recurso. Sabiendo esto, podemos determinar el
número de agentes en el agregado dividiendo el total de recursos con
servados entre el número de clases de recursos requeridos para cons
truir el cromosoma de este agente. Entonces, sabiendo el número de in
dividuos de cada clase, podremos determinar sus proporciones en el
total de todos los individuos. Después de determinar esta proporción,
podemos utilizar las ecuaciones Lokta-Volterra como instrumento ma
temático para describir los cambiantes flujos de recursos mediados
por los agentes.
Incluso en este nivel preliminar, pueden hacerse algunos progresos
teóricos en relación con los puntos de apalancamiento. Debido a que
los agentes pueden tener superávit de algunos recursos, sólo éstos se to
man en cuenta cuando se establece su número para cada clase de
agentes. En este momento aparece la noción de “recurso-cuello-de-bo
tella”. Si examinamos con atención el modelo del flujo, veremos que
un cambio en el “recurso-cuello-de-botella” —por ejemplo, una nueva
interacción que incrementa mucho su nivel— puede tener un efecto
muy parecido al de una mutación: puede desencadenar una multitud
de nuevas interacciones. Los cambios en un recurso-cuello-de-botella a
menudo dan lugar al surgimiento de efectos desproporcionados en re
lación con la magnitud del cambio.
Adoptando una terminología tomada de la física, podríamos decir
que la fila inferior nos proporciona un modelo matemático de la diná
mica rápida del sistema.
La fila superior
Para que una teoría matemática de los SCA sea efectiva, la dinámica rá
pida de los flujos debe ser pareada exitosamente con la dinámica lenta
de los procesos de adaptación y evolución a largo plazo. En este mode
lo de dos filas, la fila superior es la que determina la evolución de los
agentes, la cual utiliza algoritmos genéticos para cambiar las estructu
ras de la descendencia, tal como describimos al final del capítulo II.
En Echo, las estructuras resultantes del agente determinan con preci
sión las cantidades de recursos intercambiadas; por lo tanto, las tasas de
178 EL ORDEN OCULTO
con la tasa promedio no difiere mucho del flujo real (el flujo real se
determina sumando los flujos individuales de los agentes individua
les). En el peor de los casos, podemos establecer que ningún agente
tenga una tasa de reacción más lenta (más grande) que cierta cantidad
predeterminada, lo que nos permitirá determinar límites al flujo, a las
tasas de reproducción, etcétera.
Mantener muy próximas entre sí las tasas de reacción de un agrega
do depende en gran medida del control del teórico que diseña el mo
delo de las dos filas. Esta persona es quien elige las características que
agrupan a los agentes en agregados. Seleccionando las características
apropiadas, el teórico puede limitar la variación en las tasas de reac
ción individuales dentro de cada agregado. Los bloques de construcción
de las condiciones de intercambio y de los marbetes de interacción es
tán dirigidos a este propósito. Agregando agentes con los mismos ale
los para estos bloques de construcción, el teórico puede asegurar la
cercanía (uniformidad) entre las tasas de reacción, beneficiándose al
mismo tiempo de una fila inferior simplificada.
En suma, una manera de generar un útil acoplamiento de la fila su
perior con la fila inferior consiste en agregar agentes con bloques de
construcción similares en las partes del cromosoma dedicadas a los
marbetes de ataque y de defensa y a la condición de intercambio. Si
restringimos todavía más a estos agregados por medio de la replica
ción condicional, obtenemos una evolución mucho más parecida a la
biológica. Los patrones deben estar muy bien delineados, debido a
que los agregados no pueden mezclarse mutuamente. En cualquier
caso, la fila superior tiene el efecto de cambiar continuamente la red
de flujo de la fila inferior a medida que los agentes evolucionan y se
adaptan bajo el algoritmo genético.
*Axelrod, R. The Evolution of Cooperation, Basic Books, Nueva York, 1984. (La
evolución de la cooperación, Alianza Editorial, Madrid.)
--------- , “The Evolution of Strategies in The Iterated Prisoner’s Dilemma”, en
L. D. Davis (comp.), Genetic Algorithms and Simulated Annealing, Morgan
Kaufmann, Los Altos, California, 1987.
Baumslag, G., “Review of Word Processing in Groups por D.B.A. Epstein et
al. ”, Bulletin of the American Mathematical Society, núm. 31 (1), 1994, pp. 86-91.
Boldrin, M., “Persistent Oscillations and Chaos in Economic Models: Notes
for a Survey”, en P. W. Anderson et al. (comps.), The Economy as an Evolving
Complex System, Reading, Addison-Wesley, Massachusetts, 1988.
*Bonner, J. T., The Evolution of Complexity by Means of Natural Selection, Prince
ton University Press, Princeton, 1988.
*Brower, L, P., Mimicry and the Evolutionary Process, University of Chicago
Press, Chicago, 1988.
*Brown, J. FL, “Complex Ecological Systems”, en G. A. Cowan et cd. (comps.),
Complexity: Metaphors, Models and Reality, Addison-Wesley, Reading, Massa
chusetts, 1994.
Buss, L. W., The evolution of Individuality, Princeton University Press, Prince
ton, 1987.
*Dawkins, R., The Selfish Gene, Oxford University Press, Oxford, 1976.
Edelman, G. M., Topobiology: An Introduction to Molecular Embryology, Basic Books,
Nueva York, 1988.
Feller, W., An Introduction to Probability Theory and its Applications, Wiley, Nueva
York, 1950.
*Gell-Mann, M., The Quark and the faguar: Adventures in The Simple and The
Complex, Freeman, Nueva York, 1994.
*Gould, S. J., “The Evolution of Life on Earth”, Scientific American, octubre de
1994, pp. 84-91.
*Hebb, D. O-, The Organization of Behavior: A Neurobsvchological Theory, Wiley,
Nueva York, 1949.
*Hofstadter, D. R., Godel, Escher, Bach: An Eternal Golden Braid, Basic Books,
Nueva York, 1979.
Holland, J. H., “Studies of the Spontaneous Emergence of Self Replicating
Systems Using Cellular Automata and Formal Grammars”, enA. Lindenma-
yer y G. Rozenberg (comps.), Automata, Languages, Development, North-Ho
lland, Amsterdam, 1976.
--------- , “A mathematical Framework for Studying Learning in Classifier
Systems”, en D. Farmer et al., Evolution, Games and Learning. Models for Adapta
tion in Machine and Nature, North-Holland, Amsterdam, 1986.
---------, Adaptation in Natural and Artificial Systems: An Introductory Analysis with
Applications to Biology, Control and Artificial Intelligence, 21 ed., Cambridge mit
Press, Cambridge, Massachusetts, 1992.
*Hôlldobler, B. y E. O. Wilson, The Ants, Belknap Press of Harvard University
Press, Cambridge, Massachusetts, 1990.
Kauffman, S. A., “Whispers from Carnot: The Origins of Order and Principies
of Adaptation in Complex Nonequilibrium Systems”, en G. A. Cowan et al.
(comps.), Complexity: Metaphors, Models and Reality, Addison-Wesley, Rea
ding, Massachusetts, 1994.
*Lodge, O-, “Johann Kepler”, enJ. R. Newman, The World of Mathamalics, Si
mon and Schuster, Nueva York, 1950 (1887).
Lotka, A. J., Elements of Mathematical Biology, Dover, Nueva York, 1956.
Marimon, R., E, McGratten y T. J. Sargent, “Money as a Medium of Exchange
in an Economy With Artificially Intelligent Agents”, Journal of Economic
Dynamics and Control, num. 14, 1990, pp. 329-373.
Maynard Smith, J., The Evolution of Sex, Cambridge University Press, Cambrid
ge, 1978.
Motowski, A., Sentences Undecidable in Formalized Arithmetic: An Exposition of The
Theory of Kurt Godel, North-Holland, Amsterdam, 1952.
*Orel, V-, Mendel, Oxford University Press, Oxford, 1984.
*Pais, A., Niels Bohr’s Times: In Physics, Philosophy and Polity, Oxford University
Press, Oxford, 1991.
Perelson, A. S., “Two Theoretical Problems in Immunology: aids en Epitopes”,
en G. A. Cowan et al., (comps.), Complexity: Metaphors, Models and Reality:
Addison-Wesley, Reading, Massachusetts, 1994.
Perry, Z. A., “Experimental Study of Speciation in Ecological Niche Theory
Using Genetic Algorithms”, disertación doctoral, Universidad de Michigan,
Chicago, 1994.
*Sagan, D. y L Margulis, Garden of Microbial Delights: A Practical Guide To The
Subvisible. World, Harcourt Brace Jovanovich, Cambridge, Massachusetts,
1988.
Samuelson, P. A. , Economics: An Introductory Analysis, McGraw-Hill, Nueva
York, 1948.
*Sherrington, C., Man on his Nature, Cambridge University Press, Londres,
1951.
*Smith, A., The Wealth of Nations, Modern Library, Nueva York, 1937 (1776).
Srb, A. et al., General Genetics, Freeman, Nueva York, 1965.
Turing, A. M., “On Computable Numbers, with Application to the Entschei-
dungsproblem”, Proceedings of The London Mathematical Society, serie 2, num.
4,1937, pp. 230-265.
---------, “The Chemical Basis of Morphogenesis”, Philosophical Transactions of
the Royal Society of London, serie B, 1952, pp. 237, 37-72.
*Ulam, S. M., Adventures of a Mathematician, Scribners, Nueva York, 1976, Uni
versity of Illinois Press, Chicago, 1966.
BIBLIOGRAFÍA 187
*Waldrop, M. M., Complexity. The Emerging Science at The Edge of Order and
Chaos, Simon and Schuster, Nueva York 1992.
*Weyl, H., Symmetry, Princeton University Press, Princeton, 1952.
*Wiener, P. P., Values in a Universe of Chance: Selected Writings of Charles S. Peirce,
Doubleday, Nueva York, 1958.
Wright, W., SimCity (videojuego), Maxis Corporation, Orinda, California,
1989.
ÍNDICE ALFABÉTICO
actividad simultánea, véase paralelismo y: 159; propiedades del agregado y: 28f; re
adaptación: 103; adicional: 102; aprendizaje y: acciones del agregado: 36f, 133-134
20, 24-25, 58, 156; de largo plazo: 107; de las alelos: 77-78, 84, 91; coadaptados: 94; modifi
neuronas: 25; de los agentes: 39; implicacio cación de; 85, 92; remplazo de: 90
nes de la: 97; juegos de estrategia y: 96-97; algoritmo (s), de asignación de créditos: 102;
por descubrimiento de la regla: 76-95; pro de la brigada de la cubeta: 72; genéticos:
gresiva: 50; SCA y: 12, 18, 20, 24-25, 39, 45, 81f, 84-87, 90, 92-9,3, 95, 97-100, 162, 177,
54, 58; véase también SCA 179; para descubrir reglas: 102
adhesión, apareamientos de: 132, 134, 136; Anderson, Philip: 99
condicional: 130, 135; de multiagentes: 144; anticipación: 41, 47-48, 69, 101; aprendizaje y:
defectos de la, condiconal: 134; entre agen 107, 172; implícita: 49
tes: 122, 124, 129-130; formación de agrega anticuerpos: 18, 21-22, 29, 59, 67,102, 113; véase
dos y: 161-162; interacciones de: 160 también sistema inmune
ADN: 82, 94 antígenos: 18, 21, 29, 59, 67, 113; invasores: 53
agente(s): 25, 44, 58; adaptables: 138; adapta apareamiento: 117; condición de: 124, 130,
ción de los: 39; adhesión entre: 122, 124, 136f, 149, 153; al azar: 166; contacto de:
129; adquisición de recursos: 116; anticipa 160-163; de adhesión: 132, 134; por marbe
ción y: 41, 47-48, 69; aptitud de: 115; basado tes: 135; puntaje de: 118, 130, 133-134, 153,
en reglas: 23f; competencia entre: 129; com 158, 160, 162; selectivo: 124, 135-137, 161,
ponentes del: 115; comportamiento de los: 163, 165, 166, 179,181
24; constituyentes: 141; cromosoma del: 131f, aprendizaje: 50, 58, 99; anticipación y; 107; efi
142f; de racionalidad perfecta: 99; especiali- ciente: 111; mimetismo y: 46; procesos de:
zación de: 124; estímulos y: 59; filtración de 25; sc-A y: 20, 24
información: 60; flujos y: 45; habilidades: aptitud: 80; cromosomas y: 103; definición de
115; interacciones de: 22, 27, 43, 59, 115- la: 111; del agente: 115; estimación de la:
116, 123, 126, 130-131, 133-135, 142, 158, 91-92; evolución y: 94, 112; manifiesta: 113
163; libres; 134-135, 153, 160, 170; material Aristóteles: 158
genético: 115; mecanismos de los: 123; me arranque-pare, códigos de: 94
ta: 27, 30; migración de: 163; modelación Arrow, Kenneth: 99
de: 65; muerte de: 163; primarios: 123, 140, Arthur, Brian: 99
151; reproducción de: 135; selectivos: 136; asignación de créditos: 58, 69-70f, 71,100, 103,
simples: 140; sintaxis para, basados en re 172; algoritmos de: 102; competencia y: 104;
glas: 68; transformación de recursos: 122 jerarquías por sustitución y: 75-77; modelos
agente-compartimiento, activo: 141, 162; acu internos y: 72-75
mulación de recursos del: 144; en el mode ataque: 115, 117-119, 125-126, 129-130, 160
lo 6: 148: interacción entre: 144; recursos Axelrod, Robert: 13, 98, 113
de los: 155, 161; replicación condicional y.
141-144, 162; reservas de los: 145 bach, grupo: 13
agentes adaptables: 57, 61, 105-106, 151, 171; bacterias: 18, 49-50, 84
actividades de los: 172; con marbetes: 167; Baumslag, G.: 182
definición de: 55, 58,157; Dilema del Prisio biología molecular: 84, 127
nero y: 95-100; diseño de: 170; economía y: bloques de construcción: 92-93, 165, 179-182;
99-102; interacciones del: 107, 112; libertad combinación de: 90, 98, 104; como mecanis
de los: 112; sintaxis de los: 100 mos de SCA; 50-5 lf, 52f, 54, 57, 68, 86, 89;
agregación: 26, 29, 134, 136-1.37, 145-146Í, ejemplos de: 53; esquemas y: 79, 82, 84-85,
176, 182; adhesión y: 161; construcción de 87, 91, 98; genética y: 78-79, 104 mensajes
modelos y: 27; de multiagentes: 123, 147, como: 66; reglas como: 67, 77; repetición
149, 153; de recursos: 178; diseño del proce de: 94; verosimilitud y: 76
dimiento: 141;eficiencia y: 135; interacción Bohr, Niels: 113
189
190 EL ORDEN OCULTO
de: 38; de recursos: 176-177; diagrama de: Kepler, Johannes: 108-109, 150
163; efecto multiplicador y: 40; para la simu Knapp, Ed: 11
lación Echo: 159f; principales propiedades Krebs, ciclo de: 84, 94, 180
de ios: 39; tasas de reacción y: 178
Forresdt, Stephanie: 98 Langton, Chris: 108
fraccionamiento: 104 Lem, Stanislaw: 11
fronteras: 130, 137, 149, 160; adhesión, en el Lodge, O.: 108
modelo 4: 145; exteriores: 131, 144; interio lookahead, proceso: 49
res: 131, 134, 151; multiagentes y: 144, 147, Lotka, A.J.: 33, 120
154; organización de las, de un agregado: Lotka-Volterra, ecuaciones: 33-34, 120, 176-
146; representación de: 132f 177, 181
Gell-Man, Murray: 13-14, 47, 51, 108 marbetes, marbeteado, mecanismo: 28-29, 59,
generaciones traslapadas, modelo: 113 94, 102, 139, 150, 182; agentes adaptables
genes, activables: 124, 139, 141; desactivables: con: 167; apareamiento selectivo basado en:
123-124, 139, 141 166; de adhesión: 124, 130, 148-149, 154,
genética: 122; algoritmos genéticos: 81f, 8-187. 161-162; de ataque: 117-119, 125-126, 129-
90, 92-93, 95, 97-99, 162, 177, 179; bloques 130, 135, 143, 148-149, 160-161, 163; de de
de construcción y: 78-79, 104; cruzamiento fensa: 117-119, 148, 160; definición de: 125;
y: 77-78, 81-82, 85, 87; matemática: 80, 103; definición de las redes y: 39; diseño de: 120;
molecular: 138-139; mutación y: 85; objeti interacción por: 29, 123, 179; mensajes y:
vos de la: 78; véase también esquema 66; modelos internos y: 105; reglas y: 104-
geometría euclidiana: 171 105; rompimieto de las simetrías y: 164; seg
golpe-por-golpe, estrategia de: 96-99, 166-167 mentos de: 125, 148; y agregados: 30f, 57
Gould, S.J.: 112 Margulis, teoría de: 140
Marimon, Ramón: 101, 113
Hebb, D. O.: 104 Markov, procesos de: 182
Hofstadter, Douglas R,: 27 Maxwell, Clerk: 138
Holland,John: 13,108,113,182 McGratten, E.: 101, 113
Holldobler, B.: 120 meiosis: 82
Mendel, experimentos de: 77, 80
identidad: 19 metabilitos: 122; efecto en las células biológi
inducción, interacción entre competencia y: cas: 123
129;informac:ón-procesanñento: 103 metáforas, de caricatura política: 157-158; del
innovación: 76, 90, 94, 104, 172 paisaje, metáfora del: 83
interacción (es): 44, 73; agregación e: 159,176; mimetismo: 19, 43-44f, 45, 109, 113, 123, 167,
basadas en marbetes: 29, 123; de adhesión: 169-170; aprendizaje y: 46-47; de reglas: 101;
160; de agentes: 22, 107, 112, 115-116, 123, en sistemas: 110-111
126,130-131,133-135,142,158,163,170; de modelación: 19, 24, 49; agreación y: 27; men
intercambio: 159-160; de intercambio de re sajes y: 65; no linealidad y: 34
cursos: 134; dominio de: 132-133f; ecológi Modelo Echo: 108, JI6f; adhesión condicional
cas: 20; entre multiagentes: 144-145Í; selecti en el: 130; agentes en el: 117f; diseño del:
vas: 123; simulación Echo e: 158; snc e: 19; 111-114, 150; extensión del modelo básico:
transitividad de las: 120 121-124; fundamentación del: 113; libertad
intercambio, condición de, agregada: 126f, de los agentes adaptables en el: 112; meca
135, 179; condicional: 125-126, 148-149, nismos del: 122-123; modelo 1: 115-121,
160; contacto de: 159-161 160, 164, 168; modelo 2: 125-126, 148-149,
interdisciplinariedad: 182 162, 176; modelo 3: 126-129, 163; modelo 4:
129-130, 145, 149, 161; modelo 5: 135-137,
jerarquías por sustitución: 45, 91, 151, 176, 148-149, 163; modelo 6: 137-139, 148-149,
182; basada en reglas: 74Í-76, 89, 105 162; opciones y pruebas: 134-135; organiza
juegos, de ajedrez: 69; de damas chinas: 69; de ción del: 114-115; recursos y sitios: 114, 116;
ias veinte preguntas: 60; economía y: 99; te ventajas del: 112
oría de los: 95 modelos, construcción de: 110
modelos externos: 48
Kauffman, Stuart: 83 modelos internos: 46, 48f, 99, 172, 182; asigna-
192 EL ORDEN OCULTO
Presentación ..................................................... 9
Prefacio.......................................................................................................... 11
I. Elementos básicos................................................................................. 17
Objetivos................................................................................................. 21
Agentes, meta-agentes y adaptación .................................................. 22
Los siete básicos.................................................................................... 25
Agregación (propiedad)..................................... 26
Marbeteado o etiquetado (mecanismo)......................................... 28
No-linealidad (propiedad)............................................................... 31
Flujos (propiedad)........................................................................... 38
Diversidad (propiedad)..................................................................... 42
Modelos internos (mecanismo)..................................................... 46
Bloques de construcción (mecanismo)......................................... 50
¿Adonde dirigirnos después?............................................................... 55
195
196 EL ORDEN OCULTO
Resumen..................................................................................................... 148
¿Qué ha quedado fuera?........................................................................ 149
Bibliografía........................................................................................................ 185
Tipografía y formación:
Juan M. Jiménez Piña,
del Taller de Composición
del Fondo de Cultura Económica,
con tipos New Baskerville
Coordinación editorial:
María del Carmen Parías
I
W Después de leer
Aventuras de un ma
temático, de Stanislaw Ulam, John H.
Holland no sólo reafirmó su gran
afinidad con el enfoque conceptual
de este célebre hombre de ciencia,
sino que se interesó profundamente en su prosa, la
cual le hizo pensar que Stanislaw Lem, escritor polaco
de ciencia-ficción a la altura de IL G. Wells, era el seu
dónimo de Ulam. Tiempo después iba a comprobar el
equívoco, pero la empatia no disminuyó. Muy por el con
trario, temas como los expuestos en El orden oculto confir
man hasta dónde ambos pensadores han coincidido.
En El orden oculto John H. Holland compendia
admirablemente varias décadas de profunda reflexión
sobre cómo los sistemas de agentes se desarrollan, se
D is e ñ o d e n o r ta d a : P a tr ic ia M a r tín e z H e r n á n d e z
adaptan, compiten y cooperan. Holland usa modelos
económicos, inmunológicos, ecológicos, neurológicos y de
la teoría de juegos a fin ayudarnos a comprender esa mara
villosa síntesis que llamamos “complejidad”.