In vetta, prima di ridiscendere

5. Metodo della Complessità

Come studiare i sistemi complessi
PARTE II

Tullio Tinti
Modelli e simulazioni

Come sappiamo, il metodo di ricerca della

complessità prevede i seguenti passi:
1) Costruire un modello del sistema reale
2) Implementare la simulazione al computer
3) Trarre inferenze applicabili alla realtà

Tullio Tinti 3
Dal modello alla simulazione

Tullio Tinti 4
Dal modello alla simulazione

• Il computer, e in particolare la
simulazione al computer, è la principale
novità del metodo della complessità

Tullio Tinti 5
Il metodo sperimentale

• Per comprendere questa peculiarità,

basta confrontare il metodo della
complessità con il metodo delle scienze
sperimentali, generalmente (e
impropriamente) noto come metodo
scientifico

Tullio Tinti 6
 OSSERVAZIONI RIPETUTE

induzione

IPOTESI (falsificabile)

deduzione deduzione

PREVISIONE PREVISIONE PREVISIONE

VERIFICA VERIFICA VERIFICA

(esperimento) (esperimento) (esperimento)

Tullio Tinti 7
 VERIFICA
(esperimento)

previsione previsione
confermata confutata

L’IPOTESI L’IPOTESI
SCIENTIFICA E’ SCIENTIFICA E’
CORROBORATA FALSIFICATA

Tullio Tinti 8
Il ruolo del computer

• Come si vede, il computer non riveste

alcun ruolo sostanziale
• Nel metodo “principe” della Scienza
Classica, infatti, il computer, se è
presente, è presente solo come
strumento di calcolo: è solo un ausilio,
una potente calcolatrice

Tullio Tinti 9
Tra teoria e pratica

• Inoltre, il metodo scientifico prevede sia

momenti teorici (l’ipotesi), sia momenti
pratici (l’esperimento)
• La simulazione, invece, non è né teoria
né pratica: diciamo che si colloca a “metà
strada”

Tullio Tinti 10
Esperimenti virtuali

• In un certo senso, la simulazione al

computer sostituisce l’esperimento vero e
proprio, condotto in laboratorio, con una
sorta di esperimento virtuale effettuato al
computer
• Il computer, in quest’ottica, diventa un
laboratorio virtuale

Tullio Tinti 11
Il computer

• Comprendere perché il computer sia così

importante nel metodo della complessità
non è difficile: basta ripensare alla
struttura e alle caratteristiche dei sistemi
complessi

Tullio Tinti 12
Il computer

• Solo con i computer si possono simulare

sistemi che hanno tantissime componenti
(anche centinaia di miliardi), le quali
interagiscono tra loro attraverso una fitta
rete di interazioni non lineari, e che
evolvono nel tempo per lunghissimi
periodi (talvolta in milioni di anni)

Tullio Tinti 13
Dal modello alla simulazione

• Per passare dal modello alla simulazione

occorre:
– Stabilire un criterio per assegnare un valore
numerico ad ogni elemento del modello
– Formalizzare le regole d’interazione tra gli
elementi (quantificati) del modello
– Creare il software di simulazione

Tullio Tinti 14
 DESCRIZIONE QUALITATIVA

Elementi Interconnessioni
rilevanti tra gli elementi

Variabili Regole formali

di stato d’interazione

MODELLO FORMALIZZATO

SIMULAZIONE AL COMPUTER
Tullio Tinti 15
Il pensiero laterale

• Una buona simulazione si fonda su un

buon modello: se nel modello mancano
aspetti importanti del sistema reale,
mancheranno anche nella simulazione
– Per questo è importante utilizzare il pensiero
laterale per descrivere il sistema: per averne
un buon modello

Tullio Tinti 16
Il pensiero complesso

• Nella formalizzazione, cioè nel passaggio

dal modello qualitativo a quello
formalizzato, è all’opera un ulteriore
processo di semplificazione
– In questa fase è importantissimo usare il
pensiero complesso, ovvero: evitare l’iper-
semplificazione

Tullio Tinti 17
 SISTEMA COMPLESSO
REALE

Descrizione qualitativa ← Semplificazione

MODELLO QUALITATIVO

Formalizzazione ← Semplificazione

MODELLO FORMALE
(simulabile al computer)
Tullio Tinti 18
Implementare la simulazione

• Formalizzare senza banalizzare il

modello del sistema, e successivamente
scrivere un programma per far “girare” la
simulazione su computer, richiede
specifiche competenze professionali ed è
il lavoro precipuo degli esperti della
complessità

Tullio Tinti 19
 • Obiettivi del modello →
Scelta del
• Posizione epistemologica → livello di analisi

• Pensiero laterale → Descrizione

• Pensiero complesso → qualitativa

• Competenze matematiche → Formalizzazione del

• Pensiero complesso → modello

• Computer →
Simulazione al
• Conoscenze informatiche → computer
Tullio Tinti 20
Simulare la complessità

Tullio Tinti 21
Esempi di simulazione

• Ora vedremo come i ricercatori della

complessità hanno simulato:
– Il cervello
– La vita
– I sistemi sociali
– La mente

Tullio Tinti 22
Simulare il cervello

• Il cervello è stato uno dei primi sistemi

complessi simulato al computer

Tullio Tinti 23
Simulare il cervello

• Gran parte del cervello è organizzato in

reti neurobiologiche costituite da neuroni
connessi gli uni agli altri tramite sinapsi
• Ogni neurone riceve stimoli elettro-
chimici dai neuroni afferenti e, se
opportunamente stimolato, trasmette
stimoli a sua volta (neurotrasmissione)

Tullio Tinti 24
Simulare il cervello

• Le reti neurobiologiche del cervello si

prestano ad essere simulate tramite
modelli formali a rete
• Le reti formali con cui vengono simulate
le reti neurobiologiche del cervello
prendono il nome di reti neurali

Tullio Tinti 25
Le reti neurali

Tullio Tinti 26
Le reti neurali

• Una rete neurale è formata da nodi e

connessioni
• Ad ogni unità (o nodo) della rete è
assegnato un valore numerico (stato)
• Ad ogni connessione è assegnato un
valore numerico (peso)

Tullio Tinti 27
Le reti neurali

Tullio Tinti 28
Le reti neurali
Unità afferenti

• Ogni unità riceve stimoli da K afferenti

Tullio Tinti 29
Le reti neurali

• Lo stimolo di un’unità afferente è il

prodotto dello stato di quell’unità per il
peso sulla connessione:
STIMOLO = STATO x PESO

peso
stato stimolo

Tullio Tinti 30
Le reti neurali

• Lo stato di ogni unità dipende da una

regola formale
• In genere, lo stato di un’unità ad un certo
istante è una funzione matematica non
lineare della somma degli stimoli ricevuti
dall’unità in quell’istante

Tullio Tinti 31
Le reti neurali

stimolo1
stimolo2 u

stimolo3

• Stato di u = funzione non lineare di

(stimolo1 + stimolo2 + stimolo3)
Tullio Tinti 32
Le reti neurali

• I pesi possono essere positivi

(connessione eccitatoria) o negativi
(connessione inibitoria)
• I pesi sulle connessioni possono
cambiare nel tempo, in base alla capacità
adattiva del sistema

Tullio Tinti 33
Reti neurobiologiche Reti neurali
Neurone Unità della rete
Attività del neurone Stato dell’unità
Neurotrasmissione Stimolo dell’unità afferente

Sinapsi Connessione tra unità

Tipo di sinapsi Peso sulla connessione
Plasticità neurale Cambiamento dei pesi
Tullio Tinti 34
Reti di Hopfield

• Nelle reti di Hopfield le unità sono binarie,

cioè possono assumere solo due stati: 0
e 1, come lampadine (spento/acceso)
Tullio Tinti 35
Kauffman

• Stuart Kauffman ha scoperto che

l’evoluzione di una rete di unità binarie
(“lampadine”) dipende dal parametro K
Tullio Tinti 36
Kauffman

• Se K è molto basso, la rete si cristallizza

• Se K è molto alto, la rete diventa caotica
• Per valori intermedi, la rete si trova in
equilibrio al margine del caos
• Non è incredibile? Il regime dipende da K

Tullio Tinti 37
Le reti neurali

• Nonostante l’evidente semplicità delle reti

neurali, le loro proprietà sono straordinarie
• Le reti neurali esibiscono una serie
impressionante di caratteristiche
effettivamente presenti nel sistema
simulato, cioè nel cervello

Tullio Tinti 38
Le reti neurali

• Le principali proprietà sono:

– Informazioni codificate nelle connessioni
– Elaborazione distribuita in parallelo
– Flessibilità in caso di informazioni incomplete
– Resilienza (degrado graduale in caso di
perturbazioni crescenti)
– Capacità di “generalizzare” le informazioni

Tullio Tinti 39
Le reti neurali

• Riconoscimento del numero «5»

Tullio Tinti 40
Le reti neurali

• La potenza delle reti neurali dimostra che

per simulare senza banalizzare il cervello
è possibile usare un modello con:
– unità molto semplificate (nelle reti di Hopfield
i neuroni sono “ridotti” a lampadine)
– connessioni poco semplificate (il peso sulle
connessioni “rispecchia” la varietà di sinapsi)

Tullio Tinti 41
Simulare la vita

• Aspetti elementari, ma affascinanti, della

“vita” possono essere simulati tramite i
cosiddetti automi cellulari

Tullio Tinti 42
Gli automi cellulari

• Gli automi cellulari sono scacchiere

virtuali con un numero grandissimo di
caselle (mondo)
• Ad ogni casella del mondo è assegnato
un valore numerico (stato)
• Le 8 caselle adiacenti formano il vicinato

Tullio Tinti 43
Gli automi cellulari

• Le caselle rosse formano il vicinato della

casella verde

Tullio Tinti 44
Gli automi cellulari

• Una generazione è l’aggiornamento dello

stato di ciascuna casella del mondo
• Ad ogni generazione, lo stato di ogni
casella viene aggiornato in base a una
regola formale specificata dal modello

Tullio Tinti 45
Gli automi cellulari

• Life, il più famoso automa cellulare, è

stato inventato da John Conway
Tullio Tinti 46
Life di Conway

• In Life ogni casella del mondo è binaria,

cioè può assumere solo due stati: 1 o 0
• Dobbiamo immaginare ogni casella con
stato 1 come un’unità viva e ogni casella
con stato 0 come un’unità morta

Tullio Tinti 47
Life di Conway

• In Life ci sono 2 regole di aggiornamento:

– Un’unità viva “sopravvive” alla generazione
successiva se nel suo vicinato ci sono 2 o 3
unità vive; se ce n’è di più o di meno “muore”
(“soffoca” o “muore per solitudine”)
– Un’unità “nasce” se e solo se nel vicinato ci
sono esattamente 3 unità vive

Tullio Tinti 48
Life di Conway

• Nonostante la semplicità di queste regole,

in Life avvengono fenomeni piuttosto
sorprendenti
• Alcune configurazioni muoiono in fretta,
dopo poche generazioni; altre si
immobilizzano senza più mutare, altre
ancora oscillano…

Tullio Tinti 49
Life di Conway

• L’aliante, per esempio, dopo quattro

generazioni torna alla configurazione
iniziale, ma spostato di una casella in
diagonale

Tullio Tinti 50
Life di Conway

cannone

alianti

• Il cannone torna alla configurazione

iniziale dopo 30 generazioni, durante le
quali “spara” un aliante…!

Tullio Tinti 51
Life di Conway

mangiatore

• Il mangiatore, come dice il nome, è una

configurazione che “mangia” alianti

Tullio Tinti 52
Life di Conway

• Tutte queste configurazioni “animate”

emergono spontaneamente nell’automa
di Conway, senza essere state previste
• Da semplici regole d’interazione formali,
emerge dunque un’immensa e imprevista
varietà di forme e comportamenti che un
po’ ricorda le varietà della “vita” reale

Tullio Tinti 53
Boids di Reynolds

• Un’interessante evoluzione di Life è

Boids, un simulatore di stormi inventato
da Craig Reynolds
Tullio Tinti 54
Boids di Reynolds

• I boids di Reynolds sono più complessi

delle caselle di Life
• Lo stato di ogni boid, infatti, è specificato
non da un solo valore numerico, ma da 6
valori numerici (posizione nello spazio +
velocità nello spazio)

Tullio Tinti 55
Boids di Reynolds

• Le regole formali d’interazione sono 3

• Ogni boid deve:
– Evitare le collisioni con i vicini e con l’ambiente
– Adeguare gradualmente la propria velocità a
quella dei vicini
– Avvicinarsi progressivamente ai compagni
circostanti
Tullio Tinti 56
Boids di Reynolds

• Benché Boids sia un po’ più complesso di

Life, anche stavolta le regole sono piuttosto
semplici
• Ciò nonostante, tali regole sono sufficienti
a produrre stormi dal comportamento
davvero spettacolare e… verosimile!

Tullio Tinti 57
Vita Artificiale

• Ulteriori evoluzioni di queste simulazioni

si sono avute negli ultimi anni nel settore
della cosiddetta Vita Artificiale
• Ogni nuova simulazione aumenta la
complessità di ciascuna unità, arrivando
a simulare sempre meglio i sistemi
viventi reali

Tullio Tinti 58
Vita Artificiale

• E’ importante non confondere le

stupefacenti creazioni della Computer
Graphics con le simulazioni di Vita
Artificiale, di solito meno appariscenti
• Nelle simulazioni di Vita Artificiale non
sono mai programmati i risultati finali, ma
solo le regole d’interazione locale

Tullio Tinti 59
Vita Artificiale: cosa non è

• Un conto è scrivere un programma che

contiene delle istruzioni in base alle quali,
a un certo punto, si forma un aliante; o
istruzioni in base alle quali uno stormo si
muove in un certo modo specificato
esplicitamente
• Questa non è Vita Artificiale

Tullio Tinti 60
Vita Artificiale: cos’è

• Altro conto è scrivere programmi che

specificano solo come interagiscono tra
loro le singole unità e scoprire poi, con
sorpresa, che si forma un aliante oppure
che lo stormo si muove in un certo modo,
senza che il programma contenga
esplicite istruzioni al riguardo

Tullio Tinti 61
Simulare società

• Le colonie di insetti sociali hanno avuto

l’“onore” di essere i primi sistemi sociali
simulati al computer

Tullio Tinti 62
Gli insetti sociali

• Gli insetti sociali sono interessanti perché

– Il singolo insetto è limitato, poco intelligente
e ha comportamenti rigidi e stereotipati
(geneticamente programmati)
– Le colonie sono creative, flessibili,
esibiscono un’organizzazione sofisticata e
sono capaci di risolvere problemi (es.:
trovare il percorso “cibo-nido” più breve)

Tullio Tinti 63
Gli insetti sociali

Tullio Tinti 64
Gli insetti sociali

• In poche parole: l’intelligenza della

colonia (Swarm Intelligence) emerge
dall’interazione di unità non intelligenti

Tullio Tinti 65
Gli insetti sociali

• Secondo i sociobiologi, l’intelligenza della

colonia si basa sul fatto che ogni insetto
ha un ventaglio di comportamenti
geneticamente programmati
• In ogni interazione, c’è una certa
probabilità che si manifesti l’uno o l’altro
di tali comportamenti

Tullio Tinti 66
Gli insetti sociali

PROSEGUE (80%)

INVERTE DIREZIONE (20%)

• Quando una formica ne scontra un’altra,

c’è una certa probabilità che dopo lo
scontro inverta la direzione di marcia
Tullio Tinti 67
Simulare società

• Per simulare i sistemi sociali è stato

necessario utilizzare modelli formali
probabilistici, chiamati sistemi stocastici
• Nei sistemi stocastici, ogni unità
(chiamata agente) può compiere un
ventaglio di azioni prestabilite

Tullio Tinti 68
Sistemi stocastici

• Ogni azione ha una certa probabilità di

essere compiuta
• In questo modo si introduce nel modello
formale un certo margine di aleatorietà
che rispecchia la (relativa) “libertà” di cui
gode ciascun individuo nelle sue
interazioni sociali

Tullio Tinti 69
Sistemi multi-agenti

• Poiché nei sistemi stocastici si parla di

agenti, invece che di unità o nodi, i sistemi
stocastici vengono spesso chiamati sistemi
multi-agenti
• I sistemi stocastici sono anche chiamati,
discutibilmente, “indeterministici”

Tullio Tinti 70
Sistemi stocastici

• La potenza dei sistemi stocastici (o multi-

agenti), nel simulare sistemi
sociobiologici, è davvero impressionante
• Le simulazioni di insetti sociali, per
esempio, esibiscono comportamenti
altamente sofisticati non previsti dalle
istruzioni del programma di simulazione

Tullio Tinti 71
La colonia simulata

• Nelle simulazioni avviene infatti ciò che

avviene nei sistemi sociobiologici reali:
– La colonia manifesta capacità di cui le
singole formiche sono del tutto sprovviste
– La colonia simulata manifesta capacità non
previste dalle istruzioni del programma

Tullio Tinti 72
La colonia simulata

• All’interno della colonia simulata, gli

agenti (cioè le formiche virtuali):
– Trovano il percorso più breve tra cibo e nido
– Si dividono i compiti e pianificano il lavoro
– Organizzano cimiteri e dispense per il cibo
– Cooperano nella costruzione del nido

Tullio Tinti 73
Simulare la mente

• La sfida più difficile per i ricercatori della

complessità è quella di simulare la mente
Tullio Tinti 74
Anima, psiche, cervello

• Le discipline umanistiche e scientifiche

tradizionali si sono spartite lo studio di
“ciò che abbiamo nella testa”:
– La mente (anima o psiche) è andata prima
alla religione e alla filosofia, poi anche alla
psicologia
– Il cervello è andato alle neuroscienze

Tullio Tinti 75
Il problema mente-corpo

• Questa rigida spartizione del “contenuto

della nostra testa” è un retaggio del
cosiddetto dualismo mente-corpo,
formulato in termini moderni da Cartesio
Tullio Tinti 76
Mente-corpo e complessità

• Con la Teoria della Complessità, per la

prima volta, si intravede una possibilità di
superare il dualismo mente-corpo
• I teorici della complessità, infatti,
considerano la mente un fenomeno
naturale che emerge spontaneamente
dall’interazione delle cellule cerebrali

Tullio Tinti 77
La mente come colonia

• In pratica, secondo i teorici della

complessità: se una colonia di formiche è
intelligente anche se le singole formiche
non lo sono, allora anche la mente
potrebbe essere un fenomeno che
emerge dall’interazione di neuroni privi di
mente

Tullio Tinti 78
 La mente come colonia

L’analogia è dunque:

NEURONI : FORMICHE = MENTE : COLONIA

Tullio Tinti 79
Componenti: Formiche Neuroni

Prive di
Caratteristica: Privi di mente
intelligenza
Sistema
Colonia Cervello
complesso:
Fenomeni Intelligenza
Mente
emergenti: collettiva

Tullio Tinti 80
La mente come colonia

• I primi a pensare alla mente “come

colonia” sono stati gli studiosi di
formiche, a cavallo tra gli anni ’60 e ‘70
Tullio Tinti 81
La società della mente

• Ma è stato Marvin Minsky, a metà anni

‘80, a diffondere la metafora della “mente
come società di agenti-privi-di-mente”
Tullio Tinti 82
Simulare la mente

• Coerentemente con la metafora della

“mente come società”, i ricercatori della
complessità hanno deciso di provare a
simulare la mente utilizzando… gli stessi
sistemi multi-agenti usati nella
simulazione delle colonie di formiche
• Il risultato? Davvero sbalorditivo…

Tullio Tinti 83
Pandemonium

• Il primo modello formale di questo tipo è

stato Pandemonium di Oliver Selfridge
Tullio Tinti 84
Hofstadter

• La maggioranza dei programmi più famosi

è stata scritta da Douglas Hofstadter

Tullio Tinti 85
Simulare la mente

• I programmi di Hofstadter esibiscono

alcune capacità mentali. Riescono a:
– Anagrammare le parole nello stesso modo in
cui lo fanno gli esseri umani
– Riconoscere le lettere dell’alfabeto nello
stesso modo in cui lo fanno gli esseri umani
– Fare analogie (elementari) nello stesso
modo in cui lo fanno gli esseri umani
Tullio Tinti 86
Simulare la mente

• Nel risolvere i problemi, i programmi di

simulazione di Hofstadter commettono gli
stessi errori degli esseri umani
• Talvolta hanno anche dei “guizzi creativi”
grazie ai quali trovano soluzioni originali
e sorprendenti, esattamente come capita
agli esseri umani

Tullio Tinti 87
Simulare la mente

• Nessuna di queste capacità è

esplicitamente prevista dai programmi di
simulazione
• Ciascuna “capacità mentale”,
semplicemente, emerge dall’interazione
di agenti “privi di mente”

Tullio Tinti 88
Simulare l’economia

• Oltre al cervello, ai sistemi biologici, ai

sistemi sociali e alla mente, l’economia è
il fenomeno complesso più studiato dai
ricercatori della complessità
• Recentemente, molti aspetti
dell’economia sono stati simulati con
sistemi multi-agenti

Tullio Tinti 89
People Express

• Per esempio, la People Express di Don

Burr è stata simulata da John Sterman
Tullio Tinti 90
People Express

• Con il suo simulatore, Sterman ha

“scoperto” la strategia che avrebbe
evitato il fallimento della People Express:
– Investire sulla qualità del servizio e non
sull’espansione dell’azienda
– Alzare tutte le tariffe del 25%

Tullio Tinti 91
Imparare dalle simulazioni

Tullio Tinti 92
Conclusioni

Cosa ci insegnano le simulazioni effettuate

dai ricercatori della complessità?
a) I sistemi complessi possono essere
simulati semplificandone fortemente le
componenti, ma non le interazioni: in un
certo senso le relazioni tra le parti sono
più importanti delle parti stesse

Tullio Tinti 93
Conclusioni

b) Se si basano su interazioni locali non

lineari tra gli elementi, le simulazioni
possono esibire un comportamento
molto simile a quello dei sistemi
complessi simulati
c) Le simulazioni sono più potenti
introducendo dei fattori probabilistici

Tullio Tinti 94
Conclusioni

d) Le simulazioni più verosimili manifestano

i cosiddetti “fenomeni emergenti”:
fenomeni sorprendenti, non
esplicitamente previsti dal programma di
simulazione, che trascendono i limiti e la
semplicità degli elementi del modello
formale

Tullio Tinti 95
Conclusioni

In breve:

La complessità emerge
“spontaneamente”
dall’interazione di molte unità
(o agenti) relativamente
semplici

Tullio Tinti 96
Fine quinta parte

Tullio Tinti 97