El campo de la complejidad no es una cuestión fortuita, sino que tomó una evolución y compresión de los hechos a lo largo de la historia. Warren Weaver (citado por Rodríguez y Leónidas 2011) nos muestra esta evolución, dictando tres etapas en el pensamiento científico los cuales son (i) La “simplicidad”, el cual corresponde a situaciones con pocas variables, esta tipología se ubica entre los siglos XVII y XIV.(ii) La “complejidad desorganizada”, es la segunda etapa que corresponde a los siglos XIX y XX, cuando la teoría de la probabilidad y la mecánica estadística permitieron enorme cantidades de variables donde el sistema poseía cierto orden, pero claramente estaba caracterizado por la “cantidad” más que por el “orden”.(iii) La tercera tipología es la “complejidad organizada” que además de poseer gran cantidad de variables (característica no indispensable), esta posee un orden y relación entre ellos, conformando un sistema orgánico y por lo tanto son estudiados sistemáticamente.
Dentro de la complejidad organizada, y los sistemas complejos interdisciplinarios que esta involucra, la teoría del Sistema Complejo Adaptativo es uno de los más interesantes debido a su cercanía al campo del urbanismo, y su similitud al comportamiento de la población en su proceso de asentamiento en el territorio. La expresión Sistema Complejo Adaptativo[1] CAS fue acuñada por el Instituto de Santa Fe[2]. Uno de los creadores[3] de este término, Jhon H. Holland (1995, cap1, p. 6), lo define como una red dinámica de muchos agentes, estas pueden ser de diferente naturaleza, que actúan y reaccionan a lo que otros agentes realizan.
En un Sistema complejo Adaptativo (CAS), la complejidad radica en la multiplicidad de sus elementos y su alta interconectividad entre ellos (ilustrados en la Figura 1), además se le atribuye la característica de adaptativo porque sus elementos tienen la capacidad de adaptarse, cambiar, absorber, aprender y retroalimentarse de la experiencia. Holland (1995, cap. 1, pp. 10) describe que este sistema tiene ciertas características o conceptos básicos que le atribuyen la naturaleza de SCA, son siete conceptos básicos, pero que de los cuales se podrían derivar muchos más:
Figura 1. Un Sistema
Complejo Adaptativo. El
comportamiento depende de la interacción de los componentes de los agentes
en el sistema. Fuente: Holland 1995. Digitalización: Cristian Yarasca.
|
La propiedad de la agregación, que en primera instancia significa agregar cosas similares en categorías y que decidimos si agregarlos o no dependiendo de la importancia de estos en nuestro criterio, y en segundo término se refiere a la emergencia (aparición) de comportamientos complejos a partir de interacciones agregadas de agentes menos complejas.
El mecanismo del marbeteado o etiquetado, nos permite observar y actuar sobre las propiedades que previamente estaban ocultas por la simetría, y así facilitar a los agentes seleccionar a otros agentes u objetos, que de otra manera serian indistinguibles. Entonces así el marbeteado constituye un mecanismo de supervivencia para la agregación y la formación de fronteras en los SCA.
La propiedad de la No-Linealidad corresponde a procesos continuos y simultáneos de cambio, donde no se puede predecir lo que ocurrirá porque está muy expuesto a diversos cambios que modifican el sistema. La propiedad de los flujos, nos muestra que un SCA tiene tres partes fundamentales: el nodo (agente), el conector y el recurso. Los flujos tienen dos propiedades principales, La primera es el efecto multiplicador que ocurre cuando se le inyecta un recurso adicional a un nodo, luego este recurso pasa de nodo a nodo y se va transformando a los largo del camino, produciendo fenómenos en el sistema. Por causa de esta propiedad es que generalmente fallan las predicciones a largo plazo basado solo en tendencias. El otro efecto del flujo, es el efecto reciclante, que básicamente se refiere que con el mismo consumo de materia prima produce más recursos cada nodo.
La propiedad de la diversidad, es un patrón dinámico, a menudo persistente y coherente, de sus elementos que son resultado de una adaptación progresiva. El mecanismo de la anticipación es un modelo interno de los SCA, que también se le puede relacionar a la predicción. Se basa en la construcción de modelos internos del sistema en base al énfasis de ciertos patrones. La clave aquí está en el aprendizaje y la retroalimentación. El mecanismo de los bloques de construcción, nos muestra que los SCA al igual que los seres humanos tiene la capacidad para descomponer en partes una escena compleja. Cuando hacemos esto, podemos reagrupar las partes componentes en una gran variedad de combinaciones realizando escenas aún más complejas. Es así que comprendemos que las leyes que gobiernan los niveles más altos derivan de las leyes que gobiernan los niveles más inferiores (Holland 1995, cap. 1, pp. 10-37).
Después de haber dado un vistazo al Sistema Complejo adaptativo nos viene a la mente la reflexión si los sistemas complejos y los sistemas caóticos[4] (teoría del caos) son similares o diferentes, y qué los diferencia o los une. Para ser más incisivos, nos centramos en la siguiente pregunta ¿Cuál de estos dos sistemas (complejo o caótico) se utilizaría para el estudio de sistemas sociales propio del campo del urbanismo?. En esta discusión entra a resaltar el término “Incertidumbre” y una manera útil para distinguir entre sistemas complejos y caóticos, es ilustrar cómo la incertidumbre se plantea en cada sistema.
Fisher (2012) nos aclara esta diferencia al expresar que, para los Sistemas Caóticos, la incertidumbre existe debido a la incapacidad para conocer las condiciones iniciales del sistema. Si las condiciones iniciales eran «X» o una pequeña variación en X, sabemos que cuando la No-Linealidad se activa, esta ligera variación con el tiempo hará grandes diferencias en el resultado. Sin embargo, en los Sistemas Complejos la incertidumbre es inherente debido al concepto de "Emergencia"; incluso si pudiéramos determinar las condiciones iniciales, aún no podríamos determinar el futuro. No obstante, esto no significa que el futuro sea al azar porque los patrones son importantes y (a menudo) características repetitivas de los sistemas complejos.
En conclusión, la teoría del caos ha revelado algunas excelentes ideas como la sensibilidad a las condiciones iniciales, pero la teoría del caos es todavía un estudio de sistemas deterministas. Entonces para entender "sistemas no deterministas" como "sistemas sociales" (ciudad) es necesario tomar en cuenta los sistemas complejos y teoría de la complejidad.
[1]
Sistema Complejo Adaptativo[1] (CAS
del inglés, Complex Adaptive System).
[2] Santa Fe Institute (denominado SFI) es un instituto estadounidense fundado en 1984 con la intención de crear una comunidad basándose en estudiar las teorías sobre complejidad.
[3] Acuñado en la interdisciplinaria Santa Fe Institute, por John H. Holland, Murray Gell-Mann y otros.
[4] Teoría del caos es la denominación popular de la rama de las matemáticas, la física y otras ciencias que trata ciertos tipos de sistemas dinámicos muy sensibles a las variaciones en las condiciones iniciales. Pequeñas variaciones en dichas condiciones iniciales pueden implicar grandes diferencias en el comportamiento futuro; complicando la predicción a largo plazo.
Rodríguez L. y Leónidas J. 2011. Teorías de la complejidad y ciencias sociales: Nuevas estrategias epistemológicas y metodológicas. [Artículo científico en línea]. Nómadas: Revista Crítica de Ciencias Sociales y Jurídicas.
Holland J. 1995. Hidden Order: How Adaptation Builds Complexity. Canadá. Addison-Wesley Publishing Company. 185 pp.
Fisher G. 2012. Chaos Versus Complexity. [Artículo en línea].
[2] Santa Fe Institute (denominado SFI) es un instituto estadounidense fundado en 1984 con la intención de crear una comunidad basándose en estudiar las teorías sobre complejidad.
[3] Acuñado en la interdisciplinaria Santa Fe Institute, por John H. Holland, Murray Gell-Mann y otros.
[4] Teoría del caos es la denominación popular de la rama de las matemáticas, la física y otras ciencias que trata ciertos tipos de sistemas dinámicos muy sensibles a las variaciones en las condiciones iniciales. Pequeñas variaciones en dichas condiciones iniciales pueden implicar grandes diferencias en el comportamiento futuro; complicando la predicción a largo plazo.
Rodríguez L. y Leónidas J. 2011. Teorías de la complejidad y ciencias sociales: Nuevas estrategias epistemológicas y metodológicas. [Artículo científico en línea]. Nómadas: Revista Crítica de Ciencias Sociales y Jurídicas.
Holland J. 1995. Hidden Order: How Adaptation Builds Complexity. Canadá. Addison-Wesley Publishing Company. 185 pp.
Fisher G. 2012. Chaos Versus Complexity. [Artículo en línea].
No hay comentarios.:
Publicar un comentario