¿Por qué la complejidad implica

un cambio de paradigma cientı́fico?

Carlos Gershenson

IIMAS & C3
Universidad Nacional Autónoma de México

http://turing.iimas.unam.mx/~cgg/
 Anuncio: Complexity Digest

Ciencia y
Complejidad

Carlos
Gershenson

Contenido

Introducción

Caos

Complejidad

Lenguaje
http://comdig.unam.mx
Adaptación

Auto-
organización
Metodologı́a

Ejemplos
Semáforos Auto-
organizantes
Inestabilidad de
Intervalos
Iguales
Burocracias
Auto-
organizantes

Conclusiones
 Contenido

Ciencia y
Complejidad 1 Introducción
Carlos
Gershenson 2 Caos
Contenido 3 Complejidad
Introducción

Caos
4 Lenguaje
Complejidad 5 Adaptación
Lenguaje

Adaptación
6 Auto-organización
Auto-
Metodologı́a
organización
Metodologı́a 7 Ejemplos
Ejemplos
Semáforos Auto-
Semáforos Auto-organizantes
organizantes
Inestabilidad de
Inestabilidad de Intervalos Iguales
Intervalos
Iguales Burocracias Auto-organizantes
Burocracias
Auto-
organizantes 8 Conclusiones
Conclusiones
 Encuesta relámpago... (no hay respuesta correcta)
Estilo exámen de admisión a la UNAM

Ciencia y
Complejidad ¿Cree usted que el mundo es previsible?
Carlos
Gershenson
1 Sı́.
2 No.
Contenido 3 En teorı́a sı́, en la práctica no.
Introducción 4 Ninguna de las anteriores.
Caos 5 Todas las anteriores.
Complejidad

Lenguaje

Adaptación

Auto-
organización
Metodologı́a

Ejemplos
Semáforos Auto-
organizantes
Inestabilidad de
Intervalos
Iguales
Burocracias
Auto-
organizantes

Conclusiones
 Ciencia tradicional

Ciencia y
Complejidad

Carlos
Gershenson
Útil, pero @ verdad absoluta, i.e. ciencia siempre es
limitada.
Contenido
Método cientı́fico tradicional:
Introducción

Caos
Galileo, Newton, Laplace y Descartes.
Se asume que el mundo es completamente previsible.
Complejidad
e.g. demonio de Laplace.
Lenguaje

Adaptación
Aislar y simplificar para predecir.
Auto- Reduccionismo.
organización
Metodologı́a Muy efectivo para problemas de “espacio estacionario”.
Ejemplos
Semáforos Auto-
¿Dónde están sus lı́mites?
organizantes
Inestabilidad de
Intervalos
Espacios muy grandes: optimización.
Iguales
Burocracias
Espacios “no estacionarios”: adaptación.
Auto-
organizantes

Conclusiones
 ¿Determinismo ⇒ Previsibilidad?

Ciencia y
Complejidad

Carlos ¿Los sistemas deterministas son predecibles?

Gershenson
No siempre, debido a la no-linearidad.
Contenido

Introducción

Caos

Complejidad

Lenguaje

Adaptación

Auto-
organización
Metodologı́a

Ejemplos
Semáforos Auto-
organizantes
Inestabilidad de
Intervalos
Iguales
Burocracias
Auto-
organizantes

Conclusiones
 Caos Determinista

Ciencia y
Complejidad

Carlos
Gershenson

Contenido
Siglo XIX: Poincaré, problema de 3 cuerpos.
Introducción Caos determinista:
Caos
Dinámica determinista pero impredecible.
Complejidad Falta de precisión.
Lenguaje Sensibilidad a condiciones iniciales.
Adaptación

Auto-
Ejemplos:
organización
Metodologı́a
Pronóstico meteorológico.
Ejemplos Mercados de valores.
Semáforos Auto-
organizantes
Tráfico vehicular.
Inestabilidad de
Intervalos
Iguales
Burocracias
Auto-
organizantes

Conclusiones
 Sensibilidad a condiciones iniciales

Ciencia y
Complejidad

Carlos
Gershenson

Contenido
E.g. estados iniciales 2.1234567890 y 2.1234567891
Introducción

Caos Nos llevan a estados finales 3.5 y -1.7

Complejidad No importa cuanta precision tengamos, hay divergencia
Lenguaje exponencial de trayectorias.
Adaptación exponentes de Lyapunov mayores que cero.
Auto-
organización
Atractores extraños
Metodologı́a auto-afines, i.e. fractales.
Ejemplos
Semáforos Auto-
organizantes
Inestabilidad de
Intervalos
Iguales
Burocracias
Auto-
organizantes

Conclusiones
 Atractores extraños

Ciencia y
Complejidad http://mathworld.wolfram.com/StrangeAttractor.html
Carlos
Gershenson

Contenido

Introducción

Caos

Complejidad

Lenguaje

Adaptación

Auto-
organización
Metodologı́a

Ejemplos
Semáforos Auto-
organizantes
Inestabilidad de
Intervalos
Iguales
Burocracias
Auto-
organizantes

Conclusiones
 Ciencia y
Complejidad http://www.countwordula.com/2006/09/13/strange-attractors-0086/

Carlos
Gershenson

Contenido

Introducción

Caos

Complejidad

Lenguaje

Adaptación

Auto-
organización
Metodologı́a

Ejemplos
Semáforos Auto-
organizantes
Inestabilidad de
Intervalos
Iguales
Burocracias
Auto-
organizantes

Conclusiones
 Ciencia y
Complejidad http://www.nathanselikoff.com/strangeattractors/

Carlos
Gershenson

Contenido

Introducción

Caos

Complejidad

Lenguaje

Adaptación

Auto-
organización
Metodologı́a

Ejemplos
Semáforos Auto-
organizantes
Inestabilidad de
Intervalos
Iguales
Burocracias
Auto-
organizantes

Conclusiones
 ¿El caos implica un cambio de paradigma
cientı́fico?
Ciencia y
Complejidad
Predicción en teorı́a vs. predicción en la práctica.
Carlos
Gershenson En teorı́a, el caos es predecible.
Lı́mites en la práctica.
Contenido

Introducción
Control de caos.
Caos
Teorema de la sombra.
Complejidad

Lenguaje

Adaptación

Auto-
organización
Metodologı́a

Ejemplos
Semáforos Auto-
organizantes
Inestabilidad de
Intervalos
Iguales
Burocracias
Auto-
organizantes

Conclusiones
 Complejidad

Ciencia y
Complejidad

Carlos Difı́cil de definir:

Gershenson
del Latı́n plexus, i.e. entretejido → difı́cil de separar
Contenido Interacciones, interdependencia.
Introducción Método tradicional inadecuado, no es posible aislar o
Caos reducir.
Complejidad
Ejemplos de sistemas complejos:
Lenguaje

Adaptación
células, cerebros, ciudades, Internet, un mercado de
valores, una colonia de insectos, un ecosistema, una
Auto-
organización biósfera.
Metodologı́a

Ejemplos Interacciones → información y variables nuevas.

Semáforos Auto-
organizantes Otra fuente de imprevisibilidad.
Inestabilidad de
Intervalos No es posible pre-especificar problema.
Iguales
Burocracias Espacio no estacionario.
Auto-
organizantes

Conclusiones
 Ciencia y
Complejidad

Carlos
Gershenson

Contenido

Introducción

Caos

Complejidad

Lenguaje

Adaptación

Auto-
organización
Metodologı́a

Ejemplos
Semáforos Auto-
organizantes
Inestabilidad de
Intervalos
Iguales
Burocracias
Auto-
organizantes

Conclusiones
 Ejemplo: El Juego de la Vida
John H. Conway

Ciencia y
Complejidad

Carlos
Gershenson

Contenido

Introducción

Caos

Complejidad

Lenguaje

Adaptación

Auto-
organización
Metodologı́a

Ejemplos
Semáforos Auto-
organizantes
Inestabilidad de
Intervalos
Iguales
Burocracias
http://golly.sourceforge.net/
Auto-
organizantes

Conclusiones
 Ejemplo: Autómatas Celulares Elementales
Stephen Wolfram, Andy Wuensche, etc.

Ciencia y
Complejidad

Carlos
Gershenson
Repetición, e.g. reglas 254, 250
Contenido
Estructuras anidadas, e.g. reglas 90, 22
Introducción

Caos Pseudoaleatoriedad, e.g. reglas 30, 45

Complejidad Estructuras localizadas, e.g. regla 110
Lenguaje

Adaptación

Auto-
organización
Metodologı́a

Ejemplos
Semáforos Auto-
organizantes
Inestabilidad de
Intervalos http://www.wolframscience.com/nksonline/toc.html
Iguales
Burocracias
Auto-
organizantes

Conclusiones
 Regla 110

Ciencia y
Complejidad

Carlos
Gershenson

Contenido

Introducción

Caos

Complejidad

Lenguaje

Adaptación

Auto-
organización
Metodologı́a

Ejemplos
Semáforos Auto-
organizantes
Inestabilidad de
Intervalos
Iguales
Burocracias
Auto-
organizantes

Conclusiones http://mathworld.wolfram.com/Rule110.html
 ¿La complejidad implica un cambio de paradigma
cientı́fico?
Ciencia y
Complejidad Lı́mites en teorı́a y en la práctica.
Carlos
Gershenson
El reduccionismo, por definición, ignora las interacciones.
La información producida por interacciones co-determina
Contenido
el futuro del sistema.
Introducción

Caos
∴ no es posible predecir a partir de condiciones iniciales y
de frontera.
Complejidad
Irreducibilidad computacional.
Lenguaje

Adaptación ⇒ ¿Qué alternativa nos queda?

Auto- Adaptación, como complemento de la predicción.
organización
Metodologı́a

Ejemplos
Semáforos Auto-
organizantes
Inestabilidad de
Intervalos
Iguales
Burocracias
Auto-
organizantes

Conclusiones
 Lenguaje

Ciencia y
Complejidad

Carlos
Gershenson
El lenguaje le da forma a nuestro mundo, y vice versa.
Contenido

Introducción
Ilusión: Encontrar una descripción “verdadera” del mundo
Caos (Platón, Aristóteles).
Complejidad Hay muchas descripciones del mundo (Heráclito,
Lenguaje Wittgenstein).
Adaptación
Las verdades no son absolutas, sino contextuales.
Auto-
organización
Metodologı́a
Al no poder describir “completamente” a un sistema,
Ejemplos debemos de estar listos para cuando aparezcan nuevos
Semáforos Auto-
organizantes aspectos.
Inestabilidad de
Intervalos
Iguales
Burocracias
Auto-
organizantes

Conclusiones
 ¿De qué color es la esfera?

Ciencia y
Complejidad

Carlos
Gershenson

Contenido

Introducción

Caos

Complejidad

Lenguaje

Adaptación

Auto-
organización
Metodologı́a

Ejemplos
Semáforos Auto-
organizantes
Inestabilidad de
Intervalos
Iguales
Burocracias
Auto-
organizantes

Conclusiones
 Lı́mites de epistemologı́a clásica

Ciencia y
Complejidad Sólo las partı́culas (materia, energı́a) son “reales”.
Carlos ¿Y el resto?
Gershenson
No es posible reducir vida a quı́mica, mente a fisiologı́a,
Contenido
etc.
Introducción
Partı́culas como realidad es convención, modelo.
Caos

Complejidad
No único, hay otras alternativas, e.g. información.
Lenguaje

Adaptación

Auto-
organización
Metodologı́a

Ejemplos
Semáforos Auto-
organizantes
Inestabilidad de
Intervalos
Iguales
Burocracias
Auto-
organizantes

Conclusiones
 Adaptación

Ciencia y
Complejidad

Carlos
Gershenson
Habilidad de un sistema de cambiar de comportamiento en
Contenido presencia de una perturbación.
Introducción
Predicción trata de actuar antes de que una perturbación
Caos
afecte el comportamiento esperado de un sistema.
Complejidad Adaptación como generalización de
Lenguaje predicción/anticipación.
Adaptación
Sistemas vivos como inspiración.
Auto-
organización Adaptación como creatividad:
Metodologı́a

Ejemplos
Sistemas buscan soluciones para problemas desconocidos.
Semáforos Auto-
organizantes Auto-organización como método.
Inestabilidad de
Intervalos
Iguales
Burocracias
Auto-
organizantes

Conclusiones
 Auto-organización

Ciencia y
Complejidad Elementos interactúan de forma tal que el
Carlos comportamiento del sistema es un producto
Gershenson
principalmente de estas interacciones.
Contenido
No de un sólo elemento ni de una fuente externa.
Introducción
Ejemplos de sistemas auto-organizantes:
Caos
células, cerebros, ciudades, Internet, un mercado de
Complejidad
valores, una colonia de insectos, un ecosistema, una
Lenguaje
biósfera.
Adaptación
Depende parcialmente del observador
Auto-
organización ¿Cómo queremos describir un fenómeno?
Metodologı́a

Ejemplos
Diseño de sistemas auto-organizantes:
Semáforos Auto-
organizantes
Enfoque en en el comportamiento de los componentes, de
Inestabilidad de
Intervalos
forma tal que, por medio de sus interacciones, realicen la
Iguales
Burocracias
función del sistema, sin diseñarla directamente.
Auto-
organizantes Elementos buscan soluciones constantemente.
Conclusiones Al cambiar el problema, el sistema se adapta.
 Ciencia y
Complejidad

Carlos
Gershenson

Contenido

Introducción

Caos

Complejidad

Lenguaje

Adaptación

Auto-
organización
Metodologı́a

Ejemplos
Semáforos Auto-
organizantes
Inestabilidad de
Intervalos
Iguales
Burocracias
Auto-
organizantes

Conclusiones
 Ciencia y
Complejidad

Carlos
Gershenson

Contenido

Introducción

Caos

Complejidad

Lenguaje

Adaptación

Auto-
organización
Metodologı́a

Ejemplos
Semáforos Auto-
organizantes
Inestabilidad de
Intervalos
Iguales
Burocracias
Auto-
organizantes

Conclusiones
 Ciencia y
Complejidad

Carlos
Gershenson

Contenido

Introducción

Caos

Complejidad

Lenguaje

Adaptación

Auto-
organización
Metodologı́a

Ejemplos
Semáforos Auto-
organizantes
Inestabilidad de
Intervalos
Iguales
Burocracias
Auto-
organizantes

Conclusiones
 Ciencia y
Complejidad

Carlos
Gershenson

Contenido

Introducción

Caos

Complejidad

Lenguaje

Adaptación

Auto-
organización
Metodologı́a

Ejemplos
Semáforos Auto-
organizantes
Inestabilidad de
Intervalos
Iguales
Burocracias
Auto-
organizantes

Conclusiones
 Ciencia y
Complejidad

Carlos
Gershenson

Contenido

Introducción

Caos

Complejidad

Lenguaje

Adaptación

Auto-
organización
Metodologı́a

Ejemplos
Semáforos Auto-
organizantes
Inestabilidad de
Intervalos
Iguales
Burocracias
Auto-
organizantes

Conclusiones
 Ciencia y
Complejidad

Carlos
Gershenson

Contenido

Introducción

Caos

Complejidad

Lenguaje

Adaptación

Auto-
organización
Metodologı́a

Ejemplos
Semáforos Auto-
organizantes
Inestabilidad de
Intervalos
Iguales
Burocracias
Auto-
organizantes

Conclusiones
 Ciencia y
Complejidad

Carlos
Gershenson

Contenido

Introducción

Caos

Complejidad

Lenguaje

Adaptación

Auto-
organización
Metodologı́a

Ejemplos
Semáforos Auto-
organizantes
Inestabilidad de
Intervalos
Iguales
Burocracias
Auto-
organizantes

Conclusiones
 Ciencia y
Complejidad

Carlos
Gershenson

Contenido

Introducción

Caos

Complejidad

Lenguaje

Adaptación

Auto-
organización
Metodologı́a

Ejemplos
Semáforos Auto-
organizantes
Inestabilidad de
Intervalos
Iguales
Burocracias
Auto-
organizantes

Conclusiones
 Conceptos

Ciencia y
Complejidad

Carlos Un agente es una descripción de un ente que actúa en su

Gershenson
medio ambiente.
Contenido
Un observador puede describir las metas de un agente.
Introducción

Caos
El “cumplimiento” de las metas puede medirse con una
Complejidad variable σ ∈ [0, 1], representando la satisfacción.
Lenguaje Los agentes interactúan, afectándose mutuamente (y sus
Adaptación metas y satisfacciones) de manera positiva, negativa, o
Auto-
organización
neutra.
Metodologı́a
Si minimizamos la “fricción” (interacciones negativas) and
Ejemplos
Semáforos Auto- maximizamos “sinergı́a” (interacciones positivas), la
organizantes
Inestabilidad de
Intervalos
“satisfacción” global σsys se incrementará
Iguales
Burocracias
Auto-
¿Cómo podemos maximizar σsys ?
organizantes

Conclusiones
 Mediadores

Ciencia y
Complejidad

Carlos
Gershenson

Contenido Previenen “conflicto” y promueven “cooperación”

Introducción (Michod, Heylighen)
Caos e.g. Dinero, reglas de tránsito, estándares, normas,
Complejidad lenguajes, etc.
Lenguaje
Limitan y promueven comportamientos.
Adaptación

Auto- Un mediador arbitra entre los elementos de un sistema para

organización
Metodologı́a minimizar conflictos, interferencias y fricciones, y para
Ejemplos maximizar cooperación y sinergı́a.
Semáforos Auto-
organizantes
Inestabilidad de
Intervalos
Iguales
Burocracias
Auto-
organizantes

Conclusiones
 Metodologı́a

Ciencia y
Complejidad

Carlos
Gershenson

Contenido

Introducción

Caos

Complejidad

Lenguaje

Adaptación

Auto-
organización
Metodologı́a

Ejemplos
Semáforos Auto-
organizantes
Inestabilidad de
Intervalos
Iguales
Burocracias
Auto-
organizantes

Conclusiones
 Control como Mediador

Ciencia y
Complejidad

Carlos Como adolescentes, los S.A-O. sólo pueden ser dirigidos

Gershenson
Tienen sus propias metas y comportamientos...
Contenido
Hay que encontrar aspectos de sistemas, subsistemas, o
Introducción

Caos
restricciones que previenen fricción y promieven sinergı́a,
Complejidad
i.e. mediadores
Lenguaje Control debe de ser adaptativo
Adaptación
Control debe de ser activo
Auto-
organización Reducir fricción
Metodologı́a
Tolerancia, Cortesı́a, Compromiso, Imposición,
Ejemplos
Semáforos Auto- Erradicación, Apoptosis
organizantes
Inestabilidad de
Intervalos
Promover sinergı́a
Iguales
Burocracias Cooperación, Individualismo, Altruismo, Explotación
Auto-
organizantes

Conclusiones
 Semáforos Auto-organizantes

Ciencia y
Complejidad Simples controladores de semáforos auto-organizantes han
Carlos sido propuestos (Gershenson, 2005; Gershenson &
Gershenson
Rosenblueth, 2009), los cuales ofrecen mejoras
Contenido considerables sobre métodos tradicionales.
Introducción Simulación multi-agente:
Caos http://tinyurl.com/t7qbn
Complejidad Simulación basada en autómatas celulares elementales:
Lenguaje http://tinyurl.com/trafficCA
Adaptación

Auto-
organización
Metodologı́a

Ejemplos
Semáforos Auto-
organizantes
Inestabilidad de
Intervalos
Iguales
Burocracias
Auto-
organizantes

Conclusiones
 El método

Ciencia y
Complejidad
1 En cada paso de tiempo, agregar a un contador el número de
Carlos vehı́culos que se acercan o esperan ante una luz roja a una distancia
Gershenson
d. Cuando este contador exceda un umbral n, cambiar el semáforo.
Contenido (Siempre que el semáforo cambia, reiniciar el contador en cero.)
Introducción 2 Los semáforos deben permanecer un mı́nimo tiempo u en verde.
Caos
3 Si pocos vehı́culos (m o menos, > 0) están por cruzar una luz verde a
Complejidad una corta distancia r , no cambiar el semáforo.
Lenguaje
4 Si no hay un vehı́culo que se acerque a una luz verde a una distancia
Adaptación
d y por lo menos un vehı́culo se aproxima a una luz roja a una
Auto- distancia d, entonces cambiar el semáforo.
organización
Metodologı́a 5 Si hay un vehı́culo detenido en el camino a una corta distancia e más
Ejemplos allá de una luz verde, cambiar el semáforo.
Semáforos Auto-
organizantes
Inestabilidad de
6 Si hay vehı́culos detenidos en ambas direcciones a una corta distancia
Intervalos
Iguales e más allá de la intersección, entonces cambiar ambas luces a rojo.
Burocracias
Auto-
Cuando una de las direcciones se libere, restaurar la luz verde en esa
organizantes
dirección.
Conclusiones
 Esquema de instalación

Ciencia y
Complejidad

Carlos
Gershenson

Contenido

Introducción

Caos

Complejidad

Lenguaje

Adaptación

Auto- d r e
organización
Metodologı́a

Ejemplos
Semáforos Auto-
organizantes
Inestabilidad de
Intervalos
Iguales
Burocracias
Auto-
organizantes

Conclusiones
 Ciencia y 1 foreach (∆t) do
Complejidad 2 ti + = ∆t ; // local phase
3 ki += vehiclesapproachingRed in d; // for rules 1 and 4
Carlos 4 if (vehiclesstoppedAfterGreen at e > 0) then
Gershenson 5 if (vehiclesstoppedAfterRed at e > 0) then
6 switchBothRedi () ; // rule 6
Contenido
7 end
8 else
Introducción 9 switchlighti () ; // rule 5
10 end
Caos 11 end
12 else if vehiclesstoppedAfterRed at e == 0 then
Complejidad 13 if bothRed? then
Lenguaje
14 restoreSingleGreeni () ; // complement to rule 6
15 end
Adaptación 16 if (ki ≥ 1) and (vehiclesapproachingGreen in d == 0) then
17 switchlighti () ; // rule 4
Auto- 18 end
organización 19 else if not (0 < vehiclesapproachingGreen in r < m) then
Metodologı́a ; // rule 3
20 if (ti ≥ tmin ) then
Ejemplos ; // rule 2
Semáforos Auto- 21 if (ki ≥ n) then
organizantes 22 switchlighti () ; // rule 1
Inestabilidad de
Intervalos 23 end
Iguales 24 end
Burocracias
Auto-
25 end
organizantes 26 end
Conclusiones
27 end
 Ciencia y
Complejidad

Carlos
Gershenson

Contenido

Introducción

Caos

Complejidad 1 switchlighti () begin

Lenguaje
2 ki = 0;
3 ti = 0;
Adaptación 4 switchTrafficLighti ();
5 end
Auto-
organización
Metodologı́a

Ejemplos
Semáforos Auto-
organizantes
Inestabilidad de
Intervalos
Iguales
Burocracias
Auto-
organizantes

Conclusiones
 Resultados

Ciencia y
Complejidad

Carlos
Gershenson
A C
Contenido 1.0 0.30

Introducción 0.25
0.8
● ● ●●
Caos ● ●●●●●●●●●●●●●●●●●●

〈J〉〉 (vehicles/tick)
● ●●●
● 0.20
〈v〉〉 (cells/tick)

●● ●
Self−organizing ●●●
0.6 Green−wave ●
Complejidad ●●
●●
0.15 ●
●
●●
●
Lenguaje 0.4
●
●
0.10 ●
●
●
●
Adaptación ●
●
0.2 ●
Self−organizing
0.05 ●
● Green−wave
●
Auto- ●●
●

● ● ●
organización 0.0 ● ●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●● 0.00 ● ●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●

Metodologı́a
0.0 0.2 0.4 0.6 0.8 1.0 0.0 0.2 0.4 0.6 0.8 1.0
Ejemplos
ρ (vehicles/cell) ρ (vehicles/cell)
Semáforos Auto-
organizantes
Inestabilidad de
Intervalos
Iguales
Burocracias
Auto-
organizantes

Conclusiones
 Una Simulación Más Realista (sólo reglas 1–3)

Ciencia y
Complejidad

Carlos
Gershenson

Contenido
Simulación de la Avenue de la Loi / Wetstraat (Cools,
Introducción
2006; Cools, Gershenson & D’Hooghe, 2007)
Caos
https://sourceforge.net/projects/morevts/
Complejidad

Lenguaje Resultados: Tiempos de espera por viaje promedio para

Adaptación densidades a distintas horas usando SOTL fueron de 34%
Auto- a 64% de los tiempos con ola verde, y en promedio 50%
organización
Metodologı́a (25% del tiempo de viaje total).
Ejemplos
Semáforos Auto-
organizantes
Inestabilidad de
Intervalos
Iguales
Burocracias
Auto-
organizantes

Conclusiones
 Resultados de la Wetstraat

Ciencia y
Complejidad

Carlos
Gershenson

350
Contenido

300
green wave
SOTL, !=5
Introducción 250
SOTL, !=10

Caos
200
ATWT

Complejidad
150

Lenguaje
100

Adaptación
50

Auto-
organización
0

Metodologı́a
0 5 10 15 20

Ejemplos hour

Semáforos Auto-
organizantes
Inestabilidad de
Intervalos
Iguales
Burocracias
Figure: Tiempos de espera por viaje promedio (ATWT ) a distintas
Auto-
organizantes
horas.
Conclusiones
 Beneficios para el Medio Ambiente

Ciencia y
Complejidad

Carlos
Gershenson
Optim SOTL Diferencia
Contenido ATWT diarios (s) 54.63 27.85 26.77
Introducción tiempo de espera diario (hr) 908.61 463.28 445.32
Caos Litros de gasolina en espera 3089.26 1575.17 1514.09
Complejidad l/año 1127579.85 574935.97 552643.88
Lenguaje CO2 tn/año 2706.19 1379.85 1326.35
Adaptación NOx kg/año 9053.41 4616.2 4437.21
Auto- CO kg/año 136126.8 69409 66717.79
organización
Metodologı́a CxHx kg/año 18237.08 9298.81 8938.27
Ejemplos
Semáforos Auto-
organizantes
Inestabilidad de
Emisiones por autos detenidos en la Wetstraat
Intervalos
Iguales 59877 autos/dı́a. Motor neutral: 3.4 l/hr. 2.4 kg CO2 /l de
Burocracias
Auto-
organizantes
gasolina.
Conclusiones
 Inestabilidad de Intervalos Iguales
en Sistemas de Transporte Público
Ciencia y
Complejidad

Carlos
Gershenson Station Vehicle Waiting passenger

Contenido (a)
d c b a
Introducción

Caos

Complejidad (b)
e d c b
Lenguaje

Adaptación

Auto- (c)
f e d c
organización
Metodologı́a

Ejemplos
Semáforos Auto-
organizantes
Inestabilidad de
Intervalos
Iguales Gershenson, C. & Pineda, L. A. (2009). Why does public transport not arrive on time? The pervasiveness of
Burocracias
Auto- equal headway instability. PLoS ONE (10): e7292. doi:10.1371/journal.pone.0007292.
organizantes

Conclusiones
 Resultados, |V | = 8

Ciencia y
Complejidad

160
Carlos
Gershenson

120
Contenido
default
〈Dp〉 (mean passenger delay)

Introducción

Caos
80

Complejidad

Lenguaje
60

Adaptación

Auto-
organización
40

Metodologı́a

Ejemplos
Semáforos Auto-
organizantes
Inestabilidad de
Intervalos adaptive maximum
Iguales ●
●
Burocracias
20

Auto-
organizantes

Conclusiones
3 6 9 12 15
 Factor social...

Ciencia y
Complejidad

Carlos
Gershenson

Contenido

Introducción

Caos

Complejidad

Lenguaje

Adaptación

Auto-
Inestabilidad de intervalos iguales es un problema tanto
organización técnico como social.
Metodologı́a

Ejemplos En muchos sistemas, la única fuente de retrasos (⇒

Semáforos Auto-
organizantes inestabilidad) depende del comportamiento de pasajeros.
Inestabilidad de
Intervalos
Iguales Promover comportamientos que reduzcan retrasos y por lo
Burocracias
Auto-
organizantes
tanto inestabilidad.
Conclusiones Proveer información adecuada en tiempo real a pasajeros.
 Burocracias Auto-organizantes

Ciencia y
Complejidad

Carlos
Gershenson
Mejorar la eficiencia y adaptabilidad de burocracias
permitiéndoles auto-organizarse
Contenido

Introducción
El paper de la comunicación
Caos
sı́ncrona vs ası́ncrona
Complejidad
Retrasos como fricción
Lenguaje El papel de los sensores
Adaptación Satisfacción pública como medida de eficiencia
Auto- El papel de las jerarquı́as
organización
Metodologı́a Redes adaptantes
Ejemplos
Semáforos Auto- El papel del contexto
organizantes
Inestabilidad de
Intervalos Gershenson, C. (2008). Towards Self-Organizing Bureaucracies, International Journal of Public Information
Iguales
Burocracias
Auto- Systems, 2008(1):1-24.
organizantes

Conclusiones
 Redes de Agentes Aleatorias

Ciencia y
Complejidad N nodos (agentes) resolviendo tareas
Carlos Cada uno con Ki dependencias, escogidas aleatoriamente
Gershenson
La tarea se termina cuando los requerimientos de todas las
Contenido dependencias han sido contestados
Introducción Desempeño de la red como número de tareas completadas
Caos Minimizar retraso de respuesta y tiempo muerto (colas
Complejidad vacı́as)
Lenguaje Balance de pedido y respuesta de tareas
Adaptación Topologı́as: homogénea, normal, de escala libre, y
Auto- simétrica
organización
Metodologı́a

Ejemplos
Semáforos Auto-
organizantes
Inestabilidad de
Intervalos
Iguales
Burocracias
Auto-
organizantes

Conclusiones
 RANLab

Ciencia y
Complejidad

Carlos
Gershenson

Contenido

Introducción

Caos

Complejidad

Lenguaje

Adaptación http://rans.sourceforge.net
Auto-
organización e.g. N = 25, K = 5, topologı́a homogénea.
Metodologı́a

Ejemplos
a) Retrasos de respuesta. b) Longitud de colas.
Semáforos Auto-
organizantes Colores más claros indican valores más altos.
Inestabilidad de
Intervalos
Iguales
Burocracias
Auto-
organizantes

Conclusiones
 Resultados de simulaciones, N = 15, K = 2

Ciencia y
Complejidad

Carlos
Gershenson

Contenido

Introducción

Caos

Complejidad

Lenguaje

Adaptación

Auto-
organización
Metodologı́a

Ejemplos
Semáforos Auto-
organizantes
Inestabilidad de
Intervalos
Iguales
Burocracias
Auto-
organizantes

Conclusiones
 Conclusiones

Ciencia y
Complejidad El mundo no es previsible.
Carlos La complejidad no es una rama de la ciencia tradicional, es
Gershenson
una nueva manera de hacer ciencia.
Contenido Adaptación no reemplaza, sino complementa a la
Introducción predicción.
Caos
Auto-organización como método.
Complejidad
Hay que estar preparados para problemas nuevos,
Lenguaje
esperando lo inesperado, y dotando a nuestros sistemas de
Adaptación
cierto grado de creatividad para enfrentarse a lo
Auto-
organización desconocido.
Metodologı́a

Ejemplos
Semáforos Auto-
organizantes
Inestabilidad de
Intervalos
Iguales
Burocracias
Auto-
organizantes

Conclusiones
 ¿Hubo algún cambio de opinión?

Ciencia y
Complejidad ¿Cree usted que el mundo es previsible?
Carlos
Gershenson
1 Sı́.
2 No.
Contenido 3 En teorı́a sı́, en la práctica no.
Introducción 4 Ninguna de las anteriores.
Caos 5 Todas las anteriores.
Complejidad

Lenguaje

Adaptación

Auto-
organización
Metodologı́a

Ejemplos
Semáforos Auto-
organizantes
Inestabilidad de
Intervalos
Iguales
Burocracias
Auto-
organizantes

Conclusiones
 ¿Preguntas?

Ciencia y
Complejidad
Más información:
Carlos
http://turing.iimas.unam.mx/~cgg/
Gershenson http://tinyurl.com/DCSOS2007
Contenido http://arxiv.org/abs/0905.4908
Introducción

Caos

Complejidad

Lenguaje

Adaptación

Auto-
organización
Metodologı́a

Ejemplos
Semáforos Auto-
organizantes
Inestabilidad de
Intervalos
Iguales
Burocracias
Auto-
organizantes

Conclusiones