Documents - Tips - Curs Bazele Ciberneticii Economice PDF

CAPITOLUL 1
APARIŢIA ŞI DEZVOLTAREA CIBERNETICII.

OBIECTUL ŞI METODELE CIBERNETICII ECONOMICE
1.1 Precursorii (înainte de 1948)
Unii termeni şi multe idei care au constituit limbajul cibernetic şi cel sistemic
apar cu mult înainte de momentul considerat de istoria ştiinţei ca fiind cel al
întemeierii ciberneticii.
Se consemnează, astfel, faptul că termenul ,,kybernetes” înseamnă în limba
greacă veche ,,cârmaci”, iar Platon îl utilizează într-unul dintre dialogurile sale în
sensul abstract de ,,pilotaj unei entităţi politice”. Din cunvântul kybernetes se pare că
provine, în limba română, ,,a chivernisi”, dar, printr-o filieră slavă, un ,,guvernator”
însemna cunducătorul unei provincii (gubernie). ,,Guvern” provine din guvernator,
gubernie, deci şi din kybernetes.
Conceptul de sistem (sustemo în latină însemnând mulţime, adunare,
reuniune) în ştiinţa modernă este utilizat în mod sistematic începând cu secolul al
XVII-lea, însemnând un set de concepte organizate, clasificate, mai ales în sens
folozofic. Astfel, R. Descartes în al său ,,Discurs asupra metodei”, introduce un set
coordonat de reguli care să fie utilizat într-un anumit context. După Descartes,
aproape fiecare filozof important şi-a construit un sistem filozofic propriu, plecând de
la anumite postulate de bază. Liebnitz, de exemplu, a formulat ,,principiul armoniei
prestabilite” între substanţe, conform căruia orice schimbare într-o substanţă
necesită să fie corelată cu o schimbare în alte substanţe. Până la sfârşitul secolului
al XVIII-lea, noţiunea filozofică de sistem era bine stabilită, fiind considerată ca o
mulţime de practici şi metode utilizabilă în studiul lumii reale.
Capitolul 1 – Apariţia şi dezvoltarea ciberneticii. Obiectul şi metodele ciberneticii economice
Deja, la începutul sec. XX, oamenii de ştiinţă realizaseră importanţa stabilirii

de interdependenţe reciproce şi corelaţii între fenomene şi procese, ceea ce a
condus la cauzabilitatea complexă în explicarea ştiinţifică a acestora, deci şi la
ceonceptul de sistem. N. Hartmann dezvoltă o teorie a stratificării, bazată pe
introducerea unor nivele ale realităţii, fiecare nivel fiind descris utilizând categorii
comune, în timp ce între nivele există corelaţii cauzale.
Termenul de ,,cibernetică” îl regăsim în Enciclopedia Franceză, operă
colectivă, care încerca să curpindă toate cunoştinţele acumulate de omenire până în
sec. XIX. Într-un articol scris de Ampère privind clasificarea ştiinţelor, este inclusă şi
ştiinţa ciberneticii, reprezentând ,,arta guvernării”.
Între 1854 – 1878 , psihologul francez Bernard, în mai multe lucrări, stabileşte
existenţa unui ,,mediu intern” în fiinţele vii, stabilind o diferenţă clară între ceea ce se
întâmplă înăuntru şi ceea ce se întâmplă în afara organismului. Cam în acelaşi timp,
este descoperit şi primul dispozitiv de reglare biologic: acţiunea nervilor care se află
pe cord şi care determină accelerarea şi moderarea bătăilor inimii. Deja, atunci, era
cunoscut dispozitivul de reglare a presiunii aburului al lui Watt care, se pare, a fost
primul dispozitiv tehnic de acest tip.
Concomitent cu aceste acumulări în domeniul tehnic şi biologic, sitemica şi
cibernetica începeau să fie prezente şi în ştiinţele matematice şi fizice.
Matematicianul francez Poincarè începea studiile legate de instabilitatea sistemelor
într-o epocă în care gândirea mecanicistă şi concepţia privind echilibrul imuabil erau
dominante. Lucrările sale, care au revoluţionat matematica sfârşitului de secol XIX şi
începutul de secol XX, au condus, ulterior, la apariţia şi dezvoltarea teoriei sistemelor
dinamice.
Un alt fapt important este apariţia, în 1936, a teoriei grafelor, în urma publicării
de către germanul Konig a unei lucrări în care rezolva o celebră problemă pusă în
urmă cu două secole de către Euler, şi anume problema podurilor din Königsberg.
Russell şi Whitehead publică în 1925 ,,Principia Mathematica” în care
stabilesc condiţiile în care un set de reguli logice este noncontradictoriu.
În domeniul fizicii, francezul Bénard făcuse, în 1908, o descoperire curioasă
privind celulele haxagonale care se formează într-un vas de apă încălzit. Era prima
observaţie privind structurile disipative pe care, ulterior, Prigogine, avea să le explice
şi să le formalizeze într-o teorie a sistemelor funcţionând departe–de–echilibru.
Treptat, metoda sistemică îşi face simţită prezenta în ştiinţele umaniste.

Brentano începe cercetările de psihologie experimentală, care l-au condus la
definirea sistemică a relaţiei dintre subiect şi obiect, Wertheimer stabileşte principiile
organizării perceptuale care-l conduc apoi la formularea psihologiei Gesteltastiste,
adică a psihologiei percepţiei formelor, dezvoltată ulterior de Kohler şi Koffka.
În ştiinţele istorice, românul A. D. Xenopol are o viziune sistemică asupra
evoluţiei civilizaţiilor, fără însă a nega influenţa unor fenomene sau evenimente unice
asupra istoriei. Ulterior, concepţia sa privind existenţa unui ,,sistem de principii
privind ştiinţa istoriei” a fost preluată şi dezvoltată de istorici precum Toynbee şi
Brandel, preocupaţi de mărirea şi decăderea civilizaţiilor şi culturilor care arată
existenţa, implicită sau explicită, a unor linii comune de forţă.
În 1932, Cannon introduce în biologie conceptul de homeostază care
anticipează cu 20 de ani viziunea marelui cibernetician Ross Ashby privind tendinţa
generală a sistemelor cibernetice de a-şi prezerva echilibrul dinamic.
În 1938, medicul român Odobleja publică la Paris ,,Psihologia Consonatistă”,
un tratat de înalt nivel ştiinţific privind concepţia sistemică şi cibernetică asupra lumii
vii şi nevii care, din nefericire, a fost neglijată de o lume ştiinţifică bulversată de
iminenţa izbucnirii celui de-al Doilea Război Mondial. Opera sa, aflată în curs de
recuperare, constituie una dintre cele mai solide contribuţii la apariţia teoriei generale
a sistemelor şi ciberneticii.
1.2 Întemeietorii (1948 – 1960)
Vedem că, deja, încă înainte de 1940, condiţiile de apariţie a ciberneticii şi

teoriei generale a sistemelor erau îndeplinite. În tot mai multe discipline ştiinţifice
metoda sistemică tindea să fie dominantă, iar diferite exemple de sisteme cibernetice
(paradigme în sensul lui Kuhn) preocupau cele mai strălucite minţi ale omenirii. A
urmat perioada anilor de război care, trecând peste efectele dezastruoase pe plan
material şi uman, a avut rolul de factor declanşator al unor descoperiri ştiinţifice
majore. Pe lângă descoperirire din fizică, matematică, chimie, medicină, ş.a.,
perioada menţionată a contribuit major şi la apariţia ciberneticii.
Norbert Wienner, considerat aproape unanim fondatorul ciberneticii, era încă
înainte de război, un strălucit profesor de matematică la MIT din S.U.A. Provenea
dintr-o familie evreiască germană, tatăl său fiind, de asemenea, profesor la Pinceton,
dar de limbi slave. Se spune că acesta cunoştea bine peste 30 de limbi străine.
Norbert Wiener însă a avut talent de matematician, fiind declarat de
contemporanii săi chiar un geniu matematic (vezi lucrarea autobiografică ,,Sunt
matematician”).
Norbert Wiener
În perioada războliului, N. Wiener face parte din grupul oamenilor de ştiinţă

americani pe care guvernul îi chemase să contribuie, prin ideile în descoperirile lor, la
efortul de război al S.U.A. Wiener s-a ocupat de dispozitivele de ochire ale tunurilor
antiaeriene, domeniu în care el credea că are mai multă experienţă, deja fiind
recunoscut ca matematicianul care elaborase o relaţie de descriere a mişcării
browniene (mişcarare perfect aleatoare, observată de biologul Brown la grăunţele
fine de polen aflate pe suprafaţa apei). Procesul aleator Wiener constituie şi astăzi
un model util al mişcării aleatoare, utilizat, de exemplu, în finanţe.
În studiile sale legate de dispozitivele de ochire şi apoi de pilotajul navelor, el
descoperă că condiţia de bază a unei ochiri corecte este reglarea printr-o buclă
feedback, dar, spre deosebire de controlul ingineresc, el se orientează nu pe
mijloacele tehnice şi electrice necesare, ci asupra noţiunii fundamentale de ,,mesaj”,
sau “informaţie”, cum am spune astăzi, şi a modului în care aceasta este transmisă
de la obiectul observat (avion) la observator (dispozitivul de ochire).
Înţelegând rolul esenţial al informaţiei în sisteme, începând cu cele tehnice şi
până la organizaţiile umane, Wiener formulează pentru prima oară un principiu care
stă la baza ciberneticii şi defineşte legăturile profunde ale acesteia cu informaţia:
,,cantitatea de informaţie dintr-un sistem este o măsură a gradului său de organizare,
astfel că entropia unui sistem este o măsură a gradului său de dezorganizare”

(1948).
Deja, la acel moment, Wiener era informat privind lucrările lui McCulloch şi
Pitts referitoare la rolul conexiunilor nervoase în transmiterea impulsurilor de la creier
către restul organelor şi a înţeles că informaţia reprezintă un element esenţial al
controlului şi comunicării, indiferent de tipul de sistem avut în vedere.
Un rol important în definirea acestor idei şi concepţii noi l-au jucat doi
colaboratori ai lui N. Wiener, Arturo Rosenblueth şi Julian Bigelow, cu care acesta
colaborează intens încă înainte de război. Arturo Rosenblueth, profesor de
psihologie la Harvard Medical School, era interesat de transmiterea impulsurilor
nervoase şi de inhibiţia cerebrală determinată pe această cale. Julian Bigelow,
matematician ca şi N. Wiener, colabora cu acesta din urmă la dezvoltarea unei teorii
a predicţiei şi la proiectarea unui calculator care să poată fi utilizat în controlul
dispozitivelor de ochire ale tunurilor. O problemă cu care cei doi s-au confruntat era
aceea a etapei în care în procesul de ochire se interfera omul, reprezentat de tunar,
pe de o parte, şi de pilotul avionului ţintă, pe de altă parte. Deşi foarte bine informaţi
asupra funcţiilor de predicţie, sistemelor de control şi mecanismelor de ochire, cei doi
s-au confruntat cu problema comportamentului voluntar al operatorilor umani. Ei
ajung la concluzia că feedbackul privind erorile joacă un rol tot atât de important ca şi
servomecanismele care asigură ghidarea dispozitivelor de ochire. Atunci şi-au pus
problema dacă există bucle feedback şi în sistemul nervos al omului şi cum aceste
bucle pot fi utilizate pentru a corecta eventualele erori înregistrate în procesul de
ochire. Wiener şi Bigelow îl consultă, în această privinţă, pe Rosenblueth.
Din colaborarea celor trei rezultă o lucrare publicată în 1943 în revista
,,Pshilosophy of Science”, sub titlul: ,,Behaviour, purpose, and teleology”. Principala
temă dezvoltată în lucrare era o clasificare a tipurilor de comportament al sistemelor
cu referire specială la conceptul de scop. Ei defineau comportamentul ca pe ,,orice
schimbare a unei entităţi în raport cu mediul său înconjurător”, înţelegând că orice
modificare a unui obiect, detectabilă extern, poate fi considerată ca şi comportament.
De aici apare ,,metoda comportamentală” care, aplicată unui obiect sau sistem,
presupune examinarea outputului acestuia şi a relaţiei outputului cu inputul. Această
metodă era opusă “metodei analitice”, dominantă la acea vreme în ştiinţă, prin care
erau studiate cu precădere structura, proprietăţile şi organizarea intrinsecă a
obiectului sau sistemului, şi nu relaţiile acestora cu mediul înconjurător.
Conform clasificării introduse în lucrarea menţionată mai sus, comportamentul

poate fi ,,activ”, deci obiectul însuşi este sursa activităţii observate şi ,,inactiv”, în care
obiectul suportă influenţa mediului, iar outputul său provine doar din input.
Comportamentul activ, la rândul său, se împarte în ,,orientat către scop” şi
,,neorientat către scop” sau ,,aleator”. Ei consideră că o maşină este ,,orientată către
scop” doar dacă are anumite condiţii finale precizate către care activitatea acesteia
este orientată.
Comportamentul orientat către scop era, la rândul său, clasificat în ,,feedback”
sau ,,teleologic”, şi ,,non-feedback” sau ,,non-teleologic”. Sistemele feedback sunt
definite ca acele sisteme în care inputul este modificat de către output într-o direcţie
necesară pentru a reduce diferenţa dintre situaţia curentă şi situaţia scop.
Unele maşini includ un feedback continuu al erorii de acest tip, remarcă ei.
Transmisia semnalelor de la output la input necesită timp, astfel că, uneori, direcţia
feedbackului se inversează (deci de la input la output) şi astfel apar în
comportamentul sistemului oscilaţii. Acesta este fenomenul care intervine frecvent
atunci când în dispozitivele de ochire se interpune sistemul nervos al omului, care
constituie un sistem feedback de control al erorii.
O altă distincţie făcută de cei trei oameni de ştiinţă este între comportament
feedback de tip ,,extrapolativ” sau ,,predictiv” şi ,,non-extrapolativ” sau ,,non-
predictiv”. În comportamentul extrapolativ, traiectoria ţintei este anticipată şi scopul
este definit în raport cu poziţia viitoare a acesteia. Predicţia poate fi de ordinul întâi,
ordinul doi sau de ordin superior. În dispozitivele de ochire, spun ei, este necesară o
predicţie de ordinul doi, deoarece trebuie prevăzut atât comportamentul tunarului
(ochitorului) cât şi al pilotului avionului ochit.
După apariţia lucrării menţionate, Wiener şi Rosenblueth au avut ideea lansării
unui program ştiinţific în care diferiţi oameni de ştiinţă să abordeze aceleaşi probleme
din perspective diferite.
În 1945, Rosenblueth devine şeful laboratoarelor de psihologie la Institutul
Naţional de Cardiologie din Mexico City. În vara anului 1945, Wiener i se alătură
pentru o perioadă de două săptămâni şi cei doi colaborează în problema formulării
matematice a transmiterii impulsurilor într-o reţea de elemente excitabile conectate,
aşa cum este muşchiul cardiac. În lucrările lor, cei doi utilizează rezultatele obţinute
de Warren McCulloch şi Walter Pitts şi raportate în lucrarea ,,A Logical Calculus of
the Ideas Immanen in Nerous Activity”, apărută în 1943, care stă la baza teoriei
actuale privind reţelele neuronale şi şi neurociberneticii.
În vara anului 1946, Norbert Wiener se reîntoarce în Mexic, cu un grant de la
Fundaţia Rockefeller, pentru o nouă perioadă de colaborare cu Rosenblueth.
Rezultatele obţinute sunt raportate la cea de-a treia întâlnire în cadrul Grupului de
Conferinţe Josiah Macy sub numele de ,,Teleological Mechanisms” (1948).
Conferinţele Josiah Macy, Jr. au avut un rol foarte important în dezvoltarea
noii ştiinţe a ciberneticii, drept pentru care trebuie descrise, mai ales că reprezentau,
pentru acel timp, o noutate. Ele încercau să pună în practică ideea că descoperirile
dintr-un anumit domeniu ştiinţific pot fi stimulate de cunoaşterea acumulată în alte
domenii, astfel că, prin eliminarea izolării şi graniţelor stricte între diferite ştiinţe, se
puteau crea canale prin care să se obţină o diseminare şi schimb de informaţii între
oameni de ştiinţă din diferite domenii ştiinţifice.
Fundaţia J. Macy Jr. a încercat să promoveze această idee organizând mai
multe grupuri de conferinţe pe diferite teme, printre care şi cele despre impulsul
nervos. Pentru fiecare temă era ales un mic număr de oameni de ştiinţă care să
formeze un nucleu şi care includea reprezentaţi ai tuturor disciplinelor ştiinţifice
relevante. Erau, de asemenea invitaţi să participe şi alţi oameni de ştiinţă interesaţi
de tema respectivă.
Un alt principiu al Fundaţiei J. Macy Jr. era acela că discuţiile nu trebuiau
urmate de elaborarea unei lucrări, acest lucru creind impresia asumării unei autorităţi
în domeniu de către grupul respectiv. Se încurajau, în schimb, discuţiile colegiale
într-o atmosferă informală. Fiecare întâlnire dura două zile şi se desfăşura într-un loc
retras. Pentru a asigura consistenţa discuţiilor, zilnic erau doar doi sau trei vorbitori,
iar ascultătorii erau încurajaţi să îi întrerupă.
Nucleul grupului care se ocupa de inhibiţia cerebrală era format din W.
McCulloch, (chairman), A. Rosenblueth, Gregory Bateson, L. Kubic, Margaret
Mead, precum şi din directorul medical al Fundaţiei, Frank Fremont-Smith. Ca
invitaţi s-au alăturat grupului N. Wiener, J. von Neumann, W. Pitts, Lorente de No
ş.a.
Gregory Bateson
Prima întâlnire a grupului a avut loc în martie 1946 şi a avut drept temă:
,,Mecanisme feedback şi sisteme circulare cauzale în sistemele biologice şi sociale”.
Două alte întâlniri au avut loc tot în 1946; prima, în septembrie, cu tema ,,Mecanisme
teleologice în societate”, iar a doua în octombrie despre ,,Mecanisme teleologice şi
sisteme circulare cauzale”, în care Rosenblueth şi Wienner au descris experimentele
făcute începând cu 1944 asupra muşchilor şi trasnmiterii impulsurilor nervoase.
Conferinţele Macy au continuat în 1947 şi s-au referit tot la macanismele
teleologice, în timp ce conferinţele din 1948 au abordat problemele structurii
limbajului.
Deja în 1947 se poate spune că noua ştiinţă a ciberneticii era conturată. Ceea
ce lipsea era numele noii discipline ştiinţifice.
Iată cum descrie chiar Norbert Wiener momentul alegerii acestui nume: ,,Cu
mai bine de patru ani în urmă, grupul de oameni de ştiinţă din jurul Dr-lui
Rosenblueth şi al meu am devenit conştienţi de unitatea esenţială a setului de
probleme centrate pe comunicare, control), şi mecanica statistică, atât la maşină cât
şi în ţesutul viu. Pe de altă parte, eram serios împiedicaţi de lipsa de unitate din
literatura privind aceste probleme şi de absenţa unei terminologii comune sau chiar
de un singur nume pentru acest domeniu. După multe discuţii, am ajuns la concluzia
că toată terminologia existentă este inadecvată pentru a servi la dezvoltarea viitoare
a doemniului aşa cum trebuie; şi, aşa cum se întîmplâ deseori penintre oamenii de
ştiinţă, am fost obligaţi să alegem o expresie artificială în limba gracă pentru a umple
acest gol. Am decis să denumim întregul domeniu al teoriei controlului şi comunicării,
atât la maşini cât şi la animale prin denumirea ,,Cibernetica”, care l-am format
pornind de la grecescul ,,kybernetes” sau ,,cârmaci” (Wiener, 1948, p.19).
Cibernetica a fost imediat aleasă ca denumirea pentru următoarele conferinţe

ale Fundaţiei J. Macy, care au continuate în fiecare an, din 1949 până în 1953.
Conţinutul conferinţelor din anii 1950, 1951, 1952, 1953 şi 1955 a fost transcris de
Heinz von Foerster şi publicat de Fundaţia Josiah Macy, Jr.
Deoarece participanţii la aceste conferinţe proveneau din domenii atât de
diferite, era inevitabil ca întrei ei să apară controverse. Una dintre acestea a fost cea
legată de unul dintre conceptele actuale fundamentale ale ştiinţei, şi anume
informaţia. O parte dintre oamenii de ştiinţă participanţi la acele conferinţe aveau
convingerea că buclele feedback servesc la transmiterea energiei, în timp ce N.
Wiener susţinea primatul informaţiei.
În acel timp, teoria informaţiei era în curs de elaborare, Claude Shannon
împreună cu Denis Weaver publicând, în 1948, lucrarea sa fundamentală ,,The
Mathematical Theory of Communication”, care se ocupa de modalităţile de codificare
a datelor pentru a îmbunătăţi acurateţea transmisiei informaţiei. Tot el introduce bitul
ca unitate fundamentală e măsură a cantităţii de date transmise.
O temă importantă a conferinţelor a fost modul în care pot fi utilizate
conceptele din teoria informaţiei în procesul de comunicare umană. Este introdusă
analogia dintre bucla feedback şi canalul de informaţie, iar legătura inversă de la
output la input este considerată ca un mesaj purtător de informaţie care are un triplu
sens: sintactic, semantic şi pragmatic. Treptat a apărut şi problema stocării
informaţiei în maşinile de calcul automate.
Toate aceste teme sunt sintetizate în mod strălucit de Norbert Wiener în prima
sa carte dedicată noii ştiinţe: ,,Cibernetica, sau ştiinţa comenzii şi comunicării la
fiinţe şi maşini”, care apare în 1948 la editura Wiley, New York.
Cu aceasta se poate spune că epoca întemeietorilor se încheia, şi începea
epoca pionierilor.
1.3 Pionierii (1948 – 1960)
Deşi lucrările iniţiale ale Norbert Wiener până în 1948 au avut un rol esenţial
în crearea ciberneticii, aceasta a devenit o adevărată disciplină ştiinţifică doar ca
urmare a eforturilor conjugate ale unui şir de oameni de ştiinţă care au realizat
necesarele conexiuni între conceptele fundamentale, au introdus metodele noii ştiinţe
şi au extins domeniile de aplicare ale acesteia. Se poate afirma că ,,aceste minţi
enciclopedice au deschis căi şi orizonturi atât de largi încât ar fi posibil ca ele să nu

fie niciodată complet explorate” (C. François, 1999, p. 208).
În 1949, Claude Shannon şi Denis Weaver publică celebra lucrare
,,Mathematical Theory of Communication” prin care impun definitiv ştiinţa informaţiei.
Autorii introduc conceptul de comunicaţie plecând de la componentele esenţiale ale
acesteia: sursa, codul, mesajul, transmiţătorul, semnalul, canalul şi receptorul.
Abordată din punct de vedere tehnic, teoria informaţiei în viziunea lui Shannon şi
Weaver accentua aspectele cantitative şi entropice ale informaţiei, fără să se refere
explicit, însă, la aspectele de conţinut (semantice şi pragmatice).
În cibernetică, însă, aceste două aspecte legate de conţinutul mesajului sau
comunicării sunt cele mai importante, cu toate că ele depind, într-o oarecare
măsură, de conţinutul sintactic ale comunicării. Prin conjuncţia cu teoriei informaţiei,
apare la adevărata sa valoare conceptul fundamental de informaţie şi rolul acesteia
în sistemele cibernetice.
Rolul informaţiei în sistemele cibernetice şi modul în care aceasta determină
eficienţa proceselor de reglare şi control sunt dezvoltate de către W. Ross Ashby
(1956) care în lucrarea sa fundamentală ,,Introduction to Cybernetics” formulează
una dintre legalităţile fundamentale ale sistemelor cibernetice, şi anume Legea
verietăţii necesare, conform căreia pentru a obţine o varietate dată la ieşirea unui
sistem este necesar să se asigure la intrarea sistemului respectiv o varietate cel puţin
la fel de mare.
W. Ross Ashby
În 1952 tot W. Ross Ashby publicase o lucrare considerată drept punct de

reper în constituirea inteligenţei artificiale, şi anume ,,Design for a Brain”. Dar
această lucrare are o importanţă foarte mare şi pentru dezvoltarea actuală a
Ştiinţelor Complexităţii, constituind o dovadă certă a genezei acestor ştiinţe din
cibernetică. Ideea principală în această carte (care are un substitutul sugestiv:
Originea comportamentului adaptiv) este că orice mecanism adaptiv (de la
organismele foarte simple şi până la organizaţiile complexe) trebuie să facă două
lucruri: să-şi rezolve problemele de zi cu zi şi, periodic, să se restructureze. În cazul
unei întreprinderi productive, de exemplu, aceasta trebuie să producă în mod curent
produsele sale şi, periodic, să dezvolte un nou produs sau să se reorganizeze în
întregime.
O astfel de organizaţie, care produce cu succes produsele obişnuite, dar şi
dezvoltă o serie de noi produse care le impune pe piaţă este posibil să fie adaptivă.
Această concepţie îl duce pe Ashby la ideea de auto-organizare şi chiar formulează
o legitate referitor la aceasta: ,,Orice sistem dinamic determinant supus unor legi
neschimbate, ea dezvoltă ,,organe” care sunt adaptate la mediul său înconjurător”.
Pentru acea vreme, această concepţie era prea radicală, confirmarea deplină
a teoriei lui Ross Ashby venind însă după ce Ştiinţele Complexităţii au început să se
dezvolte, deci după anul 1982.
Atingerea acestui stadiu, însă, mai avea să întârzie aproximativ două decenii,
timp în care conceptele şi ideile novatoare ale întemeietorilor ciberneticii au continuat
să se dezvolte. În paralel cu lucrările lui Wiener, Ashby, Weaver ş.a., teoria generală
a sistemelor, iniţiată de Ludwig von Bertalanffy, încearcă să facă din sistem
paradigma centrală a ştiinţei. Acest lucru era deosebit de dificil după ce ştiinţa
parcursese câteva mii de ani în care accentul se punea pe părţile componente ale
sistemului, pe metoda analitică de abordare a proprietăţilor acestora. De multe ori,
Bertalanffy este comparat cu Cristofor Columb pentru descoperirea sa într-un
domeniu în care nu se descoperise nimic înainte. Având ambiţia să descopere
,,legile izomorfe ale ştiinţei”, Bertalanffy vedea în teoria generală a sistemelor o
modalitate de a determina ,,unificarea ştiinţelor”.
Ludwig von Bertalanffy

Keneth Boulding, unul dintre primii economişti care au privit în mod sceptic
bazele destul de şubrede pe care era construită teoria economică a timpului său, a
încercat să reformuleze aceste baze pornind de la legităţile şi principiile teoriei
generale a sistemelor. Din păcate, programul său de regenerare pe baze sistemice a
economiei nu a putut fi dus până la capăt, lăsând în urmă un mare hiatus şi
producând, în prezent, un decalaj serios în ceea ce priveşte dezvoltarea pe baze
sistemice a economiei în raport cu alte ştiinţe.
Boulding a fost, totodată, şi unul dintre primii economişti care a înţeles în mod
profund raporturile de interdependenţă dintre sistemul economic şi sistemul ecologic,
militând împotriva distrugerii naturii în scopuri mercantile. Din nefericire, nici aceste
lecţii nu au fost înţelese de contemporani, drept pentru care ne confruntăm, după mai
bine de 40 de ani, cu primejdiile pe care el le anticipa atunci când spunea că
“distrugerea naturii înseamnă distrugerea planetei deci şi a întregii civilizaţii umane”.
O altă direcţie importantă de dezvoltare a ciberneticii şi sistemicii a fost
stimulată de lucrările lui John von Neumann, creatorul teoriei automatelor, dar şi a
teoriei jocurilor, a programării matematice şi a altor discipline ştiinţifice. Un adevărat
geniu matematic, von Neumann a creat un număr considerabil de modele conţinând
elemente interactive care evoluau către configuraţii complexe pe baza unor reguli de
transformare deosebit de simple. Automatele celulare, create de von Neumann
împreună cu S. Ulam constituie încă un obiect important de studiu pentru specialiştii
din domeniile Ştiinţelor Complexităţii.
John von Neumann

Von Neumann a creat şi conceptul de automat capabil de reproducere care
utilizează principiile ciberneticii şi care, mai târziu, l-au inspirat pe Maturana şi Varele
în crearea teoriei autopoiesisului.
H. von Foerster, unul dintre cei mai entuziaşti participanţi la conferinţele

Macy, şi-a continuat cercetările ştiinţifice, încercând să dezvolte o ,,cibernetică a
ciberneticii”. Cuvântul de bază era ,,auto” căruia i se juxtapuneau principalele
concepte cibernetice. Astfel, el a încercat să definească într-un limbaj sistemic auto-
comportamentul, auto-elementul, auto-procesul, auto-organizarea ş.a., fapt ce a
condus la un pas important înainte în cibernetică.
Acest avans este considerat de unii autori ca o nouă cibernetică, sau o
cibernetică de ordinul doi.
Gordon Pask a fost unul dintre cei care au înţeles importanţa principiilor şi
legităţilor generale ale ciberneticii pentru gândirea umană şi, în special, pentru
cunoaştere. Ştiinţele cognitive de astăzi sunt, în cea mai mare parte, dezvoltate pe
baza lucrărilor lui Pask în domeniul cunoaşterii şi conştiinţei de tip cibernetic. Pornind
de la concepţia lui Wiener, de care se apropie în timpul studiilor sale medicale la
Cambridge, Pask dă conştiinţei o semnificaţie generală care asigură unitatea dintre
natură şi om şi care se formează printr-un feedback permanent între cele două
entităţi ce determină adaptarea uneia la alta. Apare pentru prima oară ideea, reluată
şi dezvoltată în anii noştri, conform căreia natura are o inteligenţă proprie şi răspunde
în mod adecvat agresiunii omului asupra ei. Maşinile de învăţat, proiectele
dezvoltate de Pask au constituit un imbold în dezvoltarea inteligenţei artificiale şi

roboticii.
În 1958 Pask produce un sistem de învăţare denumit SAKI, care era, după
expresia sa, o ,,maşină de învăţare adaptivă”. Interesul său pentru învăţarea
automată a fost continuat şi dezvoltat până în zilele noastre, când învăţarea virtuală
se dezvoltă pe baza principiilor stabilite în lucrările sale.
Remarcabilă ca deschidere şi conţinut de idei, conferinţa lui Pask,
,,Mecanizarea proceselor de gândire”, ţinută de acesta la Laboratorul Naţional de
Fizică din Londra, a adunat oameni de ştiinţă şi practicieni din domeniul ciberneticii şi
disciplinelor asociate din toată lumea, printre care Stafford Beer, H. Von Foerster, W.
McCulloch, D. Mackay, Marvin Minsky, W. Ross Ashby ş.a. Pornind de la ideile şi
conceptele formulate de Pask în această conferinţă, în diferite laboratoare ştiinţifice
din lume au început programe de cercetare în domeniile învăţării umane, dezvoltării
simulării pe calculator şi a altor modele ale proceselor de învăţare, studiul
interacţiunilor în grupurile sociale mici şi dezvoltarea sistemelor adaptive de control
care, la rândul lor, au dus la importante progrese în comunicarea de grup, învăţare şi
rezolvarea problemelor.
Pringle în 1951 stabilise deja analogia existentă între evoluţie şi specializare,
pe de o parte, şi învăţarea umană şi adaptare, pe de altă parte. El dăduse un model
descriptiv al creierului ca un mediu pentru evoluţia unor forme de organizare din ce în
ce mai complexe. La rândul său, W. Ross Ashby (1956), din perspectiva ciberneticii
abstracte, arătase că evoluţia unor forme mai complexe este o consecinţă necesară
pentru un sistem format dintr-un număr relativ mare de părţi componente care iniţial
sunt slab cuplate şi cărora li se aplică o restricţie (sau regulă, sau principiu de
selecţie).
Pask, pentru care lucrările lui Ross Ashby au constituit o sursă permanentă de
inspiraţie, a înţeles totuşi că, pentru teoria acestuia, mediul de evoluţie şi natura
entităţilor evolutive sunt irelevante. Acest lucru l-a condus către o viziune cu totul
particulară privind organizarea creierului, concentrată pe ceea ce el a numit mai
târziu ,,evoluţia simbolică” a conceptelor mentale, concepţie preluată astăzi în
Ştiinţele Complexităţii şi utilizată pentru a explica apariţia, dezvoltarea şi dispariţia
modelelor mentale ale agenţilor.
Conform acestei concepţii, dezvoltată de Stafford Beer, părintele ciberneticii
manageriale:
- există o limită a resurselor disponibile (ele pot fi conceptualizate ca ,,spaţiu

de stocare”, ,,energie liberă” sau ,,timp de prelucrare”);
- unităţile de bază sau părţile din care un sistem auto-organizator este
construit sau modelat sunt ele însele chiar sisteme auto-organizatoare;
- sistemul şi părţile sale sunt active.
Aceste principii se aplică oricărui tip de sistem complex, începând cu
organismele vii cele mai simple şi mergând până la creierul uman.
Stafford Beer
În sfârşit, un ultim nume de care vom aminti, ale cărui lucrări fac, de fapt,
legătura între etapa pionierilor şi cea a inovatorilor, este Ilya Prigogine. Opera sa
are o importanţă uriaşă pentru înţelegerea rolului energiei şi entropiei în sisteme, dar
şi pentru spargerea tiparelor gândirii mecaniciste, tributară modelului de dezvoltare
ştiinţifică promovat în secolele XVIII şi XIX. Asupra contribuţiilor sale ne vom opri mai
în detaliu în capitolele următoare.
Ilya Prigogine
1.4 Inovatorii (1960 – 1985)
După contribuţiile iniţiale, care au definit domeniul de studiu şi metodele

ciberneticii, a urmat o perioadă în care aceste metode au început să fie extinse şi
generalizate, tinzând treptat să înlocuiască metodele clasice utilizate în diferite
ştiinţe. O dată cu acest proces de extindere, însăşi cibernetica se perfecţiona,
înţelegându-se mai bine raporturile sale cu obiectul de studiu şi rolul pe care îl are
factorul uman în mecanismul feedback dintre observator şi sistemul observat.
Este perioada în care se constituie cibernetica de ordinul doi, prima mare
transformare pe care o suferă această ştiinţă în procesul permanent de auto-
perfecţionare.
În 1963 Maruyama introduce conceptul de ,,proces cauzal amplificator”, care
se referă la rolul buclelor feedback pozitive în sistemele aflate în centre şi competiţiile
cu alte sisteme din mediul înconjurător. Pentru a descrie procesul de creştere
generat de buclelele feedback pozitive, el foloseşte atât automatele celulare ale lui
von Neumann cât şi aşa-numitul joc al vieţii al lui Conway. Competiţia generată între
sistemele aflate în procesele de creştere pentru resursele disponibile din mediu este
descrisă de Maruyama cu ajutorul ecuaţiilor logistice, introduse încă din secolul al
XIX-lea de Verhulst şi utilizate de Lotka şi Volterra în anii ’20 ai secolului XX pentru a
descrie competiţia pradă-prădător în mediu cu resurse de hrană limitate.
Maruyama îşi dă seama că procesele de creştere având la bază mecanisme

feedback pozitive pot fi distructive dacă nu sunt limitate, astfel încât să permită
refacerea resurselor disponibile ale mediului înconjurător, drept pentru care propune
încorporarea în model a unei a doua bucle feedback, bazată pe observarea stării
mediului şi care are rolul de a limita creşterea în condiţiile în care resursele sunt pe
cale de dispariţie.
În 1962 apare o lucrare excepţională prin conţinutul său de idei şi prin
consecinţele pe care le-a avut asupra dezvoltării ciberneticii, dar şi a altor ştiinţe.
Este vorba despre ,,The Architecture of Complexity” a lui Herbert A. Simon (laureat
al premiului Nobel pentru economie în 1978). Apare astfel în ştiinţă paradigma
generală a complexităţii, care, douăzeci de ani mai târziu, va duce la dezvoltarea
unui întreg ansamblu de discipline ştiinţifice care se ocupă de studiul complexităţii.
Herbert A. Simon
Ideile lui H. Simon erau, însă, prea revoluţionare pentru timpul său, dar trebuie
remarcat faptul că ele au încolţit tocmai în mediul creat de cibernetică şi teoria
sistemelor, iar intenţia declarată a lui Simon a fost reformarea teoriei economice
pornind de la principiile statuate de cele două ştiinţe. În lucrările sale ulterioare,
Simon declară explicit că, prin introducerea complexităţii a încercat să teoretizeze
sistemele economice percepute ca sisteme complexe, văzută de el ca o alternativă la
paradigma neo-clasică a economiei.
A. Miller începe să publice în 1965 lucrările sale privind clasificarea sistemelor
vii, lucrări ce s-au constituit ulterior într-o carte fundamentală pentru teoria sistemelor,
şi anume ,,Livind Systems”, apărută în 1978. Clasificarea sa cuprinde sisteme
începând de la celulă şi mergând până la sistemul ecologic planetar. Fiecare dintre
aceste sisteme (20 la număr) poate să aibă diferite nivele de complexitate, variind
între 1 şi până la 8). Sisteme aflate pe nivele ierarhice diferite sunt, totuşi, izomorfe,
proprietăţile sistemelor de pe nivelele superioare fiind emergente din cele ale
sistemelor aflate pe nivele inferioare.
Această taxonomie generală a sistemelor introdusă de Miller este, deseori,
comparată cu tabloul elementelor chimice al lui Mendeleev, poate şi datorită faptului
că unele dintre sistemele introduse în clasificarea lui Miller încă nu au fost
descoperite, deşi acest lucru ar fi posibil în viitor.
În cursul deceniului ’80 al secolului trecut, Herman Haken a propus şi
dezvoltat ,,sinergetica”, o ştiinţă privind modul în care diferite sisteme sau părţi ale
acestora co-evoluează şi cooperează pentru a crea o ordine nouă în aceste sisteme
sau în procesele în care ele intervin. El a introdus aşa-numitul “principiu al sclaviei”,
conform căruia anumite elemente sau subsisteme devin dominante şi impun
celorlalte componente anumite restricţii şi limite în ceea ce priveşte funcţionarea sau
chiar obiectivele acestora.
Ştiinţa sinergeticii nu s-a dezvoltat pe măsura aşteptărilor iniţiale ale lui Haken.
Sinergetica a fost totuşi legătura necesară dintre termodinamică şi teoria sistemelor
haotice, care începea să se dezvolte puternic în anii ’70 - ’80.
Tot în Germania, Eigen, Winkler şi Schuster încep, între anii 1973 – 1978,
studiul comportamentelor ciclice ale sistemelor şi proceselor care îi aduc relativ
aproape de teoria autopoiesisului. Concepte precum hiperciclu, înţeles ca o ierarhie
de procese care se includ unele pe altele, sunt puse în conexiune cu atractorii,
condiţiile la limită, disiparea, cataliza şi autocataliza, stabilitatea structurală ş.a. Ei nu
reuşesc, însă, să explice suficient de bine rolul ciclicităţii în auto-reproducere, deci în
autopoiesis.
Umberto Maturana a fost cel care a dat cea mai elaborată teorie a
autopoiesisului şi, împreună cu Francesco Varela şi Heinz von Foerster, au
determinat apariţia ciberneticii de ordinul doi.
Francesco Varela
Autopoiesisul reprezintă un concept multidimensional, aplicabil tuturor

categoriilor de sisteme vii, dar şi celor care conţin sisteme vii (economice, sociale
ş.a.). Ideea de autopoiesis apare în jurul anului 1967 ca urmare a colaborării, la
Universitatea de Chile, dintre H. Maturana şi F. Varela. Ei elaborează un proiect
ştiinţific care urmărea să demonstreze că, la un anumit nivel şi într-un anumit mod,
toate sistemele vii au o organizare comună; şi că aceasta este caracterizată de două
proprietăţi de închidere strâns dependente una de alta:
• închiderea în producţie: sistemul este compus din componente care dau
naştere la procese de producţie care, la rândul lor, produc împreună mai mult decât
acele componente luate separat.
• închiderea în spaţiu: autoconstruirea unei limite între sine şi ambianţa în
care este inclus, chiar şi doar pentru a se distinge de ceilalţi.
Principalul scop al teoriei autopoiesisul este să arate că organizarea
autopoietică este necesară (dar nu şi suficientă) pentru emergenţa vieţii.
Însăşi cibernetica a început să se transforme, apărând, la începutul anilor ’70,
cibernetica de ordinul doi a lui H. Maturana şi F. Varela. Teoria acestora, denumită şi
autopoiesis, încearcă să explice esenţa care deosebeşte un organism viu de o
entitate nevie. Ea sugerează că un organism viu poate fi considerat un proces
circular, autocatalitic având drept scop principal propria supravieţuire. Ulterior,
lucrările lui von Foerster (1995) şi von Glasersfeld (1987) au evidenţiat faptul că
organismele vii răspund la influenţele exercitate de mediul înconjurător în moduri
care determină propria lor autoorganizare internă. Deci aceste sisteme nu sunt doar
autoorganizatoare, dar şi autopoietice, altfel spus au capacitatea de a se reproduce.
Într-un anumit sens, acest lucru duce la apariţia unui feedback interior sistemului,
acesta determinând organizarea şi autoorganizarea, fără a fi necesar ca informaţia
utilizată să fie furnizată din afara limitelor sistemului.
Momentul apariţiei autopoiesisului este foarte important deoarece la începutul
anilor ’70 ai secolului trecut deja din cibernetică se desprinseseră complet ştiinţa
calculatoarelor şi teoria controlului automat, astfel că cibernetica trebuia să-şi
definească un nou drum care să o deosebească de alte discipline ştiinţifice bazate
mai mult pe principii şi metode mecaniciste.
Mişcarea de idei care a fost declanşată de teoria autopoiesisului a lui
Maturana şi Varela a dus, în final, după cum am spus, la constituirea a ceea ce este
astăzi denumit cibernetica de ordinul doi. Această concepţie nouă începea de la
recunoaşterea faptului că cunoştinţele noastre referitoare la sisteme sunt mediate de
reprezentări simplificate sau modele ale acestora care nu cuprind, totuşi, toate
aspectele sistemului ci doar pe acelea considerate relevante pentru scopul în care
este realizat acel model. Deci proprietăţile sistemelor trebuie distinse de cele ale
modelelor asociate lor, acestea din urmă depinzând de cei care au realizat modelele
respective.
Dacă în cibernetica de ordinul întâi (a lui N. Wiener) un sistem reprezenta un
obiect pasiv, datorită obiectivului care putea fi observat, studiat şi pus apoi deoparte,
cibernetica de ordinul doi a promovat ideea interacţiunii dintre sistemul observat şi
observator, deci modelul realizat de obsrevator depinde, în ultimă instanţă, de
interacţiunea dintre sistem şi observatorul acestuia. Observatorul ar putea fi şi el un
sistem cibernetic, încercând realizarea unui model al altui sistem cibernetic. Aşa a
apărut sintagma ,,cibernetica ciberneticii”, amintită mai sus şi utilizată de H. von
Foerster pentru a denumi noua cibernetică construită pornind de la ideile de mai sus.
Atunci când aceste idei teoretice s-au materializat în metode şi tehnici de
realizare a modelelor, s-a constatat că relaţia sistem-observator induce o
complexitate ireductibilă atât de mare încât metodele formale, bazate pe matematică,
sunt extrem de limitative.
Acesta a fost, poate, evenimentul care a declanşat dezvoltarea impetuoasă a
Ştiinţelor Complexităţii, ale căror germeni existau deja în lucrările lui H. A. Simon încă
din anii ’60. Însuşi Simon a fost acela care a supus unei analize critice evoluţia teoriei
sistemelor şi ciberneticii, dar şi a inteligenţei artificiale şi economiei, arătând că în

sistemele reale, complexitatea a fost considerată mult timp o barieră pe care
cunoştinţele noastre ar fi capabile să o împingă cât mai departe posibil. Această
concepţie este, însă, falsă deoarece complexitatea reprezintă o proprietate
intrinsecă a acestor sisteme, ca orice altă proprietate. În acest context, este necesar
să învăţăm să operăm cu complexitatea şi nu să o reducem la ceva mai simplu.
,,Modelarea este un mijloc principal – poate cel mai important – pentru studierea
comportamentului sistemelor complexe .... Modelarea, atunci, necesită unele principii
fundamentale pentru a opera cu această complexitate” spune H. A. Simon (1990).
Concepţia sa privind complexitatea, elaborată încă din 1962 într-o lucrare
considerată ca fiind actul de naştere al ştiinţelor complexităţii (,,The Architecture of
Complexity”, apărută în Proceedings of the American Philosophical Society 106 (6),
p. 467 – 482), se sprijinea pe patru concepte fundamentale: ierarhie, evoluţie,
decompozabilitatea slabă şi simplitate descriptivă.
În concepţia lui Simon, un sistem complex este format dintr-un număr mare de
părţi care interacţionează într-un mod non-simplu, astfel că nu este posibilă
reprezentarea proprietăţilor sistemului respectiv considerat ca un întreg. Sistemele
complexe apar adeseori sub forma unei ierarhii (compuse din subsisteme care, la
rândul lor, conţin alte subsisteme ş.a.m.d.) în care intensitatea interacţiunilor dintre
părţi poate fi corelată fie cu extinderea lor spaţială, fie cu gradul de conectare
comunicaţională. Astfel de sisteme ierarhice pot evolua mai rapid decât o fac
sistemele non-ierarhice de mărime comparabilă. (Simon utilizează un exemplu cu doi
ceasornicari, dintre care unul asamblează ceasuri utilizând piesele disparate, în timp
ce al doilea asamblează subansamble). Deci, existenţa unor forme intermediare
stabile exercită o puternică influenţă asupra evoluţiei fenomenelor complexe.
Sistemele ierarhice complexe sunt aproape decompozabile (slab
decompozabile) în sensul că interacţiunile dintre subsisteme sunt slabe dar nu
neglijabile, fapt ce face ca comportamentul pe termen scurt al subsistemelor
componente să fie aproximativ independent de comportamentul pe termen scurt al
celorlalte componente. Pe termen lung, însă, comportamentul oricărei componente
depinde de comportamentul celorlalte componente.
Faptul că sistemele complexe sunt ierarhice şi slab decompozabile ne permite
să le înţelegem mai bine, deci induce o simplificare a descrierii lor. El remarcă faptul
că ,,dacă o structură complexă este complet neredundantă – deci dacă nici un
aspect al structurii sale nu trebuie să fie explicată plecând de la altele – atunci

aceasta este cea mai simplă descriere posibilă” (Simon, 1962). O astfel de structură
este greu de obţinut, dar cele utilizate efectiv pot fi mai simple decât în cazul în care
nu s-ar lua în considerare structura ierarhizată a sistemului şi descompunerea slabă
a acestuia. Astfel de descrieri pot fi reprezentate de modele ale sistemelor complexe
bazate pe concepte cum ar fi: starea, procesul sau regulile de tranziţie ale stărilor.
Această ultimă remarcă a lui H. Simon este făcută în contextul în care
modelele bazate pe ecuaţii, în special ecuaţii diferenţiale sau diferenţe finite,
căpătaseră o mare dezvoltare. Ulterior, s-a arătat că astfel de modele nu simplifică
descrierea, ci înlocuiesc un tip de evoluţie cu altul. De multe ori, o astfel de
substituţie este reducţionistă, iar aceasta înseamnă că se renunţa la reprezentarea
unor proprietăţi ale sistemelor complexe modelate, în schimbul obţinerii unei
simplităţi în reprezentare.
Începând cu anii ’80, teoria sistemelor complexe, fondată pe lucrările lui
Herbert Simon, s-a dezvoltat treptat, ducând la apariţia Ştiinţelor Complexităţii.
1.5 Apariţia şi dezvoltarea Ştiinţelor Complexităţii
Atât conceptul de complexitate cât şi Ştiinţele Complexităţii au o lungă şi

complicată istorie care trebuie cunoscută înainte de a putea decide dacă ele
reprezintă o speranţă certă pentru ştiinţa tradiţională în general şi ştiinţele economice
în particular. Plexus înseamnă, în latină, împletit, încolăcit, din care derivă şi cuvântul
complexus, cu sensul de împletit împreună. Complexitatea presupune, deci, în primul
rand, o multitudine de elemente, procese sau fenomene care sunt interdependente şi
interconectate în cadrul unui sistem sau între un sistem şi mediul său înconjurător.
Într-un sistem complex, interdependenţa şi conectivitatea apar în mod natural,
fiind rezultatul scopului sau obiectivului comun al părţilor şi elementelor sale,
indiferent de nivelul la care acesta există (micro sau macro), de dimensiunile sale
(sistem de dimensiuni mici sau mari) sau de orizontul de timp la care acesta se
raportează (termen scurt, mediu sau lung).
Conectivitatea şi interdependenţa, multidimensionalitatea şi dinamismul sunt
caracteristici ,,genetice” ale sistemelor complexe, indiferent de natura lor substanţială
sau abstractă, de consistenţa sau inconsistenţa componentelor sale şi de obiectivele
sau funcţiile îndeplinite de acestea.
Dar ceea ce determină, după părerea noastră, interesul ştiinţific major pentru
studiul sistemelor complexe constă mai mult în capacitatea acestora de a se adapta
la mediu şi a evolua până acolo încât să creeze o nouă coerenţă şi ordine între
componentele sale sau între sistem şi mediu, proprietate denumită co-evoluţie.
Un sistem complex capabil de adaptare şi co-evoluţie se mai numeşte
Sistem Adaptiv Complex şi reprezintă obiectul de studiu al Ştiinţelor
Complexităţii sau, cel puţin, a unei mari părţi a acestora.
Dacă până la jumătatea anilor 80 ai secolului XX, ştiinţele complexităţii şi
conceptul de bază al acestora, sistemul adaptiv complex erau privite cu rezervă de
ştiinţa oficială, un şir de oameni şi evenimente remarcabile au contribuit decisiv la
afirmarea şi dezvoltarea explozivă a unui domeniu ştiinţific considerat de către unii
autori ca fiind definitorii pentru ştiinţa secolului XXI.
Unul dintre marii savanţi ai zilelor noastre, Stuart Kauffman, co-fondator al
ştiinţelor complexităţii, spunea: “Ştiinţa secolului al XVIII-lea, urmând revoluţiei
newtoniene, a fost caracterizată ca fiind dominată de conceptele simplităţii
organizate, ştiinţa secolului XIX, via mecanica statică, s-a concentrat pe
complexitatea dezorganizată, iar ştiinţa secolului XX şi a secolului XXI se confruntă
cu complexitatea organizată.” (Kauffman, 1993).
Cu toată această evoluţie spectaculoasă, nu putem spune astăzi cu

certitudine că există o singură Ştiinţă a Complexităţii, ci mai multe teorii ce provin din
zone diferite ale ştiinţei, dar care au în comun faptul că abordează, din unghiuri de
vedere diferite şi cu metode distincte, sistemul adaptiv complex.
Deşi nu toţi contributorii la această întreprindere ştiinţifică recunosc acest lucru
în mod explicit, filiaţia Ştiinţelor Complexităţii se regăseşte clar în Teoria Generală a
Sistemelor, dezvoltată de Ludwig von Bertalanffy în anii ’40 şi în cibernetica de
ordinul întâi a lui Norbert Wiener, apărută în anul 1948.
Von Bertalanffy descria Teoria Generală a Sistemelor ca pe o ştiinţă a
întregului, în care ,,întregul reprezintă mai mult decât suma părţilor sale” . Tot el are,
pentru acea vreme, o viziune ştiinţifică extrem de actuală: ,,Entităţi de un nou tip
esenţial populează sfera gândirii ştiinţifice. Ştiinţa clasică, prin diversele sale
discipline cum ar fi chimia, biologia, psihologia sau ştiinţele sociale, încearcă să
izoleze elementele universului observat – componente chimice şi enzime, celule,
senzaţii elementare, indivizi concurând liber, şi aşteaptă ca, punându-le împreună din
nou, conceptual sau experimental, întregul sau sistemul – celulă, organismul,

societatea care rezultă – ar fi şi inteligibil. Acum am învâţat că pentru a înţelege
sistemul nu doar elementele, dar şi interacţiunile dinte ele trebuie studiate” (L. von
Bertalanffy, 1968).
Oamenii de ştiinţă cum au fost James G. Miller, Anatol Rapoport, Keneth
Boulding, John Plat,, Richard L. Meier, Margaret Mead ş.a. au contribuit ulterior la
dezvoltarea Teoriei Generale a Sistemelor.
Un impuls decisiv l-a dat acestei teorii apariţia şi dezvoltarea pe principii
sistemice a ciberneticii de ordinul întâi a lui Norbert Wiener.
Cibernetica, aşa cum s-a dezvoltat ea în faza iniţială, care se întinde până prin
anii ’60 ai secolului trecut, se ocupă de sistemele cu bucle feedback, deci de acele
sisteme care conţin mecanisme capabile să influenţeze intrările în vederea atingerii
unor ieşiri dorite. Desigur că astfel de sisteme pot fi atât simple, cât şi complexe, dar
existenţa buclelor feedback constituie astăzi, în unele concepţii privind
complexitatea, o condiţie necesară a existenţei sistemelor complexe.
Din Teoria Generală a Sistemelor şi cibernetică s-au desprins ulterior unele
dintre noile ştiinţe care au marcat decisiv drumul către apariţia Ştiinţelor
Complexităţii, cum ar fi: inteligenţa artificială (Simon şi Newell), dinamica sistemelor
(Forrester), sinergetica (Hoken), teoria catastrofelor (Thom), teoria sistemelor vagi
(Zadeh) ş.a., fiecare dintre acestea dezvoltând cunoştinţele despre sistemele
complexe dintr-un anumit punct de vedere sau într-o anumită direcţie.
Începând cu anii ’80 începe constituirea Ştiinţelor Complexităţii pe baza
ştiinţifică pusă deja de Teoria Generală a Sistemelor, cibernetică şi de alte discipline
ştiinţifice ,,sistemice”, care au abordat acelaşi obiect de studiu, şi anume sistemul
complex.
E. Milerton-Kelly (2003) distinge, într-o retrospectivă privind dezvoltarea
Ştiinţelor Complexităţii, cel puţin cinci componente importante:
i) concepţia despre sistemul adaptiv complex şi complexitate dezvoltată la
Institutul Santa Fe (S.U.A.) prin lucrările lui S. Kauffman (1993, 1995, 2000), J.
Holland (1995, 1998), Chris Langton şi Murray Gell-Mann (1994);
ii) concepţia lui Axelrod privind complexitate şi cooperare în procesele de adaptare şi
autoorganizare (Axelrod (1990, 1997), Axelrod şi Cόhen (2000));
ii) modelarea şi simularea pe calculator a complexităţii (Casti (1997),
Bonabeau ş.a. (1999), Epstein şi Axtel (1996), Ferber (1999));
iii) concepţia privind structurile disipative şi sistemele care funcţionează

departe de echilibru (Prigogine şi Stengers (1985), Nicolis şi Prigogine (1989));
sistemele autopoiectice şi cibernetica de ordinul doi (Maturana şi Varela (1992), N.
Luhman (1995));
iv) teoria haosului şi sistemelor haotice (Gleick (1987)); şi, în sfârşit,
v) complexitatea economică şi profitul crescător (W.B. Arthur (1990, 1995,
2000)).
Un moment distinct îl reprezintă şi prima încercare de unificare a diferitelor
ştiinţe ale complexităţii, întreprinsă de St. Wolfram, care publică o lucrare
voluminoasă, intitulată ,,A New Kind of Science”, în care se includ diferitele tendinţe
apărute până în anul 2000 în acest domeniu, fără însă a reuşi până acum să creeze
o teorie unificatoare acceptată de toţi cei care, într-un fel sau altul, abordează
sistemul adaptiv complex.
1.6 Ce implicaţii au Ştiinţele Complexităţii asupra teoriei economice
Pentru a putea face o evaluare corectă a progresului înregistrat în teoria

economică în urma utilizării paradigmei complexităţii şi conceptelor încorporate
Ştiinţelor Complexităţii trebuie să pornim de la ipotezele şi concepţiile neadecvate
care stau la baza economiilor neoclasice.
Într-o lucrare a grupului de la Santa Fe, Arthur, Durlauf şi Lane (1997)
sintetizează cel puţin şase motive pentru care teoria economică actuală ar trebui
schimbată. Aceste motive sunt formulate în mod pozitiv, în sensul că ele reprezintă
proprietăţi ale sistemelor economice care nu sunt luate în considerare de teoria
economică actuală, dar care ar putea fi încorporate, în condiţiile fundamentării
acesteia pe principiile sistemelor adaptive complexe. Aceste motive sunt
următoarele:
1) Comportamentul economiei este determinat de interacţiunea şi
conectivitatea dintre o multitudine de agenţi distribuiţi şi eterogeni (gospodării, firme,
bănci, agenţii ale statului ş.a.);
2) Economia nu are un organism de control global, ci este controlată prin
mecanismele de competiţie şi cooperare care se creează între agenţi;
3) Economia are o organizare de tip ierarhic încrucişat şi chiar recursiv.

Unităţile (elementele) de la un nivel includ agenţi şi interacţiuni care sunt
componente (unităţi) ale nivelului următor;
4) Economia se află într-o stare de continuă adaptare, agenţii modificându-şi
permanent comportamentul şi produsele;
5) Există o noutate permanentă determinată de apariţia de noi pieţe,
tehnologii, comportamente şi instituţii;
6) Aceşti factori produc dinamici departe-de-echilibru, datorită cărora
economia nu se află niciodată la echilibru sau într-un optim global. Noi îmbunătăţiri şi
oportunităţi sunt întotdeauna prezente.
Economia precum şi diferite componente ale acesteia au toate caracteristicile
unui sistem adaptiv complex. Este o concluzie care poate avea consecinţe profunde
asupra teoriei economice, dar care nu a fost şi nu este acceptată cu prea multă
uşurinţă. Dar ştiinţa economică nu se află la primul eveniment de acest fel. Trebuie
reamintită opoziţia îndârjită a economiştilor clasici, în frunte cu A. Marchall, atunci
când a fost formulată concepţia keynesiană, ce urma apoi să domine gândirea
economică până la apariţia monetarismului în anii ’60 şi care încă, în diverse forme,
constituie o concepţie economică dominantă. Numai succesul pe care l-au avut
politicile macroeconomice intervenţioniste, recomandate de Keynes pentru scoaterea
economiilor ţărilor dezvoltate din criza declanşată de consecinţele primului război
mondial, a reprezentat punctul critic al acceptării noii teorii.
Criza actuală din economie este, poate, mult mai profundă, deşi cauzele sunt
diferite. După cum atrage atenţia pe bună dreptate Fritjof Capra: ,,Câteva decenii
după al II-lea Război Mondial, modelul keynesian al economiei capitaliste, bazat pe
un contract social între capital şi muncă şi pe reglajul fin al ciclurilor de afaceri din
economia naţională prin măsuri centralizatoare-mărirea sau micşorarea ratei
dobânzilor, reducerea sau sporirea impozitelor etc. a avut un succes remarcabil,
aducând prosperitate economică şi stabilitate socială pentru majoritatea ţărilor având
economii de piaţă mixte. În anii ’70 însă, modelul şi-a atins limitele conceptuale.” (F.
Capra, 2004).
Deşi mulţi economişti recunosc, explicit sau implicit, acest lucru, nu se poate
spune că ideile şi concepţiile despre o nouă economie sunt prea numeroase.
Întrebarea care se pune este dacă teoriile privind sistemul adaptiv complex,
dezvoltate până în prezent, pot oferi un fundament teoretic solid pentru elaborarea
unei noi teorii economice, adecvată proceselor de rapidă schimbare a relaţiilor de

producţie şi sociale la care asistăm în prezent. Tot F. Capra spunea: ,,Noua
economie constă dintr-o meta-reţea globală de interacţiuni tehnologice şi umane
complexe, implicând multiple bucle de feed-back care operează departe de echilibru
şi produc o diversitate nesfârşită de fenomene emergente. Creativitatea,
adaptabilitatea şi capacităţile sale cognitive amintesc fără îndoială de reţelele vii, dar
ea nu prezintă stabilitatea care este una dintre proprietăţile cheie ale vieţii. Circuitele
de informaţie ale economiei globale operează la o asemenea viteză şi folosesc o
asemenea multitudine de surse încât trebuie să reacţioneze constant la un torent de
informaţii, iar sistemul ca întreg ajunge să scape de sub control.” (F. Capra, op. cit.).
Nici nu se poate o descriere sintetică mai bună a economiei globale actuale, la
care trebuie adăugate însă elementele de impredictibil şi haos care pot oricând să se
transforme în crize şi catastrofe majore, cu efecte în lanţ asupra tuturor economiilor
naţionale.
Din această perspectivă, concepţiile economice actuale, cu toate încercările
de modernizare a lor, anunţate de prefixul ,,neo”, nu sunt decât palide încercări de a
surprinde o realitate care este prea dinamică şi complicată pentru a încăpea în nişte
scheme şi modele rigide, de multe ori statice şi complet lipsite de imaginaţie.
Cu toate acestea, nu putem afirma că Ştiinţele Complexităţii pot acum să-şi
asume pe deplin sarcina de a descrie şi interpreta procesele şi fenomenele
economice. Ceea ce le lipseşte este o metodologie unitară, acceptată în toate
domeniile ştiinţifice care se ocupă de sistemul adaptiv complex, metodologie de la
care să se înceapă adevărata reconstrucţie a teoriei economice a viitorului. Încercări
în acest sens au început să apară; vezi, de exemplu, lucrarea ,,A New Kind of
Science” a lui Stephan Wolfram, apărută în 2002, dar, după cum am mai spus,
aceasta încă nu a reuşit să câştige o apreciere unanimă, cu toate eforturile
întreprinse de autor.
O altă încercare o constituie elaborarea ciberneticii de ordinul trei, proces
început după anul 2000 de o serie de oameni de ştiinţă (S. Umpleby, F. Heylighen, F.
Geyer, C. Joslyn, ş.a.), care are ca principal obiectiv realizarea unei sinteze dintre
principiile ciberneticii şi noile teorii ale complexităţii, ştiind faptul că sistemele
adaptive complexe sunt şi sisteme cibernetice. S. Umpleby, unul dintre primii
cercetători care au formulat clar deosebirile dintre această cibernetică, denumită de
el şi cibernetica socială, şi cibernetica de ordinul întâi (inginerească), respectiv
cibernetica de ordinul doi (biologică, evoluţionistă) afirma: ,,Când teoriile despre

fenomenele fizice se schimbă, presupunem că fenomenele însele nu se schimbă. De
exemplu, când fizicienii îşi schimbă concepţia trecând de la mecanica newtoniană
clasică la mecanica cuantică, comportamentul atomilor nu se schimbă. Dar, când
teoriile despre sistemele sociale se schimbă, sistemele sociale funcţionează diferit.
De exemplu, teoriile lui Adam Smith, Karl Marx, John Maynard Keynes şi Milton
Friedman au schimbat modul în care funcţionează sistemele sociale. Deci, în
sistemele sociale există o circularitate sau un dialog între teorii şi fenomene.”
(Umpleby, 2001).
Deci cibernetica de ordinul trei (sociocibernetica) creează cunoaştere pentru
ca aceasta să poată fi utilizată în vederea atingerii unor scopuri umane. Teoriile şi
ideile sociale, care le includ şi pe cele economice, nu reprezintă altceva decât
instrumente şi mijloace ale schimbării şi transformării sociale. Dacă vrei să
perfecţionezi un sistem social, de exemplu o firmă, atunci elaborezi o teorie mai bună
asupra modului în care ar trebui să funcţioneze firma respectivă, după care
transformi firma în concordanţă cu teoria sau modelul respectiv.
Deşi o astfel de întreprindere pare logică, noile teorii şi idei elaborate sunt
supuse unor restricţii şi limitări puternice (legale, materiale, umane, dar şi inerţiale),
care tind să prezerve vechea structură, vechile idei şi concepte, chiar dacă acestea
sunt, în mod evident, depăşite. Din această cauză, apare o circularitate, un feed-
back între teorie şi sistemul social, care duce la modificare treptată a teoriei, dar şi a
sistemului social, în acord cu teoria perfecţionată. Treptat, prin acest proces circular,
se ajunge la un nou sistem social care corespunde mai bine scopurilor urmărite.
În acest fel, nu numai realitatea economică, dar şi teoriile şi modelele care
încearcă să interpreteze această realitate ar fi într-o continuă transformare şi
perfecţionare. Am avea, de fapt, două sisteme adaptive complexe, unul real iar
celălalt conceptual (virtual), care se influenţează şi intercondiţionează pe măsură ce
evoluează într-un mediu complex. Evident că o astfel de evoluţie a ştiinţelor
complexităţii nu reprezintă decât o ipoteză ce poate sau nu să devină reală.
Dezvoltarea sistemului adaptiv complex pe care îl reprezintă ştiinţa în general, şi
ştiinţa economică în particular va arăta, mai devreme sau mai târziu, dacă ipoteza
formulată este adevărată.
1.7 Cibernetica şi Ştiinţele Complexităţii – către o nouă sinteză
Se acceptă astăzi tot mai mult ideea că cibernetica nu este o singură ştiinţă, ci
o metaştiinţă, din care a decurs grup de discipline ştiinţifice interdependente care au
ca obiect comun de studiu sistemele complexe.
Stuart Kaufman a denumit această mulţime de discipline ştiinţele
complexităţii, prevăzându-le totodată un rol dominant în evoluţia ştiinţei secolului
XXI. El afirma: “secolul XXI va fi secolul ştiinţelor despre complexitatea organizată”
(S. Kaufman, 1993). Desigur că se referea la complexitatea organizată despre care
vorbea Herbert Simon (1983), dezvoltând o idee a lui Denis Weaver introdusă în
urmă cu 20 de ani.
Care sunt aceste ştiinţe ale complexităţii ce îşi revendică, explicit sau implicit,
rădăcinile din cibernetică şi Teoria Generală a Sistemelor a lui von Bertalanffy? O
listă provizorie a lor este dată în Tabelul 1. De ce provizorie? Deoarece procesul de
constituire a lor este în plină desfăşurare şi ne putem aştepta, an de an, la noi şi noi
intrări de discipline, la fenomene de grupare sau chiar de dispariţie a unora dintre
ele. Deci avem de-a face cu o listă deschisă şi, chiar mai mult decât atât, cu o nouă
sinteză a disciplinelor ştiinţifice derivând din cibernetică şi TGS.
Tabelul 1.1
Nr. DENUMIREA CONTINUT OAMENI SINTEZA
Crt. DISCIPLINEI ŞTIINŢIFIC DE ŞTIINŢĂ MULTI-
FONDATORI DISCIPLINAR
Ă
1. Algoritmi Studiul utilizării unor programe de calcul bazate pe principiile adoptate din genetică John Holland -Teoria
Genetici (reproducere, mutaţie, selecţie ş.a.) în vederea optimizării sau modelării sistemelor sistemelor
complexe adaptive.
2. Studiul vieţii ca patern utilizând automatele celulare în scopul construirii structurilor Chris Langton -Inteligenţa
A-Life
autoorganizatoare din cadrul sistemelor complexe artificială;
-Reţele
booleene.
3. Teoria asupra esenţei care deosebeşte un organism viu de o entitate nevie. Ea sugerează H. Maturana -Biologia
Autopoiesis
că un organism viu poate fi interpretat ca un proces circular, autocatalitic având ca principal F. Varela evoluţionistă;
scop propria supravieţuire. Astfel, fenomenul de autoorganizare poate fi înţeles în termeni -Teoria
autopoietici. Teoria accentuează faptul că “închiderea” circulară a organismelor vii poate fi sistemelor
privită ca un “remediu” pentru accentul pus pe “deschidere” în teoria sistemelor deschise adaptive.
4. Biologia Teoria biologică a evoluţiei dezvoltată iniţial de Charles Darwin, care studiază evoluţia Ch. Darwin -Algoritmi
evoluţionistă speciilor (apariţia şi dispariţia acestora) prin mecanismul mutaţiei aleatoare şi selecţiei J. Monod genetici;
naturale. Ea a constituit baza pentru înţelegerea noastră privind modul în care schimbările St. Kaufman -Teoria
în organismele vii conduc la adaptarea lor la mediu sistemelor
adaptive
-Teoria
haosului
5. Criticalitatea Teoria schimbărilor naturale abrupte care priveşte sistemele ca evoluând natural, într-o Per Bak -Teoria
autoorganizată manieră autoorganizatoare, către o stare critică la care poate să apară o schimbare bruscă Chao Tang haosului
(de exemplu cutremure, avalanşe,crize financiare profunde ş.a.). Considerate ca fiind “slab
haotice”, astfel de sisteme au fost opuse unora denumite “puternic” haotice.
6. Dinamica Teorie şi metodă de studiu a dinamicii sistemelor înţeleasă ca rezultatul unei reţele de J. Forrester -Teoria
Sistemelor bucle feedback pozitive şi negative interconectate. Permiţând reprezentarea prin diagrame sistemelor
a sistemelor dinamice de natură diferită (firme, pieţe, sisteme ecologice ş.a.), ea ajută la adaptive
identificare modului în care schimbări în anumite subsisteme sau părţi ale acestora vor
afecta alte subsisteme sau întregul sistem. -Teoria
sistemelor
departe-de-
echilibru.
7. Geometria fractală Teoria privind reprezentarea obiectelor având dimensiuni fracţionare şi nu întregi, ca în Benoit -Teoria
geometria euclidiană. Mandelbrot haosului.
Dimensiunea fractală este o modalitate de a măsura complexitatea unui sistem dinamic şi
de a reprezenta atractorii stranii din cadrul acestuia
8. Inteligenţa Teoria privind construirea de maşini dotate cu inteligenţă Marvin Minsky -Teoria
artificială Herbert Simon Informaţiei;
-Teoria
complexităţii
algoritmice;
-Teoria
computaţională
9. Reţelele booleene Teoria privind modul de construire şi proprietăţile unor reţele ale căror noduri sunt Stuart Kaufman -Reţele
conectate cu alte noduri pe baza anumitor reguli logice sau booleene. Ele pot fi utilizate neuronale;
pentru a studia procesele autoorganizatoare şi emergenţa acestora către structuri noi, -Algoritmi
neprevăzute. Modelele reţelelor booleene neuronale sunt utilizate pentru a genera aşa- genetici.
numitele “fitness landscapes” (peisaje fitness) care sunt reprezentări grafice ale valorilor
unor funcţii de fitness la diferite modificări ale mediului.
10. Reţelele neuronale Teoria privind construirea de automate electronice şi algoritmi care simulează funcţionarea J.J. Hopfield -Algoritmi
neuronilor. Schimbând regulile de interacţiune dintre neuroni într-o astfel de reţea se poate genetici;
ajunge la comportamente emergente interesante care explică procesele de învăţare şi -Inteligenţa
auto-organizare artificială.
11. Studiul sistemelor şi proceselor auto-organizatoare, care ia în considerare parametrii de Herman Haken -Teoria
Sinergetica
ordine ai acestora, începând cu componentele de la nivelul de bază şi până la cele aflate la catastrofelor;
nivelele superioare ale unor structuri emergente -Teoria
haosului.
12. Teoria calculului Studiul capacităţii computaţionale a structurilor emergente din cadrul sistemelor auto- J. Crutchfield -Teoria
emergent organizatoare Melanie Mitchell computaţio-
nală(calculului)
13. Teoria calculului Studiul funcţionării, capacităţilor şi limitelor calculatoarelor. Abordează natura algoritmilor, Alan Turing -Inteligenţa
(computaţională) limbajele de programare şi aplicabilitatea diferitelor tipuri de calcul la rezolvarea unor John von artificială;
probleme dificile din matematică, fizică şi alte domenii ştiinţifice Neumann -Algoritmi
genetici.
14. Teoria catastrofelor Teoria matematică a schimbărilor discontinue în evoluţia unui sistem modelat prin ecuaţii Rene Thom -Teoria
structurale. Catastrofele apar ca fiind determinate de parametri de control a căror haosului;
schimbare conduce de la schimbări lente pentru valori mici la schimbări abrupte la valori -Teoria
critice mari. Ele indică punctele de bifurcaţie din sistemele dinamice sistemelor
evolutive.
15. Teoria complexităţii Studiul măsurării complexităţii unui algoritm de calcul sau program de calculator utilizând G. Chaitin -Teoria
algoritmice concepte ale teorie informaţiei calculului;
-Teoria
calculului
emergent.
16. Studiul sistemelor dinamice caracterizate de senzitivitate la condiţiile iniţiale. Sistemele Edward Lorenz -Teoria
Teoria haosului haotice sunt sisteme neliniare, interactive, având diferite tipuri de relaţii feedback între catastrofelor;
componente sau procese. Ele încep cu a fi deterministe, dar schimbări ale parametrilor lor -Teoria
de control conduc la apariţia haosului sistemelor
adaptive;
-Teoria
sistemelor
dinamice;
-Geometria
fractală.
17. Teoria informaţiei Teorie matematică privind măsurarea cantităţii de informaţie pe care canalele de Claude -Teoria
comunicaţie o poate conţine. Informaţia este privită ca varietatea opusă redundanţei, Shannon calculului;
capabilă să fie transmisă electronic. A. Kolmogorov -Teoria
Multe dintre sistemele complexe pot fi interpretate ca mecanisme de prelucrare a complexităţii
informaţiei algoritmice;
-Inteligenţa
artificială;
-Reţelele
booleene;
-Reţelele
neuronale.
18. Teorie matematică a rezultatelor care se pot obţine când doi sau mai mulţi jucători sunt John von -Teoria
Teoria jocurilor
angajaţi într-un comportament cooperativ sau necooperativ conform unor reguli stabilite Neumann informaţiei
Oskar
Morgenstern
19. Teoria sistemelor Studiul sistemelor complexe, neliniare, interactive care au capacitatea de a se adapta la un Murray Gell- -Biologia
adaptive mediu în schimbare. Sistemele adaptive sunt caracterizate de un anumit potenţial de auto- mann evoluţionistă;
organizare şi pot exista în medii neechilibrate datorită transformărilor continue pe care le Brian Arthur -Inteligenţa
suferă modelele lor interne relative la mediu. artificială;
-Teoria
sistemelor
evolutive;
-Criticalitatea
auto-
organizată.
20. Teoria sistemelor Disciplină care studiază evoluţia în timp a sistemelor descrise de ecuaţii diferenţiale. Henri Poincare -Teoria
dinamice Sistemele dinamice sunt, de obicei, considerate sisteme deterministe, deşi pot fi influenţate Steve Smale haosului;
de evenimente aleatoare. -Teoria
catastrofelor;
-Teoria
sistemelor
adaptive;
-Sinergetica.
21. Teoria sistemelor Studiul sistemelor complexe utilizând principiile şi legile biologiei evoluţioniste Ervin Laszlo -Teoria
evolutive sistemelor
adaptive;
-Biologia
evoluţionistă;
-Teoria
sistemelor
departe-de-
echilibru.
22. Teoria sistemelor Studiul proceselor şi sistemelor auto-organizatoare dintr-o perspectivă termodinamică. Ilya Prigogine -Teoria
departe-de- Sistemele auto-organizatoare sunt denumite structuri disipative şi ele au tendinţa de a se Gregoire Nicolis sistemelor
echilibru opune, prin modificări de structură sau prin schimbul informaţional cu mediul, efectelor pe dinamice;
care le are creşterea entropiei -Teoria
sistemelor
evolutive;
-Teoria
catastrofelor.
Ceea ce uneşte aceste discipline, în afara originii lor comune, este obiectul de
studiu, sistemul complex, abordat însă cu metode diferite, din unghiuri de vedere
diferite, în scopuri diferite.
Nu ştim cât va dura acest proces de sinteză şi unde va ajunge el. Dar deja
implicaţiile pentru dezvoltarea în continuare a ciberneticii sunt imense Atât de mari
încât, poate, însăşi definiţia dată de Norbert Wiener ar trebui schimbată. Cu toate că,
după aprecierea noastră, chiar şi această definiţie a fost incomplet înţeleasă şi
exploatată ştiinţific, mai ales partea a doua a ei referitoare la comunicarea la fiinţe şi
maşini.
1.8 Spre o cibernetică de ordinul trei
Stuart Umpleby (2001) vorbeşte despre “cibernetica de ordinul trei” ca despre o

cibernetică societală (ce nu trebuie confundată cu cibernetica socială a lui Georg
Klaus), sau o cibernetică a sistemelor conceptuale. Principala sa trăsătură distinctivă
ar fi feedback-ul dintre teorie şi organizarea socială, astfel încât, prin perfecţionarea
conceptelor teoretice, să ajungem la însăşi schimbarea societăţii.
Saltul pe care l-ar realiza ştiinţa, în general, ar fi imens, cu consecinţe greu de

anticipat acum. Ea ar depăşi starea descriptivă şi interpretativă actuală şi ar deveni
într-adevăr ceea ce Marx anticipa: o forţă de producţie a societăţii, capabilă să se
transforme pe sine, dar să transforme şi societatea care îi dă naştere. În acest fel,
cibernetica şi-ar putea realiza pe deplin rolul său creator, întrevăzut deja de Norbert
Wiener în “Dumnezeu şi Golem”.
Pentru a ajunge la un astfel de rezultat este necesară însă parcurgerea unei

etape de clarificare a raporturilor dintre diferitele ştiinţe ale complexităţii dintre care,
probabil câteva vor dispărea, se vor adăuga altele, iar unele dintre ele se vor
maturiza şi vor rămâne stabile şi în cotinuare.
Intrebarea care se pune imediat este dacă este posibilă acum apariţia unei teorii
generale a complexităţii. Cei mai mulţi oameni de ştiinţă cred că nu este posibilă, cel
puţin pe un termen previzibil, realizarea unei singure teorii care să explice şi să
anticipeze toate aspectele privind sistemele complexe din natură şi societate. Cu
toate acestea, aşa cum afirmă Melanie Mitchell (1997) este posibilă apariţia unor noi
teorii care să explice emergenţa structurilor de prelucrare a informaţiei de la
metanivel din componente interactive aflate la micronivel. Aceste ar putea explicita
condiţiile în care apar diferitele tipuri de structuri în sistemele complexe precum şi
rolul acestora în comportamentul global al sistemelor.
O primă concluzie care se impune este aceea că, în ceea ce priveşte sinteza
dintre cibernetică şi noile teorii ale complexităţii, nu ne aflăm la sfârşitul acestui
proces ci abia la începutul său.
Dar este necesară oare o astfel de metaştiinţă a sistemelor complexe? Dacă

analizăm atent conţinutul şi dezvoltarea actuală a ştiinţelor complexităţii, observăm
că ele dervă, într-o măsură mai mare sau mai mică, din cibernetică şi teoria generală
a sistemelor. Evident că unele dintre ele au o filogenie mai complicată, trecând prin
inteligenţa artificială, ştiinţa calculatoarelor sau chiar matematică. Acest lucru nu
schimbă, însă, cu nimic originea lor comună, observabilă atât în obiectul de studiu,
sistemul complex, cât şi în ontologia fiecărei discipline.
Problema care se pune este dacă sistemele complexe sunt sisteme cibernetice,
sau mai bine zis, sunt şi sisteme cibernetice. O astfel de concluzie ar duce imediat la
ideea că rolul de metaştiinţă l-au îndeplinit, în toată perioada lor de dezvoltare şi
probabil că îl vor mai îndeplini mult timp de acum înainte, cibernetica şi teoria
generală a sistemelor, structurate într-o nouă ştiinţă, deja denumită “cibernetica de
ordinul trei”.
Inainte de a încerca o tentativă de a rezolva o astfel de problemă, să precizăm că

cibernetica de ordinul trei, dezvoltată practic în ultimul deceniu al secolului XX, este
cibernetica cu impact social, sau cibernetica sistemelor conceptuale. Plecând de la
constatarea că sistemele sociale reprezintă ceva diferit de sistemele fizice, Umpleby,
principalul promotor al unei astfel de concepţii, spunea: “Când teoriile despre
fenomenele fizice se schimbă, presupunem că fenomenele însele nu se schimbă. De
exemplu, când fizicienii si-au schimbat concepţia trecând de la mecanica newtoniană
clasică la mecanica cuantică, comportamentul atomilor nu s-a schimbat. Dar, când
teoriile despre sistemele sociale se schimbă, sistemele sociale funcţionează diferit.
De exemplu, teoriile lui Adam Smith, Karl Marx, John Maynard Keynes şi Milton
Friedman au schimbat modul în care funcţionează sistemele sociale. Deci, în
sistemele sociale există o circularitate sau un dialog între teorii şi fenomene”

(Umpleby, 2001).
Dar să vedem mai concret în ce ar consta această nouă cibernetică socială. Cel
mai bine se poate observa diferenţa dintre vechile concepţii cibernetice (cibernetica
de ordinul întâi şi de ordinul doi) şi această nouă cibernetică apelând la un tablou
comparativ ca cel din Tabelul 2.
Tabelul 1.2
Cibernetica Cibernetica Cibernetica
inginerească biologică socială
Perspectiva O perspectivă O perspectivă O perspectivă epistemologică
epistemolo epistemologică epistemologică pragmatică: “cunoaşterea este un
gi-că realistă: biologică: modul construct pentru atingerea unor
“cunoaşterea este în care scopuri umane”
o imagine a funcţionează
realităţii” creierul
Diferenţiere Realitatea versus Realism versus Biologia cunoaşterii versus
fundamen- teoriile ştiinţifice constructivism observatorul ca participant social
tală
Ce trebuie Să se construiască Să includă pe Să explice relaţia dintre ştiinţele
rezolvat teorii care explică observator în naturii şi ştiinţele sociale
fenomenele cadrul
observate domeniului
ştiinţific
Ce trebuie Cum funcţionează Cum un individ Cum oamenii crează, menţin şi
explicat lumea construieşte o schimbă sisteme sociale prin limbaj
“realitate” şi idei
Ipoteza Procesele naturale Ideile despre Ideile sunt acceptate dacă ele
cheie pot fi explicate de cunoaştere ar servesc scopurilor observatorului ca
teoriile ştiinţifice trebui căutate în un participant social
neuropsihologie
Consecinţă Cunoaşterea Dacă oamenii Transformând sistemele conceptuale
importantă ştiinţifică poate fi acceptă (prin persuasiune şi nu coerciţie)
utilizată pentru a constructivismul, vom putea schimba societatea
schimba procesele ei vor fi mai
naturale în toleranţi
beneficiul
oamenilor
Dacă cibernetica de ordinul întâi este considerată cibernetica inginerească,

cibernetica de ordinul doi, cibernetica biologică, în schimb cibernetica de ordinul trei
apare ca fiind cibernetica socială şi având, din această perspectivă, proprietăţi
distincte faţă de cele premergătoare.
Astfel, la nivel epistemic, cibernetica de ordinul trei creează cunoaştere pentru ca

aceasta să fie utilizată în vederea atingerii unor scopuri umane. Ideile şi teoriile
sociale nu sunt altceva decât instrumente şi mijloace ale schimbării sociale. Dacă
vrei să perfecţionezi un sistem social, să spunem o firmă, atunci elaborezi o teorie
mai bună asupra modului în care ar trebui să funcţioneze această firmă, după care
modifici firma în concordanţă cu teoria respectivă. Deşi o astfel de abordare pare
logică, noile teorii şi idei ce apar sunt supuse unor restricţii puternice, deoarece
organismul social din care face parte firma se opune unui astfel de demers (restricţii
legale, materiale, dar şi inerţiale), tinzând să prezerve vechea structură. Din această
cauză, se formează o circularitate între teorie şi sistemul social care determină
modificarea treptată a teoriei, dar şi a sistemului în acord cu teoria perfecţionată.
Treptat, se ajunge la un nou sistem social care corespunde mai bine scopurilor
urmărite.
1.9. O redefinire a ciberneticiiI. Obiectul şi metodele ciberneticii economice
În acest context se pune întrebarea dacă însăşi cibernetica nu ar trebui redefinită

ţinând cont de noile sale atribute de metaştiinţă. O astfel de definiţie ar trebui să
includă, dacă nu toate, cvasitotalitatea aspectelor tratate de noile ştiinţe ale
complexităţii astfel încât să devină foarte clară filiaţia acestora din cibernetică precum
şi obiectul care este circumscris ariei mai largi abordate de cibernetică. O astfel de
definiţie ar putea fi următoarea: Cibernetica este ştiinţa care studiază adaptarea
sistemelor complexe la medii complexe.
Prin introducerea unei noi definiţii, cibernetica nu numai că nu-şi pierde

identitatea, dar contribuie şi mai mult la noua sinteză ce se realizează între diferite
ştiinţe preocupate de studiul sistemelor adaptive complexe din diferite unghiuri de
vedere. Prin natura sa intrinsecă, sistemul cibernetic nu poate fi decât un sistem
complex care se adaptează permanent la medii complexe, iar cunoaşterea lui se
poate face numai în măsura în care utilizăm toate metodele pe care diferitele ştiinţe
ale complexităţii le pun la dispoziţie în acest scop. Deci obiectul de studiu al
ciberneticii îl constituie sistemul complex adaptiv iar metodele de studiu sunt
constituite din acele metode pe care diferitele ştiinţe ale complexităţii le-au creat şi
dezvoltat în vederea abordării dintr-o perspectivă sau alta a sistemelor adaptive
complexe.
Acesta este şi motivul pentru care credem că într-un viitor apropiat ponderea
metodelor de modelare utilizate de cibernetică va înclina în favoarea modelării-
bazate-pe-agenţi, reuşindu-se astfel depăşirea situaţiei actuale în care majoritatea
modelelor utilizate astăzi în cibernetică şi nu numai sunt modele-bazate-pe-ecuaţii. O
astfel de abordare ar fi benefică pentru multe dintre sistemele studiate de cibernetică
sau de diferitele ştiinţe ale complexităţii.
Astfel, destul de recent s-a constituit un domeniu ce se ocupă exclusiv cu studiul
aplicării agenţilor în rezolvarea diferitelor tipuri de probleme economice, domeniu
denumit Economia bazată pe agenţi. Scopul acesteia este crearea de economii
artificiale(virtuale) cu ajutorul unor interacţiuni economice între agenţi(sisteme,
subsisteme) care, la început, nu au cunoştinţe despre mediul înconjurător, dar au
abilitatea de a învăţa observându-se apoi ce tipuri de pieţe, instituţii şi tehnologii
dezvoltă agenţii, cum ei îşi coordonează acţiunile şi se organizează ei înşişi într-o
economie.
Economiile de piaţă precum şi diferitele componente ale acestora (firme,

gospodării, bănci ş.a.) sunt privite în acest cadru ca sisteme cibernetice, constând
dintr-un mare număr de agenţi adaptivi întreţinând interacţiuni paralele locale. Aceste
interacţiuni locale dau naştere anumitor regularităţi macroeconomice cum ar fi
protocoale de împărţire a pieţei şi norme de comportament care, la rândul lor, au o
reacţie inversă asupra determinării interacţiunilor locale. Rezultatul este un sistem
dinamic complicat de lanţuri cauzale recurente conectând comportamente
individuale, reţele de interacţiuni şi rezultate sociale. Dar acesta este tocmai sistemul
cibernetic de care ne ocupăm în cadrul de faţă. Această carte o privim tocmai prin
această perspectivă, şi anume aceea a trecerii masive către utilizarea noilor tehnici şi
metode bazate pe agenţi în cibernetică.
Economia bazată pe agenţi, privită ca viitoare metodă de studiu a sistemelor

adaptive şi evolutive complexe formate din agenţi autonomi interactivi, aduce
sistemul economic în laboratoare, pentru a studia evoluţia economiilor de piaţă
descentralizate în condiţii experimentale controlate. Două aspecte fundamentale
decurg din aceste studii. Primul este unul descriptiv, axat pe explicarea constructivă
a comportamentului global emergent. De ce apar regularităţi globale în aceste
economii în ciuda unei planificări şi a unui control de sus în jos? Cum aceste
regularităţi globale sunt generate de jos în sus, prin interacţiunile locale repetate
dintre agenţi interacţionând autonom? Şi cum de apar aceste regularităţi şi nu altele?
Al doilea aspect este cel normativ, axat pe proiectarea de mecanisme de reglare şi
control. Dându-se o entitate economică particulară, existentă sau virtuală, care sunt
implicaţiile acestei entităţi pentru performanţele economiei ca un întreg? De exemplu,
cum poate un protocol de piaţă anumit sau o reglementare guvernamentală afecta
eficienţa economică?
In cibernetică, trecerea la laboratorul experimental ar fi de importanţă

covârşitoare. Atunci s-ar putea efectiv începe cu construirea unei economii cu o
populaţie iniţială de agenţi. Aceşti agenţi pot include atât entităţi economice (de
exemplu: investitori, bănci, consumatori ş.a) cât şi entităţi reprezentând diferite
fenomene sociale sau din mediu (de exemplu guvernul, pământul, vremea,
tehnologia). Starea iniţială a economiei este specificată prin precizarea atributelor
iniţiale ale agenţilor. Atributele iniţiale ale unui agent pot include caracteristici asupra
tipului de agent, norme comportamentale internalizate, moduri interne de
comportament (inclusiv modul de comunicare şi învăţare) şi informaţia stocată intern
despre sine şi despre ceilalţi agenţi din economie. Economia ar evolua apoi în timp,
fără alte intervenţii din afară. Toate evenimentele care pot să apară ulterior decurg
din interacţiunile de tip agent – agent care au loc în timpul simulării evoluţiei
sistemului cibernetic respectiv. Deja astfel de încercări sunt efectuate la scară de
laborator în diferite ţări (de exemplu Modelul ASPEN elaborat de Laboratoarele
SANDIA din SUA).
BIBLIOGRAFIE
[1] Am, O. – Back to Basics. Introduction to Systems Theory and Complexity, 2002,
www.stud.his.no/~onar/Ess/|
[2] Fotache, M. – Despre sistemică şi cibernetică, în: Sisteme informaţionale pentru afaceri,
Editura Polirom, Iaşi, 2002
[3] Foerster, H. von - Cybernetics of Cybernetics, 2nd edition, Future Systems, Mineapolis,
1996
[4] Francois, C. (ed.) - International Encyclopedia of Systems and Cybernetics, Saur,
Munich, Germany, 1997
[5] Goldstein, J. – Scientific and Mathematical Roots of Complexity Science, Working Paper,
2001
[6] Holland, J.H. - Hidden Order: How Adaptation builds complexity, Addison-Wesley, 1996
[7] Kaufman, St. – The Origins of Order: Self-organization and Selection in Evolution, Oxford
University Press, Oxford, 1993
[8] Manuel-Navarrete, D. – Approaches and Implications of using Complexity Theory for
dealing with Social Systems, Working paper, 2001
[9] Mitchell, Melanie – Complexity and the Future of Science, WP, Santa Fe Institute, 1997
[10] Parwani, R. – Complexity: An Introduction, Paper, USP, Nat. Univ. of Singapore, 2002
[11] Plsek, P., Lindberg, K., Zimmerman,B. – Some Emerging Principles for Managing in
Complex Adaptive Systems, Working Paper, November 1997
[12] Prigogine, I., Stengers, I. – Noua alianţă, Editura politică, Bucureşti, 1984
[13] Rocha, L.M. – Complex Systems Modeling: Using Metaphors from Nature in Simulation
and Scientific Models, BITS: Computer and Communications News, November 1999
[14] Scarlat,E., Mărăcine, Virginia - Dinamica Sistemelor I: Dinamica Sistemelor Haotice,
Editura MatrixRom, Bucureşti, 2002
[15] Scarlat, E., Chiriţă, Nora – Cibernetica Sistemelor Economice, Editura ASE, Bucureşti,
2002
[16] Simon, H. - The Science of the Artificial, Simon&Schuster, 1983
[17] Stacey, R.D. – Managing the Unknowable: Strategic Boundaries Between Order and
Chaos in Organizations, Jossey-Bass Publishers, San Francisco, CA, 1992
[18] Stacey,R.D. – Strategic Management and Organizational Dynamics: The Challenge of
Complexity, Routledge, London,1997
[19] Umpleby, St. – What Comes After Second Order Cybernetics?, In: Cybernetics and
Human Knowing (urmează să apară)
[20] Waldrop, M.M. – Complexity: The Emerging Science at the Edge of Order and Chaos,
Simon&Schuster, New York, NY, 1992
CAPITOLUL 2
SISTEMUL ADAPTIV COMPLEX
Obiectul de studiu al ciberneticii, după cum am văzut în capitolul anterior, îl

reprezintă sistemul adaptiv complex (în engleză Complex Adaptiv System sau,
prescurtat, CAS). În ultimii 20 de ani, studiul CAS a atras o serie de oameni de ştiinţă
celebri, incluzând câţiva laureaţi ai premiilor Nobel, printre care Murray Gell-Man,
Phillip Anderson, Keyneth Arrow, Ilya Prigogine, Thomas Schelling ş.a., provenind
din diferite domenii ştiinţifice, cum ar fi: fizica, chimia, economia, matematica,
ingineria, ştiinţele calculatoarelor etc.
Paşii care au condus la Ştiinţele Complexităţii şi la formarea legăturilor
acestora cu Cibernetica, în particular cu Cibernetica de ordinul trei, sunt deja
cunoscuţi.
În continuare, vom încerca să dăm răspunsuri la câteva întrebări esenţiale,
cum ar fi: Ce este un CAS? Cum apare el în economie? Ce metode pot fi utilizate
pentru a studia un CAS? Ce implicaţii are CAS asupra ciberneticii şi aplicaţiilor
acesteia în economie? Care sunt avantajele şi dezavantajele utilizării paradigmei
CAS şi metodelor legate de aceasta pentru cunoaştere în general, şi cunoaşterea
economică în particular?
Toate aceste întrebări le vom aborda cu intenţia declarată de a demonstra că
putem transforma cadrul teoretic al studierii CAS într-un arsenal de tehnici şi metode
cu ajutorul cărora diferitele CAS existente în economie să poată fi înţelese şi, mai
ales, să poată fi transformate atunci când acest lucru este necesar.
Capitolul 2 – Sistemul Adaptiv Complex (CAS)
2.1 Definiţ
ţii ale Sistemului Adaptiv Complex (CAS)
Ca în orice domeniu ştiinţific în plină formare, şi în Ştiinţele Complexităţii

definiţiile date CAS sunt extrem de diferite. Enumerând totuşi câteva dintre cele mai
importante, putem determina acele proprietăţi care conferă specificitate CAS în
raport cu alte sisteme.
Sistemele adaptive complexe se găsesc peste tot în jurul nostru, iar ştiinţele
complexităţii confirmă faptul că marea majoritate a sistemelor reale sunt complexe.
Ecosistemele, sistemul atmosferic, traficul rutier, organizaţiile sociale, grupurile
teroriste, pieţele ş.a. sunt toate sisteme adaptive complexe. Datorită abundenţei
excepţionale de astfel de sisteme, a diversităţii lor devine destul de dificil să le
defineşti şi poate şi mai dificil să încerci să stabileşti acele principii şi/sau proprietăţi
generale care le conferă specificitate în categoria mai largă a sistemelor complexe.
K. Dooley (2002) se referă la trei principii care trebuie să stea la baza definirii
unui sistem adaptiv complex. Primul principiu afirmă că ordinea şi controlul în astfel
de sisteme sunt proprietăţi emergente şi nu predeterminate. Al doilea principiu
specifică faptul că istoria lor este ireversibilă, iar al treilea principiu este acela că
viitorul în aceste sisteme este incert. De exemplu, economiile de piaţă pot fi
considerate sisteme adaptive complexe în raport cu principiile lui Dooley. Astfel,
agenţii care alcătuiesc astfel de economii (firme, gospodării, bănci comerciale,
agenţii guvernamentale ş.a.) dezvoltă propriile lor reguli ale jocului pentru a efectua
şi controla tranzacţiile ce au loc între ei. Aceste reguli ale jocului nu sunt stabilite în
prealabil, dar ele sunt respectate de către noii agenţi care intră în economie. Evident
că aceste reguli emerg din faptul că ele sunt acceptate de către toţi agenţii. Controlul
respectării regulilor existente se face, de asemenea, prin eliminarea de pe piaţă a
agenţilor care nu le respectă. În al doilea rând, în economiile de piaţă nu se pot anula
tranzacţiile deja efectuate. Istoria acestor tranzacţii este, deci, ireversibilă. De aceea,
în mediul de afaceri al acestor economii persistă lecţiile deja invăţate de agenţi în
urma tranzacţiilor efectuate, nu numai de către ei, dar şi de către ceilalţi agenţi în
trecut. În sfârşit, indiferent de prognozele care sunt făcute privind evoluţia viitoare
posibilă, agenţii sunt supuşi unor riscuri care sunt imposibil de prevăzut în orice
economie de piaţă, chiar şi într-una foarte bine organizată sau consolidată.
S. A. Levin (2002) defineşte sistemul adaptiv complex pornind tot de la trei

proprietăţi ale acestuia:
(1) diversitatea şi individualitatea componentelor;
(2) interacţiuni localizate între aceste componente; şi
(3) existenţă unui proces autonom care utilizează rezultatele acestor
interacţiuni pentru a selecta o submulţime a acestor componente pentru replicare sau
consolidare (mecanism de adaptare).
Dacă primele două proprietăţi sunt uşor de înţeles şi acceptat, cea de-a treia
proprietate implică nenumărate discuţii, ea fiind însă cea care asigură unitatea de
vederi în ceea ce priveşte sistemele adaptive complexe. După cum arată Levin, este
esenţial să se facă distrincţie privind nivelul sau nivelele la care selecţia are loc.
Procesul de dezvoltare animală, de exemplu, este unul în care formele macroscopice
emerg din interacţiuni microscopice, astfel că un număr de celule stem se
diferenţiază printr-un proces orietat de interacţiunile locale, până când se obţin
organele şi celelalte componente ale organismului animal. Selecţia naturală este
bazată pe reguli locale de interacţiune, în concordanţă cu consecinţele pe care
diferitele reguli le au pentru fitness-ul organismului ca un întreg. În economie, un
exemplu de mecanism de selecţie este ,,mâna invizibilă” a lui Adam Smith care
determină ,,o ordine socială binefăcătoare care emerge din consecinţele
neintenţionale ale acţiunilor umane individuale” (Levin, 1999).
Axelrod şi Cohen (1999), într-o lucrare ce a marcat în mod decisiv impunerea
Ştiinţelor Complexităţii ca un domeniu ştiinţific major al ştiinţelor secolului XXI,
propun o definiţie a sistemelor adaptive complexe utilizând trei teme: varietate,
interacţiune şi selecţie.
Toate CAS sunt alcătuite dintr-un număr mare de agenţi care interacţionează.
Într-o economie, de exemplu, aceşti agenţi reprezintă unităţile de bază, începând cu
firmele, gospodăriile, băncile comerciale ş.a. Aceşti agenţi sunt diferiţi între ei, deci
există o varietate mare de agenţi, dată de proprietăţile şi comportamentele lor
diferite. În consecinţă, agenţii vor reacţiona în mod diferit la stimulii aplicaţi de către
alţi agenţi sau de mediul înconjurător.
Agenţii interacţionează unul cu altul, formând o reţea complexă de conexiuni şi
dependenţe, care reprezintă, de fapt, mediul în care aceştia evoluează. Nici un agent
nu poate exista în afara acestei reţele de interacţiuni, care poate fi reprezentată de
interdependenţe materiale, energetice, informaţionale, juridice, umane ş.a. Într-o
economie de piaţă, tranzacţiile dintre agenţi pe diferite pieţe, reglementarea activităţii

diferitelor instituţii (Banca Centrală, CNVM ş.a.), activitatea desfăşurată de băncile
comerciale pentru creditarea firmelor etc., sunt exemple de astfel de interacţiuni.
Inerent, prin apariţia acestor interacţiuni se formează bucle feedback pozitive, care
determină creşterea, amplificarea proceselor în care sunt angrenaţi agenţii, dar şi
bucle feedback negative, care le asigură acestora stabilitatea în faţa multitudinii de
influenţe exercitate prin intermediul interacţiunilor din cadrul reţelei. Utilizând aceste
bucle feedback, agenţii îşi pot defini anumite strategii de evoluţie şi dezvoltare, care
să le asigure un succes în raport cu ceilalţi agenţi, succes ce poate să meargă de la
simpla supravieţuire şi până la obţinerea de profit.
Unii agenţi întreprind o operaţie de selecţie a acestor strategii pentru a se adapta

mai bine la mediu, deci la influenţele exercitate de câte ceilalţi agenţi. Aceasta
constituie, după Axelrod şi Cohen, ideea fundamentală a sistemelor adaptive
complexe. Selecţia celei mai bune strategii are la bază anumite criterii. Ea poate sau
nu să fie un act conştient. De exemplu, selecţia darwiniană şi mână invizibilă a lui
Adam Smith sunt mecanisme de selecţie fără intervenţia conştientă a agenţilor.
Agenţi cum ar fi firmele, guvernele, organizaţiile economice internaţionale ş.a.
încearcă să selecteze strategii pentru a-şi atinge scopurile proprii utilizând, în mod
conştient, analize, prognoze, modele, informaţii de cea mai diversă natură. Astfel de
sisteme se adaptează în mod permanent, proces în care însăşi agenţii şi natura
interacţiunilor dintre aceştia se modifică.
Leigh Tesfatsion (2005) defineşte sistemul adaptiv complex pornind de la o

definiţie dată sistemului complex de către Flake (1998). Astfel, conform acestuia,
sistemul complex are două proprietăţi:
- sistemul este compus din unităţi interdependente;
- sistemul are proprietăţi emergente, deci proprietăţi apărând din interacţiunile
unităţilor care nu sunt proprietăţi ale unităţilor individuale însele.
Arătând că introducerea unei singure definiţii a sistemului adaptiv complex
este dificilă, Tesfatsion propune mai multe variante, şi anume:
Definiţia 1: Un sistem adaptiv complex este un sistem complex care include
unităţi reactive, deci unităţi capabile să prezinte sistematic atribute diferite ca reacţie
la condiţiile de mediu schimbate.

unităţi orientate către un scop, deci unităţi care sunt reactive şi care orientează cel
puţin unele dintre reacţiile lor către atingerea scopurilor.
unităţi planificatoare, deci unităţi care sunt orientate către atingerea unor scopuri care
încearcă să exercite un anumit grad de control asupra mediului său înconjurător
pentru a facilita atingerea acestor scopuri (Tesfatrion, 2005, pag.5).
O definiţie mai scurtă, dar de o mare claritate dau Plsek, Lindberg şi
Zimmerman (1997): ,,Un Sistem Adaptiv Complex este un sistem compus din agenţi
individuali, care au libertatea de a acţiona în moduri care nu sunt total predictibile şi
ale căror acţiuni sunt interconectate astfel încât acţiunile unui agent schimbă
contextul pentru alţi agenţi”. (Plsek ş.a.,1997, pag.2).
O astfel de definiţie se poate aplica unei mari varietăţi de sisteme adaptive
complexe cum ar fi: piaţa de capital, o colonie de termite, sistemul imunitar al
organismului uman, oricărei organizaţii umane, începând cu o întreprindere, o
afacere, o echipă, un departament într-o organizaţie, o familie etc.
Aşadar, într-un CAS, agenţii operează conform propriilor reguli interne sau
unor modele mentale, (scheme, roluri) diferite de la agent la agent. Altfel spus,
fiecare agent poate avea propriile sale reguli privind modul în care răspunde
acţiunilor pe care le exercită modul înconjurător asupra lui; fiecare agent poate, de
asemenea, să aibă propria interpretare asupra evenimentelor care se petrec în
mediul său înconjurător. Regulile, schemele şi modelele mentale nu este necesar să
fie explicite, de multe ori agenţii nefiind conştienţi de existenţa lor. De asemenea, nu
este necesar ca atitudinea lor în raport cu ceilalţi agenţi sau cu mediul să fie
raţională, logică sau conştientizată. Se observă că aceste aspecte caracterizează
comportamentul uman în aproape toate sistemele sociale.
Agenţii unui sistem adaptiv complex pot să împărtăşească acelaşi model
mental sau să aibă, fiecare dintre ei, propriul său model. De asemenea, agenţii pot
să-şi modifice aceste modele mentale în raport cu acţiunile pe care le exercită
asupra celorlalţi agenţi şi/sau mediului.
Deoarece agenţii pot să-şi schimbe şi, în acelaşi timp, să împărtăşească
acelaşi model mental, ei sunt deci capabili să înveţe; comportamentul lor se poate
atunci adapta în timp, atât în raport cu ceilalţi agenţi cât şi în funcţie de mediul în
care evoluează.
Adaptarea înseamnă deci, în esenţă, că agenţii şi sistemele în care ei sunt

încorporaţii co-evoluează.
Comportamentul unui CAS este emergent şi acesta reprezintă un punct cheie
în înţelegerea unor astfel de sisteme. Aşadar, un sistem adaptiv complex reprezintă
mai mult decât suma părţilor sale componente (sinergie). În plus, fiecare agent şi
fiecare CAS este inclus într-un alt sistem adaptiv complex ş.a.m.d. (ierarhie). De
exemplu, un individ este un CAS; el aparţine unei echipe, echipa este inclusă într-un
departament al unei firme, care aparţine unei industrii ş.a.m.d.; toate acestea fiind, la
rândul lor, CAS între care există interacţiuni.
Un sistem adaptiv complex poate dobândi şi, de regulă, şi dobândeşte
comportamente noi, care decurg din aceste interacţiuni. Deoarece interacţiunile
determină apariţia unor reţele, comportamentul sistemului este neliniar, ceea ce
înseamnă, în esenţă, că modificări mici în anumite puncte ale reţelei pot determina
schimbări majore în comportamentul sistemului, dar şi că schimbări mari pot să nu
aibă nici un efect. Datorită acestor lucruri, atunci când într-un sistem adaptiv complex
se întâmplă anumite lucruri, suntem surprinşi şi multe dintre evenimentele care au loc
în astfel de sisteme nu pot fi anticipate.
Datorită noutăţii şi neliniarităţii introduse de aceste interacţiuni în
comportamentele agenţilor care îl compun, un CAS are un comportament general
care este, de regulă, impredictibil. Acest lucru presupune, în esenţă, că nu se poate
cunoaşte suficient de bine comportamentul agenţilor, modelele lor mentale sau
reţeaua de interacţiuni care se stabileşte între aceştia. Impredictibilitatea reprezintă
pur şi simplu, imposibilitatea de a obţine o descriere detaliată a comportamentului
unui sistem adaptiv complex doar pe baza analizei acestuia, sau a părţilor sale
componente. Trebuie lăsat sistemul să funcţioneze pentru a vedea ceea ce se
întâmplă cu el şi cu componentele sale, mai ales pe termen mediu şi lung.
Totuşi, în ciuda acestei impredicitibilităţi pe termen mediu şi lung, este posibil
să se obţină anumite predicţii asupra comportamentului sistemului adaptiv complex
pe intervale mai scurte de timp, care au şansa să fie, uneori corecte.
Un CAS este inerent auto-organizator. Ordinea, creativitatea şi progresul pot
emerge în mod natural din interacţiunile unui CAS; ele nu trebuie impuse din afară.
Mai mult, într-un CAS, controlul este distribuit prin intermediul interacţiunilor dintre
agenţi; nu este deci necesară existenţa unui agent care să efectueze un control
centralizat. Acest lucru intră în contradicţie cu concepţia clasică privind
managementul organizaţiilor, conform căreia organizarea şi controlul sunt funcţii de

bază ale oricărui sistem de conducere, iar acesta trebuie să exercite permanent
acţiuni care să menţină sau să restabilească ordinea şi controlul în toate
compartamentele sau părţile organizaţiei. O astfel de concepţie este tributară în mod
evident concepţiei mecaniciste conform căreia organizaţia ar trebui să se comporte
ca un mecanism şi orice perturbaţie în funcţionarea acestui mecanism se datorează
unei defecţiuni a uneia sau mai multor componente care trebuie ,,reparate” prin
intervenţia unui organism sau subsistem însărcinat cu acest lucru.
În contrast cu această concepţie, controlul distribuit nu necesită un astfel de
organism de control centralizat. De exemplu, în cazul coloniilor de termite, acestea
sunt cei mai desăvârşiţi constructori de pe Terra. Ele înalţă cele mai mari structuri de
pe planetă, comparativ cu mărimea unei termite. Dacă omul ar fi capabil să
contruiască clădiri asemănătoare cu cele ale termitelor, acestea ar trebui să aibă zeci
de kilometri înălţime şi ar fi capabile să adăpostească zeci de milioane de oameni.
Pentru a face acest lucru, termitele nu ascultă de o conducere centrală, nu există
arhitecţi, constructori, transportatori sau alte meserii necesare în realizarea de
construcţii umane. Fiecare termită acţionează local, într-un context în care celelalte
termite acţionează, de asemenea, local. Cooperarea dintre termite emerge dintr-un
proces de auto-organizare. Dimpotrivă, multe din teoriile tradiţionale despre
management spun că prin acţiunea unui singur om sau a câtorva oameni se poate
organiza şi conduce un sistem complex.
Chris Langton denumeşte mulţimea de circumstanţe în care apare această
emergenţă creativă ,,limita haosului”. Aceasta este un loc în care nu este destul de
mult acord şi certitudine pentru a alege următorul pas în mod obişnuit, dar nici nu
există destul dezacord şi incertitudine astfel încât sistemul să cadă într-o
dezorganizare completă.
Putem, acum, sintetiza principalele caracteristici şi proprietăţi definitorii ale
sistemelor adaptive complexe:
a) sistemele de acest tip sunt compuse din agenţi individuali;
b) agenţii au interpretări şi desfăşoară acţiuni bazate pe propriile lor modele
mentale;
c) agenţii pot avea, fiecare, propriul său model mental sau îl pot împărtăşi cu
ceilalţi agenţi;
d) modelele mentale se pot schimba; drept urmare, învăţarea, adaptarea şi

co-evoluţia sunt posibile în aceste sisteme;
e) interacţiunile dintre agenţi şi dintre sisteme sunt încorporate altor sisteme;
f) comportamentul sistemului în ansamblul său emerge din interacţiunile
dintre agenţi;
g) acţiunile unui agent schimbă contextul altor agenţi;
h) sistemul poate învăţa noi comportamente;
i) sistemul este neliniar; adică mici modificări pot conduce la schimbări
majore în sistem;
j) comportamentul sistemului este, în general, impredictibil la nivel de detaliu;
k) predicţiile pe termen scurt asupra comportamentului sistemului sunt,
uneori, posibile;
l) ordinea este o proprietate inerentă sistemului şi nu trebuie impusă din
afară;
m) creativitatea şi noutatea emerg din comportamentul de ansamblu al
sistemului;
n) sistemele sunt capabile de auto-organizare.
Evident că aceste proprietăţi definitorii pot avea, în cazurile concrete ale unor
sisteme adaptive complexe din realitate, o multitudine de forme de manifestare, ceea
ce dă, de fapt, varietatea infinită de sisteme care alcătuiesc această realitate.
O ultimă definiţie pe care o vom introduce este cea dată de E. Mitleton-Kelly
(2003). Acesta consideră că un CAS este definit de zece caracteristici generice, şi
anume:
• auto – organizarea;
• emergenţa;
• conectivitate;
• interdependenţa;
• feedbackul;
• funcţionarea departe-de-echilibru;
• explorarea spaţiului posibilităţilor;
• co-evoluţia;
• istoricitatea;
• dependenţa de traiectorie.
Să facem, în continuare, câteva consideraţii privind aceste caracterisitici pe care

le vom şi utiliza pe măsură ce vom prezenta metodele şi tehnicile prin care sunt
abordate diferitele sisteme adaptive complexe din natură, economie sau
societate.
2.1.1. Conectivitatea şi interdependenţa
Comportamentul complex în CAS apare din interdependenţa, interacţiunea şi

interconectivitatea elementelor din cadrul unui sistem şi dintre un sistem şi mediul
său înconjurător.
Într-un sistem social, de exemplu, conectivitatea şi interdependenţa înseamnă
că o decizie sau acţiune ale unui individ (grup, organizaţie, instituţie sau chiar a
sistemului uman în ansablul său) pot afecta alţi indivizi şi sisteme. Aceste efecte nu
au un impact uniform şi egal, deci vor putea varia în raport cu ,,starea” fiecărui individ
şi sistem la acel moment de timp. ,,Starea” unui individ sau a unui sistem va include
istoria sa şi reprezentarea actuală a acesteia, care, la rândul ei, se referă la
organizarea şi structura sa.
Conectivitatea se aplică inter-relaţiilor dintre indivizi în cadrul unui sistem, dar
şi relaţiilor dintre sisteme sociale umane, care pot fi reprezentate ca şi sisteme de
artefacte cum ar fi sistemul tehnologiei informaţionale (IT) şi sistemul intelectual de
idei.
Conectivitatea şi interdependenţa reprezintă un prim aspect al modului în care
apare comportamentul complex.
Un alt aspect important şi strâns legat de cel anterior este că CAS sunt
multidimensionale şi toate dimensiunile interacţionează şi se influenţează una pe
alta. Acest lucru înseamnă că interacţiunile şi interdependenţele se formează
între componente care se află pe nivele diferite, iar în cadrul fiecărui nivel,
conexiunile pot fi orizontale şi verticale. Un sistem multidimensional poate fi abordat
din multiple puncte de vedere, aceste dimensiuni suprapunându-se şi interferdu-se
reciproc, pentru a revela o anumită faţetă, corespunzătoare uneia dintre dimensiuni.
Odată modificat punctul de vedere din care abordăm sistemul respectiv, se va
evidenţia o altă faţetă care poate să ofere noi şi noi informaţii şi cunoştinţe
relative la sistemul respectiv.
Dar caracteristica definitorie a conectivitătii din cadrul unui CAS este că îl
face capabil să se adapteze şi să evolueze şi, în acest fel, să creeze o nouă ordine
şi coerenţă. Această creare a unei noi ordini şi coerenţe reprezintă un factor
determinant al complexităţii. Indivizii acţionând aleator sau conform unei anumite
agende niciodată nu pot să lucreze eficient ca un grup sau o organizaţie fără a crea o
coerenţă în ce priveşte un nou mod de a lucra, noi structuri şi relaţii diferite, în care
ierarhiile pot fi răsturnate sau ignorate. Acest lucru, se pare că este influenţat de
viteza şi intensitatea cu care se propagă influenţele între agenţii din cadrul CAS.
Propagarea influenţei într-un CAS depinde, evident, de gradul de conectivitate
şi interdependenţă. De exemplu, ecosistemele biologice nu sunt total conectate. De
regulă, fiecare specie interacţionează cu o anumită submulţime din numărul total
specii existente în mediul său înconjurător, deci sistemul are o anumită structură
extinsă de tip reţea. În stemele sociale acest lucru este asemănător. Există o reţea
de legături cu diferite grade de conectivitate între diferitele componente ale
sistemului respectiv (familii, oraşe, popoare etc.)
Gradul de conectivitate, presupune, deci, luarea în considerare a forţei de
cuplare şi de dependenţă, cunoscute sub numele de interacţiuni epistatice – iar
acestea sunt funcţii de măsura în care contribuţia la fitness adusă de un individ
depinde de alţi indivizi. În procesele biologice, fitnessul unui organism sau specii
depinde de caracteristicile altor organisme sau specii cu care ea interacţionează, în
timp ce ele toate se adaptează şi se modifică simultan. Cu alte cuvinte, o singură
entitate (allele, gene, organism sau specie) nu contribuie la fitnessul general
independent de toate celelalte entităţi. Contribuţia fitness a unui individ poate
depinde de toţi ceilalţi indivizi din acel context. Aceasta este o măsură contextuală a
dependenţei, a influenţei directe sau indirecte pe care fiecare entitate le are cu
celelalte entităţi cu care aceasta este cuplată.
Într-un sistem social, fiecare individ aparţine mai multor grupuri şi unor
contexte diferite şi contribuţia sa la fiecare context depinde parţial de alţi indivizi din
acel grup şi de modul în care ei sunt legaţi de individul în cauză. Un exemplu este
atunci când un nou membru se alătură unei echipe. Contribuţia acelui individ va
depinde de ceilalţi membrii ai echipei şi de spaţiul pe care ei îl creează pentru o
astfel de contribuţie, care este definit de coordonate cum ar fi îndemânarea,

expertiza, cunoaşterea etc. aduse de noul membru.
În sistemele adaptive complexe, conectivitatea dintre indivizi sau grupuri nu
reprezintă o relaţie constantă sau uniformă, ci variază în timp şi ca diversitatea,
intensitatea şi calitatea interacţiunilor dintre agenţii umani. Conectivitatea poate fi, de
asemenea, formală sau informală, desemnată sau nedesemnată, implicită cu
conexiuni tacite, sau explicită.
Mai mult, gradul de conectivitate determină reţeaua de relaţii şi transferul de
informaţie şi cunoaştere şi constituie un element esenţial în procesele feedback.
2.1.2. Co-evoluţia
Conectivitatea se aplică nu numai în cadrul unui sistem, dar şi sistemelor cu

care acesta este conectat în cadrul unui sistem complex de nivel superior. De
exemplu un sistem biologic este conectat cu alte sisteme într-un ecosistem. Acest
lucru înseamnă că ,,fiecare tip de organism are, ca parte a mediului său înconjurător,
alte organisme de acelaşi tip sau de tipuri diferite … adaptarea la un tip de organism
schimbă atât fitnessul cât şi peisajul fitness al altor organisme” (Kauffman, 1993, p.
242). Modul în care fiecare element influenţează şi, la rândul său, este influenţat de
celelalte elemente legate de el într-un ecosistem este partea a procesului de co-
evoluţie, pe care Kauffman îl defineşte ca ,,un proces de peisaje cuplate, deformate
în care mişcările adaptive ale fiecărei entităţi schimbă peisajele vecinilor săi”
(Kauffman, 1993).
Un alt mod de o a descrie co-evoluţia este acela că evoluţia unui domeniu sau
entităţi este paţial dependentă de evoluţia altor domenii sau entităţi legate cu acesta;
sau că un domeniu sau entitate se schimbă în context cu altele. Noţiunea de co-
evoluţie se orientează pe evoluţia interacţiunilor şi pe evoluţia reciprocă.
În sistemele umane, co-evoluţia în sensul evoluţiei interacţiunilor se orientează
către relaţia dintre entităţile co-evolutive.
Un punct important este că co-evoluţia are loc în cadrul unui ecosistem şi nu
poate să aibă loc izolat. Într-un context social, un ecosistem include dimensiuni
sociale, culturale, tehnice, geografice şi economice şi co-evoluţia poate afecta atât
forma instituţiilor cât şi relaţiile şi interacţiunile dintre entităţile co-evolutive (termenul
de entitate poate fi substituit cu oricare dintre termenii individ, agent, echipă,

organizaţie, industrie, economie etc.).
O deosebire poate, de asemenea, să fie făcută între “co-evoluţia cu” şi
“adaptarea la” un mediu în schimbare.
Deşi se face o distincţie între un ,,sistem” şi ,,mediul” său, este important de
notat că nu există o dihotomie sau, o limită clară între aceste două, în sensul că un
sistem este separat de şi, totodată, se adaptează la un mediu în schimbare.
Noţiunea la care se ajunge priveşte cât de mult un sistem este legat de alte sisteme
în cadrul unui ecosistem. Într-un astfel de context este necesar să considerăm
sistemul în funcţie de co-evoluţia sa cu alte sisteme, decât ca o adaptare la un mediu
distinct şi separat.
Într-un ecosistem social co-evolutiv, fiecare organizaţie este un agent care
atât influenţează cât şi este influenţat de ecosistemul social. Aceşti agenţi pot fi
consumatori, producători, instituţii economice, culturale, juridice ş.a. Strategiile
acestora nu pot fi privite simplu ca un răspuns la un mediu în schimbare, care este
separat de organizaţie, ci ca o mutare adaptivă, care va afecta atât pe iniţiatorul
acţiunii cât şi pe toţi ceilalţi influenţaţi de el. Noţiunea de co-evoluţie este deci una de
potenţare, ceea ce sugerează că toate acţiunile şi deciziile afectează ecosistemul
social.
Nici un individ sau organizaţie nu este mai puţin puternică, dar fiecare acţiune
a entităţilor reverberează printr-o reţea intricată de inter-relaţii şi afectează
ecosistemul social. Dar co-evoluţia înseamnă şi responsabilitate, deoarece
ecosistemul care este influenţat şi afectat va afecta şi influenţa la rândul său celelalte
entităţi din cadrul său. Această noţiune nu este similară cu răspunsul pro-activ sau
reactiv. Ea este ,,senzitivitatea” la acţiuni şi priveşte atât schimbările mediului cât şi
posibilele consecinţe ale acţiunilor.
Privită din această perspectivă, co-evoluţia are loc atunci când entităţile legate
între ele se schimbă în acelaşi timp.
Co-evoluţia afectează deci atât indivizii cât şi sistemele şi este operaţională la
diferite nivele, scale şi domenii. Co-evoluţia are loc la toate nivelele şi scalele şi
poate fi clasificată în co-evoluţie endogenă când se aplică indivizii şi grupurile din
cadrul unei organizaţii şi în co-evoluţie exogenă, când organizaţia interacţionează cu
alte ecosisteme. Această clasificare este totuşi o simplificare – atât procesele
endogene cât şi cele exogene sunt intercorelate şi graniţele dintre organizaţie şi

,,mediul” său înconjurător nu pot fi clar definite şi stabilite.
Mai mult, noţiunea de ,,ecosistem” se aplică atât organizaţiei cât şi mediului
exterior al acesteia, care include organizaţia respectivă. Deci noţiunea de ecosistem
complex co-evolutiv este una de interacţiuni şi relaţii intricate şi încrucişate şi de
influenţe multidirecţionale, atât directe cât şi mediate.
Conectivitatea şi interdependenţa propagă efectele acţiunilor, deciziilor şi
comportamentelor prin ecosistem, dar această propagare sau influenţă nu este
uniformă şi depinde de gradul de conectivitate.
2.1.3. Structuri disipative, funcţionarea–departe–de–echilibru şi istoria
Un alt concept cheie în definirea CAS este structura disipativă, care reprezintă
modalităţile prin care sistemele deschise schimbă energie, materie sau informaţie cu
mediile lor şi care atunci când sunt împinse ,,departe–de–echilibru” creează noi
structuri şi o nouă ordine.
Ilya Prigogine a luat în 1977 Premiul Nobel pentru chimie pentru lucrările sale
privind structurile disipative şi termodinamica dezechilibrului. Prigogine a dat o
interpretarea nouă celei de-a doua legi a termodinamicii. Disoluţia în entropie nu este
o fatalitate absolută, ci ,,în anumite condiţii, entropia însăşi devine generator de
ordine”. Pentru a fi mai precis ,,în condiţii de non-echilibru, cel puţin, entropia poate
produce, în loc de degradare, ordine (şi) organizare. Dacă este aşa, atunci entropia,
însăşi, îşi pierde caracterul său disipativ. În timp ce anumite sisteme dispar, alte
sisteme evoluează simultan şi cresc cu mai multă coerenţă” (Prigogine şi Stengers,
1985).
În structurile disipative apare tendinţe de a avea soluţii alternative care se
numesc bifurcaţii. Acest termen este nepotrivit, deoarece separarea poate să aibă
loc între mai multe soluţii posibile. O bifurcaţie poate conduce la mai multe traiectorii
posibile, unele dintre ele stabile, altele instabile. Ea apare într-un punct critic ce nu
poate fi, însă, prevăzut. De asemenea, nu se poate prevedea pe care dintre
traiectoriile posibile, stabile sau instabile, va evolua în continuare sistemul. ,,Doar
şansa va decide, prin dinamica fluctuaţiilor. Sistemul va încerca să aleagă calea şi va
face mai multe încercări, unele fără succes la început, pentru a se stabiliza. Apoi o
fluctuaţie particulară va avea loc. Prin stabilizare, sistemul devine un obiect istoric, în
sensul că evoluţia lui ulterioară depinde de alegerea în punctul critic” (Nicolis şi

Prigogine, 1989).
Într-un sistem social, printr-o serie de decizii critice fiecare individ alege din
mai multe alternative posibile, ceea ce poate determina o traiectorie anumită de
evoluţie pentru fiecare individ. Alternativele disponibile, totuşi, sunt restricţionate de
starea curentă a persoanei şi de starea peisajului (landscape) pe care persoana îl
ocupă. Deci comportamentul emergent al persoanei este nu o problemă de şansă, ci
rezultatul alegerii făcute de persoana respectivă dintr-o mulţime finită de alternative
posibile. Odată cu o alegere făcută, există o dimensiune istorică şi o evoluţie
ulterioară care depind de alegerea critică; dar înainte ca decizia să fie finalizată,
alternativele sunt surse de inovaţie şi diversificare, deoarece ele deschid diferite
posibilităţi pentru individ şi noi soluţii pentru sistem.
Când o entitate socială (individ, grup, organizaţie, industrie, economie ş.a.)
este în faţa unei restricţii, ea găseşte noi moduri de operare, deoarece sistemele–
departe–echilibru (de normele stabilite) sunt obligate să experimenteze şi să
exploreze spaţiul lor al posibilităţilor şi această explorare le ajută să descopere şi să
creeze noi paterne (modalităţi) de relaţii şi structuri diferite.
2.1.4. Explorarea–spaţiului–posibilităţilor
Complexitatea sugerează că pentru a supravieţui şi a creşte, o entitate are

nevoie să exploreze spaţiul său al posibilităţilor şi să genereze varietate.
Complexitatea sugerează, de asemenea, că o căutare pentru a determina o singură
strategie ,,optimală” nu poate fi nici posibilă şi nici decizională. Orice strategie poate
fi optimă doar în anumite condiţii, şi când aceste condiţii se schimbă, strategia nu mai
rămâne mult timp optimală. Pentru a supravieţui, o organizaţie este necesar să
verifice constant peisajul şi să încerce diferite strategii. O organizaţie poate să aibă în
loc de o singură strategie, mai multe micro-strategii care îi permit să evolueze.
Aceasta reduce riscul de a obţine o singură strategie prea târziu, care poate să nu fie
chiar cea mai bună şi să suporte co-evoluţia senzitivă cu un ecosistem în schimbare.
În esenţă, mediile instabile şi pieţele în rapidă schimbare necesită metode flexibile
bazate pe varietatea necesară (Ashby, 1969).
Adaptarea flexibilă necesită, de asemenea, noi conexiuni sau noi moduri de a

privi lucrurile. A vedea o nouă funcţie pentru o parte a unei entităţi existente este
numită ,,exapotion” (exapotare).
Când căutăm în spaţiul posibilităţilor pentru un nou produs sau un mod diferit
de a face lucrurile, nu este posibil să explorăm toate posibilităţile. Poate fi, totuşi,
posibil să considerăm schimbarea ca un pas înainte faţă de ceea ce există. În acest
sens, exapotarea poate fi considerată o explorare a ceva care este denumit
,,posibilul adiacent” (Kauffman 2000). Deci este explorare un pas înainte, utilizând
,,blocuri componente” întotdeauna disponibile, dar punându-le împreună într-un nou
mod.
Conform lui Kauffman (2000, p.22) a încerca ceva nou în domeniul molecular,
morfologic, comportamental, tehnologic şi organizaţional se face prin explorarea
posibilului adiacent. Rata de descoperire sau mutaţie, totuşi, este restricţionată de
selecţie pentru a evita catastrofele posibile care pot distruge o comunitate. Viruşii şi
bacteriile au o rată a mutaţiei foarte apropiată de eroarea-catastrofă, care este
tranziţia la o fază care face o populaţie nesutenabilă. Se pare că există o balanţă
între descoperire şi ceea ce ecosistemul poate susţine efectiv. Atât biosfera cât şi
econosfera se pare că au ,,mecanisme endogene care mijlocesc explorarea
posibilului adiacent astfel încât, în medie, astfel de explorări conduc cu succes la
găsirea de noi modalităţi de a susţine viaţa” (Kauffman, 2000, p.156). În biosferă,
adaptările sunt alese prin selecţia naturală, iar în econosferă de succesul sau eşecul
economic, la o rată care este sustenabilă.
Deşi rata cu care noutatea poate fi introdusă este restricţionată, posibilul
adiacent este extensibil nedefinit (Kauffman, 2000, p. 142). Odată descoperirile
realizate în posibilul adiacent, un nou posibil adiacent, accesibil din prezentul lărgit
care include noi descoperiri, devine accesibil. Deschiderea constantă de noi nişe pe
pieţe în domenii şi produse despre care cu câţiva ani în urmă nici nu ştiam că există
reprezintă un exemplu de posibilităţi extinse ale posibilului adiacent.
2.1.5. Feedback
Feedbackul reprezintă mecanismul de bază în formarea în cadrul sistemului

adaptiv complex a condiţiilor de desfăşurare a proceselor adaptive şi de selecţie. De
regulă, vorbim despre feedback pozitiv şi feedback negativ în funcţie de influenţa
exercitată de o buclă feedback asupra acţiunilor desfăşurate de agenţii care

formează bucla respectivă. Feedbackul pozitiv (amplificator) determină schimbări în
sistem, în timp ce feedbackul negativ are rol de echilibrare, amortizare şi stabilirea a
sistemului.
În ultimul timp, se constată o trecere a limbajului specific descrierii
mecanismelor feedback către înlocuirea termenului de ,,mecansim” prin cel de
,,proces” considerat mai apropiat de realitate în cazul CAS.
În condiţiile în care sistemele adaptive complexe funcţionează departe–de–
echilibru, iar componentele acestor sisteme sunt interconectate printr-o reţea de
legături şi conexiuni neliniare, un sistem devine ,,extrem de senzitiv la influenţele
externe. Mici intrări determină efecte mari, uneori destructive” (Prigogine şi Stengers,
1985) ceea ce duce la reorganizarea întregului sistem. Acest proces se datorează şi
feedbackului pozitiv. ,,În aceste condiţii departe–de–echilibru vedem că fluctuaţii sau
perturbaţii foarte mici pot fi amplificate în unde gigantice, distrugătoare de structuri”
(Prigogine şi Stengers, 1985).
În cazul sistemelor umane, condiţiile de funcţionare departe–de echilibru
operează când un sistem este perturbat suficient de mult de la normele stabilite sau
de la modalităţile obişnuite de lucru sau odihnă. Într-o organizaţie privită ca sistem,
aceste condiţii pot să determine atingerea unui punct critic care să ducă la dezordine
sau la crearea unei noi ordini şi organizări. În acest din urmă caz se spune că s-a
creat o nouă coerenţă. Procesele feedback pozitive sau amplificatoare susţin
această transformare şi ele constituie un punct de plecare pentru înţelegerea mişcării
constante între schimbare şi stabilitate în sistemele adaptive complexe.
Pentru a înţelege de ce este necesar ca CAS să atingă condiţiile departe–de-
echilibru trebuie arătat că procesele feedback nu acţionează continuu. De
asemenea, în anumite perioade, buclele feedback pozitive pot fi dominante,
impunând schimbări în sistem, după care să devină dominante buclele feedback
negative, care determină stabilitatea sistemului în urma schimbărilor pe care le-a
suferit. Acest ciclu de dominanţă alternativă a feedbackului pozitiv şi negativ se
poate repeta şi poate să apară fără să putem spune care sunt cauzele apariţiei sau
schimbării dominanţei.
De exemplu, într-o companie, dacă efortul de a îmbunătăţi performanţele şi
poziţia de piaţă eşuează în mod continuu şi dacă creşterile nu sunt mult timp
sustenabile, atunci managerii acesteia pot determina producerea unei schimbări
majore. Aceste intervenţii pot, de asemenea, eşua şi compania poate ajunge într-un
ciclu constant de restructurări ineficiente. Un motiv pentru acest eşec este
supraestimare a efectelor ,,mecanismelor adiacente” bazate pe bucle feedback
negative, care au lucrat în trecut.
Dar într-un mediu turbulent, întregul ecosistem poate fi schimbat şi nu putem
întotdeauna extrapola succesul pe baza experienţei trecute. Noi paterne de
comportament şi noi structuri pot să emeargă şi acestea pot să depindă de sau se
stabilesc prin noi procese feedback pozitive.
În sistemele umane, gradul de conectivitate (dependenţa sau interacţiunea
epistatică) adeseori determină forţa feedbackului. Feedbackul aplicat interacţiunilor
umane înseamnă influenţa care schimbă acţiuni şi comportamente potenţiale. Mai
mult, în cazul interacţiunilor umane, feedbackul este rareori o procedură foarte bine
delimitată de tip input–proces–output, perfect predictibilă şi cu rezultate bine
determinate. Acţiunile şi comportamentele pot să varieze în raport cu gradul de
conectivitate dintre diferiţi indivizi, ca şi în raport cu timpul şi contextul.
Co-evoluţia poate, de asemenea, să depindă de influenţele feedback
reciproce dintre entităţi. O problemă importantă este, deci, cum gradul de
conectivitate şi feedbackul influenţează co-evoluţia. O primă întrebare legată de
aceasta este modul în care structura unui ecosistem afectează co-evoluţia. Kauffman
afirmă că ,,Am găsit evidenţa … că structura unui ecosistem determină co-evoluţia”
(Kauffman, 1993, p.279). Această afirmaţie, demonstrată prin simularea pe
calculator, se poate aplica şi ecosistemelor sociale. Procesele feedback au, deci, o
strânsă legătură atât cu gradul de conectivitate (la toate nivelele), cât şi cu structura
ecosistemului, şi deci şi cu co-evoluţia.
Mai mult, cele două concepte esenţiale de feedback pozitiv şi negativ trebuie
să fie utilizate pentru a descrie procesele feedback integrate multiple din sistemele
adaptive complexe şi trebuie regândită însăşi natura feedbackului în acest context,
pentru a putea include ulterior influenţele multi-nivel, multi-proces şi neliniare.
2.1.6. Dependenţa de traiectorie, istoricitate şi legea profitului crescător
B. W. Arthur observă că teoria economică clasică este bazată pe ipoteza

implicită conform căreia economia este dominată de bucle feedback negative, ceea
ce conduce la dominanţa unei concepţii a legii profitului descrescător, care, la
rândul ei, conduce la convingerea că în economie este posibilă obţinerea unui

echilibru economic stabil. Aceasta deoarece buclele feedback negative au un efect
stabilizator şi implică un singur punct de echilibru în care economia va revni după
orice schimbare majoră pe care a suferit-o.
Exemplul utilizat de B. W. Arthur este creşterea preţului petrolului în anii 70
care a încurajat economisirea energiei şi conservarea acesteia şi a dus la creşterea
numărului de exploatări petroliere, ceea ce a avut un efect asupra creşterii
predictibile a ofertei şi a rezultat într-o scădere a preţurilor spre sfârşitul anilor 80 ai
secolului trecut.
Dar, după cum arată W.B. Arthur, astfel de forţe nu operează şi domină
întotdeauna. ,,În loc de aceasta, buclele feedback pozitive măresc (amplifică)
efectele micilor schimbări economice şi cresc profiturile, făcând posibilă apariţia mai
multor puncte de echilibru, depinzând de buclele feedback negative care, pot, de
asemenea, să opereze în sistem” (Arthur, 1990).
Posibilitatea ca un sistem să aibă mai multe puncte de echilibru este dată de
proprietăţile structurilor disipative. În sistemele fizico-chimice această proprietate a
unor substanţe de a se afla simultan în două sau mai multe stări stabile în anumite
condiţii la limită se numeşte bistabilitate şi descrie ,,posibilitatea de a evolua, pentru
valori date ale parametrilor, către mai mult de o stare stabilă” (Nicolis şi Prigogine,
1989; p.24).
Mai mult, traiectoriile specifice pe care un sistem le urmează depind de istoria
lor trecută. Ideea aici este că istoria trecută afectează dezvoltarea viitoare şi pot
exista mai multe traiectorii posibile sau paternuri pe care un sistem le poate urma.
Acest lucru explică de ce comportamentul unui sistem este greu de prevăzut, chiar
dacă menţinem sistemul în cadrul anumitor limite.
Vom dezvolta această teorie elaborată de B. W. Arthur în capitolul următor.
2.1.7. Auto–organizarea, emergenţă şi crearea unei noi ordini
Auto-organizarea, emergenţa şi crearea unei noi ordini reprezintă caracteristici

esenţiale ale sistemelor adaptive complexe. Ordinea spontană care apare atunci
când sistemul, pentru a răspunde la influenţele exercitate de mediul înconjurător,
trece la un nou mod de organizare se numeşte auto-organizare şi reprezintă una
dintre cele mai uimitoare proprietăţi a sistemelor complexe, fie că este vorba despre
sisteme umane, ecosisteme sau organizaţii.
Kauffman în cartea sa ,,Origins of Order: Self Organization and Selection”
(1993) arată că selecţia nu este, aşa cum afirmă concepţia evoluţionistă Darwiniană,
singura forţă care determină adaptarea. Există şi o a doua forţă care produce
spontan ordine, şi anume auto–organizarea, aceasta fiind, alături de selecţia
naturală, absolut necesară pentru evoluţie.
Proprietăţile emergente, calităţile noi, paternele structurale apar în CAS din
interacţiunea elementelor individuale, acestea reprezintând mai mult decât suma
părţilor componente şi sunt dificil de prevăzut studiind doar elementele considerate
individual.
Emergenţa este procesul care determină apariţia unei noi ordini împreună cu
auto–organizarea. Francisco Varela, unul dintre creatorii ciberneticii de ordinul doi
(autopoiesisului), atunci când se referă la emergenţă spunea că ea reprezintă
tranziţia de la regulile locale către principiile globale sau stările generale care
însoţesc întreaga mulţime de agenţi. De pildă, el afirmă că activitatea neuronală a
creierului uman reprezintă o proprietate emergentă şi de aici sunt posibile constiinţa,
gândirea şi creaţia.
Relaţiile reciproce dintre micro-evenimente şi macro-structuri sunt
bidirecţionale şi se crează astfel o influenţă reciprocă atunci când feedbackul
funcţionează ,,Una dintre cele mai importante probleme ale teoriei evoluţioniste este
feedbackul eventual dintre structurile macroscopice şi evenimentele microscopice:
structurile macroscopice emerg din evenimentele microscopice, dar, la rândul lor, vor
conduce la o modificare a mecanismelor microscopie” (Prigogine şi Stengers, 1989).
Apare deci un proces co-evolutiv în care entităţile individuale şi macro–structurile
create prin interacţiunile dintre aceste se influenţează una pe alta într-un proces
iterativ continuu.
În sistemele sociale, auto–organizarea poate fi descrisă ca apariţia spontană a
unui grup care execută o sarcină sau are un anumit scop comun; grupul decide ce
face, cum şi când face şi nu există o entitate exterioară grupului care să orienteze
activitatea acestuia.
Emergenţa în cadrul sistemului uman tinde să creeze structuri ireversibile sau
idei, relaţii şi forme de organizare care devin parte a istoriei indivizilor şi instituţiilor şi,
la rândul lor, afectează evoluţia acestor entităţi. De exemplu, apariţia de noi
cunoştinţe şi idei în cadrul unei echipe, firme sau chiar la nivelul întregii societăţi
poate fi descris ca un proces emergent deoarece rezultă din interacţiunile dintre
indivizi şi nu este suma ideilor existente, ci ceva cu totul nou şi posibil neaşteptat.
Odată ce ideile sunt articulate, ele formează o parte a istoriei fiecărui individ, dar şi a
istoriei comune a echipei, firmei sau societăţii – procesul nu este reversibil – şi
aceste noi idei şi cunoştinţe pot fi utilizate pentru a genera alte idei noi şi noi
cunoştinţe. În această viziune, învăţarea organizaţională şi socială reprezintă
proprietăţi emergente – nu sunt doar simple ajustări sau însumări de noi idei, ci un
proces bazat pe interacţiunea dintre indivizii ce aparţin echipei, firmei sau societăţii
care creează noi modele mentale, împărtăşite de toţi indivizi din cadrul sistemului
respectiv. Atunci când învăţarea conduce la noi comportamente, se poate spune că
organizaţia s-a adaptat şi a evoluat.
Noile cunoştinţe, împărţite de toţi indivizii prin modele mentale comune,
generează, la rândul lor, învăţare şi cunoaştere.
Apare, astfel, cu deosebită claritate legătura existentă între conectivitate,
interdependenţă, emergenţă şi auto–organizare. Aceşti piloni ai sistemelor adaptive
complexe acţionează împreună pentru a crea o nouă ordine şi coerenţă, pentru a
susţine sistemul şi a-i asigura supravieţuirea, în special atunci când mediul
înconjurător se schimbă rapid.
2.2 Exemple de sisteme adaptive complexe în economie
2.2.1. Piaţa de capital ca sistem adaptiv complex
Printre sistemele economice care au trezit un interes deosebit specialiştilor din

domeniul Ştiinţelor Complexităţii, piaţa de capital ocupă un loc privilegiat. Acest lucru
are o serie de explicaţii asupra cărora, însă, nu vom insista prea mult. După părerea
noastră, acest lucru poate fi înţeles dacă ne referim la câteva caracteristici ale
pieţelor de capital: omogenitatea ,,produselor” tranzacţionale, numărul mare de
agenţi de piaţă, istoricitatea acesteia şi, nu în ultimul rând, atracţia exercitată de
această piaţă pentru cei care vor să câştige bani.
Teoria clasică privind piaţa de capital, dezvoltată pe baza concepţiei privind
formarea echilibrelor de piaţă a lui Alfred Marshall, porneşte de la ideea că se poate
determina o legătură deterministă sau probalistică între cauză şi efect şi că această
legătură poate fi previzibilă. Când o piaţă este supusă unui şoc exogen, cum ar fi, de
exemplu, noutăţile privind evoluţia economiei, sistemul de piaţă poate să absoarbă
acest şoc şi să revină, după un timp finit, la starea de echilibru.
Cu toate că multe dintre teoriile ce au inspirat această concepţie mecanicistă
s-au modificat între timp, de exemplu principiul de nedeterminare al lui Heisenberg
ce stă astăzi la baza fizicii cuantice, în economie acest progres nu s-a produs tot atât
de repede. Multe dintre concepţiile care domină şi astăzi economia îşi găsesc
originea în ideile şi metodele ştiinţifice bazate pe determinism şi predicitbilitatea
relaţiilor de tip cauză-efect.
În ultimii 50 de ani, teoria pieţelor financiare s-a dezvoltat pe aceeaşi bază,
astfel încât astăzi încă ea este tributară unor ipoteze discutabile cum ar fi eficienţa
pieţelor şi raţionalitatea investitorilor.
Ipoteza eficienţei pieţelor afirmă că preţurile activelor financiare încorporeză
toată informaţia relevantă şi că această informaţie este uşor disponibilă şi larg
răspândită, astfel că orice investitor are acces la ea şi nu există posibilitate ca unul
dintre ei să profite de anumite oportunităţi şi să obţină rezultate superioare.
Altfel spus, câştigurile obţinute pe piaţa de capital recompensează doar riscul
pe care şi-l asumă anumiţi investitori faţă de alţii care înregistrează pierderi fiindcă nu
acceptă riscul respectiv. Ipoteza eficienţei pieţei nu afirmă că preţurile pe această
piaţă ar fi corecte, ci faptul că nu există preţuri care ar fi determinate de anumite
cauze sistematice, care nu ar putea fi cunoscute şi utilizate de către toţi investitorii.
Teoria privind formarea preţurilor, care este subsumată ipotezei eficienţei
pieţei de capital, este construită pornind de la ipoteza că preţurile activelor financiare
ar fi perfect independente unul faţă de celelalte. În consecinţă, schimbările preţurilor
respective sunt determinate doar de apariţia unor informaţii noi, neaşteptate pe piaţă,
lucru care este, de asemenea, aleator. Drept urmare, pe măsură ce investitorii
primesc noi informaţii şi le prelucrează, ei pot să anticipeze preţurile şi să ia decizii
care să ducă la obţinerea unui profit dorit.
A doua ipoteză priveşte modalitatea în care investitorii iau deciziile respective
şi presupune că investitorii sunt decidenţi raţionali. Acest lucru înseamnă, în esenţă,
că, în procesul continuu de a căuta oportunităţi de profit, ei rezolvă o problemă de
alegere între risc şi venit. Mai precis, investitorii raţionali caută să obţină, din
tranzacţiile de piaţă efectuate, cel mai mare venit pentru un anumit nivel de risc.
Testarea acestor ipoteze a demonstrat fără tăgadă faptul că ele sunt false. Cu
toate acestea, teoria pieţelor de capital continuă şi astăzi să dezvolte modele şi
proceduri de lucru bazate pe aceste ipoteze. Un motiv ar fi inerţia mare existentă în
ştiinţele economice, iar un alt motiv l-ar constitui coerenţa matematică şi logică a
modelelor abstracte realizate, char dacă ele nu au multe puncte comune cu
realitatea.
O alternativă la aceste teorii ar fi considerarea pieţii de capital ca un sistem
adaptiv complex. Pentru ca o astfel de schimbare de paradigmă să fie acceptabilă,
trebuie demonstrat că, prin noua abordare, gradul nostru de înţelegere privind
comportamentul acestor pieţe creşte, iar rezultatele obţinute prin aplicarea metodelor
şi modelelor construite pe baza noii concepţii sunt mai bune decât cele anterioare.
Pieţele financiare, în particular pieţele de capital, pot fi considerate sisteme
adaptive complexe, ele fiind alcătuite dintr-o mulţime de agenţi interdependenţi şi
conectaţi care prezintă comportamente de grup emergente, dobândite în urma
agregării comportamentelor individuale ale acestor agenţi. Agregarea acestor
comportamente individuale face ca sistemul să acţioneze unitar în ,,punctele critice”,
deci schimbările mari apar ca rezultat al acumulărilor unor stimuli reduşi ca intesitate
dar care, în momentul declanşării, se propagă sub formă de avalanşă.
Agenţii dintr-un sistem adaptiv complex îşi culeg informaţia din mediul
înconjurător, o combină cu propriile lor interacţiuni cu mediul şi, de aici, rezultă
propriile decizii şi proceduri decizionale. Desigur că aceste decizii şi proceduri vor
concura unele cu altele, fiind comparate în raport cu un ,,fitness” şi numai cele mai
eficiente strategii de decizie vor supravieţui. Aceasta face ca, în timp, sistemul să se
adapteze la schimbările din mediu şi să răspundă în mod adecvat apariţiei unor
,,anomalii”.
Interacţiunile dintre agenţi în sistemele adaptive complexe sunt neliniare. În
cazul pieţelor de capital acest lucru este demonstrat de faptul că, în cazul
interacţiunilor cauză-efect, anumite modificări mici produc rezultate exagerat de mari.
Apariţia crizelor şi crahurilor bursiere este o dovadă a acestui lucru.
În sfârşit, mecanismele feedback, care amplifică (pozitive) sau amortizează
(negative) efectele ce apar pe pieţele de capital sunt cele care determină tendinţele
speculative pe aceste pieţe. În condiţiile în care un investitor sau un grup restrâns de
investitori, profitând de o schimbare de preţ neaşteptată, prin vânzarea sau
cumpărarea de acţiuni, obţin câştiguri mai mari decât cele medii, este evidentă
acţiunea unei bucle feedback pozitive. Acest proces, însă, nu poate continua mult
timp deoarece alţi investitori încep şi ei să cumpere sau să vândă acelaşi tip de
acţiune, fapt care duce, rapid, la eliminarea câştigurilor mai mari. Acţionează, în
acest caz, o buclă feedback negativă care stabilizează din nou piaţa.
Mecanismele feedback existente pe pieţele de capital fac ca astfel de
fenomene să aibă o viaţă scurtă, având succes, de regulă, acei investitori, care
profită cel mai repede de oportunităţile care se ivesc datorită unor perturbaţii externe
sau unor comportamente emergente neaşteptate.
Considerând piaţa de capital sistem adaptiv complex trebuie să reconsiderăm
întreaga concepţie privind comportamentul investitorilor pe astfel de pieţe. Perioade
de stabilitate, urmate de schimbări rapide, existenţa unor puncte critice, absenţa
oricăror mişcări regulate în evoluţia indicatorilor ce le caracterizează ş.a. fac din
aceste pieţe sisteme pentru care este greu, dacă nu imposibil de elaborat previziuni.
Din această cauză, investitorii trebuie să apeleze la un cu totul alte metode pentru a
decide asupra investiţiilor făcute. Practic, întreaga teorie clasică, începând cu
modelele lui Markowitz, Sharpe ş.a., ar trebui reformulată, deoarece se bazează pe
ipotezele probabilistice privind formarea preţurilor.
Deplasarea interesului de la modelele deductive căte cele inductive în acest
domeniu este crucială. În cele mai multe situaţii, se constată că raţionamentul pe
aceste pieţe este colectiv, acţionând spiritul de imitaţie şi nu judecata raţională a
agenţilor individuali.
Trecerea la metodele bazate pe sisteme adaptive complexe este, evident, un
proces dificil şi numai obţinerea unor rezultate mai bune în acest din urmă caz ar fi
de natură să determine schimbarea de paradigmă în acest domeniu.
Treptat, aceste rezultate se acumulează, mai ales datorită posibilităţii de a
simula activitatea investitorilor utilizând, de exemplu, modele ale pieţelor artificiale de
capital.
2.2.2. Ecosisteme digitale pentru afaceri
În ultimii ani, un nou concept a apărut şi s-a dezvoltat la graniţa dintre biologie,
ecologie, economie şi lumea afacerilor: ecosistemul digital pentru afaceri (EDA).
Modul în care este acesta definit şi utilizat arată faptul că EDA reprezintă, de fapt, un
sistem adaptiv complex. Din perspectiva biologiei, un ecosistem este: ,,Un sistem de
organisme ocupând un habitat, împreună cu acele aspecte ale mediului fizic cu care
interacţionează” (The New Shorter Oxford English Dictionary, 1993) sau ,,O
comunitate de organisme vii cu aerul, apa şi celelalte resurse” (The Merriam-
Webster, Third New International Dictionary of the English Language, 1986).
Aşadar, un ecosistem biologic este, în primul rând, un sistem care constă din
diferite organisme vii din aceeaşi arie sau zonă. Există interacţiuni între organisme şi
mediul înconjurător, format din aer, apă şi resurse de hrană. Aceste interacţiuni
determină anumite limite în ce priveşte evoluţia şi dezvoltarea ecosistemului.
Hanon(1997) stabileşte principalele caracteristici comune sistemelor ecologice
şi economice. El arată că amândouă sunt sisteme dinamice, construite (structurate)
pe bază organică şi care au metode de producţie, schimb, stocare şi dezvoltare
asemănătoare. Hannon introduce chiar un output net al ecosistemului, analog cu
produsul intern net al sistemului economci, care poate fi utilizat pentru a măsura
performanţele ecosistemului în raport cu fluxurile de substanţă şi energie primite din
mediu.
În concepţia lui Lewin (1999), comunităţile ecologice din natură cuprind specii
care sunte interconectate printr-o reţea densă de conexiuni. Aceste comunităţi
formează, la rândul lor, ecosisteme locale care au proprietăţile sistemelor complexe.
Lewin găseşte o analogie strânsă a acestora cu comunităţile de afaceri, ceea ce
explică de ce companiile, ca şi organismele biologice, funcţionează în cadrul unei
reţele dense de interacţiuni, începând de la economia locală şi până la economia
globală. Ecosistemele biologice şi sistemele economice, ,,sunt sisteme adaptive
complexe şi deci urmează aceleaşi legităţi profunde”. Cu toate acestea, există şi o
diferenţă fundamentală între aceste sisteme şi anume capacitatea oamenilor de a
adopta decizii conştiente, în timp ce organismele biologice nu au o conştiinţă de
acelaşi fel. În ciuda acestei diferenţe, Lewin crede că ,,o înţelegere a acelor legităţi
din natură va conduce la o mai mare înţelegere a modului de lucru al companiilor şi a
economiei din care ele fac parte”. (Lewin, 1999).
Sturat Kauffman a fost preocupat în mod special de ecosistemele biologice
care, după părerea sa sunt ,,nişe în mijlocul unei anumite activităţi”. De exemplu,
când transporturile erau dominate de căruţe trase de cai, existau multe afaceri
complementare cum ar fi rotării, ceaprazări (producătoare de hamuri), potcovării etc.
După ce automobilul a înlocuit căruţa, noi forme de activităţi le-au înlocuit pe cele
vechi: construcţia de drumuri şi autostrăzi, reţele de benzinării, moteluri etc. În acest
fel, ecosistemul “căruţă” a fost înlocuit cu ecosistemul “automobil”. Deci co-evoluţia a

impus dispariţia unui sistem şi apariţia altui sistem. Procesul de co-evoluţie va putea
produce ecosisteme şi mai complexe cum ar fi reţele economice formate din
companii din lumea înaltei tehnologii (Lewin, 1999).
Observăm totuşi că, în exemplele de mai sus, este vorba de ecosisteme de
afaceri, care se deosebesc oarecum de ecosistemele naturale. Mai întâi, în
ecosistemele digitale pentru afaceri, agenţii sunt inteligenţi şi sunt capabili să
planifice şi să-şi reprezinte viitorul cu o anumită acurateţe. În al doilea rând,
ecosistemele de afaceri concurează pentru a câştiga noi membri. Un astfel de
comportament nu se observă în natură, ecosistemele naturale acţionând uneori chiar
împotriva admiterii de noi membri. În al treilea rând, ecosistemele de afaceri pot
apela la anumite inovaţii, în timp ce ecosistemele naturale au ca scop doar
supravieţuirea (Iansiti şi Levien, 2004).
Aşadar, între ecosisteme şi sistemele economice există destule asemănări,
dar şi deosebiri care, însă, nu le separă ci, dimpotrivă, le pot reuni, aşa cum încearcă
ecosistemele digitale pentru afaceri să facă. ,,Când vom înţelege că economia este
un ecosistem – nu o maşină izolată şi separată de mediul său înconjurător – vom
înţelege adevărurile fundamentale despre ceea ce face economia să lucreze” (Baden
şi Lewin, 1999).
Deci ecosistemele biologice şi ecosistemele digitale pentru afaceri au o serie
de proprietăţi comune cum sunt: interacţiunea, interdependenţa, comportamentul
emergent, auto-organizarea, feedbackul, neliniaritatea ş.a. De asemenea, trebuie
subliniat că amândouă tipuri de sisteme funcţionează ca nişte organisme şi nu ca o
maşină. În plus, nici ecosistemele biologice şi nici ecosistemele digitale pentru
afaceri nu sunt optimizatoare ale propriului lor comportament. În ecosistemele pentru
afaceri, firma reprezintă echivalentul organismelor din cadrul ecosistemului biologic.
Ecosistemul didgital pentru afaceri s-a impus cu putere după ce Uniunea
Europeană a lansat o serie de proiecte şi un program care să anuleze decalajul
dintre performanţele întreprinderilor mici şi mijlocii din Europa şi Statele Unite. Aceste
ecosisteme constau din ,,specii digitale” care ocupă un ,,mediu digital”. Speciile
digitale pot fi componente şi programe soft, aplicaţii, servicii, cunoaştere, modele de
afaceri, module de învăţare, cadru conceptual, arhitecturi şi legislaţie. Mediul de
afaceri include specii care se comportă precum speciile din lumea naturală, deci
interacţionează, evoluează şi chiar st sting (Nachira, 2002).
Mitleton- Kelly (2003) vorbeşte şi el despre ,,ecosisteme sociale” atunci când

se referă la organizaţii şi corporaţii din lumea afacerilor. Organizaţiile co-evoluează în
cadrul unui ecosistem social, deoarece co-evoluţia nu poate să aibă loc în izolare.
Drept urmare, un ecosistem social constă din organizaţii, şi nu din indivizi, şi de aici
derivă calificativul ,,social”. Mitleton-Kelly demonstrează faptul că orice ecosistem
social este un sistem evolutiv complex, deci un tip de sistem mai evoluat decât
sistemul adaptiv complex.
Conceptul de ecosistem digital a fost definit de mai mulţi autori, dar încă
lipseşte o definiţie precisă şi unanim acceptată. Astfel, Iansiti şi Levien (2004)
utilizează ecosistemul de afaceri ca pe o analogie care ajută să explicăm şi să
înţelegem anumite caracteristici ale lumii de afaceri moderne. ,,Credem că poate mai
mult decât orice alt tip de reţea, un ecosistem biologic constituie o analogie puternică
pentru a înţelege reţeaua de afaceri” (Iansiti şi Levien, 2004). Acest lucru este posibil
deoarece ecosistemele biologice, ca şi ecosistemele pentru afaceri, sunt
caracterizate de un număr mare de agenţi interconectaţi care depind unul de altul în
vederea asigurării eficienţei şi supravieţuirii. Speciile biologice din cadrul
ecosistemelor naturale împart destinul lor cu celelalte specii în acelaşi mod ca firmele
dintr-un ecosistem pentru afaceri.
După Moore (1993), agenţii dintr-un ecosistem pentru afaceri ,,lucrează
cooperând şi concucrând pentru a susţine noi produse, pentru a satisface nevoile
consumatorilor şi, eventual, pentru a încorpora următoarele inovaţii”. Deci,
ecosistemele digitale îşi asigură necesarul de resurse atât pe competiţie cât şi pe
cooperare. Lewin (1999) spune că este dificil să afirmi, într-un ecosistem pentru
afaceri, cine este prieten şi cine este duşman. Dificultatea creşte deoarece această
situaţie se schimbă pe măsură ce mediul se schimbă. Tot Lewin adaugă că poate nu
interacţiunile competitive sunt importante în aceste sisteme cât întregul complex de
interacţiuni.
După Iansiti şi Levien (2994) există trei factori care determină succesul unui
ecosistem pentru afaceri. Primul, productivitatea este factorul fundamental care, la
un anumit moment, va defini succesul oricărui tip de afacere. Al doilea, orice
ecosistem pentru afaceri ar trebui să fie robust. Robusteţea în ecosistemele naturale
înseamnă capacitatea de supravieţuire când şocurile externe sau interne din
ecosistem tind să-l distrugă. În domeniul afacerilor, acest lucru înseamnă
acumularea de avantaje competitive din diferite surse şi abilitatea de a se transforma
când mediul se schimbă. În al treilea rând, un ecosistem pentru afaceri ar trebui să

aibă abilitatea de a crea nişe şi oportunităţi pentru noile firme.
Prin apartenenţa lor la reţelele interconectate de companii, firmele au
beneficii, dar şi înfruntă noi pericole. Beneficiile includ oportunitatea de a forma
alianţe şi de a evolua în reţea, protejate de invadatorii potenţiali. Aceeaşi
interconectare, totuşi, poate să conducă şi la dezastru. ,,Când orice este conectat
direct sau indirect la toate celelalte, schimbări într-o parte a sistemului se pot
propaga prin interiorul sistemului şi, uneori, organizaţiile pot dispărea fără să
greşească cu nimic. Acest tip de impredictibilitate este un aspect neplăcut al
sistemelor complexe, dar dă o imagine realistă a mediului de afaceri” (Levin, 1999).
Moore defineşte ecosistemul digital ca ,,o comunitate economică” susţinută de

o bază formată din organizaţii şi indivizi. Această comunitate economică produce
bunuri şi servicii de valoare pentru clienţi, care sunt ei înşişi membri ai ecosistemului.
Organismele membre includ, de asemenea, ofertanţi, producători, competitori şi alţi
asociaţi”.
Ecosistemul pentru afaceri a fost, de asemenea, definit în funcţie de peisaj

(landscape). Kauffman (1993) defineşte fitnessul peisajului ca o structură
reprezentând fitnessul unui organism în mediul său înconjurător. Peisajul fitness
poate fi imaginat ca un plan definit de două axe pe care se reprezintă diferiţi factori
de fitness, cum ar fi viteza, agilitatea, enduranţa sau inteligenţa. Acest plan poate
avea dealuri şi văi în raport cu diferitele mărimi ale fitnessului asociate diferitelor
valori ale factorilor de fitness reprezentaţi pe axe. Normal, pot fi mai mult de două
axe, dar este mai uşor de reprezentat dacă această structură este gândită doar în
trei dimensiuni.
Un organism sau o organizaţie se poate afla, la un moment dat, într-un anumit
punct al peisajului fitness, dar acest lucru se poate schimba datorită schimbărilor din
caracteristicile organismului sau datorită schimbărilor din mediu. Peisajul fitness
reprezintă, deci, o structură dinamică pe care organismul sau organizaţia o parcurge
neîncetat. Deşi conceptul ca atare a fost dezvoltat mai întâi în biologie pentru analiza
ecosistemelor biologice, el este astăzi folosit frecvent în ecosistemele de afaceri.
Levin (1999 defineşte ecosistemul pentru afaceri ca fiind alcătuit din mai multe
companii, fiecare având o anumite poziţie în propriul său peisaj. Aceste peisaje se
cuplează unele cu altele, astfel că schimbări într-un peisaj determină un efect asupra
altor peisaje, şi anume ale competitorilor, colaboratorilor şi producătorilor

complementari.
Iansiti şi Levien (2004) văd patru roluri diferite îndeplinite de organizaţiile care
aparţin unui ecosistem pentru afaceri. Rolul principal îl joacă companiile care servesc
ca integratori şi care au un mate impact asupra întregului sistem. Totuşi, aceste
companii sunt în număr mic. Jucătorii de nişă, pe de altă parte, constituie cea mai
mare parte a ecosistemului de afaceri. Dominatorii şi proprietarii de hub sunt tipuri de
organizaţie care atrag resurse de la sistem, dar nu procedează la fel atunci când
trebuie să le şi cedeze către sistem.
În concluzie, ecosistemele pentru afaceri conţin un mare număr de agenţi care
pot fi firme şi alte organizaţii. Ele sunt interconectate în sensul că se influenţează
unele pe altele. Această interconectare se realizează prin diferite tipuri de conexiuni
dintre membri. Aceste interacţiuni pot fi atât competitive cât şi cooperative. Aplicarea
conceptelor şi metodelor sistemelor adaptive complexe în domeniul ecosistemelor
digitalke pentru afaceri este o activitate aflată într-un stadiu de început dar cu mari
perspective pentru a înţelege şi a opera mai performant în mediile de afaceri.
Capitolul 3 – Conectivitate şi interacţiune în sistemele adaptive complexe
CAPITOLUL 3
CONECTIVITATE ŞI INTERDEPENDENŢĂ ÎN SISTEMELE

ADAPTIVE COMPLEXE
O primă caracteristică importantă a CAS se referă la conectivitatea şi interacţiunea

elementelor sale, dar şi a întregului sistem cu celelalte elemente precum şi cu alte sisteme
din mediul înconjurător. CAS constau dintr-un număr mare de elemente distincte capabile să
interacţioneze unul cu altul şi cu mediul înconjurător (deci cu alte sisteme adaptive
complexe), ceea ce face ca sistemul să devină organizat fără să fie aplicat vreun principiu de
organizare extern. Drept urmare, descompunerea sistemului şi studierea părţilor sale
componente izolat una de celelalte nu poate să contribuie în nici un fel la înţelegerea modului
în care acesta funcţionează.
În Encyclopedia Britannica se arată că “Ceea ce face un sistem să fie sistem şi nu o
simplă colecţie de elemente sunt conexiunile şi interacţiunile dintre componentele sale, ca
şi efectul pe care aceste legături îl are asupra comportamentului său. De exemplu, relaţiile de
dependenţă dintre capital şi muncă fac o economie; fiecare componentă luată separat nu ar fi
suficientă”.
O privire mai atentă asupra structurii CAS relevă câteva caracteristici proeminente ale
acestora în ceea ce priveşte proprietăţile de mai sus. Astfel, CAS: (a) conţin un mare număr
de elemente interdependente (de exemplu molecule, neuroni, indivizi, pieţe, organizaţii
sociale etc.); (b) interacţiunile dintre aceste elemente sunt aleatoare; şi (c) topologia
interacţiunilor este distribuită. Prima caracteristică se referă la faptul că un sistem poate fi
analizat la nivel microscopic, mesoscopic sau macroscopic, putând extinde dimensiunile sale
până la infinit. Faptul că, în raport cu necesităţile analizei, ne oprim la un anumit nivel nu
epuizează nici pe departe informaţiile şi cunoştinţele pe care le putem obţine referitor la

acelaşi sistem dar abordat la un alt nivel. Din această cauză, studierea CAS constituie o
sursă inepuizabilă de cunoaştere a lumii reale. Caracterul aleator al interdependenţelor dintre
elemente presupune că, la un moment de timp dat, între două sau mai multe elemente,
conexiunile se pot forma cu o anumită probabilitate condiţionată de factori extrem de diferiţi,
ceea ce introduce o imensă varietate a tipurilor de conexiuni posibile între elemente. În
sfârşit, distribuirea interacţiunilor indică faptul că un CAS nu este omogen în ceea ce priveşte
structura interacţiunilor precum şi distribuirea lor spaţială. Această distribuire se poate referi
pentru unele sisteme doar la un spaţiu restrâns (nişă) în care acesta poate să apară şi să
existe (anumite specii de plante şi animale, firme specializate în extracţia unor zăcăminte
etc.), dar pentru alte sisteme distribuirea poate merge până la întreaga suprafaţă a globului
pământesc (companiile transnaţionale, pieţele globale etc.).
Oamenii de ştiinţă atrag tot mai frecvent atenţia că ne aflăm într-o perioadă în care are
loc o transformare profundă a întregii vieţi economice şi sociale, transformare în care reţeaua
devine o formă esenţială de organizare în toate domeniile. F. Capra arată că „Funcţiile
sociale dominante sunt organizate în tot mai mare măsură în jurul reţelelor, iar participarea la
aceste reţele este o sursă esenţială de putere.” (F. Capra, op. cit., pag. 214). Unii cercetători
merg chiar mai departe afirmând, cum o face Castells într-o analiză sociologică profundă a
Erei Informaţiei, că asistăm la dispariţia statului-naţiune, care este înlocuit cu „statul-reţea” ai
cărui cetăţeni sunt interdependenţi. Într-un astfel de stat, luarea deciziilor politice majore
trebuie să ţină seama de efectele pe care acestea le-ar exercita aceste decizii asupra tuturor
membrilor societăţii, fiindcă aceştia vor afecta cu necesitate întreaga reţea.
3.1 Ce sunt reţelele complexe?
O reţea reprezintă o mulţime de noduri sau vârfuri care sunt conectate între ele prin
arce. Sistemele sub formă de reţea sunt extrem de frecvente în natură, tehnică, economie
sau societate. Exemple de astfel de sisteme care conţin reţele sunt Internetul, reţelele
neuronale, reţelele metabolice, reţelele de comunicaţii, reţelele de distribuţie, reţelele de
afaceri etc.
Studiul sistematic al reţelelor a început încă din 1735 când Euler a rezolvat prima
problemă de drumuri într-o reţea, cunoscută sub numele de problema podurilor de la
Könisberg şi întemeind, astfel, teoria modernă a grafelor. Conform manuscriptului lui Euler,
„În oraşul Könisberg din Prusia există o insulă A, numită Kneiphoff, cu cele două braţe ale
râului Pregel curgând în jurul ei. Există şapte poduri a, b, c, d, e, f şi g traversând cele două
braţe. Problema este dacă o persoană poate să planifice un drum în aşa fel încât el să
traverseze fiecare dintre aceste poduri odată şi numai odată. […] Pe baza celor de mai sus
am formulat următoarea problemă generală pontru mine însumi. Dându-se orice configuraţe
a râului şi ramurile în care acesta poate fi separat, ca şi numărul de poduri, să se determine
dacă este posibil să se traverseze fiecare pod doar odată.” Soluţia lui Euler la această
problemă s-a dezvoltat natural din formularea problemei, arătând încă odată cât de
importantă este formularea problemei, poate chiar mai mult de cât rezolvarea acesteia.
Euler a observat că distanţa fizică nu are importanţă în această problemă şi a reprezentat-o
sub forma unui graf – o mulţime de noduri şi legături conectând fiecare pereche de noduri
(Figura 3.1)
Figura 3.1: Problema lui Euler a celor şapte poduri
Euler a împărţit nodurile în pare şi impare pe baza parităţii gradului unui nod, deci a
numărului de legături direct conectate la nod. El a demonstrat că:
1) Suma gradelor nodurilor unui graf este pară;
2) Fiecare graf trebuie să aibă un număr par de noduri impare.
Aceste constatări l-au condus la următorul rezultat:
a) Dacă numărul de noduri impare este mai mare decât 2 nu există un drum Euler (deci un
drum între două noduri arbitrare în care fiecare legătură din graf apare exact o dată;
b) Dacă numărul de noduri impare este 2, există drumuri Euler plecând din fiecare dintre
nodurile impare;
c) Dacă nu există noduri impare, drumurile Euler pot începe din oricare nod arbitrar.
Deoarece toate cele patru noduri din problema podurilor sunt impare, Euler a demonstrat că
nu există un drum care să traverseze fiecare pod o singură dată. Această lucrare a lui Euler
a dus, mai târziu, la apariţia teoriei grafelor şi de aici la teoria actuală a reţelelor prin
contribuţia esenţială a matematicienilor unguri Erdos şi Reny.
Reţelele sunt studiate astăzi extensiv în multe domenii ştiinţifice (tehnică, ecologie,
biologie, economie, ştiinţa calculatoarelor, ştiinţe sociale ş.a.) deoarece cu ajutorul lor se
poate reprezenta destul de uşor structura internă a unui sistem complex cât şi interacţiunile
dintre elementele componente (subsistemele) acestuia. În ultima perioadă interesul pentru
reţelele complexe a crescut enorm, mai ales în ştiinţele economice şi sociale. Sistemele
studiate de aceste ştiinţe încorporează reţele sociale complexe care au, de regulă, drept
vârfuri indivizi, companii, corporaţii, pieţe, grupuri sociale mici, comunităţi umane ş.a., iar
drept arce interacţiunile dintre acestea.
În reţelele sociale complexe pot fi puse în evidenţă anumite proprietăţi care au o
influenţă puternică asupra modului în care se propagă influenţele reciproce dintre
componentele reţelei şi, mai ales, asupra modului în care evoluează reţeaua în decursul
timpului.
Dezvoltarea explozivă a comunicaţiilor şi rolul jucat de acestea în buna funcţionare a
sistemelor economice şi sociale a dat un impuls puternic cercetărilor din domeniul reţelelor
sociale complexe. Utilizând concepte şi metode noi, bazate pe analiza statistică a
proprietăţilor vârfurilor şi arcelor unei reţele complexe, au putut fi abordate reţele care conţin
milioane sau chiar miliarde de noduri şi arce. Proprietăţile grafelor de dimensiuni mici (având
câteva zeci sau sute de noduri şi arce) se dovedesc inoperante în condiţiile reţelelor
complexe de dimensiuni mari. De exemplu, dacă în cazul uni graf de dimensiuni mici putem
determina ce influenţă exercită dispariţia unui nod sau unui arc, în cazul reţelelor complexe
acest lucru nu prezintă prea multă importanţă, trecând pe primul plan probleme cum ar fi: „
Ce procent dintre vârfuri trebuie să dispară astfel încât acest lucru să afecteze în mod
semnificativ conectivitatea reţelei?”.
Există şi alţi factori care au determinat apariţia unei schimbări în interesul
cercetătorilor pentru reţelele complexe. Atunci când o astfel de reţea cuprinde milioane sau
miliarde de componente, reprezentarea ei vizuală este extrem de dificilă. Totuşi, combinarea
metodelor statistice de analiză a reţelelor cu mijloacele de reprezentare pe calculator a
obiectelor 3D a dus la apariţia unei adevărate imagistici a reţelelor complexe, care pot fi
acum analizate nu numai cu mijloace formate, dar şi vizual.
Cercetările actuale în acest domeniu se orientează cu precădere în trei mari direcţii.

Prima direcţie încearcă să determine proprietăţile statistice ale reţelelor complexe, proprietăţi
cu ajutorul cărora putem caracteriza structura şi comportamentul sistemelor care includ astfel
de reţele. A doua direcţie încearcă creeze modele ale reţelelor cu ajutorul cărora să
înţelegem mai bine proprietăţile reţelelor şi efectele lor asupra sistemelor complexe. A treia
direcţie încearcă să găsească regulile şi legităţile care guvernează evoluţia reţelelor, astfel
încât să se poată stabili modul în care aceste reguli şi legităţi influenţează vârfurile
individuale sau o parte a reţelei.
3.2 Tipuri de reţele complexe
Existenţa unui număr mare de noduri şi arce între acestea nu reprezintă singura sursă
de complexitate în cazul reţelelor din lumea reală. Frecvent, nodurile şi/sau arcele din reţele
sunt de tipuri diferite. De asemenea, vârfurile şi arcele pot avea o serie de proprietăţi,
calitative şi cantitative, care sporesc complexitatea reţelelor. De exemplu, într-o reţea
complexă din economie, nodurile pot să reprezinte agenţi economici diferiţi, producători sau
consumatori, instituţii financiare sau agenţii economice ale statului. Arcele pot reprezenta
relaţii de cooperare, relaţii de competiţie, obligaţii de plată sau, pur şi simplu, proximitatea
geografică.
Arcele pot fi orientate şi pot conţine informaţii privind intensitatea sau ponderea
acestor relaţii. De asemenea, între reţele există diferenţe în raport cu sistemele complexe pe
care le reprezintă. Datorită acestor aspecte, reţelele complexe au fost clasificate în funcţie de
natura sistemelor complexe reprezentate în următoarele tipuri:
a) Reţele sociale:
- Colaborarea actorilor;
- Comitete de direcţie;
- Contacte ştiinţifice;
- Mesaje e-mail;
- Contacte sexuale ş.a.
b) Reţele informaţionale:
- World Wide Web;
- Reţele de citări;
c) Reţele tehnologice:
- Internetul;
- Reţeaua Grid;
- Pachetele software;
- Circuitele electronice;
- Reţeaua de aerroporturi;
- Reţeaua de cale ferată;
d) Reţele biologice:
- Reţele metabolice;
- Reţele genetice;
- Reţele neurale;
- Reţele ecologice etc.
-
3.2.1 Reţele sociale complexe
O reţea socială reprezintă o mulţime de oameni sau grupuri de oameni cu un anumit
tip de contacte sau interdependenţe între ei. Tipurile principale de contacte pot fi relaţii de
prietenie sau de rudenie, relaţii de afaceri între companii, contactele sociale dintr-o anumită
comunitate, contacte ştiinţifice dintr-o comunitate de oameni de ştiinţă ş.a. Sociologia şi alte
ştiinţe sociale au fost, de-a lungul timpului, interesate de astfel de reţele. Sociologi precum
Jacob Moreno sau Elton Mayo au fost promotorii unor metode cantitative de studiu al
grupurilor mici (primul a studiat relaţiile de prietenie dintr-un colegiu, iar al doilea reţelele
sociale create între muncitorii din fabricile din Chicago). Anatol Rapaport a fost printre primii
matematicieni preocupaţi de proprietăţile cantitative ale reţelelor.
Figura 3.2 Reţea a legăturilor de prietenie într-un colegiu american

Figura 3.3 : Reţea colaborativă
În ultimii ani, modelele denumite „Small-world” ale lui Milgram au dus la un concept
devenit celebru al celor „şase grade de separare”
Datorită problemelor legate de acurateţea datelor, subiectivitatea răspunsurilor şi
numărul mic de eioane, reţelele sociale necesită un efort destul de mare în construcţie şi
studiu. Din această cauză, o tot mai mare atenţie se acordă reţelelor colaborative care
reprezintă reţele în care participanţii colaborează în grupuri diferite iar legăturile dintre
perechile de indivizi sunt determinate de apartenenţa la un grup comun. De exemplu, o reţea
colaborativă este cea a actorilor de film care apare în Internet ovie Database. În această
reţea, actorii care apar în filme sunt consideraţi ca fiind conectaţi dacă ei apar în acelaşi film.
Figura 3.4: Reţeaua contactelor sexuale într-un campus studenţesc
O altă reţea colaborativă este cea a directorilor de companii, doi directori fiind legaţi
între ei dacă aparţin aceluiaşi Consiliu de directori.
Un alt tip de reţea socială este cea comunicaţională. În cadrul acesteia, fiecare arc
(orientat) între doi oameni reprezintă un mesaj trensmis prin poştă, telefon sau e-mail de la
unul la celălalt. De exemplu, într-o reţea a telefoanelor date, numărul de vârfuri ale grafului
care corespunde unui număr de telefon, este enorm, ajungând la 50 de milioane, cea mai
mare reţea după cea a World Wide Web (Aiello ş.a.). Ebel ş.a. au reconstruit experimentul lui
Milgram în cazul mesajelor e-mail transmise între 500 de studenţi de la universitatea din Kiel,
Germania. În această reţea, vârfurile sunt adrese de e-mail iar arcele orientate reprezintă
mesaje transmise de la un student la altul. S-a observat, în acest caz. Că regula celor şase
grade de separare se menţine şi în cazul unei astfel de reţele.
3.2.2 Reţele informaţionale

O altă categorie de reţele este cea a reţelelor informaţionale (sau de cunoaştere).

Exemplul cel mai des întâlnit este cel al reţelei citărilor între articolele ştiinţifice. Vârfurile
acestei reţele sunt articole, iar un arc orientat de la articolul A la articolul B arată că A citează
pe B. Reţelele de acest tip sunt aciclice deoarece o lucrare citată nu poate, la rândul său, să
citeze o altă lucrare în care este citată deoarece ea nu este încă scrisă. Reţelele de citări
sunt o sursă importantă de date pentru studiile statistice ale reţelelor datorită abundenţei şi
acurateţei datelor oferite. Astfel de date l-au condus pe Alfred Lotka la descoperirea, în 1926
a aşa-numitei Legi a Productivităţii Ştiinţifice. Conform acestei legi, distribuţia numărului de
lucrări ştiinţifice scrise de un om de ştiinţă urmează o lege de tip putere. Deci numărul de
oameni de ştiinţă care au scris k lucrări scade cu k-α pentru o anumită constantă α. Această
lege s-a constatat că se aplică nu numai în acest domeniu, dar şi în alte domenii cum ar fi
artele sau medicina.
Un alt exemplu de reţea inforrmaţională o reprezintă World Wide Web care este o
reţea de pagini Web conţinând informaţii, legate între ele prin hiperlinkuri de la o pagină la
alta. WWW nu se confundă cu Internetul, care reprezintă reţeaua fizică de calculatoare
legate împreună prin fibre optice şi alte tipuri de conexiuni.
Figura 3.5 : Reţeaua WWW

WWW este o reţea ciclică; nu există o relaţie de ordine naturală între site-uri şi nici o
regulă care să prevină apariţia de bucle închise. În ultimul timp, WWW este intens studiat,
având o serie de proprietăţi interesante.
Tot în categoria reţelelor informaţionale se includ şi reţelele peer-to-peer care sunt
reţele virtuale de calculatoare care împart între ele fişiere existente utilizate de utilizatori
plasaţi într-o reţea locală. Reţeaua relaţiilor între clasele de cuvinte dintr-un tezaur este
utilizată în definirea de ontologii şi găsirea sensului celui mai potrivit al unui concept care
reprezintă o idee. Reţelele semantice (Semantic Web) sunt astăzi intens studiate deoarece
ele permit reprezentarea structurii unui limbaj şi, prin aceasta, ajută la realizarea
corespondenţelor dintre limbaje în traducerea automată.
Reţelele preferenţiale reprezintă reţele informaţionale bipartite. O reţea preferenţială
este reţeaua care are două tipuri de vârfuri reprezentând indivizi şi obiecte preferate, cum ar
fi cărţi, filme etc., cu o latură conectând fiecare individ cu cărţile sau filmele preferate. Laturile
acestor reţele preferenţiale sunt ponderate în funcţie de intensitatea acestor preferinţe. Prin
intermediul algoritmilor de filtrare colaborativă şi a sistemelor de recomandare se pot
determina liste de obiecte preferate de doi sau mai mulţi indivizi în acelaşi timp. Astfel de
reţele au multiple aplicaţii în comerţul on-line.
3.2.3 Reţele tehnologice

A treia clasă de reţele sunt cele tehnologice care sunt realizate de om şi utilizate, în
general, pentru distribuţia unor produse sau resurse, cum ar fi electricitatea, apa sau
informaţia. Reţelele electrice se pot întinde pe tot cuprinsul unei ţări sau chiar continent. Ate
reţele tehnologice sunt reţeaua de drumuri, căi ferate sau chiar a străzilor dintr-un oraş.
Reţeaua de râuri poate fi considerată o reţea naturală dar dacă ea este folosită pentru
transportul de mărfuri, devine o reţea tehnologică.
O reţea tehnologică mult studiată este Internetul care reprezintă reţeaua de conexiuni
fizice între calculatoare. Deoarece există un număr extrem de mare de calculatoare
conectate la Internet, număr care este în continuă creştere, structura acestei reţele este de
obicei studiată la nivelul rutelor, calculatoarelor cu scopuri speciale (providere0 sau al
controlului fluxurilor de date.
O reţea autonomă (Intranet) este cea care conectează un grup de calculatoare locale
între care fluxurile de date sunt transmise cu ajutorul Internetului. Calculatoarele unei
universităţi pot forma un sistem autonom (Intranet) care poate avea conexiuni interne
(Intranet) dar şi externe.
Figura 3.6 Reţeaua Internet
3.2.4 Reţele biologice

Un mare număr de sisteme biologice pot fi reprezentate ca reţele complexe. Un
exemplu îl reprezintă reţeaua metabolică, în care vârfurile sunt diferite substanţe iar arcele
unesc acele vârfuri între care există o reacţie metabolică ce duce la apariţia unui produs.
Individul este alcătuit dintr-o reţea gigantică de tip metabolic.
O altă reţea este cea genetică. O genă, care conţine un cod genetic dat de ordinea
proteinelor conţinute, poate fi controlată de prezenţa altor proteine, care sunt activatori sau
inhibitori, astfel încât genomul însuşi formează o reţea ale cărei vârfuri sunt reprezentate de
proteine şi arce reprezintă dependenţa de producţia de proteine din celelalte vârfuri. Reţelele
genetice reprezintă încă un domeniu de studiu şi cercetare pentru viitor, deoarece încă nu
sunt clarificate toate dependenţele dintre proteinele ce alcătuiesc codul genetic.
Un alt tip de reţea biologică este reprezentat de ecosisteme în care vârfurile sunt
speciile din cadrul ecosistemului iar arcele orientate de la specia A la specia B indică faptul
că A îl hrăneşte pe B.
Figura 3.7 Reţeaua uni ecosistem
Reţelele neurale reprezintă un alt tip de reţea biologică de o importanţă foarte mare.
Structura acestei reţele a creierului uman este încă un subiect intens de studiu în ştiinţele
creierului.
3.3 Proprietăţile reţelelor complexe
Studiul reţelelor complexe necesită o varietate de tehnici şi metode cu ajutorul cărora

să înţelegem şi să putem face previziuni privind comportamentul sistemelor complexe care le
conţin. În continuare vom introduce câteva dintre proprietăţile reţelelor complexe sub forma
unor măsuri cu ajutorul cărora putem exprima formele interconexiunilor dintre diferitele
elemente componente ale sistemelor complexe. După aceea, ne vom referi la modalităţile de
utilizare ale acestor proprietăţi cantitative în studiul teoretic şi empiric al reţelelor complexe.
Pentru a fixa lucrurile, în termeni matematici, o reţea este un graf în care vârfurile
(nodurile) şi laturile (arcele) au valori asociate lor. Un graf G este definit de o pereche de
mulţimi G={V, E}, unde V este mulţimea vârfurilor, notate cu v1, v2, …, vn şi E este o mulţime
de laturi care conectează perechile de vârfuri vi, vj aparţinând lui V. O mulţime de vârfuri unite
de laturi este cel mai simplu tip de reţea.
Figura 3.8 Un graf cu opt vârfuri
Reţelele pot fi însă mult mai complicate. De exemplu, pot exista mai multe tipuri de
vârfuri sau mai multe tipuri de laturi. De asemenea, vârfurile pot avea anumite proprietăţi. De
asemenea, laturile pot fi orientate (caz în care se numesc arce) iar grafele cu astfel de arce
se numesc digrafe sau grafe direcţionate. Arcele sau chiar şi laturile pot avea ponderi
înscrise pe ele, ponderi care pot indica diferite lucruri ce caracterizează legătura dintre vârfuri
(mărimea unui flux, intensitatea unei relaţii, probabilitatea de realizare a conexiunii etc.).
În figura 3.8 se reprezintă diferite tipuri de reţele.
Figura 3.9 Diferite tipuri de reţele
3.3.1 Microscara şi macroscara

Atunci când abordăm reţelele complexe, putem să o facem la microscară sau
macroscară. Din punct de vedere microscopic, interesul se va îndrepta către rolul jucat de
vârfuri în contextul general al reţelei. Din această perspectivă, au fost introduse o serie de
măsuri ale centralităţii vârfurilor şi ale rolurilor jucate de către acestea. De exemplu, gradul
unui vârf corespunde cu numărul de legături care ajung la acesta, iar distanţa medie este o
măsură a distanţei măsurată ca cel mai mic număr de arce necesare pentru a trece de la un
vârf la altul. Un alt indicator, coeficientul de clusterizare al unui vârf, măsoară numărul de
legături dintre vecinii unui vârf dat. În sfârşit, o altă măsură interesantă o reprezintă
„betweenness-ul” unui vârf care corespunde numărului de drumuri de lungime minimă dintre
fiecare pereche de vârfuri dintr-o reţea care merg la un nod de referinţă.
Pe de altă parte, când avem de-a face cu reţele foarte mari, rolul jucat de vârfurile
individuale nu mai prezintă interes, astfel că se preferă o caracterizare statistică a reţelei. La
nivel de macroscară sunt studiate cantităţi medii, cum ar fi gradul mediu al vârfurilor, distanţa
medie dintre vârfuri, coeficientul mediu de clusterizare, diametrul reţelei, măsurat ca distanţa
maximă dintre vârfuri. O altă caracterizare statistică a reţelelor complexe se poate face cu
ajutorul distribuţiei gradelor, al încărcării acestora sau al corelaţiilor.
3.3.2 Conectivitatea
Gradul în care vârfurile unei reţele sunt conectate direct se numeşte conectivitate. O
reţea cu o conectivitate înaltă are un număr mare de laturi în raport cu numărul de vârfuri.
Pentru a calcula conectivitatea unei reţele cu N vârfuri şi k laturi, avem:
k
C =
N ( N − 1)
3.3.3 Distribuţia gradelor
Gradul unui vârf într-o reţea este dat de numărul de laturi sau conexiuni ale unui nod.
Funcţia de distribuţie P(k) dă probabilitatea ca un vârf ales aleatoriu să aibă exact k laturi.
Reprezentarea lui P(k) pentru o reţea complexă formează o histogramă a gradelor asociate
vârfurilor, aceasta reprezentând distribuţia gradelor sau numărul de vârfuri care au acelaşi
număr de laturi din reţea.
3.3.4 Drumul mediu de lungime minimă

Lungimea drumului mediu, l , reprezintă numărul mediu de laturi sau conexiuni dintre
vârfuri, care trebuie să fie străbătute pe drumul cel mai scurt dintre două vârfuri dintr-o reţea.
Acest număr se calculează cu ajutorul relaţiei:
N N
2
l= ∑ ∑ l min (i, j )
N ( N − 1) i =1 j =1
unde lmin(i,j) este distanţa minimă dintre vârfurile vi şi vj.
3.3.4 Diametrul reţelei
Diametrul unei reţele, D este cel mai lung drum minim din reţea. Diametrul este definit
ca:
D = max l min (i, j )
i, j
3.3.5 Coeficientul de clusterizare

O proprietate comună multor reţele sociale este clica. Aceasta reprezintă un grup de
prieteni în care fiecare membru al grupului îi cunoaşte pe ceilalţi membri.
Pentru un vârf dat, vi dintr-o reţea cu ki vecini, gradul de clusterizare în jurul vârfului vi
este definit ca raportul dintre numărul de legături existente în realitate cu cei ki vecini şi
k i (k i − 1)
numărul de legături potenţiale. Fie Ei numărul de legături existente între cei ki
2
vecini. Coeficientul de clusterizare este atunci dat de:
1 N Ei
CC = ∑
N i =1 ki (ki − 1)
3.3.6 Subgrafe
Uneori în studiul reţelelor complexe apere necesitatea separării din cadrul acesteia a
unor părţi care sunt definite prin anumite proprietăţi comune ale vârfurilor şi/sau laturilor.
Aceste părţi reprezintă subgrafe. Un graf Gi constând dintr-o mulţime de vârfuri Vi şi o
mulţime de laturi Ei se numeşte subgraf al lui G={V, E} dacă Vi ⊂ V şi Ei ⊂ E. cele mai
simple exemple de subgrafe sunt ciclurile, arborii şi subgrafele complete.
Un ciclu este o buclă închisă de k laturi, astfel încât diecare două laturi consecutive au
doar un vârf comun.
Un arbore este de ordin k dacă are k vârfuri şi k-1 laturi şi nici un subgraf al său nu
este un ciclu. Gradul mediu al unui arbore de ordin k este dat de:
2
〈k 〉 = 2 −
k
Care tinde către 2 cu cât arborele are dimensiuni mai mari.

k (k − 1)
Un subgraf complet de ordin k conţine k vârfuri şi toate cele laturi posibile
2
între acestea; cu alte cuvinte, toate vârfurile din subgraful complet sunt conectate la celelalte
vârfuri.
3.3.7 Mărimea componentei gigant

În general, o reţea complexă poate conţine părţi care pot fi deconectate (separate) de
reţea atunci când analiza o impune. Considerând un cluster de vârfuri din care se poate
atinge oricare vârf al acestui cluster, acesta se numeşte componentă puternic conectată.
Dacă cea mai mare componentă puternic conectată conţine o parte finită a mulţimii vârfurilor
dintr-o reţea, aceasta se numeşte componentă puternic conectată gigant.
Figura 3.10 Componenta puternic conectată gigant
Clusterele conectate obţinute dintr-o reţea complexă orientată prin ignorarea direcţiei
arcelor acesteia se numesc componente slab conectate şi se poate defini componenta slab
conectată gigant ca acea componentă slab conectată care are vârfurile cele mai multe.
3.3.8 Criticalitatea
Poate cea mai interesantă proprietate a reţelelor complexe o constituie criticalitatea.

Aceasta presupune existenţa unui prag critic începând de la care se formează componentele
gigant. Sub acest prag, reţeaua există sub forma unor subgrafe deconectate. Peste acest
prag, graful se transformă într-un cluster complet conectat.
Figura 3.11 Fenomene critice în reţele complexe
În figura 3.11 (a)

CAPITOLUL 4
PROCESE FEEDBACK FUNDAMENTALE

ÎN SISTEMELE ADAPTIVE COMPLEXE
Feedbackul reprezintă o caracteristică esenţială a sistemelor adaptive

complexe. El presupune existenţa unor conexiuni şi inderdependenţe directe şi/sau
mediate între agenţii care se află pe un anumit nivel sau pe nivele diferite ale CAS.
Prin intermediul feedbackului se transmit informaţii necesare proceselor de adaptare
şi selecţie, se definesc strategii de supravieţuire şi se controlează intensitatea
fluxurilor dintre diferiţi agenţi. De asemenea, feedbackul este cel care declanşează şi
mediază procesele de emergenţă. F. Capra, referindu-se la apariţia noului în
sistemele complexe, arată: ,,Într-o organizaţie umană, evenimentul declanşator al
procesului de emergenţă poate fi un comentariu improvizat, care să pară important
persoanei care l-a făcut, dar să fie semnificativ pentru o serie de oameni dintr-o
comunitate de practică. Fiindcă are semnificaţii pentru ei, aceştia vor dori să fie
perturbabili şi vor circula rapid informaţia prin reţelele organizaţiei. Pe măsură ce
traversează diferite bucle de feed-back, se poate ca informaţia să fie amplificată şi
extinsă, eventual într-o asemenea măsură încât organizaţia să nu o mai poată
absorbi, în structura sa actuală. Când se întâmplă acest lucru, înseamnă că s-a atins
un punct de instabilitate. Sistemul nu mai poate să integreze noua informaţie în
ordinea sa existentă; el este forţat să-şi abandoneze unele structuri, comportamente
sau credinţe. Rezultatul este o stare de haos, confuzie, incertitudine şi îndoială; iar
din starea aceasta haotică ia naştere o nouă formă de ordine, organizată în jurul unei
noi semnificaţii. Noua ordine nu a fost planificată de vreun individ, ci s-a ivit ca
rezultat al creativităţii colective a organizaţiei” (F. Capra, 2004, p. 171 – 172).
Capitolul 3 – Procese feedback fundamentale în sistemele adaptive complexe
Transformarea rapidă a economiei, care a trecut de la aşa numita economie a

,,cărămizii şi mortarului” la o economie de tip reţea (networked economy) a făcut ca
rolul şi importanţa proceselor feedback să devină majore. Tot F. Capra spune: ,,Noua
economie constă dintr-o metareţea globală de interacţiuni tehnologice şi umane
complexe, implicând multiple bucle de feed-back care operează departe de echilibru
şi produce o diversitate nesfârşită de fenomene emergente”. (F. Capra, 2004, p.
203).
Deşi sunt cunoscut de o lungă perioadă de timp∗), mecanismele şi
dispozitivele de reglare sunt destul de târziu teoretizate şi recunoscute ca fiind
universale în sistemele reale. Astfel, la prima întâlnire Macy, care a avut ca subiect
,,inhibiţia cerebrală” şi la care au participat Gregory Bateson, Waren McCulloch,
Margret Mead, Laurance Frank, Laurance Kubic şi Arturo Rosenblueth, acesta din
urmă prezintă o comunicare privind ,,mecanismele teleologice”, ,,cauzalitatea
circulară” şi ,,feedback” (1942). Ideile acestuia sunt reluate într-o lucrare colectivă
intitulată ,,Behavior, Purpose and Teleology”, având drept autori pe A. Rosenblueth,
N. Wiener şi Julian Bigelow şi care, se pare, este prima lucrare ştiinţifică în care
mecanismele de control care urmăresc un scop sunt denumite ,,feedbackuri”.
De fapt, prima dintre conferinţele Macy, reluate după război, ce a avut loc în
1946, a avut drept temă ,,Feedback Mechanism and Circular Canal Systems în
Biological and Social Systems”, este considerată locul de naştere al ciberneticii. Deci
această ştiinţă ia fiinţă, practic, pornind de la înţelegerea importanţei mecanismelor şi
proceselor feedback în sistemele reale.
Trebuie, totuşi, amintit faptul că omul de ştiinţă român Ştefan Odobleja, în
lucrarea sa fundamentală ,,Psychologie Consonaniste", accentuase rolul feedback-
ului şi universalitatea acestuia în sisteme încă din anii 1938 -–1939. Meandrele
necunoscute ale dezvoltării ştiinţei au făcut însă ca această contribuţie exepţională
să fie recunoscută mult mai târziu.
Principiul care stă la baza construcţiei unei bucle feedback este deosebit de
simplu. Diversitatea de situaţii în care bucla feedback apare face însă ca efectele
acesteia să fie deosebit de complexe. Vom prezenta, în continuare, câteva dintre
definiţiile şi viziunile privind bucla feedback şi importanţa acesteia în sistemele
∗)
Un grec numit Ktesibos din Alexandria ar fi inventat un dispozitiv de reglare a apei care mişca limbile unui
ceas (cca 270 B.C.) iar Phiton din Bizanţ a utilizat un regulator plutitor pentru a păstra constant nivelul uleiului
din lămpi (cca 250 B.C.).
adaptive complexe. Vom introduce câteva dimensiuni distincte ale feedbackului,

după care vom arăta rolul şi importanţa mecanismelor feedback în economie.
3.1. Feedback-ul – definiţii şi proprietăţi
Mecanismul feedbackului are o definiţie foarte simplă: ,,influenţa exercitată

asupra inputului de către o parte a outputului” (Golec, 2004). Cu toată această
simplitate, nu trebuie subestimată importanţa mecanismelor feedback şi ubicuitatea
acestora în oricare tip de sisteme, de la nivel micro sau macro.
Definiţia de mai sus poate fi extinsă, considerând două viziuni diferite asupra
feedbackului, una sistemică şi cealaltă decizională.
Din punctul de vedere al abordării sistemice, mecanismele feedback au un
rol important în orice sistem complex. Prin întoarcerea unei părţi a outputului din nou
în sistem, se obţine un mecanism de reglare. Reglarea se bazează pe două mari
tipuri de feedback: feedback pozitiv şi feedback negativ.
Mecanismele feedback pozitive sunt acelea în care acţiunea rezultată merge
în aceeaşi direcţie ca şi condiţia care a determinat-o.
De exemplu, într-un sistem economic, creşterea veniturilor populaţiei
determină sporirea volumului economisiri. Creşterea economiilor la nivelul întregii
economii duce la creşterea volumului investiţiilor directe. Realizarea unui număr din
ce în ce mai mare de capacităţi de producţie determină creşterea numărului de locuri
de muncă, deci a volumului de salarii câştigate de angajaţi. Acest lucru duce la o
nouă sporire a veniturilor populaţiei. Se observă că, în cadrul acestei bucle feedback,
tendinţa este ca mărimea diferitelor variabile aflate pe conturul acesteia să crească,
obţinându-se, în final, o nouă creştere a variabilei care a declanşat procesul, şi
anume veniturile populaţiei. Spunem că avem, în acest caz, o buclă feedback
pozitivă.
O buclă feedback se numeşte negativă dacă acţiunea rezultată se opune
condiţiilor care au determinat-o. Astfel spus, dacă creşterea unei variabile a
determinat activatea buclei feedback respective, atunci, după parcurgerea conturului
buclei, în etapa (iteraţia) următoare, acea variabilă va înregistra o scădere.
De exemplu, o creştere a veniturilor populaţiei duce la creştere economisirii.
Aceasta face ca oferta de depozite bancare să crească. Datorită creşterii ofertei de
depozite, rata reală a dobânzii la depozite va scădea. Acest lucru determină o
scădere a volumului de depozite depuse în bănci, indivizii preferând să investească

sub alte forme. Scăderea volumului depozitelor face ca veniturile populaţiei să
înceapă să se reducă. Se observă că efectul obţinut după parcurgerea întregului
contur al buclei feedback este opus celui iniţial, deci bucla feedback este negativă.
Se observă, deci, că buclele feedback pot fi pozitive sau negative. De fapt, în
sistemele adaptive, rareori se întâmplă ca o buclă feedback să se manifeste în mod
clar ca un feedback pozitiv sau negativ. Aceasta se întâmplă deoarece diferitele
variabile aflate pe conturul unei bucle pot să fie încorporate şi altor bucle feedback
care au polaritatea diferită.
Esenţial, însă, este să se înţeleagă faptul că mecanismele feedback dintr-un
CAS pot să se manifeste ca nişte feedbackuri pozitive, caz în care ele au un efect de
stimulare, de amplificare a acţiunilor pe care le determină în sistem, sau feedbackuri
negative, atunci când au efecte de stabilizare, de echilibrare şi de menţinere a
integrităţii sistemului în raport cu mediul său înconjurător. Ambele procese feedback
sunt esenţiale pentru CAS, un proces nelimitat de creştere, de dezvoltare într-o
anumită direcţie putând fi tot atât de distructiv ca şi cel datorită pierderii stabilităţii
sistemului, epuizării resurselor din mediu, efectelor colaterale pe care le determină
asupra mediului ca şi un proces în care sistemul rămâne mult timp într-o stare
staţionară, fără perspectivă de a induce în sistem noutatea, creativitatea şi auto-
organizarea.
În abordarea sistemică, mecanismele feedback sunt foarte importante pentru
reprezentarea interacţiunii reciproce dintre elementele sistemului. Totuşi, o astfel de
abordare poate fi, într-un anumit sens, ,,endogenă”, în măsura în care părţile
sistemului sunt considerate incerte, incapabile să se modifice în raport cu starea
mediului lor înconjurător.
Concepţia decizională priveşte feedback-ul ca o transmitere a informaţiei
de evaluare sau corective la sursa originală sau controloare. Această informaţie se
poate referi la o acţiune, în eveniment sau un proces.
Dacă ne referim, de exemplu, la deciziile luate în sistemele sociale, acestea
sunt bazate, în mare măsură, pe conceptul de feedback. Managerii organizaţiilor
încearcă să estimeze corectitudinea deciziilor adoptate în trecut observând outputul
rezultat ca urmare a deciziilor adoptate şi introduc corecţiile necesare.
Pentru deciziile de grup, guvernarea democratică este un exemplu de control

prin feedback al legilor adoptate, corecţiile necesare fiind introduse, de exemplu, prin
alegeri.
Cea mai importantă consecinţă a informaţiei transmise prin feedback este
influenţa asupra motivaţiei şi consistenţei decidenţilor. Este, de regulă, acceptat
faptul că un decident, primind un feedback pozitiv, tinde să fie motivat şi să continue
cursul precedent al acţiunii cu mici modificări. Dacă el se confruntă cu un feedback
negativ, atunci are tendinţa de a pierde motivaţia şi a căuta alte alternative pentru
rezolvarea problemei.
O altă consecinţă importantă a feedbackului este raporturile sale cu învăţarea.
În general învăţarea nu poate să aibă loc fără existenţa a cel puţin unui feedback.
Învăţarea fără feedback este asemănată cu conducerea unei maşini legat la ochi,
acest lucru se poate, dar conduce rapid la apariţia unui accident.
Există mai multe criterii cu ajutorul cărora putem să clasificăm, în continuare,
buclele şi mecanismele feedback. Astfel, un prim criteriu este simplitatea acestora:
putem avea bucle feedback simple, constituite dintr-un singur feedback şi bucle
feedback complexe (multiple) care conţin mai multe feedbackuri, posibil de polarităţi
diferite.
Un alt criteriu este durata; în general, feedbackul se obţine imediat după
adoptarea unei decizii, desfăşurarea unei acţiuni sau a unui proces. Există, însă, şi
bucle feedback cu întârziere, atunci când informaţia transmisă prin buclă necesită un
anumit timp până când este prelucrată şi transmisă.
În funcţie de sursa feedbackului, putem avea bucle feedback extrinseci, care
provin din surse externe, sau bucle feedback intrinseci, care provin din interiorul
sistemului.
În raport cu puterea explicativă a feedbackului, dacă feedbackul oglindeşte
doar evoluţia dinamică a problemei (deci arătând doar rezultatul unei decizii
anterioare) se numeşte feedback al outputului. În schimb, dacă feedbackul descrie
de ce problema a evoluat într-un anumit mod, se numeşte feedback cognitiv.
În sfârşit, în funcţie de efectul sau efectele pe care le exercită bucla feedback
asupra unei mărimi considerate rezultative din procesul de feedback, avem: bucle
feedback multiplicator, în cazul în care efectul final se obţine înmulţind variabile
respectivă cu o constantă de multiplicare; bucle feedback accelerator, dacă efectul
procesului feedback se exercită asupra vitezei cu care creşte sau scade variabila
rezultativă considerată şi, în sfârşit, bucle feedback mixte (accelerator-multiplicator),

caz în care viteza de modificare a variabilei respective se înmulţeşte, la rândul ei, cu
o constantă.
Trebuie arătat că aceste clasificări se referă doar la buclele feedback
elementare; în realitate însă buclele feedback sunt, de cele mai multe ori, multiple.
Agenţii unui CAS sunt conectaţi prin intermediul unei multitudini de legături şi
conexiuni ce formează reţele şi plase în nodurile cărora se află agenţii respectivi iar
configuraţia reţelelor determină apariţia a diferite bucle feedback.
De aceea, în abordarea CAS, rareori se întâmplă să vorbim de bucle feedback
simple; aceste sisteme conţin adevărate mecanisme feedback care se formează în
mod obiectiv, ele nefiind rezultatul unei anumite voinţe umane. Apariţia şi
funcţionarea lor este determinată de necesitatea ca sistemul adaptiv complex să-şi
menţină stabilitatea şi integritatea şi, în acelaşi timp, să răspundă în mod adecvat
constrângerilor şi perturbaţiilor de orice fel venite din mediul extern.
Aceste mecanisme feedback, denumite în abordările cibernetice ale
sistemelor, mecanisme de reglare şi autoreglare, fac obiectul unor multiple
abordări şi încercări de a le înţelege în profunzime funcţionarea şi efectele pe care le
determină în sistemele adaptive complexe. Astfel, F. Capra, referindu-se la procesul
de globalizare economică, arată că: ,,odată ce reţelele financiare globale au atins un
anumit nivel de complexitate, interconexiunile lor neliniare au generat rapid bucle de
feedback care au dat naştere la numeroase fenomene emergente nebănuite. Noua
economie rezultată este atât de complexă şi de turbulentă încât desfide orice analiză
în termeni economici convenţionali” (Capra, 2004, pag. 201).
3.2. Mecanisme de reglare fundamentale ale sistemelor economice
Abordarea sistemelor economice ca sisteme adaqptive complexe pune în

evidenţă existenţa unor mecanisme feedback, sub forma unor lanţuri (cicluri) de
dependenţe cauzale între variabilele economice fundamentale. Variabile extrem de
importante, cum ar fi, de exemplu, venitul/outputul sunt influenţate prin intermediul
mai multor astfel de mecanisme feedback, nivelul final al acestora, obţinut la un
moment de timp specificat, fiind rezultatul suprapunerii şi întrepătrunderii dintre
efectele acestor mecanisme feedback ce acţionează în cadrul sistemului economic.
Aceste mecanisme feedback se formează în mod obiectiv, ele nefiind

rezultatul unei anumite voinţe umane, apariţia lor fiind determinată de necesitatea ca
sistemul economic să-şi menţină stabilitatea şi integritatea, răspunzând în mod
adecvat constrângerilor şi perturbaţiilor de orice fel venite din mediul extern (alte
sisteme economice, sistemul populaţiei, sistemul social etc.), dar şi de a asigura, în
limitele definite de toate aceste influenţe, desfăşurarea proceselor de atingere a
echilibrului, creşterii şi ciclicităţii, atât de necesare în procesul general de evoluţie şi
dezvoltare economică
Apariţia şi acţiunea unor astfel de mecanisme feedback de reglare şi autoreglare,

observate de mai mult timp de abordările cibernetice ale sistemelor economice, dar şi ale
sistemelor biologice, ecologice, sociale etc., este astăzi recunoscută ca fiind specifice
sistemelor complexe, indiferent de natura acestora. Existenţa acestor mecanisme feedback nu
constituie o surpriză. Economiştii cunoşteau că sistemul economic, privit ca sistem dinamic
evolutiv, îşi creează în mod natural astfel de mecanisme de reglare şi autoreglare pe care le
foloseşte apoi pentru asigurarea stabilităţii şi creşterii. Nici un sistem economic nu poate
supravieţui fără aceste mecanisme care să-i confere un anumit loc, o anumită poziţie şi putere
în raport cu celelalte sisteme economice sau de altă natură din mediul înconjurător.
Denumite, la descoperirea lor, mecanisme accelerator-multiplicator, ele au fost
reprezentate mai întâi sub forma unor scheme simple, incluzând câteva dintre variabilele
economice fundamentale (venitul/outputul, investiţiile, consumul, economisirea populaţiei
ş.a.), ca ulterior să se constate că aceste mecanisme sunt, de fapt, atotcuprinzătoare,
extinzându-şi influenţa şi puterea prin reţele care conectează întreg organismul economic ce
nu poate să existe şi să reziste mult timp fără ele. Cunoaşterea profundă a structurii şi
efectelor unor astfel de mecanisme sau efecte, cum mai sunt ele denumite (Chiarella, 2000)
este extrem de necesară din perspectiva înţelegerii comportamentelor sistemelor economice, a
proceselor emergente care au loc la nivelul întregului sistem macroeconomic şi a reţelelor
care se creează pe măsură ce sistemul economic global se extinde şi se consolidează. Tot mai
mulţi economişti realizează faptul că ne îndreptăm către o economie mondială de tip reţea,
proces accelerat de utilizarea din ce în ce mai intensă a tehnologiilor informaţionale în
organizarea şi conducerea sistemelor economice. In acest context, reţelele globale de fluxuri
financiare şi informaţionale tind să absoarbă şi să-şi subordoneze fluxurile de bunuri şi
servicii din cadrul economiilor naţionale. Tot F. Capra arăta: „Cufundate în nişte reţele
globale de fluxuri financiare, guvernele sunt tot mai puţin capabile să-şi controleze politicile
economice naţionale” (ibid., pag. 215).
Un alt motiv care determină efortul de a cunoaşte şi folosi aceste mecanisme

şi efecte priveşte perfecţionarea continuă a metodelor şi modelelor economice. De
regulă, metodele dezvoltate până acum consideră economia ca o structură ierarhică,
în care efectele se transmit liniar, iar mărimea influenţelor pe care le determină
acestea poate fi determinată cu o oarecare precizie. Drept urmare, relaţiile utilizate în
aceste modele sunt predominant liniare, aditiv separabile (efectele pot fi separate pe
factorii de influenţă care intră în relaţiile modelelor), iar efectele neliniare sau
multiplicative sunt greu de introdus, dacă nu chiar imposibil în forma actuală a
acestor modele.
3.2.1 Clasificarea mecanismelor feedback de reglare
Mecanismele feedback de reglare, denumite şi ,,efecte” [Chiarella, C.,

Flaschel, P. (2000)] se pot clasifica în trei mari categorii:
i) mecanisme (efecte) multiplicator;
ii) mecanisme (efecte) accelerator;
iii) mecanisme (efecte) mixte.
Această clasificare ţine seama de efectul pe care-l exercită mecanismul ca
atare asupra variabilelor rezultative pe care le include. Trebuie spus că orice
mecanism se formează între mai multe variabile economice fundamentale între care
se stabilesc influenţe orientate care determină modificarea unui nivel sau unui flux
economic. Drept urmare şi celelalte mărimi incluse în mecanism se modifică într-un
sens sau altul ca după parcurgerea în întregime a lanţului de dependenţe, o singură
dată sau de un număr nedefinit de ori, efectul final obţinut să se observe ca o
modificare de tip multiplicativ (mărimea economică rezultativă înmulţită cu un
coeficient de proporţionalitate), o modificare de tip accelerator (diferenţa dintre două
valori măsurate la momente de timp succesive ale mărimii respective, s-a modificat
semnificativ) şi o modificare de tip mixt, în care se suprapune atât efectul
multiplicator cât şi cel accelerator.
Aceste trei efecte fundamentale le putem regăsi, singure sau în diferite
combinaţii, atât în cadrul economiei reale, caz în care fluxurile şi nivelele pe care le
influenţează sunt cu precădere materiale, cât şi în cadrul economiei monetare, atunci

când fluxurile şi nivelele influenţate constau cu precădere din valori sau active
financiare.
O clasificare generală a acestor efecte feedback fundamentale este dată în
tabelul următor. Evident că în economie ele apar în diferite combinaţii, ducând la
mecanisme feedback cu o structură complexă dar care pot fi descompuse în final în
mecanismele feedback fundamentale.
Tabelul 1
Nr.
Tipul de efect Denumire efect
crt.
Keynes
Pigou
Rose normal
1. Multiplicator
Rose advers
Mundell
Fisher
Harrod
Real Kaldor
Metzler
Sporul de capital: Piaţa obligaţiunilor
2. Accelerator Financiar
Sporul de capital: Piaţa acţiunilor
(Blanchard) Sporul de capital: Piaţa valutară
Real-financiar Comportamentul anticiclic al dobânzii la
creditele acordate
Efectul de portofoliu
3. Mixt
Efectul de venit disponibil
3.2.2. Mecanisme (efecte) feedback multiplicator

Principiul multiplicator în economie a fost descoperit de R.F. Kahn (1931) şi

utilizat mai târziu de J.M. Keynes (1936) pentru a explica o creştere a venitului /
outputului ca urmare a creşterii investiţiei. În teoria sa, Keynes acordă o atenţie
deosebită relaţiei ,,multiplicator” dintre outputul / venitul de echilibru şi componentele
autonome ale cheltuielilor agregate, în acest caz investiţiile autonome:
1
∆Y = ∆I0
1 − c
unde c reprezintă propensitatea (înclinaţia) marginală pentru consum, Y – outputul /

venitul şi I0 – investiţia autonomă.
În esenţă, principiul multiplicator spune că o creştere a investiţiei autonome
determină o creştere a outputului. Deoarece ∆Yt poate fi scris ca Yt +1 − Yt iar ca
I ot − I 0t −1 , rezultă:
Yt +1 = Yt +
1
(I 0t − I 0t −1 ) ,
1− c
relaţie care exprimă dependenţa temporală de tip multiplicativ dintre Y şi I0.
Efectul multiplicator, considerat izolat de alte tipuri de efecte, are un caracter
stabilizator pentru pieţele şi fluxurile economice implicate. Acest lucru se explică prin
faptul că în urma unei creşteri a variabilei determinante (cea care determină apariţia
efectului multiplicativ), această creştere nu se transmite către variabila rezultativă
(cea care este în ultimă instanţă influenţată de apariţia efectului respectiv) cu
întreaga sa valoare ci atenuat, treptat depinzând de coeficientul multiplicator. Cu cât
acest coeficient va avea o valoare mai mică, cu atât timpul necesar transmiterii
întregului efect va fi mai mare. Acest lucru face ca sistemul economic să tindă către
noua stare de echilibru, definită de valorile modificate ale mărimilor economice
fundamentale într-o perioadă de timp suficientă pentru ca echilibrele parţiale de la
nivelul pieţelor şi componentelor sistemului economic respectiv să se restabilească.
În literatură au fost puse în evidenţă până acum o serie de efecte multiplicator,
dintre care cele mai frecvent întâlnite sunt:
- efectul Keynes;
- efectul Pigou;
- efectul Rose;
- efectul Mundell;
- efectul Fisher.
Aceste efecte au fost descoperite cu prilejul elaborării unor modele prin care
se încerca să se explice dinamica economică, exprimată prin procesele de creştere
şi acumulare (de capital, de avuţie ş.a.), de formare a ciclurilor şi fluctuaţiilor
economice etc. Cu toate rezultatele promiţătoare obţinute în această direcţie, mult
timp preocuparea de a înţelege şi utiliza efectele de tip multiplicator a fost neglijată în
favoarea altor direcţii în care s-a dezvoltat modelarea sistemelor economice. Numai
că existenţa lor obiectivă în sistemele economice reale şi efectele exercitate au
impus revenirea interesului pentru aceste mecanisme.
3.2.2.1. Efectul multiplicator Keynes
Efectul multiplicator Keynes este cel mai cunoscut mecanism feedback şi,
împreună cu efectul Pigou, cel mai frecvent utilizat în modelarea sistemelor
macroeconomice dinamice.
Efectul Keynes este stabilizator şi corespunde transmiterii în economie a unor
semnale de la cele trei pieţe fundamentale (piaţa bunurilor şi serviciilor, piaţa forţei
de muncă şi, respectiv, piaţa financiară) către output / venit. În urma primirii
semnalelor respective, outputul / venitul îşi ajustează mărimea astfel încât, în timp,
tranzacţiile efectuate pe piaţa bunurilor şi serviciilor, respectiv pe piaţa forţei de
muncă să determine refacerea echilibrelor perturbate de apariţia unor creşteri sau
scăderi în evoluţia cheltuielilor autonome (investiţii, consum, cheltuieli
guvernamentale, export autonom).
În esenţă, efectul Keynes se poate formula în modelul următor: deflaţia
preţurilor şi salariilor duce la creşterea lichidităţilor reale de fonduri pe piaţa
financiară, deci la o scădere a ratei nominale a dobânzii. Acest lucru determină o
creştere a investiţiilor şi a consumului şi, în consecinţă, a nivelului activităţii
economice, soldat cu o creştere a venitului / outputului.
Oferta de bunuri şi servicii, respectiv cererea de forţă de muncă vor creşte pe
măsură ce venitul / outputul creşte, reprezentând o garanţie a continuării procesului
deflaţionist. Totuşi, după un timp, preţurile şi salariile se vor ajusta către valori care
să reprezinte atât valoarea de echilibru dintre cererea agregată şi oferta agregată (pe
piaţa bunurilor şi serviciilor), cât şi rata salariului de echilibru care permite utilizarea
completă a forţei de muncă (pe piaţa forţei de muncă).
Se poate întâmpla ca acest proces de ajustare să aibă un caracter ciclic, ceea
ce face ca preţurile şi salariile să crească şi să scadă alternativ (prociclic) până când
pieţele revin la echilibru. În figura 3.1 se reprezintă mecanismul (efectul) multiplicator
keynesian..
Pentru a descrie efectul multiplicator Keynesian putem utiliza diagrame de
influenţă în care se reprezintă efectele interdependenţelor ce se formează între pieţe
şi mărimile economice fundamentale. Astfel, o scădere a preţurilor p, w şi respectiv r
pe cele trei pieţe (piaţa bunurilor şi serviciilor (PBS), piaţa forţei de muncă (PFM) şi
piaţa financiară (PF)) determinată de un proces deflaţionist va antrena creşteri ale
cheltuielilor de consum (C) şi ale cheltuielilor de investiţii (I). Acestea determină mai
departe o intensificare a activităţii în economia reală, soldată cu creşterea outputului /
venitului. Drept urmare, oferta pe piaţa bunurilor şi serviciilor, respectiv cererea de
muncă pe piaţa forţei de muncă vor creşte, ducând la o nouă reducere de preţuri.
Procesul continuă până când influenţa iniţială determinată de procesul deflaţionist se
epuizează.
PBS
p
AS
Cheltuieli pentru
bunuri de consum
PFM Venitul/outputul
Ld w realizat
Y
Cheltuieli pentru
bunuri de investiţii
PF I
r
Figura 3.1
Scris sub forma unei diagrame de influenţă acest proces este următorul:
{p ↓; w ↓; r ↓}⇒ {C ↑; I ↑}⇒ {Y ↑}⇒ {AS ↑; L d

↑} ⇒ {p ↓; w ↓}
Aici am notat cu AS oferta de bunuri şi servicii iar cu Ld - cererea de muncă.

Putem observa existenţa a două bucle feedback care sunt amândouă pozitive,
precum şi faptul că piaţa financiară are un rol important în accelerarea sau
temperarea efectului Keynes prin nivelul ratei nominale a dobânzii.
3.2.2.2. Efectul multiplicator Pigou
Spre deosebire de efectul Keynes care se iniţiază prin intermediul pieţei

financiare, efectul multiplicator Pigou este declanşat de avuţia acumulată în
economie, în particular de balanţele monetare reale. Acest efect poate fi descris în
modul următor:
Un proces deflaţionist de scădere a preţurilor, p pe piaţa bunurilor şi serviciilor
(PBS) duce la creşterea balanţelor monetare reale, M/p. Drept urmare, oamenii vor
dispune de o putere de cumpărare mai mare care se va concretiza în creşterea
cheltuielilor de consum, C şi, în consecinţă, într-o intensificare a activităţii economice
soldată cu creşterea venitului/outputului, Y. Cererea de muncă, Ld va creşte ducând,
pe piaţa forţei de muncă (PFM) la o creştere a ratei salariilor w. Drept urmare,
balanţele monetare reale vor creşte din nou, stimulând creşterea cheltuielilor de
consum. În figura 3.2 este reprezentat efectul multiplicator Pigou.
Diagrama de influenţă asociată acestui efect este următoarea:
PBS p
AS
Cheltuieli de
Balanţe consum Venit/output
monetare reale Y
M/p C
PFM
Ld
w
Figura 3.2
Spre deosebire de efectul Keynes, acest efect conţine o singură buclă

feedback pozitivă, iar piaţa bunurilor şi serviciilor, prin modificarea preţurilor, este
elementul declanşator al efectului.
O problemă care se pune este aceea a polarităţii buclei feedback (III) şi durata
procesului. De regulă, bucla feedback pozitivă acţionează în direcţia creşterii valorilor
mărimilor economice implicate. Cu toate acestea, efectul Pigou este temperat după
un timp şi chiar dispare datorită unor condiţii care restricţionează intensificarea
activităţii economice, deci transformarea cererii de consum în ofertă de produse
(lipsa materiilor prime, taxele şi impozitele, gradul în care piaţa bunurilor şi serviciilor
M 
absoarbe oferta suplimentară etc.). Drept urmare, balanţele monetare reale   se

 p 
vor stabiliza, ceea ce va duce la atenuarea şi dispariţia efectului multiplicator Pigou.
3.2.2.3. Efectul multiplicator Rose
Efectul Rose (prezentat în figura 3.3 este mult mai puţin abordat în literatură,
mai ales datorită lipsei de studii privind rolul pe care îl are repartizarea venitului la
nivel macroeconomic asupra activităţii economice viitoare. Această repartizare are un
rol destabilizator puternic, ceea ce face ca, după încheierea unui ciclu economic
complet, economia să-şi caute un nou echilibru stabil, ceea ce duce la apariţia unor
fluctuaţii economice neaşteptate.
AS PBS p
Cheltuieli de
Puterea de Venit/output
cumpărare a
consum
salariilor C Y
PFM W/p
Ld w
Figura 3.3
Efectul Rose priveşte, în esenţă, puterea de cumpărare reală a veniturilor

salariale. Astfel, dacă această putere de cumpărare creşte (datorită fie creşterii
salariilor pe piaţa forţei de muncă, fie scăderii preţurilor pe piaţa bunurilor şi
serviciilor) atunci cererea de consum va creşte. Drept urmare, activitatea economică
se intensifică cu efectele directe asupra creşterii ofertei agregate, respectiv creşterii
cererii de muncă. Aceste creşteri determină în continuare scăderea preţurilor pe
piaţa bunurilor şi serviciilor şi creşterea ratei salariului pe piaţa forţei de muncă. În
consecinţă, puterea de cumpărare a salariilor creşte din nou.
Diagrama de infuenţe în cazul efectului multiplicator Rose este următoarea:
W   w ↑  W 
{ } { }
{w ↑} ⇒  ↑  ⇒ C ↑ ⇒ Y ↑ ⇒   ⇒  ↑
p   p ↓  p 
Se obseervă existenţa a două bucle feedback ce acţionează simultan, una în

direcţia scăderii preţurilor pe piaţa bunurilor şi serviciilor, iar cealaltă în direcţia
creşterii ratei salariilor pe piaţa forţei de muncă. Efectul lor combinat este creşterea
puterii de cumpărare a salariilor. Ambele bucle feedback sunt pozitive, dar efectele
lor finale sunt exprimate prin atingerea, la nivelul întregii economii, a unei anumite
puteri de cumpărare pe piaţa bunurilor şi serviciilor.
3.2.2.4. Efectul multiplicator Mundell
Acest efect multiplicator, descoperit de Robert Mundell (laureat al Premiului

Nobel pentru economie în 1999), derivă din dependenţa pozitivă dintre investiţie şi
rata inflaţiei aşteptate, realizată pe canalul ratei reale a dobânzii din cadrul
mecanismului de transmisie monetară. Rata inflaţiei aşteptate este influenţată de
presiunea cererii agregate de pe piaţa bunurilor şi serviciilor, precum şi de
anticipaţiile inflaţioniste ale agenţilor economici.
Deoarece mărimea investiţiei depinde pozitiv de rata inflaţiei, creşterea
acesteia din urmă duce la sporirea volumului investiţiilor, ceea ce determină mai
departe o creştere a activităţii economice şi, de aici, o altă creştere a ratei inflaţiei
aşteptate. Se formează astfel o buclă feedback cu efect destabilizator.
Mecanismul feedback realizat poate avea efecte mai mari dacă se ia în

considerare şi faptul că cererea de consum depinde negativ de rata reală a dobânzii
(efectul de economisire).
În figura 3.4 se reprezintă mecanismul feedback inflaţionist al lui Mundell. În
aceasta se observă faptul că rata inflaţiei, π este percepută la nivelul economiei reale
prin diferenţa dintre rata dobânzii, r şi inflaţia aşteptată, π e .
PBS
AS p Cheltuieli de
consum
C
Inflaţia aşteptată Inflaţia
e curentă Venitul/
π e Outputul
r -π
Y
r Cheltuieli de
investiţii
PFM PF
L d
w I
Figura 3.4
Diagrama de influenţă în cazul efectului Mundell este următoarea:
{p↑;w↑}⇒{π ↑}⇒{r −π ↑}⇒{I ↑;C↑}⇒{Y↑}⇒{p↑;w↑}

e e
Buclele feedback formată sunt pozitive amândouă, ceea ce duce la o creştere

continuă a variabilelor p şi w reprezentând preţul, respectiv rata salariului.
3.2.2.5. Efectul multiplicator Fisher (inflaţionist)
Deflaţia, deci o scădere continuă a preţurilor şi salariilor, determină o creştere

a datoriei reale a firmelor. Percepând creşterea raportului datorii/capital, firmele
reduce rata dorită a investiţiei ceea ce atrage după sine şi o reducere a consumului.
Acestea în continuare determină o scădere a nivelului activităţii economice,
reducerea ofertei agregate de bunuri şi servicii şi a cererii de muncă, ajungându-se la
o nouă reducere a preţurilor pe piaţa bunurilor şi serviciilor şi a salariilor pe piaţa
forţei de muncă.
În figura 3.5 se reprezintă efectul Fisher (inflaţionist).
Procesul deflaţionist, în cazul efectului Fisher, poate să devină şi mai puternic
pe măsură ce firmele dau mai frecvent faliment în starea deflaţionistă a economiei de
la un moment de timp dat (reprezentată, de exemplu, de o rată a deprecierii
capitalului care depinde pozitiv de raportul datorii / capital).
PBS
AS p
Cheltuieli Cheltuieli Venit/

Datorii/p de de consum Output
investiţii Y
C
PFM I
d w
L
Figura 3.5
Efecte similare, poate într-un mod mai puţin dramatic, apar datorită relaţiilor
debitor-creditor în sectorul gospodăriilor. Scăderea salariilor determină creşterea
datoriei reale a gospodăriilor care îşi reduc consumul pentru a returna datoriile, ceea
ce duce în timp la reducerea activităţii economice, având drept consecinţă reducerea
cererii de muncă, deci şi a ratei salariilor.
Diagrama de influenţă în cazul efectului Fisher deflaţionist este următoarea:
Datorii
{p ↓; w ↓}⇒{ ↑}⇒{I ↓}⇒{C ↓}⇒{Y ↓}⇒{AS↓; Ld ↓}⇒{w ↓;p ↓}
p
Dacă considerăm simultan cele două forme ale efectului Fisher, manifestate la
nivelul sectorului gospodăriilor, respectiv al firmelor, atunci dependenţele cauzale
care apar se amplifică, determinând în situaţiile deflaţioniste dar şi inflaţioniste,
accelerări ale efectului date de suprapunerea influenţelor determinate de datoriile
reale asupra consumului. Acest lucru arată faptul că într-o economie atât procesul
inflaţionist cât şi al cel deflaţionist pot duce la obţinerea unor efecte generale
nedorite.
În figura 3.6 se reprezintă influenţele exercitate de mecanismul feedback al lui
Fisher în această situaţie.
Datoria reală a firmelor Cheltuieli de investiţii

Preţuri
p Datorii/p I
Cererea agregată Cheltuieli de
consum
AD
Nivelul activităţii
economice
Rata salariilor Cererea de muncă

w Ld
Datoria reală a gospodăriilor
Datorii/p
Figura 3.6
3.3. Mecanismele (efectele) accelerator
Spre deosebire de mecanismele (efectele) multiplicator, mecanismele de tip

accelerator se referă la o schimbare neliniară în variabilele care alcătuiesc lanţul
feedback al dependenţelor cauzale. Ele satisfac aşanumitul principiu accelerator,
descoperit de A. Aftalion (1913) şi I.M. Clark (1917), dar utilizat pentru prima oară
într-un model economic de către Harrod (1936).
Astfel, în modelul de creştere Harrod – Demar, se face ipoteza că nivelul

investiţiei din anul t, it variază proporţional cu rata de schimbare a outputului din anul
t faţă de anul t − 1, Yt − Yt −1 , deci:
I t = β (Yt − Yt −1 ); β > 0 (1)
Logica economică a acestui principiu este următoarea: dacă se dau condiţiile

tehnologice şi preţurile relative ale factorilor de producţie (munca şi capitalul), atunci
o anumită mărime a stocului de capital va face posibilă o anumită rată a outputului.
Dacă această rată a outputului se modifică, atunci, celelalte lucruri rămânând
neschimbate, mărimea stocului de capital ce contribuie la realizarea outputului se va
schimba. Deoarece, prin definiţie, investiţia netă reprezintă cantitatea cu care stocul
de capital se va modifica, rezultă că mărimea investiţiei dorite depinde de rata de
schimbare a outputului. Aceasta este ceea ce exprimă relaţia (1).
Coeficientul accelerator β reprezintă un factor care arată cât de multă investiţie
este indusă de o schimbare cu un procent a outputului. Acesta influenţează mai
departe randamentul capitalului, rata dobânzilor, rata salariului ş.a.
Mecanismele accelerator, analizate din punct de vedere cibernetic, reprezintă
efecte destabilizatoare, cărora le corspund, deci, bucle feedback pozitive. Aceste
efecte destabilizatoare se concretizează de regulă, în creşteri monotone nemărginite
ale mărimilor variabilelor implicate într-un lanţ cauzal, fie în oscilaţii cu amplitudini
crescătoare ale acestora.
Din această cauză, mecanismele accelerator sunt însoţite de mecanisme
multiplicator care, după cum ştim au efecte stabilizatoare (le corespund bucle
feedback negative).
Această combinaţie a celor două mecanisme a condus la o clasă largă de
modele ale dinamicii economice, denumite module multiplicator-accelerator (vezi, de
exemplu, modulul oscilator al lui Samuelson, modelul ciclurilor comerciale al lui
Hicks, modelul ciclului stocurilor al lui Metzler ş.a.).
Cu toate acestea, mecanismele accelerator pot fi studiate şi separat,
punându-se astfel în evidenţă cauzele care pot determina, într-o economie, apariţia
unor procese şi fenomene destabilizatoare, care pot induce perturbaţii deosebit de
grave în desfăşurarea în bune condiţii a activităţii economice.
În literatură efectele accelerator sunt împărţite în trei grupe în raport cu natura

variabilelor implicate. Astfel putem avea:
- mecanisme accelerator reale:
i) mecanismul Harrod;
ii) mecanismul Kaldor;
iii) mecanismul Metzler;
- mecanisme accelerator financiare;
iv) mecanismul sporului de capital: piaţa obligaţiunilor;
v) mecanismul sporului de capital: piaţaacţiunilor;
vi) mecanismul sporului de capital: piaţa valutară;
- mecanisme accelerator mixte (reale şi financiare):
vii) mecanismul comportamentului aciclic al ratei dobânzii în raport cu
creditul.
3.3.1. Mecanismul accelerator al lui Harrod
Cel mai cunoscut mecanism accelerator este cel utilizat de Harrod în modelul
de creştere Harrod-Domar. În 1948, într-o analiză a ,,Teoriei Generale” a lui Keynes,
Harrod spunea: ,,Există un concept, totuşi, care joacă un rol central în ,,Teoria
Generală” care nu este staţie în care nu va fi înţeles în mod satisfăcător până când
,,Teoria Generală” nu va fi pusă în relaţie cu Dinamica. Economisirea pozitivă, care
joacă un rol atât de important în ,,Teoria Generală” este în esenţă un concept
dinamic. Acest lucru este fundamental. O afacere staţionară a unei zecimi din venit
pentru economisire este în esenţă dinamică deoarece ea include o creştere continuă
a uneia dintre determinanţii fundamentali ai sistemului, şi anume cantitatea (stocul)
este capital disponibil.
Acest lucru determină, chiar dacă toţi ceilalţi determinanţi nu se modifică,
schimbări continue în valorile multor variabile dependente”.
Era, astfel, exprimat foarte clar principiul accelerator conform căruia
economisirea determină creşterea investiţiei care duce la creşterea de capital, deci şi
a venitului din care se constituie economisirea. Chiar dacă rata economisirii ar
rămâne aceeaşi, de exemplu 1/10 ca la Harrod, mărimea economisirii creşte datorită
creşterii stocului de capital utilizat în producţie şi deci a venitului / outputului care se
obţine.
Schematic, mecanismul accelerator Harrodian se poate reprezenta astfel:

I t ⇒ K t ↑ ⇒ Yt ↑
↑_ s (YtYt −1 )↑ ← 
unde s reprezintă rata economisirii.
Efectul accelerator se exercită atât timp cât acest proces nu este controlat şi
stopat de alte forţe economice.
În figura 3.7 se arată modul în care efectul Harrodian determină creşterea
outputului. Schimbările în vânzările aşteptate ale firmelor reprezintă factorul
declanşator al efectului Harrodian deoarece ele duc la schimbarea ratei economisirii,
deci la declanşarea lanţului cauzal descris mai sus.
+ Cererea + Schimbări în Modificarea
agregată de vânzările adaptivă a
bunuri şi aşteptate ale aşteptărilor

+ +
Outputul/ + MECANISMUL
Venitul ACCELERATOR
firmelor HARRODIAN
Figura 3.7
Schimbările în vânzările aşteptate evident că influenţează direct outputul
firmelor care, mai departe este utilizat pentru a satisface cererea agregată de bunuri
şi servicii. Dar aceasta din urmă depinde şi de efectul accelerator care duce la
crearea unui venit cu o rată de creştere tot mai mare la nivelul gospodăriilor. Chiar
dacă rata economisirii rămând constantă, venitul utilizat pentru investiţii creşte şi la
fel se întâmplă cu venitul utilizat pentru consum. Un venit destinat consumului mai
mare va face ca cererea agregată de bunuri şi servicii să fie mai mare. O cerere
agregată mare duce la schimbări şi mai mari în vânzările aşteptate ale firmelor.
Se observă că mecanismul accelerator Harrodian acţionează ca o buclă

feedback pozitivă, deci determină instabilitate pe termen lung. Din această cauză, în
sistemele economice reale el este conectat cu efecte multiplicator care reduce
cererea agregată.
3.3.2. Mecanismul accelerator al lui Kaldor
Acest efect a fost descoperit de N. Kaldor şi utilizat de el într-un model în care

se încearcă să se explice ciclul afacerilor. Ceea ce distinge acest model de celelalte
apărute în jurul anului 1940 este utilizarea unor funcţii neliniare care produc cicluri
endogene. Mai concret, Kaldor presupune că atât curba investiţiilor, I = I (Y,K), cât şi
curba economisirii, S = S (Y,K), dependente amândouă de venit şi de stocul de
capital, sunt funcţii neliniare.
Neliniaritatea acestor funcţii are un rol important în înţelegerea efectului
accelerator Kaldorian. Logica economică a lui Kaldor este următoarea: Curba
investiţiilor este neliniară deoarece rata de creştere a investiţiei se comportă diferit în
funcţie de diferitele nivele ale outputului. Astfel, când outputul se află la nivele
extreme (foarte mic, respectiv foarte mare), rata de creştere a investiţiei este foarte
redusă. De exemplu, pentru un nivel al outputului foarte redus există multă
capacitate de producţie neutilizată, astfel că o creştere în cererea agregată va induce
o creştere foarte mică a investiţiilor în noi capacităţi de producţie. Aceasta deoarece
excesul de cerere poate fi satisfăcut cu capacitatea de producţie existentă şi în
consecinţă rata de creştere a investiţiei este mică.
Atunci când outputul este foarte mare costul extinderii capacităţilor de
producţie este, de asemenea, foarte mare (paradoxul Wicksellian). Drept urmare,
industriile producătoare de capacităţi de producţie vor oferi noile capacităţi la preţuri
foarte mari. În acest condiţii, doar investiţiile de înalt randament vor fi puse în
practică, la celelalte investiţii renunţându-se datorită preţurilor mari. Deci şi rata de
creştere a investiţiei va scădea.
În ceea ce priveşte curba economisirii, S după cum explică Kaldor, pentru
nivele scăzute ale outputului, venitul este atât de redus încât economisirea este
exclusă de deciziile gospodăriilor, care folosesc întreg venitul disponibil pentru
consum. Deci rata de creştere a economisirii este redusă. În schimb când outputul
este foarte mare, extravenitul gospodăriilor este utilizat pentru economisire şi mai
puţin pentru consum care este efectiv saturat. În consecinţă, se economiseşte o
mare parte din venit deci rata economisirii este foarte mare.
Esenţa efectului accelerator de tip Kaldorian constă în fenomenul de
acumulare de capital la un moment dat de timp. Pentru un nivel foarte stabil al
outputului, dacă are loc o investiţie, stocul de capital creşte. Pe măsură ce acest stoc
creşte, au loc anumite schimbări în curbele I şi S.
Datorită neliniarităţii curbei I, rata de creştere a investiţiei va scădea, deci dI /
dK < 0. Totuşi, tot mai multe bunuri capitale se produc şi, în consecinţă şi producţia
de bunuri de consum va spori. Aceasta face ca preţurile bunurilor de consum să
scadă. Pentru consumatorul individual acest fenomen este important deoarece poate
utiliza mai puţin venit pentru a cumpăra aceeaşi cantitate de bunuri ca înainte.
În consecinţă, o parte tot mai mare din venit va fi economisită. Datorită
neliniarităţii curbei economisirii, S rata de creştere a economisirii va fi tot mai mare şi
dS / dK > 0. Dar economisirea S determină o nouă creştere a investiţiei I, a stocului
de capital K şi deci a outputului Y.
Totuşi, după cum remarcă Kaldor, acest proces accelerator este oscilant, deşi
oscilaţiile sunt de tip exploziv.
În figura 3.8 este reprezentat efectul accelerator Kaldorian.
Economia reală
Investiţii Stoc de capital
+ + Producţia de
bunuri capitale
Economisire + Venituri Producţia de

+
destinate bunuri de consum
economisirii final
Figura 3.8
3.3.3. Mecanismul accelerator al lui Metzler
Metzler a descoperit acest mecanism în 1941 şi l-a folosit într-un model de tip
multiplicator care încerca să explice ciclicitatea stocurilor de produse ce formează în
economie. Ideea esenţială era că producătorii doresc să păstreze stocurile de
produse la un nivel proporţional cu vânzările aşteptate dar, datorită întârzierii dintre
producţie şi vânzare, politica de stocare aleasă de producători poate să aibă efecte
accelerator asupra economiei.
În figura 3.9 se reprezintă efectul accelerator Metzlerian şi conexiunile lui cu

economia reală.
Ca structură, aceasta seamănă cu mecanismul accelerator al lui Harrod, cu
deosebire că politica de stocare a firmelor influenţează vânzările aşteptate care
declanşează, mai departe, efectul accelerator. Investiţiile nu mai sunt acum în
capacităţi de producţie, ci în stocuri de produse.
Cererea Schimbări în Aşteptări

+ +
agregată de vânzările privind
+ + +
Outputul/ +
Venitul MECANISMUL
ACCELERATOR
firmelor METZLERIAN
Figura 3.9
3.3.4 Efecte ale sporului de capital (Blanchard))
R. Blanshard a descoperit efectele sporului de capital, care se manifestă pe

diferitele tipuri de pieţe financiare (piaţa obligaţiunilor, piaţa acţiunilor sau piaţa
valutară). Specificul acestor efecte este faptul că ele se menţin doar la nivelul
economiei monetare, economia reală fiind neutră la acţiunea lor.
Dacă considerăm una dintre aceste pieţe, să spunem piaţa acţiunilor, atunci
cererea de active financiare pe această piaţă va creşte odată cu creşterea
randamentului activelor proprii şi descreşte atunci când rate ale randamentului
acţiunilor deţinute în proprietate de alţi investitori creşte. Aşadar, o creştere a
sporului de capital aşteptat datorită deţinerii în proprietate şi sporirii randamentului
acestora determină o creştere a cererii pentru activele financiare respective.
Aceasta, la rândul ei, conduce la alte creşteri în preţul acţiunilor şi deci la o nouă
creştere în sporul de capital aşteptat.In figura 3.10 se reprezintă efectul accelerator
al sporului de capital în condiţiile pieţei acţiunilor.
Rata randamentului
(dividendul)
Sporul de capital + Rata Rata

aşteptat randamentului randamentului
aşteptat al altor acţiuni
acţiunilor
+ +
Dinamica
preţului
acţiunilor
Figura 3.10
Efecte asemănătoare pot fi puse în evidenţă şi pe celelalte pieţe financiare:

piaţa obligaţiunilor sau piaţa valutară.
3.5 Comportamentul anticiclic al ratei doânzii asupra creditelor acordate
Efectele de tip accelerator se pot regăsi în acelaşi mecanism care conectează

economia reală şi economia monetară. Efectele de tip accelerator sunt declanşate de
o creştere a activităţii economice (încălzirea economiei) deci de o creştere a
venitului/outputului realizat într-o perioadă dată de timp. Drept urmare, cererea de
credite destinate investiţiilor şi consumului începe să scadă în condiţiile în care atât
firmele cât şi gospodăriile dispun de venituri mai mari obţinute ca urmare a creşterii
activităţii economice. Costurile de căutare a creditelor vor scădea iar dobânzile la
creditele acordate se vor reduce. Datorită ieftenirii creditului, volumul acestuia va
creşte şi, în consecinţă, cheltuielile de consum şi de investiţii realizate pe seama
creditelor vor creşte. Activitatea economică se va intensifica în continuare, ducând la
o nouă creştere a venitului/outputului disponibil dar şi la creşterea venitului aşteptat.
Rezultatul final este o nouă creştere a venitului/outputului realizat în economie.
Denumirea de efect anticiclic este dată de faptul că în decursul manifestării
procesului descris mai sus, venitul/outputul şi rata dobânzii la creditele acordate au
tendinţe opuse de creştere şi scădere, deci dacă Y creşte atunci r scade şi invers.
In figura 3.11 se reprezintă mecanismul accelerator financiar-monetar descris

mai sus.
Nivelul Costuri de Nivelul ratei

activităţii - +
economice căutare a dobânzilor
creditului
+
-
--=
Venitul Credite de Credite de
investiţii
disponibil şi consum
Figura 3.11
Efectul de transmisie al acestui mecanism este descris în modul următor:
{ Y ↑} ⇒ {Costuri ↓} ⇒ { r ↓} ⇒ { I; C ↑} ⇒ { Y d ; Y e ↑} ⇒ { Y ↑}
3.4 Efecte mixte (multiplicator-accelerator)
Mai puţin abordate în literatură, efectele mixte reprezintă totuşi o categorie

extrem de importantă a mecanismelor feedback, ele reunind în cadrul aceleiaşi
structuri atât un efect multiplicator cât şi unul accelerator. Exemplul clasic de
mecanism de tip accelerator-multiplicator este cel descris de P. Samuelson pentru
economia reală.
Deoarece acest mecanism este foarte cunoscut nu îl vom mai prezenta. Vom
introduce însă două alte mecanisme de acest tip, deci care au efecte accelerator-
multiplicator. Este vorba despre:
i) efectul de portofoliu; şi
ii) efectul de venit disponibil.
3.4.1 Efectul de portofoliu (avuţie)

Acest efect se manifestă ca urmare a creşterii avuţiei reale din economie, fapt
pentru care se mai numeşte şi efect de avuţie. Acumularea de avuţie schimbă
permanent structura portofoliului deţinut de fiecare gospodărie din economie. Pe
ansamblu, această acumulare schimbă deci portofoliul la nivelul întregii economii.
Evident că cea mai volatilă componentă a acestui portofoliu sunt banii, în consecinţă
acumularea de avuţie reală duce la creşterea balanţelor monetare reale ale
populaţiei.
Avuţia se acumulează la nivelul gospodăriilor prin intermediul activelor
financiare (obligaţiuni, acţiuni, bonuri de tezaur ş.a.) sau a părţilor din investiţiile
directe deţinute în proprietate. Creşterea balanţelor monetare reale va duce la
creşterea cererii de astfel de instrumente de economisire şi, în consecinţă, la o
creştere a ratei dobânzilor pe piaţa financiară.
Gospodăriile vor reacţiona la creşterea avuţiei financiare concomitent cu creşterea

dobânzilor economisind mai puţin şi cheltuind mai mult pentru bunuri de consum şi
pentru bunuri de investiţii. Un nivel mai înalt al avuţiei reduce deci nevoia de a
economisi până când se atinge un plafon al avuţiei, care permite consumatorilor să
cumpere mai multe bunuri de consum curent. Creşterea cheltuielilor de consum şi
de investiţii, unele dintre ele făcute pe seama creditelor duce la creşterea cererii
agregate care determină, la rândul său, creşterea producţiei (outputului).
In figura 3.12 se reprezintă efectul de portofoliu (avuţie).
AS PBS p
PF
Avuţie reală r
W/p
PFM
Ld w
Cheltuieli pentru
Md/p
bunuri de consum
Nivelul activităţii C
economice
Y
Cheltuieli pentru
bunuri de investiţii
I
Figura 3.12
Efectul de avuţie se poate exercita şi în alte moduri. Dacă Banca Centrală reduce
rata dobânzii, atractivitatea obligaţiunilor ca investiţii financiare se reduce. In schimb,
creşte atractivitatea acţiunilor diferitelor firme. Mulţi investitori încep să cumpere mai
multe acţiuni şi mai puţine obligaţiuni. Creşterea cererii de acţiuni sporeşte preţul
acestora pe piaţa de capital. Dar preţuri mai mari pentru acţiuni înseamnă o avuţie
financiară mai mare a gospodăriilor. Această avuţie mai mare duce la creşterea
cheltuielilor pentru bunuri de consum. Creşterea preţului de piaţă al acţiunilor are
efecte şi asupra cheltuielilor de investiţii. După teoria lui Tobin, o firmă îşi poate
extinde capacitatea de producţie în două moduri principale: cumpărând noi bunuri
capitale sau cumpărând capacităţi de producţie deja existente. Dar costul unei firme
reprezintă tocmai preţul de piaţă al acţiunilor firmei respective, iar costul unei noi
investiţii reprezintă costul noilor bunuri capitale introduse în firmă. Pe măsură ce
preţul acţiunilor creşte, costul firmelor care sunt de vânzare creşte. Deci
întreprinderile care doresc să-şi extindă capacitatea de producţie sunt mai tentate să
investească în bunuri capitale nou produse decât să cumpere firme deja existente.
Schematic, efectul de transmisie exercitat de avuţie poate fi reprezentat astfel:
Wn Md
{p ↓; w ↑}⇒{ ↑}⇒{ ↑}⇒{r ↑}⇒{C ↓;I ↓}⇒{Y ↓}⇒{Ld ↓;AS↓}⇒{w ↓;p ↑}
p p
Aici W n este avuţia nominală iar Md cererea nominală de active financiare

(bani, obligaţiuni, acţiuni etc.)
3.4.2 Efectul de venit disponibil
Un ultim efect pe care îl vom prezenta este cel de venit disponibil. Acesta se
constituie la nivelul gospodăriilor din venitul total după plata taxelor şi scăderea
efectelor pe care le are inflaţia asupra avuţiei gospodăriilor. Dar rata curentă a
inflaţiei nu este încă cunoscută în momentul utilizării venitului disponibil, de aceea
gospodăriile îşi determină venitul disponibil utilizând rata aşteptată a inflaţiei, pe care
o estimează pe baza evoluţiei preţurilor observate pe piaţa bunurilor şi serviciilor. De
aceea o creştere a preţurilor pe această piaţă duce la creşterea ratei aşteptate a
inflaţiei, dar şi la o scădere a venitului disponibil. Ca o consecinţă directă a acestui
lucru, cheltuielile pentru bunuri de consum vor diminua, ceea ce va duce, în timp, la
scăderea nivelului activităţii economice. Drept urmare, oferta de bunuri de pe piaţa
bunurilor şi serviciilor se va reduce, ducând la o nouă creştere a preţurilor, deci la o
rată crescătoare a inflaţiei aşteptate.
Deşi efectul pare destul de simplu, el are consecinţe profunde asupra alocării
resurselor destinate reluării ciclului economic. Aceasta deoarerce din venitul
disponibil se constituie fondul destinat cheltuielilor de consum, dar şi cel destinat
economisirii. Dacă venitul disponibil scade, atunci şi economisirea se va reduce,
făcând ca, în decursul timpului, cheltuielile destinate investiţiilor să se reducă.
Aceasta va afecta, evident, nivelul activităţii economice, determinând o nouă
reducere a venitului/outputului realizat.
In figura 3.13 este reprezentat schematic efectul de venit disponibil.
Economisire
S
PBS
AS Rata aşteptată Venitul Cheltuieli de

a inflaţiei disponibil investiţii
πe I
YD
Nivelul
activităţii Cheltuieli de
economice
consum
Y
p C
Figura 3.13
Efectul de transmisie asociat mecanismului venitului disponibul poate fi scris în

modul următor :
Aici venitul disponibil, Yd se determină prin relaţia :
Yd = Y − T − π e Wn
Se observă existenţa a două bucle de reglare, una multiplicator, prin mintermediul
cheltuielilor de consum, iar cealaltă accelerator prin intermediul economisirii şi
acheltuielilor de investiţii. Mai sus T repreezintă impozitele şi taxele iar W n este avuţia
nominală.
Modelarea acestor mecanisme feedback trebuie să pornească de la existenţa

în cadrul loe a unor bucle feedback ce determină lanţuri de efecte observabile asupra
activităţii economice. Influenţarea nivelului activităţii economice, reprezentat în
modelele dinamice prin evoluţia venitului/outputului se poate face utilizând
interacţiunile puse în evidenţă dr fircare mecanism în parte.
Studiul efectelor feedback fundamentale şi a influenţei lor asupra modelării

sistemelor economice este destul de recent, deşi efectele respective se cunosc de
multă vreme. Dacă în modelele iniţiale ele apăreau isolate, încercând să introducă
anumite procese şi fenomene observate în realitatea economică, după anul 2000 s-a
înţeles din ce în ce mai clar că ele fac parte din mecanismul general de reglare şi
autoreglare al economiei naţionale şi că neglijarea lor atunci când se elaborează
modele macroeconomice nu face decât să simplifice nepermis de mult această
realitate.
De aceea, a apărut o tendinţă de a reformula multe dintre modelele dinamicii

macroeconomice prin prizma descoperirii şi reprezenntării în aceste modele a
mecanismelor feedbakc fundamentale şi a derivatelor acestora. Asocierea dintre o
structură clară a sistemului economic, în care să apară principalele subsisteme,
conexiunile dintre acestea şi mecanismele feedback asociate lor, duce la un avans
însemnat în cercetarea sistemelor cibernetice din economie. Pot fi înţelese astfel mai
bine anumite legităţi şi principii de funcţionare, se pot reprezenta şi modela mai
corect principalele influenţe care există la nivelul sistemelor respective şi se deschide
o nouă perspectivă asupra modalităţilor prin care se pot orienta şi influenţa diferitele
sisteme şi procese.
Capitolul 5
AUTOORGANIZARE ŞI EMERGENŢĂ ÎN
SISTEMELE ADAPTIVE COMPLEXE
Unele din proprietăţile cele mai uimitoare şi, în acelaşi timp, cele mai puţin
elucidate ale sistemelor adaptive complexe sunt auto-organizarea şi emergenţa.
Emergenţa şi auto-organizarea spontană ale unor noi structuri sunt uşor de observat,
de exemplu, în viaţa de zi cu zi sau în condiţii de laborator. Poate cel mai citat
exemplu îl reprezintă efectul de cristalizare a apei în fulgii dă zăpadă, fulgi care au,
fiecare, forme simetrice distincte, deşi numărul lor este uriaş. Dar emergenţa este o
proprietate universală în sistemele vii, organizaţii şi sisteme economice şi sociale,
cărora le conferă calitatea de a manifesta caracteristici şi comportamente cu totul
noi, care nu se întâlnesc la nici unul dintre elementele componente. De asemenea,
aut-organizarea poate fi definită ca ,,oarecare spontană a unei noi structuri coerente
globale a CAS plecând de la interacţiunile locale dintre agenţi” (Heylighen, 2003).
Altfel spus, apare o nouă structură sau patern, fără ca acestea să fie impuse de un
agent exterior.
Un astfel de fenomen prin care se crează spontan, fără intervenţii exterioare,
ceva nou, distinct faţă de cea ce a fost în sistem, contrazice viziunea mecanicistă
prin care elementele componente pot fi aranjate, de fiecare dată, în aceeaşi ordine
particulară, fără existenţa căreia sistemul însuşi nu poate funcţiona. Dar pentru
sistemele complexe, aranjarea părţilor componente în structuri atât de diverse duce
cu gândul la existenţa a ceva necunoscut, la o forţă inteligentă care să se ocupe de
un astfel de proiect.
O astfel de forţă, într-adevăr, există şi ea este confirmată de cea de-a doua
lege a termodinamicii (Clausius) care, în esenţă, spune că într-un sistem închis
entropia poate doar să crească şi nu se diminuează niciodată. Deci pentru a înţelege
auto-organizarea, ar trebui să plecăm de la termodinamică.
Ilya Prigogine a început studierea a ceea ce a denumit structuri disipative încă
din 1955. El şi-a ales ca obiect de studiu celulele Bénard, care prezintă auto-
organizare dinamică. El a observat că aceste structuri care sunt, în mod necesar,
Capitolul 4 – Auto-organizare şi emergenţă în sistemele adaptive complexe
sisteme deschise deoarece energia şi/sau materia le străbat continuu, generează

entropic, dar această entropie este disipată, sau exportată în afara sistemului. Acest
lucru duce la creşterea propriei organizări, cu costul creşterii dezordinii în mediul
înconjurător. Un astfel de sistem respectă cea de-a doua lege a termodinamicii, dar
reuşeşte să-şi menţină sau chiar să-şi crească gradul de organizare transmiţând în
mediu (deci către alte sisteme) excesul de entropie. Un astfel de comportament este
frecvent întâlnit la organismele vii care iau energie şi materie din mediu sub forma
luminii şi hranei şi o cedează apoi sub formă de produse reziduale care au o entropie
mai mare decât cea primită iniţial. În acest mod, aceste organisme îşi reduc entropia
internă, contracarând, pentru o perioadă de timp, dezordinea care o împiedică
acţiunea celei de-a doua legi a termodinamicii.
Cu toate acestea, exportul de entropie nu explică de ce şi cum are loc auto-
organizarea.
Tot Prigogine a observat că auto-organizarea are loc, de regulă, în sistemele
neliniare care funcţionează departe–de–echilibru.
Marele cibernetician britanic W. Ross Ashby a fost preocupat în cel mai înalt
grad de înţelegerea şi definirea auto-organizării. El formulează un ,,un principiu al
auto-organizării” (1954). Conform acestui principiu, un sistem dinamic, indiferent de
structura acestuia, tinde întotdeauna să evolueze către o stare de echilibru, pe care
astăzi o denumim atractor. Acest lucru este de natură să reducă incertitudinea
privind starea sistemului şi, în consecinţă, entropia asociată acestuia. Dar acest lucru
înseamnă auto-organizare. Echilibrul care rezultă poate fi, atunci, interpretat ca o
stare a sistemului în care diferitele părţi componente ale acestuia (agenţi, subsisteme
ş.a.) sunt reciproc adaptate.
Un alt cibernetician cunoscut, H. von Foerster, formulează aşa-numitul
principiu al ,,ordinii apărută din zgomot”. El observă că, în mod paradoxal, cu cât
perturbaţiile aleatoare (zgomotele) din mediul înconjurător sunt mai mari, cu atât mai
repede sistemul se auto-organizează (produce ,,ordine”). Explicaţia acestui lucru
este simplă: cu cât într-un sistem se va deplasa mai dezordonat prin spaţiul de stare,
cu atât mai rapid el va tinde către un atractor. Dar mişcarea dezordonată a sistemului
poate fi determinată prin inducerea de perturbaţii (zgomote) care reflectă influenţele
exercitate de mediul înconjurător asupra sistemului.
De la aceste principii s-a trecut, în anii ’60 la elaborarea unor aplicaţii practice.
Printre aceste aplicaţii se numără reţelele neuronale, care reprezintă modele ale
modului în care neuronii din creier interacţionează. Ele pornesc de la modelul

neuronului, construit de McCallum şi Pitts în lucrarea lor ,,A Logical Calculus of the
Ideas Immanent in Nervous Activity”, apărută încă din 1943. În reţelele neuronale nu
există un control centralizat al proceselor care sunt modelate, acestea evoluând doar
pe baza conexiunilor directe şi indirecte dintre neuronii şi nivelele neuronale care le
alcătuiesc. Rezultatul final poate fi reprezentat sub forma unor modele complexe de
comportament.
O altă aplicaţie în care comportamentul colectiv spontan se produce ca
urmare a interacţiunilor locale dintre agenţi îl reprezintă lumea animală. Stolurile de
păsări, bancurile de peşti, roiurile de albine sau turmele de reni reacţionează după
principiul auto-organizării. Atunci când apare un pericol iminent sau mediul
înconjurător se modifică dramatic, indivizii care alcătuiesc formaţiunile de mai sus
acţionează într-un mod sincronizat care face ca pericolele implicate de modificarea
condiţiilor din mediu să fie reduse la minimum.
Simularea pe calculator a comportamentului roiurilor de albine sau stolurilor de
păsări arată că indivizii ce le compun acţionează după câteva reguli foarte simple,
cum ar fi, de exemplu, păstrarea unei distanţe minime dintre indivizii şi urmarea unei
direcţii medii, pornind de la mişcările vecinilor imediaţi. Pornind de la aceste reguli
simple de comportament local, obţinem un comportament emergent coerent la nivelul
întregului sistem.
Studiile făcute asupra unor astfel de sisteme sunt extrem de utile pentru a
înţelege şi explica ceea ce se întâmplă în CAS din economie. De exemplu, efectul de
imitaţie, observat în cazul mulţimilor de investitori de pe pieţele financiare, este
asemănător comportamentului de turmă (hoarding).
Prin simulare pe calculator se poate reproduce, de exemplu, comportamentul
unui stol de păsări şi înţelege mai bine cum acţionează grupurile mari de oameni
atunci când efectuează tranzacţii financiare, merg la cumpărături în hipermarketuri,
iau parte la o selecţie pe piaţa forţei de muncă ş.a.
Aceste simulări se realizează utilizând, de regulă, automate celulare care
sunt, în esenţă, modalităţi de reprezentare a evoluţiei unei mulţimi finite de entităţi
între care există interacţiuni şi reguli de comportament foarte simple.
Astfel de simulări pot duce la obţinerea unor comportamente extrem de
complicate, care se apropie de cele întâlnite în sistemele biologice, în ecosisteme
sau organizaţii.
4.1. Caracteristicile sistemelor complexe auto-organizatoare
Cercetările întreprinse asupra sistemelor adaptive complexe în ultimii ani au

evidenţiat un număr de trăsături caracteristice, care disting sistemele auto-
organizatoare de sistemele mecanice tradiţionale, studiate de fizică sau disciplinele
inginereşti.
De-a lungul timpului, oameni de ştiinţă cunoscuţi din domeniul ştiinţelor

complexităţii au abordat problema auto-organizării, conturându-se ideea că sistemele
complexe, pentru a putea fi şi adaptive, trebuie neapărat să aibă şi capacitatea
(proprietatea) de auto-organizare.
Astfel, marele biolog şi fondator al Ştiinţelor Complexităţii, Stuart Kauffman, a
studiat dezvoltarea organismelor şi ecosistemelor utilizând intensiv simularea pe
calculator. El a încercat să înţeleagă în ce mod reţelele de gene, care se activează
sau se inhibă reciproc, pot da naştere unor organe şi ţesuturi diferenţiate în cursul
evoluţiei embrionare. Aceste cercetări l-au condus, treptat, către abordarea tipurilor şi
numărului de atractori care se află în reţelele Booleene cu care se pot reprezenta
reţelele de conexiuni dintre gene. El a arătat că auto-organizarea rezultată din aceste
reţele este un factor esenţial al evoluţiei, împreună cu selecţia Darwiniană. De fapt,
cele două mecanisme ale evoluţiei sunt complementare, unul asigurând
diversificarea formelor de viaţă autonome, iar celălalt specializarea acestora în raport
cu condiţiile de mediu variabile.
John Holland, un alt om de ştiinţă, cunoscut în domeniul Ştiinţelor
Complexităţii, încercând să înţeleagă mai bine mecanismele prin care organismele
biologice se adaptează la condiţiile variabile de mediu, a fondat teoria algoritmilor
genetici.
Aceştia, utilizând o serie de operaţii specifice geneticii, cum sunt selecţia,
mutaţia, recombinarea, a simulat pe calculator modul în care pot să apară noi forme
de organizare atât în organismele vii cât şi în organizaţii.
Astăzi, algoritmii genetici sunt utilizaţi în multe domenii pentru a reprezenta
modul în care evoluează sistemele ecologice, biologice, economice sau umane.
Lucrările lui Kauffman şi Holland au prefigurat apariţia unei noi discipline în
cadrul Ştiinţelor Complexităţii, şi anume Artificial Life. Această disciplină, al cărei
iniţiator a fost Chris Langton, are ca principal obiect de studiu dezvoltarea unor
programe pe calculator care imită comportamente ale organismelor vii, cum ar fi
reproducerea, sexualitatea, co-evoluţia, competiţia, confruntarea armată ş.a.
Treptat, studiile întreprinse au dus la conturarea acelor caracteristici
fundamentale care definesc auto-organizarea şi o deosebesc de alte proprietăţi ale
CAS.
Principalele caracteristici ale sistemelor auto-organizatoare sunt următoarele:
1) Ordinea globală rezultă din interacţiunile locale;
2) Controlul distribuit;
3) Robusteţe (rezilienţă);
4) Neliniaritate;
5) Închidere organizaţională;
6) Dinamică departe-de-echilibru;
7) Bifurcaţie şi haos.
Să dăm, în continuare, câteva elemente care explică fiecare dintre aceste
caracteristici.
4.1.1. Ordine globală rezultată din interacţiuni locale
Într-un sistem cu auto-organizare, organizarea întregului sistem rezultă în mod

emergent din interacţiunile existente între componentele acestuia la nivel local.
Un exemplu simplu în acest sens îl reprezintă magnetizarea piliturii de fier.
Atât timp cât câmpurile magnetice este suficient de îndepărat, particulele de fier sunt
dispuse aleator.
Pe măsură ce câmpul magnetic se apropie, la început câteva particule, apoi
acele particule aflate în vecinătatea imediată a primelor, ca la final toate particulele
supuse câmpului magnetic vor fi orientate în acelaşi mod. Deci pilitura de fier a
devenit magnetică în acelaşi fel, cu un singur Pol Nord şi un singur Pol Sud.
Mecansimul descris mai sus poate fi generalizat deupă cum urmează. Între
părţile componente ale unui sistem există, iniţial, interacţiuni locale, determinate de
natura sistemului respectiv. În cursul evoluţiei sistemului, acesta va fi perturbat de
influenţele care provin din mediu. Dacă presupunem că, la început, sistemul este
magnetizat, diferitele componente acţionând în mod aleator, orice influenţă care s-ar
propaga în sistem va fi foarte repede dispersată şi, eventual, anulată datorită
comportamentului aleator al părţilor componente. Deoarece configuraţia dintr-o

anumită parte a sistemului nu oferă nici o informaţie privind configuraţia din oprice
altă parte, atunci aceste configuraţii au corelaţia egală cu zero.
În procesul de auto-organizare, diferitele părţi ale sistemului încep să fie
strâns corelate. De exemplu, în starea de magnetizare, corelaţia este 1. Acest lucru
arată că coeficientul de corelaţie, în dinamica sa, poate măsura trecerea de la
dezordine la ordine. Localizarea interacţiunilor implică faptul că configuraţiile
învecinate sunt puternic corelate, dar că această corelaţie se diminuează pe măsură
ce distanţa dintre configuraţii se măreşte. De aceea, ar fi mai corect să se introducă
lungimea de corelaţie care poate fi definită ca distanţă maximă dintre două
configuraţii pentru care corelaţia este semnificativă (Heylighen).
Se poate observa în exemplul simplu de mai sus că, în sistemele auto-
organizatoare, apare o forţă care menţine şi amplifică procesul prin care emerge
noua ordine din interacţiunile locale. Această forţă este constituită din cauzalitatea
circulară, prin care o cauză produce un efect care reacţionează asupra cauzelor sale.
Acesta nu reprezintă, însă, altceva decât un mecanism feedback care poate fi
pozitiv, dacă acţionează pentru amplificarea procesului de formare a noii ordini, sau
negativ, dacă acţionează pentru inhibarea procesului respectiv.
Cauzalitatea circulară, împreună cu evoluţia departe – de – echilibru, despre
care vom discuta mai departe, reprezintă condiţia sine qua non a auto-organizării.
Acest lucru este confirmat de multe exemple de auto-organizare întâlnite în sistemele
vii.
Câteva dintre proprietăţile auto-organizării pot fi deduse din existenţa
cauzalităţii circulare. Astfel:
- auto-organizarea, ca emergenţa ordinii din interacţiunile locale (dzordonate),
este posibilă doar în sistemele deschise în care resursele provenind din mediu
participă la dinamica circulară a auto-organizării;
- cauzalitatea circulară integrezaă atât amplificarea reciprocă a interacţiunilor
locale şi structurilor globale cât şi stabilitatea reproducerii lor reciproce;
- fluctuaţia în cadrul dinamicii interne şi perturbaţiilor din mediu testează
permanent stabilitatea acestei reproduceri reciproce. Dacă o formă specifică de
reproducere devine instabilă, poate să apară o nouă formă. O structură specifică
poate să devină instabilă şi o nouă structură poate să apară. Auto-organizarea
integrează în acest fel conceptele de supravieţuire şi schimbare (evoluţia adaptivă).
În figura 4.1 se reprezintă emergenţa structurii globale din interacţiuni locale.
Mediu
Cauzalitate
circulară
Interacţiuni Structura
locale globală
Input Non - echilibru
Figura 4.1
4.1.2. Controlul distribuit
În condiţiile unui sistem având o organizare înaltă, de regulă, se presupune că

există un agent intern sau extern care coordonează, orientează sau controlează
sistemul respectiv. De exemplu, în sistemele economice există un preşedinte, un
CEO sau un comitet de direcţie care elaborează politicile şi coordonează activitatea
diferitelor departamente. Sistemele umane sunt coordonate şi conduse de către
creier. Activitatea unei celule este determinată de informaţia stocată de cromozom.
În toate aceste situaţii, agentul care controlează sistemul poate fi privit separat
de acesta, drept pentru care acest agent mai este denumit şi controler sau sistem de
control. Acest sistem de control îşi exercită funcţiile asupra sistemului în mod
centralizat.
În sistemele auto-organizatoare, ,,controlul” organizaţiei este distribuit în întreg

sistemul. Fiecare dintre părţile componente ale acestuia contribuie, într-o măsură mai
mare sau mai mică, la acest proces. De exemplu, în cazul politicii de fier, nu există o
parte care să iniţieze şi să dirijeze în continuare magnetizarea. Dimpotrivă, procesul
de magnetizare poate să apară în orice parte a sistemului şi să se răspândească
contribuie, apoi în întreg sistemul.
Studii recente asupra creierului uman au arătat că nici aceasta nu
funcţionează ca un controler în sensul centralizat dat acestuia.
A. Damasio, un neurolog american celebru, formulează ,,ipoteza markerului
somatic”. Conform acestei ipoteze, ,,markerii somatici sunt un exemplu particular de
sentimente generate de emoţii secundare. Aceste emoţii şi sentimente au fost legate,
prin învăţare, de rezultatele viitoare previzibile ale anumitor scenarii. În momentul
suprapunerii unui marker somatic negativ pe un anumit rezultat viitor, combinaţia
funcţionează ca un semnal de alarmă. În schimb, când un marker somatic pozitiv e
suprapus, ea devine un stimulent” (A. R. Damasio, 2004, pag. 203).
Controlul distribuit este prezent şi în organizaţii şi sisteme economice. Cu cât
aceste sisteme sunt mai complexe, cu atât ele dispun de reţele mai complicate de
interacţiuni şi interdependenţe prin intermediul cărora fluxurile de decizii şi informaţii
se pot transmite în orice parte a sistemelor. Existenţa unor astfel de reţele nu
constituie, însă, decât o condiţie necesară a controlului distribuit. Pentru a se realiza
un astfel de control, agenţii aflaţi în diferitele părţi ale sistemelor trebuie să fie
capabili să coopereze şi să negocieze pentru atingerea unor obiective sau scopuri
comune. Acest lucru este însă specific sistemelor adaptive complexe.
4.1.3. Robusteţe (rezilienţă)
Sistemele auto-organizatoare sunt robuste sau reziliente. Acest lucru

presupune că ele sunt relativ puţin sensibile la perturbaţii sau erori şi au o capacitate
puternică de a se reface. De exemplu, un ecosistem care a suferit daune serioase,
cum ar fi un foc, în general se va reface relativ rapid.
Un motiv al acestei toleranţe la erori, cum se mai numeşte caracteristica, este

organizarea distribuită şi redundantă: acele părţi ale sistemului care nu au suferit
daune contribuie şi cooperează la refacerea celor afectate.
Un alt motiv al robusteţei intrinseci a sistemelor auto-organizatoare poate fi

găsit în fluctuaţii, mişcările aleatoare sau ,,zgomote”. Sistemele au tendinţa de a
prezenta mişcări aleatoare care determină, mai departe, o variabilitate şi diversitate
intrinsecă, ceea ce face auto-organizarea posibilă. O anumită cantitate de
incertitudine, determinată de comportamentul fluctuant, aleator al sistemului va
facilita mai degrabă decât va împiedica autoorganizarea.
Un al treilea motiv al robusteţei este efectul stabilizator al buclelor şi
mecanismelor feedback pe care sistemele auto-organizatoare le conţin. Acest motiv
este legat şi de următoarea caracteristică a sistemelor auto-organizatoare.
4.1.4. Neliniaritatea
Mult timp, imaginea noastră despre lume a fost liniară. Acest lucru înseamnă, în
esenţă, că efectele sunt proporţionale cu cauzele. Dacă unei mingi i se aplică o
lovitură de două ori mai puternică, ea va sări de două ori mai departe. Dar, în
sistemele auto-organizatoare, acest lucru nu este adevărat. În primul rând, relaţia
dintre cauză şi efect este mult mai puţin evidentă: cauze mici pot avea efecte mari şi,
reciproc, cauze mari pot avea efecte mici.
Acest lucru poate fi observat în sistemele reale din economie. De exemplu, în

cazul unei firme, prin combinarea factorilor de producţie cum sunt munca,
capacitatea de producţie şi cunoştinţele tehnologice se obţine o anumită cantitate de
produse. În condiţiile în care am creşte proporţional resursele utilizate, ipoteza liniară
spune că producţia rezultată ar trebui să crească în aceeaşi proporţie (ipoteza
economiei constante de scară). Dar se cunoaşte de mult timp faptul că acest lucru nu
este adevărat. Dacă producţia se desfăşoară la scară redusă, creşterea volumului
factorilor utilizaţi conduce la o creştere mai mare a producţiei realizate (economie de
scară crescătoare). În schimb, dacă producţia se desfăşoară la o scară mare,
creşterea într-o anumită proporţie a volumului factorilor de producţie utilizaţi are ca
efect o creştere într-o proporţie mai redusă a volumului producţiei realizate
(economie de scară descrescătoare).
Astfel de dependenţe neliniare între cauze şi efecte se regăsesc, de fapt, în
aproape toate procesele şi fenomenele ce au loc în organizaţii, ecosisteme, sisteme
umane etc. Lumea în care trăim este neliniară şi acest lucru are consecinţe asupra
modalităţilor de înţelegere şi acţiune ale sistemelor auto-organizatoare.
Neliniaritatea nu poate fi înţeleasă în afara relaţiilor feedback care au loc între
elementele componente ale unui sistem adaptiv complex. Fiecare componentă
afectează celelalte componente, iar acestea din urmă afectează, la rândul lor, prima
componentă. Rezultă deci că relaţiile cauză-efect în aceste sisteme sunt circulare.
Drept urmare, orice schimbare care se produce în prima componentă se transmite de
la o componentă la alta până cînd revine la prima componentă.
Ştim că acest principiu corespunde existenţei buclelor şi mecanismelor
feedback în sistemele auto-organizatoare. Având în vedere faptul că buclele
feedback respective sunt fie pozitive, fie negative, prin combinarea lor se generează
efecte de amplificare, de creştere a schimbărilor iniţiale, prin intermediul buclelor
feedback pozitive, dar şi efectele opuse de stabilizare a sistemului, care tind să-l
aducă înapoi la starea iniţială.
Procesele care au loc în sistemele auto-organizatoare de regulă încep cu o
fază în care buclele şi mecanismele feedback pozitive sunt dominante, lucru
observat prin creşterea fluctuaţiilor iniţiale, a vitezei de creştere a mărimii unor
variabile etc. Treptat, aceste efecte cuprind întregul sistem. Odată cu toate
componentele se ,,aliniază” la configuraţia creată de fluctuaţiile iniţiale, sistemul se
opreşte din creştere, atingând un maxim al ,,utilizării” resurselor disponibile. În
continuare, sistemul caută un nou echilibru (sau, cel puţin, o stare staţionară).
Deoarece o nouă creştere nu mai este posibilă în condiţiile resurselor disponibile, pot
să se producă schimbări necesare atingerii noului echilibru doar dacă se reduce
configuraţia dominantă. Totuşi, reducerea nu poate fi de mare amploare deoarece, în
momentul în care anumite componente se abat de la acea configuraţie, aceleaşi forţe
care au dus la noua configuraţie se vor opune reducerii, aducând sistemul înapoi
către configuraţia stabilă. Aceasta din urmă este faza în care sunt dominante buclele
şi mecanismele feedback negative.
În cele mai multe sisteme auto-organizatoare, atingerea unui nou echilibru
înseamnă parcurgerea unor faze alternative, în care dominanţa buclelor pozitive şi
negative se schimbă până ce procesele auto-organizatoare încetează.
Acest lucru face atât de complicat şi greu de previzionat comportamentul
sistemelor adaptive complexe.
4.1.5. Închidere organizaţională
Corelaţia sau coerenţa dintre parţile separate ale unui sistem auto-organizator
determină o configuraţie ordonată a acestuia. Totuşi, ordinea nu înseamnă încă
organizare. Organizarea poate fi înţeleasă ca acea caracteristică a unui sistem de a
fi ordonat sau structurat astfel încât să îndeplinească o funcţie particulară. În
sistemele auto-organizatoare, această funcţie presupune menţinerea unei configuraţii
particulare, în ciuda perturbaţiilor. Doar acea ordine care menţine componentele unui
sistem împreună va rezulta din auto-organizare şi ea este auto-suficientă sistemului
pentru a-şi îndeplini funcţia.Această caracteristică este denumită închidere
organizaţională.
Un proces cauzal poate fi, în general, deschis ca un lanţ sau şir A → B → C →

D → … de situaţii sau evenimente astfel încât un prim eveniment A determină
următorul eveniment B ş.a.m.d. Prin acest lanţ cauzal se produc modificările şi
schimbările ce au loc în diferitele părţi componente ale sistemului. Totuşi, este posibil
ca unele lanţuri cauzale să se intersecteze şi unele efecte să se transmită către
cauze anterioare, formându-se cicluri cauzale. Aranjarea acestor lanţuri şi cicluri
cauzale în sistemele auto-organizatoare va fi continuu menţinută sau redusă (auto-
poiesis). Dacă un ciclu cauzal va corespunde unei bucle feedback negative, atunci el
va fi relativ impenetrabil la perturbaţiile externe, având tendinţa de a elimina din
sistem efectele acestora. În acest fel, sistemul auto-organizator devine relativ
independent de mediul său înconjurător.
Se spune, în acest caz, că el este ,,închis” pentru influenţele din afară. Deşi
din punct de vedere al schimbului permanent de energie şi materie cu mediul
sistemul este deschis, organizarea sa internă se menţine o perioadă de timp aceeaşi,
sau aproape aceeaşi. Se spune, în acest caz, că sistemul este termodinamic
deschis, dar organizaţional închis.
Închiderea organizaţională determină, în cazul sistemelor auto-organizatoare,
o distincţie clară între interior (componentele care participă la închidere) şi exterior
(cele care nu participă) şi deci se poate delimita o margine sau graniţă care separă
sistemul de mediul său înconjurător.
Dar aceeaşi graniţă poate fi determinată şi pentru componentele sau părţile
sistemului însuşi. Rezultă deci că sistemul auto-organizator poate fi separat într-un
număr de subsisteme relativ autonome, închise organizaţional, dar aceste

subsisteme vor interacţiona continuu unele cu altele într-un mod indirect. Aceste
interacţiuni vor tinde, de asemenea, să determine configuraţii auto-suficiente
,,închise”, determinând subsisteme de nivel ierarhic mai înalt, care conţin
subsistemele iniţiale ca şi componente. Aceste sisteme de nivel mai înalt pot
interacţiona între ele, determinând un anumit model de interacţiuni, deci definind un
sistem de ordin şi mai înalt. Acest lucru explică de ce sistemele adaptive complexe
tind să aibă o arhitectură de tip ierarhic, de ,,cutii în alte cutii”, în care la fiecare nivel
se pot distinge un număr de organizaţii relativ autonome închise.
De exemplu, o celulă este un sistem organizaţional închis, incluzând o reţea
complexă de cicluri chimice interactive în cadrul unei membrane care le protejează
de perturbaţiile mediului extern. Totuşi, celulele sunt ele însele organizate în ţesuturi
care împreună formează un organism multicelular. Aceste organisme sunt, la rândul
lor, conectate printr-o multitudine de circuite de hrană ciclice, a căror mulţime
formează un ecosistem.
Închiderea organizaţională este esenţială pentru înţelegerea emergenţei. Prin
închiderea organizaţională se formează, la fiecare nivel, un întreg ale cărui proprietăţi
nu pot fi reduse la proprietăţile elementelor componente. Dar proprietăţile emergente
de la nivelele înalte restricţionează comportamentul componentelor de pe nivelele
inferioare.
Să considerăm cazul unei burse de valori. Societăţile listate la bursă au
comportamente diferite în funcţie de mărime, profilul activităţii, înzestrarea tehnică şi
umană ş.a. Drept urmare, activitatea acestora se reflectă pe piaţa bursieră printr-o
cotaţie a acţiunilor care se comportă în mod diferit de la o societate la alta.
Pe ansamblu, însă, bursa de valori are un comportament propriu care nu
poate fi întâlnit la nici una dintre societăţile amintite. Acest comportament este
reflectat de unul sau mai mulţi indici bursieri.
Comportamentul emergent al bursei influenţează, însă, comportamentul
fiecărei societăţi listate. După cum indicele bursier creşte sau scade, este mai mult
sau mai puţin volatil, şi cotaţiile la bursă ale societăţilor încep să se schimbe şi
aceasta deoarece proprietarii acestora precum şi investitorii reacţionează la
informaţia referitoare la comportamentul de ansamblu al bursei.
Apar deci un circuit cauzal de jos în sus şi de sus în jos care este denumit
cauzalitate verticală sau ,,de sus în jos” (downward): nivelul mai înalt exercită o
influenţă asupra nivelului mai scăzut, determinând componentele aflate pe acest

nivel să acţioneze într-un anumit mod.
Acest tip de cauzalitate este opusă cauzalităţii ,,de jos în sus” (upward),
specific metodei reducţioniste, în care comportamentul întregului (sistemului) este
complet determinat de comportamentul părţilor componente.
4.1.6. Evoluţia departe–de–echilibru
Ilya Prigogine a reuşit primul să explice una dintre cele mai intrigante
probleme care s-au pus în ştiinţă şi anume aceea a modului în care a doua lege a
termodinamicii acţionează în sistemele deschise. În termodinamică, echilibrul este
caracterizat de absenţa producţiei de entropie sau, echivalent, de faptul că energia
nu este disipată. Un sistem aflat într-o stare de echilibru este, deci, caracterizat de o
pierdere minimă de energie. Pentru a atinge această stare sistemul a disipat tot
,,surplusul” de energie pe care îl conţinea.
Dacă nu există nici un input de energie din mediul înconjurător, sistemul va
rămâne veşnic în această stare de echilibru.
Totuşi, o astfel de posibilitate există doar teoretic, şi anume în sistemele
închise. Dar cum, în realitate, astfel de sisteme nu există, rezultă că un sistem nu-şi
poate atinge niciodată starea de echilibru definită de a doua lege a termodinamicii.
Prigogine şi colaboratorii săi au sugerat ca această lege să fie înlocuită cu o lege a
producţiei de entropie maximă: într-un sistem departe – de – echilibru disiparea de
entropie către mediu atinge un maximum.
A doua lege a termodinamicii este, după expresia lui Arthur Eddington, ,,legea
supremă a Naturii”. Ea a pornit de la o observaţie simplă: în orice proces microscopic
mecanic, o parte sau toată energia este întotdeauna disipată sub formă de căldură.
De exemplu, dacă ne frecăm mâinile una de alta, lucrul mecanic respectiv este
disipat sub formă de căldură. În 1850, un fizician german, Rudolf Clausius, introduce
conceptul de ,,entropie” ca măsură a unei cantităţi care creşte necontenit datorită
disipării căldurii. Deoarece, după cum se ştie, căldura are drept cauză mişcarea
aleatoare a particulelor microscopice care alcătuiesc orice obiect, entropia a început
să fie interpretată ca o cantitate de dezordine pe care sistemul o conţine. Ea
constituie o modalitate de a conecta lumea microscopică, în care acţionează legile
mecanicii cuantice, cu lumea macroscopică, în care sunt necesare legile
termodinamicii. Pentru sistemele închise, care nu schimbă nici energie şi nici materie
cu mediul înconjurător, entropia continuă să crească până îşi atinge valoarea
maximă pentru care este definit echilibrul termodinamic. Aceasta este starea finală a
sistemului, în care nu mai apar schimbări în proprietăţile macroscopice – densitate,
presiune etc. – indiferent cât timp s-ar scurge.
În realitate, toate procesele şi sistemele din natură sunt deschise. Deci aceste
procese şi sisteme nu vor atinge niciodată o stare de echilibru termodinamic, în care
entropia să fie maximă.
,,Departe–de–echilibru” înseamnă, în esenţă, că sistemle sunt departe de
acel echilibru termodinamic ceea ce face ca, în evoluţia lor, să nu mai poată fi
aplicate relaţiile liniare care descriu creşterea entropiei, ci legităţi şi relaţii neliniare.
Dependenţa unui sistem deschis de surse externe de energie îl fac mai fragil
şi senzitiv la schimbările din mediul înconjurător, dar şi mai dinamic şi capabil să
reacţioneze. Fragilitatea este evidentă: dacă sursa de energie ar dispare, structura
disipativă se va dezintegra. Pe de altă parte, surplusul de energie permite sistemului
să-şi amplifice procesele interne, de exemplu contracarând micile perturbaţii prin
reacţii puternice, sau susţinând ciclurile feedback pzitive o perioadă cât mai mare de
timp. Aceasta face sistemul mult mai puternic în ceea ce priveşte dezvoltarea,
creşterea sau adaptarea la modificări externe. În loc să reacţioneze la toate
perturbaţiile prin bucle şi mecanisme feedback negative pentru a aduce sistemul
înapoi la starea de echilibru, un sistem funcţionând departe–de–echilibru este, în
principiu, capabil să producă o mai mare varietate de acţiuni de reglare, conducând
la multiple configuraţii stabile.
Pentru a menţine o organizare anume în ciuda modificărilor înconjurător,
problema este de a utiliza anumite acţiuni în circumstanţele date. Acesta defineşte,
în esenţă, problema adaptării.
Dar adaptarea, pentru a putea avea loc, necesită ca însăşi sistemul să fie
capabil să se schimbe şi acest lucru nu poate avea loc decât la limitele haosului,
unde sistemul ajunge printr-un proces de bifurcaţie.
4.1.7. Bifurcaţie şi haos
Neliniaritatea şi evoluţia departe – de – echilibru a sistemelor adaptive

complexe fac posibil ca, la un moment de timp oarecare, aceste sisteme să poată
ajunge într-un şir de configuraţii stabile. Care dintre aceste configuraţii va fi aleasă
depinde de mici fluctuaţii sau perturbaţii care afectează sistemul pe parcursul
evoluţiei acestuia. Deoarece micile perturbaţii sunt amplificate de buclele feedback
pozitive, aceasta înseamnă perturbaţia iniţială care a condus la atingerea unei
anumite configuraţii se poate ca nici să nu fie observată. Ca regulă generală, dacă se
dă starea observabilă a unui sistem la începutul unui proces, rezultatul procesului
respectiv este impredictibil.
Totuşi, dacă ne întoarcem la starea sistemului înainte de auto-organizare,
există doar o configuraţie posibilă: una dezordonată. O configuraţie dezordonată este
una în care stările posibile ale componenţelor individuale au aceeaşi probabilitate de
a se produce. Deoarece numărul de componente ale unui sistem este foarte mare iar
numărul de stări posibile ale fiecărei componente este, de asemenea, mare rezultă
că o configuraţie dezordonată este cea în care oricare dintre componente se poate
afla, cu aceeaşi probabilitate în oridcare dintre stările posibile. Acest lucru înseamnă,
în esenţă, că sistemul este simetric: din orice direcţie l-am observa, el arată la fel.
După auto-organizare, totuşi o anumită configuraţie devine dominantă şi, în
consecinţă, simetria dispare, apărând ceea ce se numeşte spargerea simetriei.
Aceasta poate fi interpretată în următorul mod: sistemul auto-organizator, în starea
de dezordine, face o alegere. Iniţial el consideră toate configuraţiile egal posibile, dar
după aceea îşi manifestă o preferinţă pentru una dintre acestea. Totuşi, alegerea nu
are la bază un criteriu obiectiv. Sistemul ia o decizie arbitrară şi aceasta schimbă
ordinea preferinţelor. Decizia luată este impredictibilă şi, prin aceasta, sistemul
creează ceva nou.
Evoluţia de la configuraţia dezordonată la una ordonată este determinată de o
schimbare în mediul înconjurător, deci în condiţiile la limită ale sistemului. Dar nu
orice schimbare este aptă să determine un astfel de proces. Doar anumite schimbări
ale unor mărimi exterioare sistemului sunt capabile să iniţieze procesul complicat de
trecere de la dezordine la o nouă ordine. Aceste mărimi sunt denumite parametri de
ordine şi domeniul în care iau valori aceştia poartă numele de spaţiu al parametrilor.
Modificarea unuia sau mai multor parametri de ordine determină apariţia, în
evoluţia sistemului, a unei bifurcaţii (figura 4.1.).
bifurcaţie
bifurcaţie
parametru
de ordine
Figura 4.2
Bifurcaţia arată, pentru o anumită valoare a parametrului de ordine, care sunt

stările posibile pe care o anumită configuraţie a sistemului le poate atinge. În figura
4.2 este reprezentat cazul cel mai simplu, în care o configuraţie stabilă (simetrică)
este înlocutiă cu două configuraţii, stabile sau instabile.
În realitate, bifurcaţii mult mai complicate pot să apară. În loc de două, pot fi
trei, patru sau un număr infinit de configuraţii posibile care apar dintr-un punct de
bifurcaţie, iar bifurcaţiile pot fi aranjate într-o cascadă, în care două sau mai multe
ramuri apar din puncte de bifurcaţie succesive, ce se obţin pe măsură ce parametrul
de ordine se modifică.
În orice caz, bifurcaţiile apar mult mai repede decât modificările ce au loc în
parametrul de ordine, până ce numărul de ramuri devine infinit. Acest lucru
corespunde intrării sistemului într-o stare (configuraţie) haotică, în care el sare
constant şi impredictibil de la o ramură (configuraţie) la alta.
Sistemul nu rămâne, totuşi, mult timp într-o astfel de stare, ci, brusc, fără un
motiv anume, el devine din nou ordonat. Totuşi, noua configuraţie obţinută după
parcurgerea zonei de haos diferă de cea anterioară. Sistemul s-a auto-organizat.
Esenţial este faptul că orice proces de auto-organizare necesită parcurgerea
unui proces de bifurcaţie urmat de un comportament haotic (rută către haos).
4.2 Emergenţ
ţa sistemelor adaptive complexe din economie
Conceptul de emergenţă are încă un sens echivoc în ştiinţă. Uneori el este

folosit ca o explicare a apariţiei unor proprietăţi coerente globale în orice sistem care
se compune din părţi sau elemente având comportamente observabile la nivel local.
Alteori el este utilizat pentru a denumi ceea ce nu poate fi explicat în comporamentul
sau evoluţia unui sistem. În Ştiinţele Complexităţii, emergenţa apare ca noţiunea ce
denumeşte noile proprietăţi coerente care nu sunt predictibile dacă analizăm
proprietăţile izolate ale părţilor unui sistem, proprietăţi ce apar atunci când abordăm
sistemul la nivel global.
Noutatea şi coerenţa noilor proprietăţi sunt condiţii esenţiale pentru a
recunoaşte emergenţa acestora într-un sistem adaptiv complex. În legătură cu
acest aspect, se pun două întrebări esenţiale, şi anume:
- Cum se poate ca un nou lucru să apară, dacă el nu poate fi prevăzut din
proprietăţile componentelor din care este constituit sistemul?; şi
- Ce conferă coerenţă unor proprietăţi decurgând din comportamentul şi
funcţionarea unui număr mare de părţi, astfel încât acestea să se manifeste la
nivelul întregului sistem?
Emergenţa este direct legată de auto-organizare, ea manifestându-se cu
precădere în timpul sau ca o consecinţă a procesului de auto-organizare. Datorită
acestui lucru, proprietăţile emergente sunt cele care determină auto-reglarea şi
menţinerea coeziunii unui sistem auto-organizator în faţa entropiei induse de
acţiunea mediului înconjurător.
4.2.1 Tipurile principale de emergenţă

ţă
Searle (1992) distinge două tipuri de emergenţă: ontologică şi reprezentativă.

Emergenţa ontologică permite explicarea modului în caere sistemele pot exista într-o
lume dominată de cea de-a doua lege a termodinamicii şi de o microfizică închisă
cauzal. Emergenţa reprezentativă se referă la dezvoltarea teoriilor despre lucrurile pe
care suntem în stare să le observăm şi să le explicăm în lumea reală.
Cariani (1991, pag. 776) adaugă celor două tipuri şi emergenţa
computaţională, în care “forme globale complexe pot să apară din interacţiuni
computaţionale locale”, deci modelând procese similare celor care, în sistemele
reale, pot produce proprietăţile emergente observate. De exemplu, în automatele
celulare pot să apară forme complexe ca urmare a aplicării unor reguli de calcul
simple, echivalente interacţiunilor locale din cadrul sistemelor reale.
Holland (1995, 1998) demonstrează proprietăţile sistemelor adaptive

complexe utilizând automatele celulare şi arată că agregarea şi auto-mentenanţa
sunt relevante pentru studiul emergenţei în astfel de sisteme. Agregarea este
definită ca o funcţie ce depinde de ierarhia organizaţională a sistemului, iar auto-
mentenanţa presupune menţinerea unei coerenţe continue a sistemului obţinut
în urma agregării, în ciuda fluxurilor de resurse dintre părţile agregate, precum şi
a apariţiei şi dispariţiei unora dintre ele.
Cele două proprietăţi emergente de mai sus apar frecvent în cazul sistemelor
complexe din economie. Agregarea apare atunci când din subsisteme şi componente
de natură diferită aflate la nivel microeconomic, cum ar fi firme, gospodării, bănci,
pieţe de natură diferită etc. se formează un sistem macroeconomic. Acesta are
proprietăţi şi comportamente diferite de cele ale componentelor sale, oricare ar fi
acestea. La fel, auto-mentenanţa este prezentă în sistemul macroeconomic astfel
obţinut, întrucât coeziunea acestuia se păstrează, deşi între firme, gospodării,
bănci circulă fluxuri de materiale, produse, forţă de muncă, bani ş.a., fluxuri ale
căror intensităţi şi direcţii sunt determinate de pieţe. De asemenea, unele firme
dau faliment, altele intră în economie (sunt nou înfiinţate), unele gospodării apar
iar altele dispar, iar băncile sunt înfiinţate şi dau faliment fără ca coeziunea
sistemului macroeconomic să fie afectată sau proprietăţile emergente ale acestuia
să se schimbe.
4.2.2 Caracteristicile sistemelor emergente
Intuitiv, emergenţa poate fi cel mai bine înţeleasă ca un salt care apare pe
un nivel ierarhic al structurii organizaţionale a unui sistem, salt ce determină ca
subsistemele, părţile şi componentele aflate pe acel nivel să devină coerent
organizate şi să poată fi caracterizate ca fiind ceva nou, diferit de situaţia iniţială.
Studiul emergenţei presupune, în acest context, elucidarea cel puţi a următoarelor
probleme (Jones, 2002):
- cum se formează nivelele ierarhice noi într-un sistem pe baza unor
componente aflate deja pe un anumit nivel ierarhic inferior;
- cum se pot stabili şi descrie limitele care separă diferitele nivele ale unui
sistem; şi
- cum o mulţime de părţi componente poate să capete coerenţă pentru a

forma nu nou nivel ierarhic.
Sistemele emergente pot fi definite ca acele sisteme adaptive complexe care:
a) produc noutate – începând cu un moment de timp iniţial, cel al
emergenţei, noua structură formată din constituenţii unui sistem produce sau
reprezintă ceva nou, care nu exista în forma respectivă înainte de emergenţă.
b) sunt impredictibile – noile proprietăţi sau comportamente obţinute în urma
emergenţei nu puteau fi prevăzute înainte ca emergenţa să aibă loc.
c) asigură coerenţă, integritate – obiectele şi componentele sunt ţinute
împreună de interacţiuni cauzale ce asigură unitatea lor organică, ceea ce face ca
noua formă organizaţională apărută să acţioneze coerent şi să reziste la
perturbaţii interne şi externe.
d) determină auto-mentenanţa – noua formă este stabilă în raport cu
variaţiile mediului înconjurător precum şi cu modificările ce au loc în propria
structură internă.
e) sunt asimetric cauzale – proprietăţile noi care sunt revelate în urma
emergenţei sunt determinate doar “de jos în sus”, fără să se observe apariţia unor
noi proprietăţi emergente “de sus în jos”.
Deci emergenţa reprezintă, în ultimă instanţă, o problemă de organizare şi,
în consecinţă, taxonomia utilizată în descrierea relaţiilor organizaţionale este cea
mai portivită pentru a descrie drumul unei mulţimi de componente ale unui sistem
către coerenţă şi integritate, ceea ce le dă posibilitatea în continuare să se
comporte ca un întreg.
4.2.3 Emergenţă şi organizare
Organizarea părţilor sau constituenţilor unui sistem este rezultatul relaţiilor

care se creează între componentele lumii fizice (reale) sau virtuale. De exemplu,
emergenţa sistemului macroeconomic se produce ca urmare a relaţiilor materiale,
energetice, informaţionale, umane etc. care există între subsistemele componente
ale sistemului respectiv şi între acestea şi alte componente aflate în mediul
înconjurător. Proprietăţile emergente ale sistemelor simulate pe calculator (de
exemplu, în cazul automatelor celulare) derivă din regulile stabilite ca existând
(virtuale) între componentele sistemelor respective.
Aşadar, emergenţa depinde de aceste relaţii reale sau virtuale care există
între părţile componente ale unui sistem şi de modul în care acestea induc o
anumită ordine în sistem. Trebuie spus, însă, că ordinea indusă în procesul de
emergenţă diferă de ordinea preexistentă în sistemul emergent. Este necesar ca
aceasstă ordine să determine sau să impună apariţia unui nou nivel ierarhic care să
se comporte coerent în continuare şi care să fie clar delimitat de vechea structură a
sistemului respectiv. De asemenea, acest nou nivel trebuie să aibă limite clar
stabilite şi să dezvolte regiuni de stabilitate în cadrul cărora perturbaţiile care
afectează elementele sau limitele să nu ducă la disoluţia nivelului nou apărut.
Această stabilitate în integritate este cea care asigură sistemului condiţiile de
apariţie a emergenţei, altfel spus, o nouă ordine la un nivel ierarhic superior.
Relaţiile organizatoare care apar în procesul de emergenţă reprezintă reţele
complexe de interdependenţe între părţile sau componentele sistemului, mergând de
la relaţiile care se stabilesc între entităţile bio-chimice din cadrul unei celule şi până
la raporturile complexe dintre indivizi din cadrul unei societăţi. Studiul unor astfel de
reţele sociale complexe, indiferent de locul în care apar şi de natura lor fizică, poate
duce la înţelegerea mai profundă a emergenţei ca procesul fundamental prin care în
natură, economie sau societate apar noi sisteme, având proprietăţi şi
comportamente distincte, ceea ce conferă lumii în care trăim infinita sa varietate şi
diversitate.
CAPITOLUL 6
AGENŢI ŞI MODELAREA-BAZATĂ-PE-AGENŢI
Agenţii şi sistemele multiagent reprezintă o nouă modalitate de analiză,

modelare şi implementare a sistemelor complexe. Viziunea bazată pe agenţi oferă
astăzi o gamă largă de instrumente, tehnici şi paradigme cu un uriaş potenţial de a
îmbunătăţi modul în care oamenii concep şi utilizează tehnologia informaţională.
Agenţii sunt şi vor fi utilizaţi tot mai mult într-o mare varietate de aplicaţii, mergând de
la sisteme de dimensiuni mici, cum ar fi filtrele personalizate pentru e-mail sau
agenţii pentru cumpărături (shopbot) şi până la sisteme mari, deosebit de complexe,
cum sunt organizaţiile şi sistemele economice virtuale. La o primă vedere, ar putea
apărea că aceste tipuri de sisteme sunt extrem de diferite şi că nu au nimic în comun
unele cu altele. Dar, în toate aceste cazuri, poate fi utilizat conceptul de agent şi
metodele care derivă din acesta. Este remarcabil cât de mare este varietatea de
aplicaţii ce poate fi caracterizată în termenii teoriei agenţilor şi sistemelor multiagent.
Datorită gradului mare de interes şi nivelului ridicat de activitate din acest
domeniu, la început teoriile şi metodele referitoare la agenţi pot apărea haotice şi
incoerente. Ne propunem ca, în acest capitol, să introducem o mai mare coerenţă şi
ordine, fără a dezvolta prea mult acest domeniu multidisciplinar deosebit de vast.
Înainte de a trece la descrierea unor aplicaţii economice ale acestei teorii, să
definim ce se înţelege prin termeni ca ,,agent”, ,,sistem bazat pe agenţi” sau ,,sistem
multiagent”. Există astăzi o literatură deosebit de bogată din acest domeniu, care
conţine o mulţime de definiţii date acestor concepte cheie, fără să se manifeste,
totuşi, o încercare de unificare a diferitelor sensuri. Desigur că acest lucru nu
constituie un obstacol în progresul rapid, atât teoretic cât şi în ce priveşte aplicaţiile
practice ale domeniului, dar noile cunoştinţe acumulate, noile paradigme introduse
necesită, din timp în timp, reevaluarea termenilor cheie prin reluarea efortului de
redefinire a conceptelor, astfel încât să putem înţelege mai bine implicaţiile şi
interdependenţele fiecărui termen în parte.
Capitolul 5 – Agenţi şi modelarea-bazată-pe-agenţi
Acest lucru îl vom face şi noi în continuare, pornind de la o bibliografie

cuprinzătoare. Mai întâi vom încerca să răspundem la întrebarea esenţială: ,,Ce este
un agent ?” Odată introdus conceptul de bază de agent, putem merge mai departe
pentru a defini sistemul bazat pe agenţi. Acesta, desigur, este un sistem în care
elementul principal este cel de agent. În principiu, un sistem bazat pe agenţi ar putea
fi conceptualizat în termenii specifici agenţilor, dar implementat fără ca structurile
sale să includă vreo referire la agenţi. Este cazul multor aplicaţii practice actuale
care, deşi se subsumează teoriilor referitoare la agenţi, nu menţionează acest lucru
în mod explicit. Desigur că o astfel de abordare este mai puţin productivă, astfel că
ne vom aştepta ca sistemele proiectate ca sisteme bazate pe agenţi să fie şi
implementate în continuare ţinând cont de conceptul de agent.
În continuare, în acest capitol, vom introduce sistemele multiagent, formate din
mai mulţi agenţi interconectaţi. Sistemele multiagent reprezintă mijlocul ideal de a
aborda probleme care au mai multe metode de rezolvare, mai multe modalităţi de
structurare şi/sau mai multe entităţi care le rezolvă (ca în cazul sistemelor distribuite).
Astfel de sisteme au, deci, avantajul natural al rezolvării distribuite şi concurente a
problemelor dar, în acelaşi timp, au şi avantajul suplimentar al reprezentării
modalităţilor complexe de interacţiune. Tipurile principale de interacţiuni cum sunt
cooperarea (lucrul împreună pentru atingerea unui scop comun), coordonarea
(organizarea activităţii de rezolvare a problemelor astfel încât interacţiunile
dăunătoare sunt eliminate iar cele favorabile sunt utilizate) şi negocierea (ajungerea
la un acord care este acceptabil pentru toate părţile implicate) reprezintă aspecte
esenţiale ale utilizării în practică a metodelor bazate pe agenţi.
În ultima parte a acestui capitol vom introduce conceptul de sistem multiagent
inteligent, concept care este fundamental în abordarea conducerii sistemelor şi
proceselor economice din perspectiva agenţilor şi modelării-bazate-pe-agenţi.
Inteligenţa unor astfel de sisteme este legată mai mult de capacitatea lor comună de
a învăţa şi a se adapta la cerinţele mediului, deşi nu este exclus ca, în curând, să
vorbim despre agenţi care au convingeri proprii sau despre agenţi emoţionali, deci
care sunt capabili să exprime emoţii şi sentimente umane.
Vom introduce conceptul de inteligenţă colectivă pentru a descrie un sistem
multiagent în care nu există o structură centralizată de comunicare sau control şi
care are capacitatea de a învăţa şi a se adapta continuu, în raport cu percepţia sa
asupra mediului, dar şi a interdependenţelor interne dintre agenţi.
Sistemele multiagent cu inteligenţă colectivă sunt considerate astăzi ca fiind

tipul de sisteme care se va impune tot mai mult în aplicaţiile practice ale viitorului.
Biroul inteligent, casa inteligentă, întreprinderea inteligentă etc. tind să iasă din sfera
proiectării şi să devină, într-un viitor previzibil, realităţi obişnuite.
5.1 Ce este un agent ?
Conceptul de agent a devenit, în anii 90 ai secolului XX şi în primii ani ai

secolului XXI, un concept central în câteva dintre disciplinele ştiinţifice cu o
dezvoltare de-a dreptul explozivă. Inteligenţa artificială (IA) şi subdomeniul acesteia,
inteligenţa artificială distribuită, ştiinţele complexităţii, cibernetica de ordinul trei,
ştiinţa calculatoarelor, economia computaţională ş.a. fac apel din ce în ce mai
frecvent la conceptul de agent şi la metodele derivate din acesta. Se vorbeşte deja
despre o teorie a agenţilor şi a sistemelor multiagent ca un domeniu relativ autonom
al IA, deşi există şi alte discipline care revendică acest lucru.
Fără să existe încă o unitate de vederi în ceea ce priveşte definirea agenţilor,
cercetările în această direcţie avansează atât de rapid încât se poate spune că se
conturează deja o concepţie unitară şi unificată asupra agenţilor, astfel încât ei să
poată fi deja obiect de standardizare internaţională.
În continuare, vom trece în revistă câteva definiţii date agenţilor, vom
introduce principalele proprietăţi ale acestora şi vom arăta impactul pe care utilizarea
acestui concept îl are asupra diferitelor discipline ştiinţifice, tehnici şi metodologii care
sunt astăzi utilizate în diferite ştiinţe.
5.1.1 Definiţii de bază
Deşi noţiunea de agent a devenit centrală în cele mai diferite domenii

ştiinţifice, există diferenţe mari între sensurile date acestui concept precum şi
diferitelor utilizări ale sale în aceste domenii.
În dicţionare, agentul este definit ca ,,cineva care, sau prin care se exercită
putere sau produce un efect”1). Totuşi, o astfel de definiţie este prea generală pentru
a putea fi considerată operaţională; cel puţin ea indică faptul că agentul exercită o
1)
The Concise Oxford Dictionary, of Current English, (7 th edition), Oxford University Press, 1988
acţiune, schimbă ceva în mediul înconjurător. Mai precis, Shardlow arată că ,,Agenţii
fac lucruri, ei acţionează: de aceea ei se numesc agenţi” (Shardlow, 1990).
Agenţii au deci un rol activ, iniţiind acţiuni prin care este afectat mediul lor mai
degrabă, decât ca ei să fie afectaţi de acest mediu. Doi termeni pot fi utilizaţi pentru a
descrie această acţiune a agenţilor: autonomia şi raţionalitatea aşa cum afirmă
Wooldridge şi Jennings (1995). Autonomia presupune, în general, că un agent
funcţionează fără intervenţia directă a omului sau a altor agenţi. Raţionalitatea
presupune că agenţii iniţiază orice acţiune în scopul maximizării performanţei lor în
raport cu o funcţie de evaluare.
Totuşi, acţiunea raţională autonomă, aşa cum este definită, reprezintă un
criteriu prea general pentru agenţi, ceea ce face ca în această categorie să se
regăsească o clasă prea largă de obiecte. De exemplu, conform acestei definiţii, şi
un tranzistor care, în esenţă, reprezintă un dispozitiv electronic simplu, poate fi
considerat ca fiind agent.
Poate mai multă precizie în acest domeniu este introdusă de definiţia dată de
Jennings, Sycara şi Wooldridge (1998) pentru care ,,un agent este un sistem de
calcul situat într-un anumit mediu, care este capabil de acţiune autonomă flexibilă
pentru a realiza obiectivele sale proiectate” (Jenings, Sykara, Woldridge, 1998, p.8).
Se observă că acum se folosesc trei concepte cheie pentru a defini un agent:
poziţionarea în raport cu mediul, autonomia şi flexibilitatea. Poziţionarea, în acest
context, înseamnă că agentul primeşte inputuri de la mediul său şi că el poate
executa acţiuni care schimbă acest mediu într-un anumit fel. Astfel, Internetul
reprezintă un mediu în care poate fi situat un astfel de agent dar, tot aşa de bine,
acest mediu poate fi şi realitatea fizică. Poziţionarea reprezintă o proprietate
fundamentală a agenţilor, care-i deosebesc de alte sisteme, de exemplu de
sistemele expert. Acestea din urmă nu interacţionează direct cu mediul, primind
informaţia şi cunoştinţele prin intermediul inginerului de cunoştinţe, care este un om.
În acest mod, sistemul expert nu acţionează direct asupra mediului, ci prin
intermediul factorului uman.
Autonomia este înţeleasă aici ca absenţa intervenţiei umane sau a altor
agenţi, deci un agent îşi poate controla complet propriile acţiuni şi starea sa internă.
Uneori autonomia este înţeleasă, într-un sens mai strict, ca şi capacitatea pe care o
are agentul de a învăţa din propria sa experienţă (de exemplu în (Russell, Norvig,
1995)).
Flexibilitatea presupune, în esenţă, că agentul este: responsiv (deci percepe

mediul şi răspunde la timp la schimbările ce apar în el); proactiv (adică acţiunile sale
nu reprezintă simple reacţii la mediu, ci este capabil să exercite un comportament
orientat către un anumit scop şi să iniţieze acţiuni care îl apropie de aceste scopuri);
şi social (deci agentul este capabil să interacţioneze cu alţi agenţi artificiali sau umani
pentru a-şi rezolva propriile probleme şi a-i ajuta pe alţii în activităţile lor).
J. Ferber (1995) detaliază şi mai mult lucrurile, el spunând, în esenţă, că
agenţii sunt entităţi reale (fizice) sau virtuale care:
• Acţionează într-un mediu specificat;
• Comunică cu alţi agenţi;
• Urmează un set de tendinţe, reprezentând obiective sau optimizează o
funcţie;
• Dispun de resurse;
• Percep mediul înconjurător până la o anumită limită;
• Reprezintă intern mediul înconjurător (unii agenţi doar reacţionează);
• Oferă cunoaştere şi servicii;
• Se autoreproduc (opţional);
• Satisfac obiective bine definite, ţinând cont de resurse, cunoştinţe, percepţie,
reprezentare şi stimuli.
Desigur că o astfel de definiţie este prea cuprinzătoare pentru a putea separa
mai bine agenţii de alte tipuri de sisteme. S-a observat astfel că, aplicând o astfel de
definiţie, putem încorpora în categoria agenţilor şi muşuroaielor de furnici, roiurile de
albine sau bancurile de peşti.
Poate că acest lucru nu este însă departe de adevăr.
Recent, agenţii au fost definiţi extrem de sintetic, dar cuprinzător într-un raport
pentru Agentlink, comunitatea europeană a oamenilor de ştiinţă din acest domeniu,
de către Luck, M., ş.a. (2001) La întrebarea ,,Ce este un agent ?” se răspunde:
,,Agenţii pot fi definiţi ca fiind entităţi computaţionale rezolvitoare de probleme,
autonome, capabile să execute operaţii în medii dinamice şi deschise” (Luck,
Mcbumey, Preist, 2001, pag. 9). Dacă prima parte a acestei definiţii este compatibilă
cu celelalte definiţii discutate mai sus, a doua parte a ei arată că interesul s-a
deplasat de la sistemele de calcul individuale, staţionare, privite mai mult ca
instrumente capabile să-l ajute pe om în activităţile sale, către situaţia în care puterea
acestor sisteme de calcul este utilizată pentru a acţiona în medii distribuite,

impredictibile, deschise şi dinamice. În astfel de medii, sisteme eterogene (oameni,
maşini, ecosisteme ş.a.) trebuie să interacţioneze, să depăşească limitele
organizaţionale sau naturale şi să funcţioneze eficient, în condiţiile unor situaţii-
problemă care se modifică rapid şi dramatic, pentru a-şi realiza scopurile proprii sau
anumite obiective comune.
Sintetizând conţinutul diferitelor definiţii date agenţilor în literatură, se poate
spune că se întâlnesc astăzi două mari tipuri de astfel de definiţii: definiţii în sens larg
şi, respectiv, definiţii în sens restrâns.
Noţiunea de agent în sens larg este utilizată pentru un sistem (entitate)
computaţional cu următoarele proprietăţi:
• autonomie: agentul operează fără intervenţia directă a oamenilor sau a altor
sisteme şi are un anumit tip de control asupra acţiunilor (activităţilor) proprii şi stării
interne;
• reactivitate: agentul percepe mediul înconjurător (care poate fi realitatea
fizică, un utilizator prin intermediul unui interfeţe grafice, o mulţime de alţi agenţi,
Internet sau Intranet, o combinaţie a acestora ş.a.) şi răspunde de o anumită manieră
la schimbările continue şi neanticipate care au loc în mediu;
• proactivitate: agentul nu reacţionează doar ca răspuns la schimbările din
mediul înconjurător; el este capabil să aibă comportamente orientate către atingerea
unor scopuri, având în acest sens iniţiativă proprie;
• abilitate socială: agentul interacţionează cu alţi agenţi (şi posibil oameni)
utilizând un anumit limbaj de comunicare, care este înţeles de toţi ceilalţi agenţi (sau
oameni).
Uneori, conceptul de agent are un înţeles mai restrâns şi mai specific. De
exemplu, când noţiunea de agent se utilizează în IA, tehnologia software sau în
procesele de control distribuit, acestuia i se asociază, pe lângă proprietăţile generale
introduse mai sus, şi alte proprietăţi care nu se regăsesc şi la ceilalţi agenţi.
Astfel de atribute, caracteristice agentului în sens restrâns, pot fi
următoarele:
• mobilitatea: agentul are abilitatea de a se deplasa într-o reţea (de exemplu
pe WWW);
• capabilitatea: agentul nu comunică informaţii false;
• bunăvoinţa: agentul nu are scopuri conflictuale în raport cu alţi agenţi şi

execută întotdeauna ceea ce i se cere;
• inteligenţa: agentul acţionează asemănător, în unele privinţe, cu o fiinţă
inteligentă.
În ceea ce priveşte ultima caracteristică, cea de inteligenţă, ea presupune
înzestrarea unui agent cu calităţi cum ar fi: cunoaşterea, convingerea, intenţia,
obligaţia, emotivitatea ş.a. Asupra agenţilor inteligenţi vom reveni pe larg într-un
paragraf ulterior.
5.1.2 Exemple simple de agenţi în economie
Desigur că oricâte definiţii s-ar da şi oricât ar fi acestea de complete, ele nu

pot suplini prezentarea unor exemple concrete de agenţi. Ne vom referi, în aceste
exemple, atât la agenţi umani cât şi la agenţi artificiali pentru a arăta faptul că teoria
agenţilor şi sistemelor multiagent poate fi extinsă nu numai la sisteme de calcul, ci la
orice entitate care execută anumite activităţi ce implică efectuarea anumitor procese
computaţionale.
a) Agenţi în procesul de creditare
Vom considera, mai întâi, o aplicaţie bancară în care mai mulţi agenţi sunt
utilizaţi pentru a îndeplini anumite roluri în procesul de acordare a unui credit pentru
o mică afacere. Avem un proces distribuit, fiecare participant la procesul de aprobare
a creditului putând fi considerat un agent autonom. La acest proces participă o
bancă, o sucursală a acestei bănci, un ofiţer de credite şi un client care solicită
creditul. Participanţii la acest proces pot fi geografic separaţi unii de alţii, dar
comunică între ei printr-o reţea (de exemplu prin e-mail sau Internet). Clientul, de
regulă, se adresează unei sucursale a băncii care se află în zona sa de interes
(acolo unde îşi dezvoltă afacerea); prin aceasta, procesul de aprobare a creditului
este iniţiat.
Clientul lucrează cu un ofiţer de credite de la nivelul sucursalei. Acesta
colectează informaţiile financiare şi non-financiare despre client şi creează un dosar
de creditare. Dosarul complet este transmis directorului sucursalei bancare pentru o
aprobare preliminară, după care dosarul de creditare este trimis la centrala băncii
pentru analiză şi decizie. Dacă creditul este aprobat de centrală, directorul sucursalei
trimite înapoi ofiţerului de credite dosarul de creditare pentru definitivarea acestuia.
După încheierea contractului de creditare, clientul primeşte împrumutul şi procesul se
termină.
Toţi participanţii la acest proces de aprobare a creditului pot fi consideraţi
agenţi. Unii dintre ei aparţin de bancă (ofiţerul de credite, directorul sucursalei,
centrala băncii), alţii însă nu (clientul). Între ei are loc un proces continuu de
informare, comunicare şi negociere. La nivelul centralei băncii are loc şi un proces de
supraveghere şi evaluare a riscului acordării creditului.
Toate aceste procese se pot realiza cu ajutorul agenţilor. Un Agent de
Documentare a Creditului (ADC) este capabil să culeagă şi să analizeze
documentele care sunt necesare în dosarul de creditare, atât la nivelul sucursalei cât
şi a centralei bancare. Mai departe, agenţii de la nivelul centralei şi sucursalei pot
utiliza aceste informaţii pentru a lua decizii privind cererea de creditare.
Acest exemplu arată că mulţi dintre paşii necesari în procesul de aprobare a
unui credit pot fi făcuţi automat utilizând o colecţie de agenţi. Fluxul de informaţii din
interiorul băncii ca şi cu clienţii va fi redus la strictul necesar, reducând astfel costurile
şi crescând viteza de reacţie a băncii la cererea de aprobare a unui credit.
b) Agenţi de tip asistent personal
În aplicaţiile din domeniul producţiei, educaţiei, cercetării ştiinţifice,

marketingului ş.a., este posibil să se utilizeze agenţi pentru a executa diferite funcţii
ale unui sistem desktop (de căutare şi afişare a rezultatelor). Astfel de agenţi, numiţi
asistenţi personali ajută pe oamenii implicaţi în activităţi decizionale sau de cercetare
să elimine munca rutinieră de căutare şi sistematizare a informaţiei necesare
adoptării diferitelor decizii. De exemplu, un asistent personal specializat în căutarea
pe Internet poate reuni patru agenţi diferiţi, fiecare fiind orientat către realizarea unei
sarcini specifice, necesară pentru a crea o aplicaţie inteligentă. Astfel, un agent de
interfaţă va gestiona toate interacţiunile cu utilizatorul uman, un agent de
monitorizare va urmări site-urile de interes de pe Internet şi-l va informa pe utilizator
(prin intermediul agentului de interfaţă) când apar noi informaţii pe unul dintre aceste
site-uri. Un agent de domeniu va acumula cunoştinţele din domeniul de interes
pentru utilizator. Un agent de căutare/evaluare este specializat în localizarea şi
evaluarea informaţiei şi cunoştinţelor de pe Internet şi în determinarea gradului în

care acestea satisfac nevoile utilizatorului.
c) Agenţi pentru cumpărături (shopbot)
Acest exemplu arată cum agenţi, proiectaţi pentru a fi experţi în domeniile lor
(interfaţă, ingineria cunoştinţelor, căutare etc.) pot fi utilizaţi împreună pentru a
realiza funcţii complexe necesare într-un sistem de nivel superior, asistentul
personal.
Agenţii nu sunt utilizaţi, de regulă, individual, ci în sisteme incluzând mai mulţi
agenţi diferiţi care interacţionează la acţiunile celorlalţi agenţi sau la cererile mediului.
Acestea sunt numite sisteme bazate pe agenţi şi ne vom referi la ele mai târziu.
5.2. Tipologia (clasificarea) agenţilor
Să introducem, în continuare, tipurile principale de agenţi care pot să apară în

astfel de aplicaţii bazate pe agenţi. Tipologia agenţilor este, în prezent, destul de
ramificată, utilizându-se criterii de clasificare diferite cum ar fi: proprietăţile agenţilor,
funcţiile realizate, numărul de agenţi de diferite tipuri încorporaţi ş.a.
În raport cu proprietăţile pe care le au agenţii, distingem (Brodshaw, 1997):
- agenţi autonomi: agenţi proactivi, orientaţi către un scop şi acţionând
conform acestuia, fără să fie necesară intervenţia utilizatorului, confirmarea şi
acordul acestuia;
- agenţi adaptivi: agenţi care se adaptează dinamic şi învaţă despre şi din
mediul lor înconjurător. Deci aceşti agenţi se adaptează la incertitudine şi schimbare;
- agenţi reactivi: agenţi care sunt activaţi de evenimente şi senzitivi la
conjunctura din domeniul realităţii înconjurătoare. Aceşti agenţi sunt capabili să simtă
şi să acţioneze;
- agenţi mobili: agenţi care se deplasează unde este nevoie, posibil urmând un
itinerar. Deplasarea se poate face într-un spaţiu real sau virtual;
- agenţi interactivi: agenţi care interacţionează cu oamenii, alţi agenţi, sisteme
legale şi surse informaţionale;
- agenţi cooperativi: agenţi care îşi coordonează acţiunile şi negociază pentru
a atinge obiective comune;
- agenţi sociali: agenţi care colaborează cu alţi agenţi şi/sau oameni pentru a
atinge scopuri comune;
- agenţi cu personalitate: agenţi având caracteristici de personalitate umane
cum ar fi emoţii, intenţii, convingeri, răspunderi ş.a.;
- agenţi inteligenţi: agenţi care încorporează caracteristici ce definesc
inteligenţa umană cum sunt introspecţia, învăţarea, adaptarea, ş.a.
După funcţiile realizate, agenţii se pot clasifica în:
- agenţi informaţionali: agenţi care colectează informaţie din surse multiple
eterogene şi trimit informaţie către surse multiple;
- agenţi interfaţă utilizator: agenţi care comunică cu oamenii utilizând diferite
tipuri de interfeţe, inclusiv limbajul natural;
- agenţi reactivi (actori): agenţi care execută anumite operaţii în mod autonom
şi în timp real ca urmare a apariţiei anumitor evenimente sau mesaje în mediul
înconjurător;
- agenţi mediatori: agenţi care mijlocesc alocarea resurselor de orice fel între
oameni şi/sau alte categorii de agenţi.
Clasificările referitoare la agenţi sunt mult mai numeroase, dar considerăm că
cele două clasificări introduse mai sus satisfac, deocamdată, cerinţele construirii
modelelor.
5.3 Sisteme bazate pe agenţi
Prin sistem bazat pe agenţi (SBA) se înţelege un sistem de calcul în care

elementul cheie îl reprezintă agentul. În principiu, un astfel de sistem poate fi
proiectat în funcţie de agenţi, dar implementat fără ca structurile sale să corespundă
într-un fel agenţilor. Acest lucru este similar software-ului orientat obiect, în care este
posibil să se proiecteze un program în funcţie de obiecte, dar acesta să fie realizat
fără utilizarea unui mediu de programare orientat obiect.
Desigur că o astfel de abordare nu este cea mai de dorit, atât în cazul
sistemelor bazate pe agenţi cât şi în cel al software-ului orientat obiect.
Un SBA este deci un sistem care poate conţine unul sau mai mulţi agenţi. Pot
exista sisteme care conţin un singur agent şi sisteme cu mai mulţi agenţi. Există
aplicaţii practice în care un singur agent este suficient. Astfel, sistemele asistent
personal, în cadrul cărora agentul acţionează ca un expert, ajutând un utilizator să
execute pe calculator anumite operaţii, reprezintǎ astfel de sisteme. Totuşi, sistemele

multiagent în care sistemul bazat pe agenţi este proiectat şi implementat ca un
sistem care conţine mai mulţi agenţi interactivi este considerat ca fiind mai general şi
mai interesant din punct de vedere practic, dar şi mai greu de realizat.
Sistemele multiagent reprezintă sisteme bazate pe agenţi care sunt apte să
reprezinte probleme care au multiple metode de rezolvare a problemelor, perspective
multiple şi/sau entităţi rezolvitoare de probleme multiple. Deci ele au avantajele
sistemelor distribuite şi concurente de rezolvare a problemelor, dar mai au şi
avantajul suplimentar al modalităţilor sofisticate de interacţiune.
Tipurile principale de interacţiune ce pot fi găsite în sistemele multiagent
includ: cooperarea, coordonarea şi negocierea.
Mai întâi vom descrie sistemele bazate pe agenţi care conţin un singur agent
autonom, după care ne vom referi, în general, la sistemele multiagent.
5.3.1 Sisteme cu agenţi autonomi
Sistemele care încorporează un singur agent autonom se poate spune că

reprezintă puntea de legătură între sistemele expert şi sistemele multiagent. Desigur
că sistemele bazate pe agenţi nu au apărut pe un loc gol. Principala contribuţie la
dezvoltarea lor, după cum am mai spus, o are inteligenţa artificială. În esenţă,
inteligenţa artificială îşi propune să realizeze sisteme artificiale inteligente care, dacă
acţionează într-un anumit mediu, pot fi considerate agenţi. În ciuda faptului că agenţii
reprezintă astfel de sisteme artificiale, până la mijlocul anilor 80 ai secolului trecut
aceştia au fost foarte puţin studiaţi în mod direct.
Cauza acestei rămâneri în urmă trebuie căutată în tendinţa care s-a
manifestat în domeniul cercetărilor de a aborda în mod separat diferitele componente
al comportamentului inteligent, cum ar fi învăţarea, raţionamentul, rezolvarea
problemelor, recunoaşterea formelor şi a vorbirii etc. Deşi s-au făcut progrese
însemnate în fiecare din aceste domenii, sinteza lor pentru a crea un agent inteligent
integrat nu s-a realizat. În acea perioadă, singurul domeniu în care se făceau
progrese şi care era strâns conectat cu sistemele bazate pe agenţi era planificarea
inteligentă: acesta încerca să răspundă la întrebarea ce trebuie făcut, deci ce acţiune
trebuie întreprinsă, atunci când mediul înconjurător are o anumită stare. În esenţă, un
sistem bazat pe agenţi este exact un sistem care execută acţiuni într-un anumit
mediu, deci nu este surprinzător faptul că inteligenţa artificială în general şi

planificarea inteligentă în particular joacă un rol atât de important în studiul agenţilor.
Planificarea inteligentă, ca domeniu de cercetare din cadrul inteligenţei
artificiale, îşi are originile în programul GPS (General Problem Solver) al lui Newell şi
Simon şi în sistemul de planificare STRIPS, apărut în 1971 şi dezvoltat ulterior (vezi
pentru o prezentare istoricǎ a dezvoltǎrii IA lucrarea lui Rusell şi Norvig (1995)).
De regulă, un program de planificare inteligentă cuprindea următoarele
componente:
- un model simbolic al mediului înconjurător, reprezentat, de regulă, printr-un
număr limitat de propoziţii din logica predicatelor de ordinul întâi;
- o specificare simbolică a acţiunilor disponibile, reprezentate sub forma
(condiţie, acţiune);
- un algoritm de planificare, ce avea inputul format din reprezentarea mediului,
specificaţii ale acţiunilor şi o reprezentare a stării dorite şi care producea ca output un
plan, ce specifică acţiunile ce trebuiau întreprinse pentru a atinge scopul.
La baza sistemelor de planificare inteligentă stăteau însă principii logice care,
după cum a arătat D. Chapman (1992), “conduceau la situaţii de indecidabilitate”
(Chapman, 1992, p. 23). De aceea, apariţia agenţilor, care pot răspunde la
schimbările din mediul lor înconjurător în timp real, reprezintă tocmai încercarea de a
depăşi impasul în care ajunseseră sistemele de planificare inteligentă.
A. Newell, într-o celebrǎ lucrare apǎrutǎ în 1990, a fost cel care a arătat
necesitatea unificării cunoştinţelor obţinute în diferitele domenii ale inteligenţei
artificiale şi “elaborării unor sisteme care să ţină seama de schimbarea continuă a
mediului înconjurător” (Newell, 1990). Acest lucru necesită schimbarea a însăşi
elementelor de bază ale raţionamentului din cadrul sistemelor respective. Aşa au
apărut sistemele bazate pe cunoaştere, din care se poate spune, fără a greşi prea
mult, că fac parte şi sistemele bazate pe agenţi.
Depăşirea etapei în care raţionamentele din sistemele de inteligenţă artificială
se bazau pe logica simbolică a dus la un progres rapid în anii 90 către aşa numita
inteligenţă comportamentală, în care, conform lui R. Brooks (1991), inteligenţa este
produsul interacţiunii dintre un agent şi mediul său. În plus, Brooks afirmă faptul că
“comportamentul inteligent emerge din interacţiunea dintre comportamente mai
simple, dar diferite între ele” (Brooks, 1991, p. 1419). Aceste comportamente
interacţionează între ele în moduri diferite. De exemplu, un comportament poate
decurge din outputul altui comportament. Aceste comportamente sunt organizate în

ierarhii multinivel, în care la nivele de bază se află comportamente mai puţin
abstracte (de exemplu, ocolirea unui obstacol în cazul agenţilor fizici de tip robot) şi
la nivele superioare se află comportamente din ce în ce mai abstracte.
La sfârşitul anilor 90 mulţi cercetători au ajuns totuşi la concluzia că astfel de
arhitecturi pentru sistemele bazate pe agenţi nu ar fi adecvate. Drept urmare, au fost
propuse arhitecturi hibride, care să încorporeze atât proprietăţile metodei de
organizare bazată pe raţionamentul logic, cât şi ale celei bazate pe comportamentul
reactiv la mediu. Astfel de arhitecturi erau organizate fie vertical (astfel încât doar un
singur nivel să aibă acces la senzorii şi efectorii agentului), fie orizontal (astfel ca
toate nivelele să aibă acces la senzorii de intrare şi la acţiunea de ieşire a agentului).
În figura 5.1 sunt reprezentate aceste două tipuri de arhitecturi.
Nivel n
Input M Output M
(percepţie) (acţiune)
Nivel 2
Nivel 1
Input Output
(percepţie) (acţiune)
a) Ierarhie orizontală b) Ierarhie verticală
Figura 5.1
Se observă că nivelele sunt aranjate într-o ierarhie, fiecare nivel din ierarhie
operând cu informaţii despre mediu la diferite nivele de abstractizare. Multe
arhitecturi consideră ca fiind suficiente trei nivele. Astfel, la nivelul cel mai de jos din
ierarhie se află un agent ,,reactiv”, care ia decizii privind acţiunile ce le va întreprinde
doar pe baza inputului asigurat de senzori. Nivelul din mijloc acţionează ca un agent
al cunoaşterii, generalizând comportamentele relevate de primul nivel şi folosind
reprezentări simbolice. Al treilea nivel al arhitecturii, cel superior, tinde să opereze cu
aspecte sociale ale mediului şi de aceea se numeşte agentul cunoaşterii sociale sau
meta-agent. Aici găsim reprezentări despre ceilalţi agenţi – scopurile acestora,
convingerile, comportamente posibile ş.a.
Pentru a produce comportamentul global al agentului, aceste nivele

interacţionează între ele; modul specific de interacţiune depinde de arhitectură. În
unele cazuri, fiecare nivel produce el însuşi sugestii privind acţiunea pe care o va
executa. În acest caz, medierea dintre aceste nivele astfel încât să se asigure un
comportament general şi consistent al agentului devine ea însăşi o problemă.
Deseori, medierea este realizată de un subsistem de control care determină care
nivel ar trebui să aibă controlul general al agentului. Acest subsistem de control
poate fi el însuşi un agent, numit şi agent mediator, ale cărui intrări sunt informaţii
privind stările nivelelor controlate, iar ieşiri sunt acţiuni care asigură consistenţa şi
coerenţa de comportament a agentului.
O ultimă tendinţă în proiectarea arhitecturilor agenţilor este cea care porneşte
de la agenţii care au raţionamente practice. Aceştia sunt acei agenţi a căror
arhitectură este inspirată din modalitatea practică de gândire a oamenilor. Prin
raţionament practic se înţelege un mod pragmatic de a decide şi acţiona. Teoriile
despre raţionamentul practic fac, de regulă, referire la o psihologie a populaţiei, în
care comportamentul este înţeles ca un rezultat al atitudinilor, cum ar fi credinţele,
dorinţele, intenţiile ş.a.m.d. Comportamentul uman poate fi privit ca apărând din
interacţiunile dintre aceste atitudini.
Arhitecturile raţionamentului practic sunt modelate ţinând cont de aceste
interacţiuni. Modelele de acest tip se numesc modele BDI (Belief–Desire–Intention)
(Georgeoff, Kinny, (1997)). Agenţii BDI sunt caracterizaţi de o anumită ,,stare
mentală” care specifică valorile atribuite celor trei componente: convingeri, dorinţe şi
intenţii. Foarte general, convingerile corespund informaţiei pe care agentul o are
despre mediul său înconjurător. Dorinţele reprezintă opţiuni disponibile agentului –
diferite stări posibile ale afacerilor pe care agentul le poate alege şi pentru care ar
trebui să aloce resurse. În sfârşit, intenţiile reprezintă stări ale afacerilor pe care
agentul le-a ales şi cărora le-a alocat resurse.
Funcţionarea unui agent BDI include actualizarea repetată a convingerilor
utilizând informaţia despre mediu, decizia privind opţiunile care sunt disponibile,
filtrarea acestor opţiuni pentru a determina noi intenţii şi acţiunea pe baza acestor
intenţii. Astăzi, arhitecturile BDI sunt cele mai utilizate în proiectarea sistemelor
bazate pe agenţi.
5.3.2 Agenţii şi mediul
Agenţii există şi funcţionează într-un anumit mediu. Poate în nici un tip de

sistem, mediul nu joacă un rol atât de important ca în cazul agenţilor.
Agenţii percep mediul prin senzori şi acţionează asupra lui prin efectori (figura
5.2).
percepţie
(senzori)
Mediu Agent
acţiune
(efectori)
Figura 5.2
Am văzut că o proprietate fundamentală a agenţilor este autonomia. Totuşi,

autonomia nu trebuie înţeleasă în mod absolut. Practic, agenţii nu pot fi nici total
autonomi de influenţe externe şi nici complet dependenţi de acestea. Ei întotdeauna
depind într-o anumită măsură de factorii externi.
Un mediu reprezintă, în esenţă, condiţiile în care există şi funcţionează un
agent. Astfel spus, mediul defineşte proprietăţile lumii în care agenţii se află. Un
mediu constă, deci, nu numai din toate entităţile aflate în jur, dar şi din acele principii,
legi şi procese în care agenţii există şi interacţionează. Proiectarea şi implementarea
agenţilor necesită luarea în considerare a acestor factori.
Un exemplu tipic de agent situat într-un mediu este muşuroiul de furnici.
Furnicile interacţionează una cu cealaltă prin intermediul feromonilor pe care ele îl
depozitează în mediu şi acesta le ghidează acţiunile. Numeroase interacţiuni
individuale conduc la dezvoltarea emergentă a drumurilor urmate de furnici prin
mediu. Totuşi, mediul este mai mult decât un canal de comunicare. Agenţii depind
atât de suportul fizic, tangibil, cât şi de ceilalţi agenţi. Două aspecte sunt deci critice
pentru mediile agenţilor: cel fizic şi cel comunicaţional.
Mediul fizic defineşte acele principii şi procese care guvernează şi susţin o
populaţie de entităţi (agenţi). De exemplu, pentru agenţii biologici (animale şi plante),
ne referim la mediul lor fizic ca la o nişă ecologică. În ce priveşte agenţii artificiali,
aceştia pot avea diferite cerinţe pentru a supravieţui (funcţiona), dar au nevoie de un
mediu fizic (similar nişei ecologice) pentru a exista.
Din definiţia dată mediului fizic se observă că elementele fundamentale ce îl
definesc sunt principiile şi procesele. Principiile sunt legile naturii ce exprimă
adevărurile fundamentale care sunt esenţiale în lumea care ne înconjoară. Pentru
agenţi, principiile mediului fizic se pot introduce sub forma unor legi, reguli, restricţii şi
politici care guvernează şi susţin existenţa fizică a agenţilor. După (Weiss, 1999) şi
(Russell, Norvig, 1995), caracteristicile de bază pentru un mediu fizic se pot referi la:
• accesibilitate: în ce măsură mediul este cunoscut de către agent? Un mediu
se spune accesibil dacă agentul poate să aibă acces la starea mediului relevantă
pentru alegerea acţiunii următoare.
• determinism: în ce măsură agentul poate să prezică evenimente din mediu?
Mediul este determinist când următoarea stare a acestuia poate fi determinată din
starea curentă şi din acţiunile alese de agenţi.
• diversitate: cât de omogene sau de eterogene sunt entităţile din mediu?
• controlabilitate: în ce măsură agentul poate modifica mediul său?
• volatilitate: cât de mult poate mediul să se schimbe în timp ce agentul alege
o acţiune următoare?
• temporalitate: este timpul divizat într-o manieră bine definită? De exemplu,
acţiunile agentului se desfăşoară continuu sau discret în timp?
• localizare: are agentul o locaţie distinctă în mediu care poate sau nu poate
să fie aceeaşi ca locaţia altor agenţi cu care el împarte mediu. Sau, toţi agenţii virtuali
sunt colocatari? Cum se exprimă coordonatele care localizează agentul (sistem de
coordonate, distanţe metrice, poziţionare relativă) ?
Procesele reprezintă cea de-a doua caracteristică esenţială a mediului. După
(Parunak, 1996), un mediu se poate exprima sub forma:
Mediu = < Staree, Procese >

unde Staree reprezintă o mulţime de valori care definesc complet mediul. Structura,
domeniile de valori şi variabilitatea acestor valori nu sunt restricţionate în această
definiţie, fapt ce face ca să apară foarte multe diferenţe între diferitele tipuri de medii.
Procese reprezintă o acţiune executată autonom care schimbă starea mediului,
Staree. Executată autonom înseamnă că procesul de desfăşoară fără să fie invocat
de o entitate exterioară.
Cel mai important fapt în definiţia de mai sus dată mediului este că mediul
însuşi este activ, el având propriul său proces care schimbă starea sa – ce include
agenţii şi obiectele din cadrul mediului – independent de acţiunile în care sunt
implicaţi aceşti agenţi.
Diferite medii fizice vor fi necesare pentru agenţi de tipuri diferite şi reciproc. În
cazul agenţilor artificiali, mediul fizic este de cele mai multe ori mediul informaţional,
care poate include mijloace de transmisie, stocare şi prelucrare a informaţiei,
mijloace de detecţie şi orientare în spaţiu ş.a.
Pentru a susţine această structură variată de mijloace tehnologice de
procesare a informaţiei se utilizează platforme de prelucrare comune. O platformă
reprezintă baza pe care aplicaţiile conţinând agenţi se realizează şi care conţine
toate cerinţele de mediu specifice ale agenţilor. FIPA (Federaţia Internaţională a
Agenţilor Fizici) a elaborat un standard, ,,Agent Platform” (FIPA, 1998) care defineşte
o arhitectură abstractă pentru dezvoltarea aplicaţiilor sistemelor bazate pe agenţi.
În figura 5.3 se reprezintă această platformă.
Mediul fizic este un loc populat, deci poate conţine şi alţi agenţi. De aceea,
atunci când se defineşte o aplicaţie, trebuie specificat dacă luăm sau nu alte entităţi,
dacă mediul este deschis (deci pot intra în viitor alţi agenţi) sau închis. Populaţia
mediului reprezintă totalitatea entităţilor luate în considerare.
Dacă în medii cu un singur agent, agenţii sunt priviţi ca entităţi independente,
în medii cu mai mulţi agenţi, aceştia devin entităţi interdependente. Dacă în primul
caz, agentul poate să acţioneze singur, în al doilea caz el trebuie să comunice cu
ceilalţi agenţi. Apare, astfel, conceptul de mediu comunicaţional. Acesta conţine, în
primul rând, principiile şi procesele care guvernează şi susţin schimbul de idei,
cunoştinţe, informaţii şi date. De asemenea, el conţine acele funcţii şi structuri care
sunt utilizate pentru a asigura comunicarea cu ceilalţi agenţi, cum ar fi roluri, grupuri
şi protocoale de interacţiune dintre roluri şi grupuri.
Execuţia şi monitorizarea acţiunilor agenţilor

Sistemul de • Funcţii de bază • Căutare
Management • Identificare • Mobilitate
al Agentului • Evidenţă
• Înregistrare
Securitatea transferului de mesaje şi obiecte

Managerul de • Protocoale de securitate
Securitate al • Codificarea datelor
Platformei • Semnătură digitală
• Salvarea datelor
Asigurarea funcţiilor de comunicare de bază

Canalul de • Protocoale de comunicare
Comunicaţii • Formate de documente
al Platformei • Modalităţi de comunicare
• Siguranţa comunicării
Figura 5.3
Mediul comunicaţional se poate atunci defini ca acele principii, procese şi
structuri care asigură o infrastructură pentru ca agenţii să schimbe informaţii.
În esenţă, comunicarea presupune transmiterea informaţiei de la o entitate la
alta. Acest transfer de informaţie poate îmbrăca forme foarte simple (comunicare prin
semne, de exemplu), până la forme extrem de complexe (de exemplu, comunicarea
într-un proces de negociere).
Comunicarea se presupune că are loc doar dacă starea internă a agentului
care a primit mesajul se schimbă. Altfel vorbim de transmitere de informaţie. O
modalitate de a determina dacă comunicarea a avut loc este deci să se ia în
considerare rezultatul interacţiunii dintre doi agenţi. În figura 5.4 sunt reprezentate
diferite situaţii care pot apărea în comunicare. Se observă că avem cinci posibilităţi,
dintre care cea mai complexă este situaţia e) în care cei doi agenţi interacţionează.
Interacţiunea dintre doi agenţi presupune, deci, comunicarea bidirecţională

dintre aceştia, altfel spus transmiterea de informaţie de la unul la celălalt şi invers,
informaţie care modifică starea internă a fiecărui agent în parte. Activităţile are sunt
realizate de fiecare agent în procesul de comunicare se specificǎ în protocoalele de
comunicare.
În sistemele bazate pe agenţi, comunicarea şi interacţiunea pot fi utilizate
împreună. Acest lucru necesită introducerea, pe lângă protocoalele de comunicare,
şi a protocoalelor de interacţiune. Luarea în considerare a interacţiunilor dintre agenţi
duce la necesitatea introducerii conceptului de mediu social.
Agent Agent a) Doi agenţi nu au activitate de comunicare

1 2
Agent Agent b) Un agent transmite celuilalt, dar nu

1 2 comunică
Agent Agent c) Un agent comunică cu celălalt agent dar nu

1 2 interacţionează
d) Un agent comunică cu celălalt agent;

Agent Agent celălalt agent transmite un răspuns, dar nu
1 2 comunică sau interacţionează
Agent Agent e) Doi agenţi interacţionează

1 2
Figura 5.4
Un mediu social este un mediu comunicaţional în care agenţii interacţionează

într-o manieră coordonată.
Rezultă deci că mediul social este inclus în mediul comunicaţional. Nu toate
comunicaţiile dintre agenţi sunt sociale, dar activitatea socială a agenţilor necesită
comunicarea dintre aceştia. Mediul social este definit de coordonare, cooperare şi
competiţie. În figura 5.5 se reprezintă raporturile dintre aceste concepte.
Mediul social este caracterizat de principii şi procese, ca şi celelalte medii, dar
şi de conţinut, care îl diferenţiază de mediul fizic şi mediul comunicaţional.
Corelaţia dintre conceptele

mediului social
Comunicare şi
Interacţiune
MEDIUL SOCIAL
Coordonare
Cooperare
şi
Competiţie
Cunoaştere
Figura 5.5
Principiile mediului social sunt reprezentate de norme, obiceiuri, valori,

obligaţii, dependenţe ş.a. Acestea sunt incluse într-o serie de reglementări care
caracterizează mediul social şi anume:
• Limbajul de comunicare: agenţii comunică pentru a înţelege şi a se face
înţeleşi. Mediile sociale bazate pe agenţi trebuie să definească principiile sintactice,
semantice şi pragmatice ale limbajului de comunicare. În plus, trebuie definite tipurile
de mesaje care vor fi utilizate (de exemplu, aserţiuni, lanţuri de aserţiuni, replici,
cereri de comunicări) şi antologia acestora. Deja au fost create limbaje de
comunicare de tip agent cum ar fi FIPA ACL sau KQML.
• Protocoale de interacţiune: un protocol de interacţiune între agenţi descrie o
modalitate de comunicare ca o secvenţă acceptată de mesaje între entităţi şi
restricţiile privind conţinutul acestor mesaje.
• Strategii de coordonare: agenţii comunică pentru a-şi atinge scopurile proprii
şi scopurile grupului social la care ei iau parte. Cooperarea, competiţia, planificarea
şi negocierea sunt principii comune utilizate pentru a executa activităţi într-un mediu
distribuit.
• Politici sociale: regulile care impun un comportament social acceptabil. Ele
includ reguli implicite şi explicite de comportament, raportul dintre influenţă şi putere
etc.
• Cultura: o mulţime de valori, credinţe, dorinţe, intenţii, reguli morale care

determină caracteristicile de mai sus (cultura afectează limbajul, protocolul de
interacţiune, politicile sociale).
Procesele mediului social se referă la condiţiile care determină ca agenţii să
interacţioneze în mod productiv. În particular, acestea se referă la:
• Managementul interacţiunii: gestiunea interacţiunilor dintre entităţi pentru a
asigura că ele aparţin protocolului de interacţiuni dintre agenţi care a fost ales.
Apartenenţa la acest protocol poate fi asigurată de agenţii participanţi la interacţiuni
fără ca mediul să fie implicat.
• Prelucrarea limbajului: limbajul de comunicare poate fi analizat corect, el
poate fi analizat corect dar să nu fie adecvat (de exemplu este contradictoriu), sau
este corect dar neadecvat cu contextul agentului.
• Servicii de coordonare: care pot fi servicii de evidenţă ce localizează agentul
prin metode de tip pagini albe (pentru agentul individual), pagini galbene (pentru
colectivităţi de agenţi) şi pagini verzi (servicii oferite), precum şi servicii de mediere
ce acţionează prin intermediul unui agent mediator.
Pentru mediul social, spre deosebire de celelalte medii ale agenţilor, este
important şi conţinutul acestuia.
Conţinutul mediului social se referă la:
- unităţile sociale (grupurile) la care agenţii aderă;
- rolurile jucate de aceştia în interacţiunile sociale;
- toţi ceilalţi membri care joacă roluri în acele unităţi sociale.
Fiecare unitate socială (grup) reprezintă o mulţime de agenţi asociaţi care au
un interes sau un scop comun. Un grup poate fi vid dacă nu există agenţi participanţi;
el poate conţine un singur agent sau poate să aibă agenţi multipli.
Un rol este o reprezentare abstractă a unei funcţii, serviciu sau identitate a
unui agent în cadrul unui grup.
Pentru grupurile cu un singur agent definirea rolurilor este destul de simplă;
reprezentarea rolurilor în sistemele cu agenţi multipli (sisteme multiagent) devine
însă extrem de complicată, necesitând abordarea distinctă în cadrul teoriei agenţilor
a unor astfel de sisteme.
5.4 Sisteme multiagent (SMA)
Sistemele multiagent diferă de sistemele cu un singur agent prin aceea că

includ mai mulţi agenţi, fiecare dintre aceştia putând executa acţiuni autonome şi
urmărind scopuri proprii.
Un SMA poate fi definit deci ca o reţea slab cuplată de rezolvitori de probleme
care lucrează împreună pentru a rezolva probleme care depăşesc capacităţile
individuale sau cunoştinţele fiecărui rezolvitor (Durfee, Lesser, 1989).
Aceşti rezolvitori de probleme care reprezintă agenţi în sensul definit mai sus,
sunt autonomi şi pot fi diferiţi unul de celălalt.
Principalele caracteristici ale SMA sunt următoarele:
- fiecare agent are informaţie incompletă sau capacitate redusă de a
rezolva problema, deci ei sunt limitaţi în raport cu complexitatea acestei probleme;
- nu există un sistem de control global;
- datele disponibile sunt descentralizate (distribuite); şi
- calculul este asincron.
Pe lângă cerinţele impuse sistemelor bazate pe agenţi, în cazul SMA apar noi
cerinţe privind proiectarea şi implementarea acestora. Astfel, un SMA trebuie să aibă
o funcţionare robustă şi eficientă, să fie capabil să conlucreze cu sisteme existente şi
să aibă capacitatea de a rezolva probleme în cazul în care datele, expertiza sau
controlul sunt distribuite. Datorită acestor cerinţe, SMA ridică dificultăţi deosebite atât
în proiectare şi implementare cât şi în funcţionare.
Pentru a discerne mai bine natura acestor probleme, vom trece în revistă
câteva dintre acestea aşa cum sunt ele prezentate în literatură (vezi Bond, Gasser,
1988, Weiss, 2000).
1) Cum formulăm, descriem, descompunem şi alocăm problemele ce trebuie
rezolvate şi sintetizăm rezultatele între un grup de agenţi?
2) Cum facem pe agenţi să comunice şi interacţioneze între ei ? Ce limbaje de
comunicare şi protocoale utilizăm? Ce şi când comunică agenţii între ei ?
3) Cum asigurăm ca agenţii să acţioneze coerent în luarea deciziilor sau
îndeplinirea acţiunilor, ţinând cont de efectele distribuite ale deciziilor locale şi de
evitarea interacţiunilor dăunătoare?
4) Cum facem ca agenţii individuali să reprezinte şi să raţioneze despre
acţiunile, planurile şi cunoaşterea celorlalţi agenţi pentru a se coordona cu aceştia?
5) Cum recunoaştem şi reconciliem punctele de vedere diferite dintre agenţi şi

intenţiile de acţiuni conflictuale dintre aceştia pentru a coordona acţiunile lor?
6) Cum realizăm efectiv echilibrul dintre calculul local şi comunicare? Mai
general, cum se face alocarea resurselor limitate în cadrul sistemului?
7) Cum se evită sau se rezolvă comportamente generale ale sistemului
nedorite, cum ar fi cel haotic sau oscilant ?
8) Cum se realizează practic SMA? Ce platforme de proiectare şi metodologii
de dezvoltare sunt cele mai adecvate?
Evident că răspunsurile la aceste întrebări sunt încă incomplete în prezent.
Domeniul de cercetare al SMA este în plină expansiune şi vor trece încă mulţi ani
până când vom reuşi să avem răspunsuri complete şi corecte la toate aceste
întrebări. Se pare însă că SMA inteligente se apropie cel mai mult de forma optimă a
SMA în raport cu criteriile de mai sus. De aceea, vom insista mai mult asupra
realizărilor din acest domeniu.
5.4.1 Sisteme multiagent inteligente
În 1980 un grup de cercetători de la MIT s-a reunit pentru a discuta aspectele

privind rezolvarea inteligentă a problemelor utilizând sisteme ce conţin mai mulţi
rezolvitori. O concluzie majoră a fost că astfel de sisteme nu trebuie să aibă nici o
arhitectură paralelă, ca în cazul procesării distribuite pe diferite maşini, dar nici o
arhitectură centralizată strict, în care să se controleze toate fazele rezolvării
problemei. Ei au propus o arhitectură în care rezolvitorii de probleme inteligenţi pot
să se coordoneze eficient în rezolvarea problemelor.
Această concluzie are, în perspectiva progreselor realizate de atunci, o
importanţă excepţională, punându-şi practic amprenta asupra întregii dezvoltări a
SMA inteligente. Ca şi în cazul sistemelor bazate pe agenţi, vom trece în revistă
câteva dintre etapele parcurse, tipurile de arhitecturi şi principalele realizări în
domeniul SMA inteligente.
5.4.2 Primele sisteme inteligente
Printre primele sisteme realizate din perspectiva celor de mai sus se numără
sistemele de rezolvare a problemelor cu actori (Agha, Hewitt, 1987, 1988). Actorii
sunt componente autonome, interactive ale unui sistem de calcul care comunică între
ei prin mesaje asincrone. Funcţiile de bază ale unui actor sunt:
- creează: crearea unui actor pornind de la o descriere de comportament şi o
mulţime de parametrii, posibil incluzând actori existenţi;
- trimite: trimiterea unui mesaj către un actor;
- devine: schimbarea stării locale a unui actor.
Sistemele cu actori reprezintă o modalitate naturală de a efectua calcule
concurente. Totuşi, astfel de sisteme, în raport cu alte tipuri de sisteme inteligente
propuse, s-au dovedit mai puţin coerente.
Granularitatea de nivel redus a actorilor a pus problema privind realizarea
unor comunităţi mai largi de actori şi atingerea unor performanţe mai ridicate în
realizarea scopurilor generale folosind doar cunoştinţele locale ale agenţilor. Pentru
depăşirea acestor deficienţe, Hewitt, principalul susţinător al acestor tipuri de sisteme
cu actori, a propus o arhitectură deschisă care poate include noi caracteristici ale
actorilor şi noi actori în cazul problemelor de dimensiuni mari.
O altă direcţie de cercetare a fost cea legată de alocarea flexibilă a sarcinilor
între rezolvitori de probleme multipli (numiţi noduri). Astfel, Davis şi Smith propun,
încǎ din 1983, Contract Net Protocol, în care agenţii pot juca dinamic două roluri:
manager şi contractor. Dacă se dă o problemă ce trebuie rezolvată, un agent
determină mai întâi dacă ea poate fi descompusă în subprobleme ce pot fi rezolvate
în paralel (concurent). Se utilizează Contract Net Protocol pentru a anunţa transferul
acestor subprobleme către noduri şi a primi de la aceste noduri informaţii privind
modalităţile pe care le pot folosi pentru a rezolva subproblemele. Un nod care
primeşte un anunţ relativ la o subproblemă trimite înapoi un anunţ indicând, deci, cât
de bine crede el că va rezolva acea subproblemă. Contractorul colectează aceste
anunţuri şi distribuie subproblemele către cele mai bune noduri. La baza Contract
Net Protocol se află o metodă de coordonare pentru alocarea problemelor, care
printr-o o alocare dinamică, permite agenţilor să liciteze pentru mai multe
subprobleme în acelaşi timp şi asigură un echilibru al încărcării acestora cu
subprobleme (agenţii ocupaţi nu este necesar să liciteze). Limitele sistemului erau
legate de imposibilitatea de a detecta şi rezolva conflicte, de faptul că agenţii nu erau
informaţi atunci când nu primeau subprobleme, agenţii nu puteau refuza
subproblemele alocate şi nu exista o preempţiune în executarea sarcinilor (agenţii
care mai rezolvaseră anumite tipuri de probleme puteau primi alte tipuri, chiar dacă
sistemul conţinea probleme din primul tip).
Acest tip de abordare este important deoarece el stă la baza cercetărilor
actuale privind mecanismele de piaţă şi utilizarea acestora în coordonarea SMA
(Sandholm, Lesser, 1996).
5.5 Cooperare şi interacţiune în SMA inteligente
O problemă fundamentală în SMA este cea a cooperării dintre agenţi, care pot
eventual fi eterogeni, în vederea atingerii unor obiective comune. Dacă, în cazul
sistemelor cu un singur agent, prin planificare se putea construi o secvenţă de acţiuni
pornind doar de la scopuri, resurse şi restricţii de mediu, în cazul SMA planificarea
necesită luarea în considerare a rolului celorlalte activităţi ale agenţilor în alegerea de
către un agent anumit a strategiei sale de acţiune.
În sistemele iniţiale, în care grupuri de agenţi urmăreau scopuri comune,
interacţiunile dintre agenţi erau determinate prin strategii de cooperare construite
pentru a îmbunătăţi performanţa lor colectivă. Rezultă de aici necesitatea planificării
complete înainte de acţiune. Pentru a produce un plan coerent, agenţii trebuiau să
recunoască interacţiunile dintre subscopuri şi fie să le elimine, fie să le rezolve.
Într-o arhitectură propusă de Georgeff, această problemă se rezolvă prin
includerea unui agent sincronizator care recunoaşte şi rezolvă astfel de interacţiuni.
Ceilalţi agenţi trimit sincronizatorului planurile lor; acesta examinează planurile pentru
regimurile critice în care, de exemplu disponibilul de resurse poate determina agenţii
să nu le îndeplinească. Agentul sincronizator inserează mesaje de sincronizare care
funcţionează ca nişte semafoare pentru a asigura excluderea mutuală şi a evita
astfel coliziunea dintre agenţi în îndeplinirea planurilor acestora.
O altă modalitate de abordare a interdependenţelor dintre subprobleme este
Modelul Corect Funcţional (FA/C) (Duffee, Lesser, 1991). În FA/C, nu este necesar
ca agenţii să cunoască toate informaţiile locale pentru a rezolva subproblemele lor, ci
acţionează asincron şi schimbă rezultatele parţiale obţinute.
Începând cu FA/C, o serie de alte arhitecturi distribuite pentru coordonarea
agenţilor au fost dezvoltate, folosind un meta-nivel static cu informaţii privind
organizarea generală a problemei ce trebuie rezolvată şi un meta-nivel dinamic,
numit Planificator Global Parţial (PGP) [Duffee, 1988]. PGP este o modalitate flexibilă
de coordonare care nu presupune o distribuţie iniţială dată a subproblemelor,

expertizei şi a resurselor, ci permite nodurilor să se coordoneze ele însele dinamic.
Interacţiunile dintre agenţi iau acum forma comunicării planurilor şi scopurilor având
un anumit nivel de abstractizare. Aceste interacţiuni permit unui agent care le
primeşte să-şi elaboreze aşteptări privind comportamentul viitor al agentului care a
trimis comunicarea, deci îmbunătăţeşte predictibilitatea agenţilor şi coerenţa
sistemului. Deoarece agenţii sunt cooperativi, agentul primitor utilizează informaţia
primită pentru a ajusta propriul său plan local, astfel încât scopurile comune sunt
atinse. Totuşi, înainte de utilizarea PGP, agenţii trebuie să conţină anumite
cunoştinţe privind modul şi momentul utilizării PGP. Decker şi Lesser, 1995 au
proiectat un PGP generic, numit TAEMS pentru comunicare în timp real şi meta-
control, care evită necesitatea de a face o planificare detaliată la toate nodurile
posibile.
O altă modalitate de abordare a cooperării în SMA s-a orientat către conceptul
de ,,echipă de lucru” (Cohen, Levesque, 1991). Aplicabilă mai ales în mediu dinamic,
metoda presupune că agenţii dintr-un SMA formează o echipă care poate greşi sau
care poate avea noi oportunităţi în îndeplinirea sarcinilor stabilite. Fiecare membru al
echipei este monitorizat în privinţa performanţei şi echipa se reorganizează în funcţie
de situaţia curentă.
Arhitectura bazată pe intenţii comune [Levesque, Cohen, 1990] este o
modalitate de a extinde cooperarea bazată pe echipa de lucru. Ea face apel la o
stare mentală a echipei, denumită o intenţie comună prin care o echipă intenţionează
să întreprindă o acţiune comună dacă membrii echipei sunt obligaţi să ia parte la o
acţiune comună a echipei, chiar dacă ei cred individual că nu ar trebui să facă acest
lucru. O obligaţie comună este definită ca un scop comun persistent al SMA.
Pentru a intra într-o obligaţie comună, toţi membrii echipei trebuie să-şi
declare convingerile individuale şi celelalte obligaţii. Acest lucru este făcut printr-un
schimb de informaţii reciproce. Protocolul de obligaţii sincronizează echipa, astfel că
toţi membrii ei intră simultan într-o acţiune comună obligatorie pentru realizarea unei
sarcini a echipei.
În plus, toţi membrii echipei trebuie să confirme participarea la un scop
obligatoriu comun, ei putând refuza dacă li se propun mai multe scopuri.
În acest ultim caz, se impune ca agenţii să negocieze la care scop comun
participă fiecare.
5.6 Negocierea şi învăţarea în SMA inteligente
Dacă agenţii dintr-un SMA inteligent sunt autointeresaţi (deci urmăresc şi

scopuri proprii) atunci accentul cade pe negociere. Negocierea este o metodă de
coordonare şi rezolvare a conflictelor între agenţi. Astfel de conflicte pot să apară în
planificarea activităţilor şi sarcinilor, în rezolvarea problemelor de alocare a resurselor
critice, rezolvarea inconsistenţei dintre sarcini şi activităţi în determinarea structurii
organizatorice etc. Negocierea este necesară în procesul de comunicare a schimbării
planurilor, alocării sarcinilor sau în rezolvarea centralizată a încălcării restricţiilor.
Principalele caracteristici ale unui proces de negociere într-un SMA sunt
(Jenning, Sycara, Wooldridge, 1998):
a) prezenţa unei anumite forme de conflict care trebuie să fie rezolvat într-o
manieră descentralizată;
b) existenţa în SMA a unor agenţi autointeresaţi (care au şi scopuri proprii)
sau egoişti (care au numai scopuri proprii);
c) raţionalitate mărginită; deci agenţii au posibilitatea de a lua decizii raţionale
independent dar în anumite limite;
d) informaţie incompletă;
e) comunicare între agenţi;
Sycara (1990) şi Rosenschein, Zorkin, (1994) au fost primii care au studiat
negocierea între agenţi autointeresaţi din SMA. Metoda lui Rosenschein se bazează
pe teoria jocurilor. Fiecare agent are asociată o funcţie de utilitate. Valorile acestei
funcţii sunt reprezentate într-o matrice de plăţi care este cunoscută de ambii agenţi
incluşi în negociere. Fiecare agent apreciază şi o lege alternativă care-i va maximiza
utilitatea. Deşi metoda bazată pe teoria jocurilor este simplă şi elegantă, ea are
ipoteze restrictive foarte puternice care fac ca ea să poată fi cu greu aplicată
situaţiilor practice. Negocierile din lumea reală au loc în condiţii de incertitudine
parţială sau completă, includ criterii multiple care nu pot fi sintetizate doar de o
funcţie de utilitate iar utilităţile agenţilor nu sunt cunoscute, deci agenţii nu sunt
omniscienţi (atoatecunoscători).
Metoda propusă de Sycara este inspirată din domeniul negocierilor salariale.
Se consideră trei agenţi (un sindicat, o companie şi un mediator). Ei fac propuneri şi
contrapropuneri pe care le transmit fiecare celorlalte două părţi implicate. Negocierea
se referă la multiple aspecte cum ar fi salarii, pensii, bonusuri, subcontractare ş.a.

Modelul utilităţii multidimensionale al fiecărui agent este cunoscut doar de către
acesta. Agenţii îşi schimbă treptat convingerile în cadrul negocierii până când se
ajunge la un acord acceptat de toate părţile. Metoda de modificare se numeşte
argumentare persuasivă (Sycara, 1990) şi stă la baza multor SMA care includ
procese de negociere. Ulterior metoda argumentării a încorporat şi tehnici de
învăţare bazate pe cazuri, ceea ce a scurtat considerabil durata procesului de
negociere în sine.
Rolul timpului în procesul de negociere a fost abordat pe larg de Kraus (2001).
Utilizând un mecanism de negociere distribuit, agenţii din cadrul unui SMA negociază
şi pot ajunge la acorduri eficiente fără întârzieri. Viteza de negociere este importantă
în comerţul electronic, caz în care acest proces se desfăşoară în condiţii de
informaţie incompletă, termene limită stabilite şi posibile valori ale contractelor
încheiate. De aceea, unele sisteme de negociere prevăd penalităţi pentru încălcări
de termene sau contracte.
Un alt aspect important în negocierea dintre agenţii auto-interesaţi este
abilitatea de a-şi adapta comportamentul la circumstanţe schimbătoare (Stone,
Veloso, 1998). Acest aspect este legat de procesul de învăţare. Învăţarea în SMA
inteligente este dificil de abordat datorită faptului că pe măsură ce ceilalţi agenţi
învaţă, mediul înconjurător al agentului se schimbă. În plus, acţiunile celorlalţi agenţi
pot fi neobservabile, astfel că agentul care învaţă poate face erori mari în privinţa
tipurilor noi de comportamente pe care le va întâlni.
Hu şi Wellman (1998) au introdus conceptul de echilibru conjectural, definit ca
situaţia în care toate aşteptările agenţilor privind comportamentele celorlalţi agenţi se
realizează şi fiecare agent răspunde optimal la aşteptările sale. În SMA de acest tip,
fiecare agent construieşte un model al răspunsurilor celorlalţi agenţi la modificările
sale de comportament ca urmare a învăţării.
Într-un model de negociere recent, denumit modelul bazarului, învăţarea se
face prin interacţiunile dintre agenţi, deci este un proces care se desfăşoară
continuu, pe măsură ce SMA funcţionează. Studiul acestui model de negociere şi
învăţare a arătat în esenţă că:
a) când toţi agenţii învaţă, utilitatea întregului sistem este aproape de optim şi
utilităţile agenţilor individuali sunt similare;
b) când nici un agent nu învaţă utilităţile agenţilor individuali sunt aproape

egale dar utilitatea întregului sistem este foarte scăzută;
c) când doar un agent învaţă, utilitatea individuală a acestuia creşte, dar
utilitatea individuală a celorlalţi agenţi ca şi utilitatea întregului sistem descresc
[Zeng, Sycara, 1998].
5.7 Modelarea-bazată-pe-agenţi în economie
5.7.1 Ce sunt modelele–bazate–pe–agenţi?
A-life este numele unui domeniu de cerecetare multidisciplinară care încearcă

să dezvolte modele pentru a demonstra cum cresc şi evoluează organismele vii. Se
speră că prin acest mod se va pătrunde mai adânc în cunoaşterea naturii vieţii
organice şi se va înţelege mai bine procesele aflate la originea vieţii. A-life a stimulat
apariţia unor noi metode în cibernetică. Termenul de „a-life” a fost introdus de
Chrisloper Longton care a organizat prima conferinţă despre a-life la Santa Fe, ca în
1987. Aceasta nu înseamnă că studii similare, sub diferite nume nu ar fi apărut
înainte de 1980.
De fapt, doi savanţi au avut cercetări teoretice similare, părintele teoriei
automatelor, John von Neumann, matematician celebru şi pionier al ştiinţei
calculatoarelor şi matematicianul polonez Stanislan Ulam care, spre sfârşitul anilor
50, au început să exploreze natura automatelor celulare. Intenţia lor era să aplice
aceste teorii în studii privind creşterea, dezvoltarea şi reproducerea fiinţelor vii.
Aceste celule matematice pot fi utilizate pentru a simula procese fizice, biologice şi
economice prin supunerea celulelor unei mulţimi simple de reguli care se aplică în
mod repetat (de exemplu, fiecare celulă îşi schimbă culoarea în raport cu regulile
respective şi cu culorile celulelor vecine).
Von Neumann şi Ulam au arătat că, prin utilizarea unui set de reguli destul de
simple, este posibil ca o configuraţie de celule să revină la configuraţia iniţială (de
exemplu la culorile iniţiale) ceea ce înseamnă că ele s-au „reprodus”. Aceste
automate celulare apar sub forma unor latice de celule. Fiecare celulă este
caracterizată prin valori specifice care pot fi schimbate în raport cu regulile fixate. O
nouă culoare a celulei este determinată pe baza valorii sale curente şi a valorilor
vecinilor imediaţi. Astfel de automate celulare formează forme, se reproduc şi mor.
Langton a utilizat lucrările lui von Neumann ca punct de plecare pentru a

proiecta un sistem a-life care poate fi simulat pe un calculator. În 1979 el a dezvoltat
un „organism” care avea proprietăţi asemănătoare organismelor vii. Această creatură
se reproducea singură într-un mod care, cu fiecare generaţie nou apărută, ducea mai
departe proprietăţile organismului iniţial, dar apăreau şi noi proprietăţi. Astfel de
comportament simula deci procesul de mutaţie şi evoluţie din organismele vii.
Economistul Thomas Sehelling a fost unul din primii cercetători care a încercat
să aplice metodele a-life în ştiinţele economice. El a creat o lume artificială utilizând
nu un calculator ci o masă de şah pe care monede de diferite dimensiuni se mişcau
pe baza unor reguli simple. În acest mod, el a creat o lume artificială (virtuală) şi a
arătat că, pe lângă alte proprietăţi, o are şi pe aceea că chiar şi preferinţe foarte
slabe pentru a locui şi lucra într-o anumită parte a mesei conduc la diferenţe mari
între indivizi (monede).
Pornind de aici, au apărut modelele-bazate-pe-agenţi (MBA). Biologul Tom
Ray a creat programe „agent” pe laptop-ul său. Scopul fiecărui agent era să facă o
copie a lui însuşi în memorie. Ray a presupus un timp de viaţă finit pentru fiecare
program. El a lăsat programele să ruleze toată noaptea şi dimineaţa a observat că
agenţii săi erau angajaţi în activităţi echivalente digital cu competiţia, colaborarea şi
sexul. Când agenţii-programe realizau copii ale lor în calculator, schimbau aleatoriu
codul apărut. Astfel se poate spune că ei sufereau mutaţii destructive care duceau la
„moartea” programelor, dar unele schimbări făceau un agent să-şi îndeplinească mai
bine sarcina, în sensul că ei aveau nevoie de mai puţine instrucţiuni şi erau capabili
să se autocopieze mai rapid, mai sigur şi să ruleze mai repede. Versiunile mai scurte
se reproduceau şi mai repede şi, foarte curând, îi înlăturau pe „competitorii” lor mai
lenţi.
Metoda a-life a generat „modelarea-bazată-pe-agenţi”, care este denumită în
acest fel pentru a face distincţia cu „modelarea-bazată-pe-ecuaţii”. Putem scrie, de
exemplu, ecuaţii diferenţiale pentru a modela interacţiunile dintr-o populaţie de
indivizi (de exemplu modelul Lotka-Volterra), dar putem la fel de bine să urmărim
evoluţia individuală a fiecărui animal (element, agent) şi să concentrăm această
evoluţie în anumite caracteristici agregate. Aceste două metode sunt esenţial diferite
şi este dificil acum să spunem care este mai bună.
Cercetările actuale în MBA sunt orientate către identificarea comportamentelor
individuale ale fiinţelor vii şi apoi către utilizarea acestora pentru a simula cum „se
mişcă, zboară, şi cooperează” fără să încorporeze aceste caracteristici în mod

explicit în tipurile de comportament al acestor elemente. Multe creaturi a-life constau
în nu mai mult decât câteva linii de program şi trăiesc în medii artificiale compuse din
pixeli şi mulţimi de date. Reţeta pentru a realiza o astfel de creatură este destul de
simplă: se pregăteşte un mediu în care experimentele sintetice vor acţiona, se
creează câteva sute de indivizi care vor popula acest mediu şi se defineşte un set de
reguli pe care aceştia le vor urma. Se încearcă să se simplifice problema cât mai
mult posibil pentru a păstra doar esenţialul. Se scrie un program care simulează
regulile simple ale interacţiunilor în comportamentele elementelor. Se rulează
programul de multe ori cu diferite numere aleatoare aşteptând să înţelegem cum
reguli simple dau naştere la comportamentul observat. Se localizează sursa de
comportament şi efectele diferiţilor parametrii. Se simplifică simularea cât mai mult
posibil sau se adaugă elemente adiţionale dacă este necesar.
De fapt se rezolvă o simplă ecuaţie:
Agenţi (entităţi micro) + Mediu + Dinamică = A-life
5.7.2 Exemple de modele-bazate-pe-agenţi

(vor fi studiate în anul IV)
5.7.3 Cum se construieşte un MBA?
Nimeni nu cunoaşte cel mai bun mod de a construii MBA. Diferite arhitecturi
(deci proiecte) au merite depinzând de scopul simulării. Desigur că fiecare MBA
trebuie să includă mecanisme pentru primirea inputurilor din mediu, pentru stocarea
unei istorii privind inputurile şi acţiunile precedente, pentru determinarea a ceea ce
este de făcut, pentru realizarea acţiunilor şi pentru distribuirea outputurilor.
Arhitecturile de agenţi pot fi împărţite în cele care sunt realizate utilizând paradigma
simbolică a AI şi metode non-simbolice, cum ar fi cele bazate pe reţele neuronale. În
plus există MBA hibride (Kluver, 1998).
5.7.3.1Tehnici pentru construirea agenţilor
1) Sisteme de producţie
Una din cele mai simple dar eficiente metode de construire a MBA este
utilizarea unui sistem de producţie. Un sistem de producţie are trei componente:
- o mulţime de reguli;
- o memorie de lucru;
- un interpretator al regulii.
Regulile constau din două părţi: o condiţie care specifică când regula va fi
executată şi o parte de acţiune.
De exemplu, un agent poate fi proiectat să se plimbe într-un mediu simulat
colectând orice mâncare care o întâlneşte în drumul său. Un astfel de agent poate să
includă o regulă care spune: DACĂ eu dau de o anumită mâncare ATUNCI o adun.
Acesta ar fi una din multele reguli, fiecare cu o condiţie diferită. Unele reguli vor
include acţiuni care însumează fapte care se petrec în memoria de lucru şi alte reguli
vor avea condiţii care testează stări ale memoriei de lucru.
Interpretatorul de reguli consideră fiecare regulă la rând, alege pe cele pentru
care partea de condiţie este îndeplinită, execută acţiunile indicate şi repetă acest
ciclu într-un număr nedefinit de ori. Reguli diferite pot fi executate la fiecare ciclu
deoarece mediul imediat s-a schimbat sau deoarece o regulă a modificat memoria de
lucru într-un astfel de mod încât o nouă regulă a devenit eligibilă. Utilizând un sistem
de producţie este relativ uşor să construieşti agenţi reactivi care răspund la stimuli
din mediu prin anumite acţiuni. Este, de asemenea, posibil dar mai dificil să
construieşti agenţi care au capacitatea să reflecte acest mediu prin decizii şi deci să
modelezi cunoaşterea. O altă posibilitate este să construieşti agenţi care îşi schimbă
propriile reguli utilizând un algoritm adaptiv care favorizează regulile ce generează
acţiuni relativ eficiente şi le penalizează pe celelalte. Aceasta este baza sistemelor
clasificatoare.
2) Metode evolutive
Agenţii bazaţi pe sisteme de producţie au potenţialul să înveţe despre mediul
lor şi despre alţi agenţi prin adăugarea unor cunoştinţe în memoria de lucru. Regulile
agenţilor însuşi, totuşi, rămân neschimbate. Pentru anumite probleme, este de dorit
ca să se creeze agenţi care sunt capabili să înveţe: deci structura internă şi
prelucrarea regulilor să se adapteze la circumstanţe schimbătoare. Există două

tehnici care se utilizează în acest sens: reţelele neuronale şi algoritmii evolutivi.
Reţelele neuronale sunt inspirate din analogia cu conexiunile din creier. O
reţea neuronală constă din trei sau mai multe straturi de neuroni cu fiecare neuron
corectat la toţi ceilalţi neuroni de pe straturile adiacente. Primul strat acceptă inputuri
din mediu, le prelucrează şi le trece următorului strat. Semnalul este transmis prin
straturi până când ajunge la stratul de ieşire. Fiecare neuron acceptă inputuri de la
stratul precedent, ajustează inputurile cu ponderi pozitive şi negative, le însumeză şi
transmite semnalul mai departe. Utilizând un algoritm denumit backpropagare a
erorii, reţeaua poate fi reglată astfel încât fiecare model de input să dea naştere la un
model diferit de output. Acest lucru este făcut prin antrenarea reţelei cu exemple
cunoscute şi ajustând ponderile până sunt generate outputurile dorite dându-se
inputuri particulare. Spre deosebire de sistemul de producţie, o reţea neuronală
poate modifica răspunsurile sale la stimuli în lumina experienţei anterioare. Un număr
de topologii de de reţele au fost utilizate pentru a modela agenţi astfel încât ei să fie
capabili să înveţe din acţiunile lor şi din răspunsurile celorlalţi agenţi.
Un alt mod de a permite unui agent să înveţe este utilizarea unui algoritm
evolutiv. Aceştia sunt bazaţi pe analogia cu biologia, decurgând din teoria evoluţiei
prin selecţie naturală. Cel mai frecvent utilizat algoritm de acest tip este algoritmul
genetic (GA).
Acesta lucrează cu o populaţie de indivizi, fiecare dintre ei având un anumit
nivel măsurabil de „fitness” utilizând o metrică definită de constructorul de model.
Indivizii cei mai adaptaţi sunt „reproduşi” prin înmulţire cu alţi indivizi adaptaţi pentru
a produce urmaşi care împart caracteristici luate de la fiecare părinte. Înmulţirea
continuă mai multe generaţii, având drept rezultat că fitnessul mediu al populaţiei
creşte pe măsură ce populaţia se adaptează la mediul său.
Atât în cazul utilizării reţelelor neuronale cât şi a algoritmilor genetici,
constructorul de modele trebuie să ia o decizie privind scala la care vrea ca modelul
să lucreze. De exemplu, în cazul modelelor genetice, este posibil să se considere
întreaga populaţie ca un singur agent. Algoritmul genetic va fi atunci o „cutie neagră”
utilizată pentru a da agentului abilitatea să înveţe şi să se adapteze. Alternativ,
fiecare individ poate fi un agent având ca rezultat că vom avea o populaţie de agenţi
privită ca un înteg care evoluează. Similar, este posibil ca fiecare agent individual să
fie modelat utilizând o reţea neuronală, sau o întreagă societate (economie) să fie
reprezentată ca o reţea, cu fiecare neuron dândui-se o interpretare ca agent (deşi, în

ultimul caz, este greu să construim toate atributele agenţilor).
5.7.4 Aplicaţii ale modelelor–bazate–pe–agenţi
Aplicaţiile agenţilor şi modelelor–bazate–pe–agenţi sunt extraordinar de

diversificate în privinţa domeniilor abordate: economic, industrial, comercial,
financiar, militar, informatic, ş.a.
În economie s-a constituit un domeniu nou ce se ocupă exclusiv cu studiul

aplicării agenţilor în rezolvarea diferitelor tipuri de probleme economice, domeniu
denumit Economia bazată pe agenţi. Scopul acesteia derivă din Alife: crearea de
economii artificiale cu ajutorul unor interacţiui economice între agenţi care, la început
nu au cunoştinţe despre mediul înconjurător, dar au abilitatea de a învăţa şi apoi se
observă ce tipuri de pieţe, instituţii şi tehnologii dezvoltă agenţii, cum ei îşi
coordonează acţiunile şi se organizează ei înşişi într-o economie.
Economiile de piaţă sunt privite ca sisteme adaptive complexe, constând dintr-

un mare număr de agenţi adoptivi întreţinând interacţiuni paralele locale. Aceste
interacţiuni locale dau naştere anumitor regularităţi macroeconomice cum ar fi
protocoale de împărţire a pieţei şi norme de comportament care, la rândul lor, au o
reacţie inversă asupra determinării interacţiunilor locale. Rezultatul este un sistem
dinamic complicat de lanţuri cauzale recurente conectând comportamente
individuale, reţele de interacţiuni şi rezultate sociale.
Desigur că acest dublu feedback între nivelul micro şi cel macroeconomic este
cunoscut în cibernetica economică de mult timp. Ceea ce a lipsit până acum au fost
mijloacele ca acest feedback cantitativ să fie modelat în întreaga sa complexitate
dinamică. Economia bazată pe agenţi ca metodă de studiu a economiilor modelate
ca sisteme evolutive formate din agenţi autonomi interactivi, aduce sistemul
economic în laboratoare, pentru a studia evoluţia economiilor de piaţă
descentralizate în condiţii experimentale controlate. Două aspecte fundamentale
decurg din aceste studii. Primul este descriptiv, axat pe explicarea constructivă a
comportamentului global emergent.
De ce apar regularităţi globale în aceste economii în ciuda unei planificări şi a

unui control de sus în jos? Cum aceste regularităţi globale sunt generate de jos în
sus, prin interacţiunile locale repetate dintre agenţi interacţionând autonom? Şi cum e
apar aceste regularităţi şi nu altele?
Al doilea aspect este normativ, axat pe proiectarea de mecanisme de reglare

şi control. Dându-se o entitate economică particulară, existentă sau virtuală, care
sunt implicaţiile acestei entităţi pentru performanţele economiei ca un întreg? De
exemplu, cum poate un protocol de piaţă anumit sau o reglementare guvernamentală
afecta eficienţa economică?
În laboratorul experimental, se începe cu construirea unei economii cu o

populaţie iniţială de agenţi. Aceşti agenţi pot include atât agenţi economici (de
exemplu: investitori, bănci, ….) cât şi agenţi reprezentând diferite fenomene sociale
sau din mediu (de exemplu guvernul, pământul, vremea, ….). starea iniţială a
economiei este specificată prin specificarea atributelor iniţiale ale agenţilor. Atributele
iniţiale ale unui agent pot include caracteristici asupra tipului de agent, norme
comportamentale internalizate, moduri interne de comportament (inclusiv modul de
comunicare şi învăţare) şi informaţia stocată intern despre sine şi despre ceilalţi
agenţi din economie. Economia evoluează apoi în timp, fără alte intervenţii din afară.
Toate evenimentele care apar ulterior trebuie să decurgă din interacţiunile agent –
agent care au loc în timpul simulării. Nici o coordonare exterioară nu este permisă.
Rezultatele obţinute sunt utilizate pentru a modifica constructiv sistemele economice
reale sau a crea, pornind de la sistemele virtuale, noi sisteme economice care au
performanţe superioare.
Se observă similarităţile dintre construirea unei economii bazate pe agenţi şi

metoda a-life. Totuşi există o deosebire fundamentală între cele două domenii. Dacă
a-life consideră modelele sale ca o sinteză a lumii vii pe calculatoare, maşini sau
alte medii alternative, economia – bazată – pe – agenţi priveşte modelele sale ca
reprezentări ale proceselor economice existente sau virtuale realizate în scopul
perfecţionării acestora. Direcţiile principale în care s-au dezvoltat aplicaţii ale
economiei–bazată–pe–agenţi pot fi considerate următoarele: Învăţarea; Evoluţia
normelor de comportament; Modelarea „bottom-up” a proceselor economice de piaţă;
Formarea reţelelor economice; Modelarea organizaţiilor; Proiectarea agenţilor pentru
pieţe automatizate; Experimente paralele cu agenţi reali şi computaţionali;
Construirea de laboratoare computaţionale.
Să trecem în revistă câteva dintre realizările obţinute în domeniile amintite.

5.7.4.1 Învăţarea
Învăţarea este o caracteristică de bază a agenţilor economici. Primele
aplicaţii ale proceselor de învăţare în economie au fost cele ale algoritmilor genetici,
programării genetice şi al altor forme de învăţare evolutivă în modelarea proceselor
sociale.
Mulţi astfel de algoritmi de învăţare s-au dezvoltat iniţial având formulate

obiective de optimizat. Pentru modelele - bazate – pe – agenţi, algoritmii de învăţare
sunt motivaţi de necesitatea utilizării unor scheme de învăţare globală în care
strategiile agenţilor sunt îmbunătăţite continuu pentru a realiza un anumit criteriu
exogen de „fitness”(de exemplu eficienţa pieţei). Pe de altă parte, pentru modelele
proceselor economice cu participanţi umani, algoritmi de învăţare utilizaţi în MBA vor
fi necesari pentru a încorpora caracteristici fundamentale ale comportamentului
decidenţilor umani. În astfel de cazuri, se pot utiliza scheme de învăţare locale în
care diferite „vecinătăţi” de agenţi (cum ar fi firmele în cadrul unei industrii) evoluează
în mod separat conform unor strategii care sunt învăţate pe măsură ce criteriul de
fitness este îndeplinit (de exemplu, profitabilitatea relativă a firmei).
Într-un studiu recent, Daniol abordează performanţele algoritmilor de

învăţare în diferite contexte economice. El dovedeşte utilitatea deosebită a
algoritmilor genetici utilizaţi în implementarea strategiilor individuale de evoluţie. El a
arătat că aspectele particulare ale implementării cum ar fi configuraţia precisă a
valorilor date parametrilor pot influenţa puternic rezultatele potenţiale pe termen lung.
Această lucrare a avut un impact substanţial asupra cercetărilor în domeniul MBA
deoarece algoritmii genetici au fost utilizaţi tot mai mult pentru reprezentarea învăţării
la agenţii economici.
De asemenea, un studiu al lui Rust ş.a. a avut o influenţă mare în acest

domeniu. El face o analiză comparativă a algoritmilor utilizaţi în licitaţia dublă
continuă pe pieţele valutare. Licitaţia dublă continuă este o licitaţie pentru unităţi
standardizate de activ real sau financiar în care oferta de cumpărare şi vânzare sunt
efectuate şi ajustate continuu. Astfel de licitaţii duble au loc pe bursele cele mai mari
din lume, Chicago, New York şi Tokio. S-a arătat că eficienţa alocativă a acestui tip
de licitaţie decurge din structura sa, independent de efecte de învăţare. Mai precis, s-
a arătat că, în acest caz, nivele de eficienţă a pieţei apropiate de 100% sunt atinse
chiar dacă agenţii au o „inteligenţă zero”, deci ei acţionează în mod aleatoriu, având
în vedere doar restricţia bugetară.
5.7.4.2 Evoluţia normelor de comportament

Conceptul de „normă” este foarte important în MBA, deoarece pornind de la
acestea, definim regulile după care agentul se comportă. Axelrod arată că „o normă”
există într-un context social dat pentru a determina indivizii să acţioneze în mod
obişnuit într-un anumit fel şi a-i pedepsi când nu acţionează în acest fel.
Procesul de apariţie, creştere şi decădere al normelor este un proces evolutiv.
Utilizând MBA, Axelrod a demonstrat că cooperarea reciprocă poate evolua chiar în
cazul unor agenţi egoişti care nu au relaţii stabile de cooperare. Cartea sa „Teoria
cooperării” scrisă în 1997 a avut un impact major asupra cercetărilor în domeniul
agenţilor.
Alte cercetări în acest domeniu, care au influenţat profund pe economişti sunt
cele ale lui Thomas Schilling. Utilizând exemple obişnuite, fără utilizarea unui aparat
matematic sofisticat, el a arătat că comportamentul social poate apare ca o
consecinţă a unor interacţiuni locale repetate între agenţi care urmează reguli de
comportament simple. De exemplu, el a arătat că segregarea rasială poate apărea
ca urmare a unor reactivi în lanţ locale dacă unii agenţi preferă să aibă cel puţin
jumătate dintre agenţii învecinaţi de aceeaşi rasă cu ei.
5.7.4.3 Modelarea „bottom-up” a proceselor economice de pe piaţă

Proprietăţile autoorganizatoare ale pieţelor sunt recunoscute. MBA a studiat
diferite tipuri de pieţe: financiară, a electricităţii, a muncii; cu amănuntul; a resurselor
naturale; e- comerţul ş.a. pentru a explica aceste mecanisme de piaţă.
Robert Marks este unul dintre primii cercetători din domeniu care a abordat
aceste probleme. Mai precis, el a abordat o piaţă olipolistă pentru a studia cum
firmele vânzătoare (care sunt în număr mic pe astfel de pieţe) pot concura cu succes.
Modelul său utilizează un algoritm genetic pentru a reprezenta firma în procesul de
învăţare interactivă. Astfel, operaţii de mutaţii şi recombinări au fost aplicate în mod
repetat strategiilor de determinare a preţurilor utilizate de firme astfel ca să permită
firmelor să experimenteze noi idei (mutaţie) şi să se angajeze în imitaţia socială
(recombinare), obţinând astfel strategii ce pot fi utilizate în mod profitabil de către

firme.
Pieţele financiare au constituit, de asemenea, un domeniu de mare interes al

aplicaţiilor MBA. Modelele pieţelor financiare au oferit explicaţii plauzibile unor
regularităţi observate pe astfel de pieţe. Piaţa bursieră artificială construită de Arthur
ş.a. la Institutul Santa Fe, Ca., USA a permis testarea unor modele cu agenţi
eterogeni care îşi actualizează preţurile individual şi iau decizii pe baza unor sisteme
de clasificare a volatilităţilor observate.
Le Baron a elaborat modele din ce în ce mai perfecţionate ale regularităţilor

observate pe pieţe. El calibrează aceste modele în funcţie de evoluţia datelor
macroeconomice şi a datelor financiare. Toţi investitorii utilizează performanţele
obţinute în trecut pentru a-şi evalua performanţele actuale, dar investitorii respectivi
se presupune că au memorie de diferite lungimi. Un algoritm genetic este utilizat
pentru a reprezenta coevoluţia unei colecţii de reguli disponibile agenţilor.
Pieţele valutare au fost de asemenea studiate intens de MBA. Izumi şi Ueda propun
o nouă metodă bazată pe agenţi pentru a modela o astfel de piaţă. Agenţii din model
concurează unii cu alţii pentru a dezvolta metode de previziune a schimbărilor în
ratele de schimb valutar, având drept măsură a fitnessului profitabilitatea.
Chen şi Yeh arată că învăţarea socială sub forma unor strategii de imitare este
importantă pe pieţele bursiere. Ei construiesc un model de analiză a pieţelor bursiere
care include un mecanism suplimentar de învăţare, numit „şcoală”. Aceasta constă
dintr-un grup de agenţi (de exemplu membrii unei facultăţi) care concurează unul cu
altul pentru a oferi publicului cel mai bun posibil model de previziune a evoluţiei
cursului acţiunilor. Succesul (fitnessul) membrilor şcolii este măsurat prin acurateţea
programelor elaborate cu ajutorul modelelor propuse de ei, în timp ce succesul
investitorilor de pe piaţa bursieră este măsurat de avuţia acumulată de aceştia.
Fiecare investitor alege între a acţiona pe piaţa bursieră sau a aştepta ca să testeze
un model propus de şcoală şi a alege unul care i se pare mai bun şi a-l folosi în mod
curent.
Membrii şcolii şi investitorii calculează în timp într-o buclă feedback continuă.

Testele făcute pe 14000 de perioade au arătat că dacă la început investitorii care au
ales modelele şcolii s-au bucurat de succes, ulterior ei nu au mai avut acelaşi succes
pe măsură ce problemele şcolii erau adoptate de tot mai mulţi investitori.
5.7.4.4 Formarea reţelelor economice

Un important aspect al pieţelor competitive imperfecte cu agenţi interactivi
este maniera în care agenţii determină metodele de tranzacţionare, ceea ce
influenţează forma reţelelor de tranzacţii ce evoluează în timp. Un tip particular de
reţea este aşa numita „reţea mică”. Ea este o reţea conectată care are două
proprietăţi: (a) fiecare nod este legat de o mulţime relativ bine cunoscută de noduri
învecinate; (b) prezenţa unor conexiuni directe între anumite noduri face ca lungimea
medie a drumului minim dintre noduri să fie mică. Astfel de reţele au atât
conectivitate locală cât şi accesibilitate globală.
Astfel de reţele sunt foarte importante în schimburile comerciale intre-ţări sau inter
agenţi. Wilhite utilizează un MBA pentru a studia consecinţele unor bariere
comerciale în astfel de reţele. El analizează patru tipuri de reţele: (i) reţele
comerciale complet conectate (fiecare agent poate face schimburi comerciale cu
orice alt agent); (ii) reţele comerciale local deconectate constând din grupuri
disjuncte de agenţi; (iii) reţele comerciale local conectate, constând din grupuri de
agenţi aflaţi în jurul unui cerc cu un agent suprapus fiecărui punct de intersecţie; şi
(iv) reţele comerciale mici construite din reţele comerciale local conectate ce permit
realizarea unor legături directe cu unul până la cinci membrii ai unui grup comercial
separat. Pentru fiecare tip de reţea, agenţii înzestraţi fiecare cu câte două bunuri,
caută metode de schimb, negociază preţuri şi apoi fac comerţ cu acei agenţi care
oferă cel mai bun preţ dar sunt şi accesibili. Rezultatul simulărilor efectuate a fost că
cea mai bună reţea comercială este a patra, cea mică, ce oferă cea mai mare
eficienţă fiecărui agent participant. El a descoperit că există anumite stimulente la
nivel micro pentru formarea reţelelor comerciale mici, deoarece comercianţii care
utilizează acest tip de reţea tind să facă mai bine comerţ decât ceilalţi.
O extensie naturală a acestor lucrări este cea privind modul în care aceste forme
iniţiale evoluează. Albin şi Foley, Kirman şi Tesfatsion ş.a. au demonstrat emergenţa
unei reţele comerciale formată dintr-o mulţime de cumpărători şi vânzători ce
determină partenerii lor comerciali în mod adaptiv, pe baza experienţei trecute cu
aceşti parteneri.
Mai recent, cercetările în domeniu au fost orientate către tipuri de pieţe specifice.
Tesfatsion a abordat piaţa forţei de muncă. Este studiată, în acest context, relaţia
dintre structura de piaţă, interacţiunea angajat-angajator, comportamentul legat de
alegerea locului de muncă şi rezultatele asupra bunăstării. Muncitorii şi angajatorii
formează între ei relaţii de interacţiune modelate cu jocuri de tipul Dilema
Prizonierului şi elaborează strategii de-a lungul timpului pe baza câştigurilor
asigurate de aceste strategii în interacţiunile anterioare. Simularea acestui model a
urmărit două lucruri: concentrarea slujbelor (număr de muncitori raportaţi la număr de
angajatori) şi capacitatea slujbelor (total slujbe potenţiale raportate la totalul ofertei
de muncă). A rezultat că dacă capacitatea slujbelor este constantă atunci schimbările
în concentrarea slujbelor au efecte semnificative asupra nivelelor de putere pe piaţă
atinse. Un alt rezultat a fost acela că efectele de interacţiune sunt puternice, ele
determinând adaptarea comportamentelor celor doi agenţi de pe piaţă, muncitori şi
angajatori.
5.7.4.5 Modelarea organizaţiilor

În cadrul unei economii, un grup de oameni este considerat o organizaţie dacă
grupul are un obiectiv sau un criteriu de performanţă care transcede obiectivelor
individuale din cadrul grupului. Pionierul studierii organizaţiilor ca sisteme, Norbert
Simon, laureat al Premiului Nobel, arată că organizaţiile sunt capabile de o
inteligenţă colectivă, deci ele se comportă ca un organism unitar ce se adaptează la
mediu, suferă mutaţii, imită alte organizaţii, etc. pentru a-şi asigura supravieţuirea.
Una dintre cale mai flexibile organizaţii este birocraţia.
Studiile lui Carley şi ale grupului său de la Carnegie Mellon University au arătat
că organizaţiile pot fi modelate ca sisteme – bazate – pe – agenţi şi au dus chiar
apariţia unui domeniu similar economiei – bazate – pe – agenţi în cadrul teoriei
organizaţiei.
Studiul firmelor ca organizaţii s-au orientat în două direcţii principale: perfecţionarea

organizării interne a firmei şi organizaţiile realizate de firme la nivelul pieţelor.
Dawid ş.a. a considerat o mulţime de firme din cadrul unei industrii. La începutul
fiecărei perioade, fiecare firmă alege dacă să producă un produs existent pe piaţă
sau să introducă un nou produs. Cererea pentru fiecare tip de produs dispare după o
anumită perioadă de timp determinată stohastic, deci fiecare firmă trebuie să se

angajeze într-o activitate inovativă pentru a-şi susţine profitabilitatea.
Firmele diferă între ele în privinţa abilităţii de a imita produse existente şi în

abilitatea de a proiecta un nou produs datorită efectelor aleatoare şi a efectelor
„learning by doing” care schimbă structura organizaţională a fiecărei firme. Fiecare
firmă are o regulă de inovare determinată de decizia de a inova sau nu şi firmele
coevoluează (schimbă) aceste reguli în timp pe baza profitabilităţii anticipate.
Autorii au făcut experimente cu modelul obţinut pentru a vedea cum, pentru a atinge
o profitabilitate optimală, regula de inovare a unei firme ar trebui adaptată atât
structurii industriei ca un tot cât şi structurii organizaţionale a unei firme individuale.
5.7.4.6 Proiectarea agenţilor computaţionali pentru pieţe

automatizate
Dezvoltarea pieţelor automatizate (bursa automată, e-comerţ, ş.a.) a dus la
creşterea preocupărilor pentru elaborarea unor agenţi specializaţi în această direcţie.
De exemplu, contractele utilizate pe pieţe automatizate sunt contracte licitate între

agenţi. Aceşti agenţi sunt astfel proiectaţi încât să desfăşoare un proces de
negociere conform unei anumite metode de licitare. Agenţii negociatori sunt
penalizaţi în raport cu anumite obiective pe care nu le ating în cursul negocierii şi au
rutine de învăţare astfel încât ei devin tot mai performanţi pe măsură ce participă la
mai multe procese de negociere. Dezvoltarea explozivă a e-comerţului în ultima
perioadă a făcut ca preocuparea pentru agenţi mobili negociatori să devină prioritară.
Agenţii mobili se „mişcă” pe INTERNET căutând produsele dorite şi negociază peer-
to-peer sau multiplu pentru obţinerea acestora.
Se prevede că, în curând, tot mai multe gospodării îşi vor face achiziţiile de
produse în acest fel.
5.7.4.7 Experimente paralele cu agenţi reali şi virtuali

Experimentele economice cu subiecţi umani sunt destul de dificile şi costisitoare.
Totuşi, comportamentul uman este foarte important în anumite situaţii.
Având în vedere posibilul rol sinergetic al experimentelor paralele cu subiecţi umani

şi agenţi virtuali, comportamentul uman poate fi utilizat ca un ghid pentru procesele
încorporate agenţilor virtuali. Invers, comportamentul agenţilor virtuali poate fi utilizat
pentru a formula ipoteze privind cauzele de bază care determină anumite
comportamente observate la subiecţi umani. În cadrul economiei experimente de
acest fel au făcut Miller şi Andreoni, Arifovic, Arthur ş.a.
Marimon ş.a.şi Duffy au efectuat, astfel, un experiment paralel de acest fel pentru
a examina emergenţa posibilă a unui mediu de schimb general acceptat (de exemplu
banii). Agenţii de tip i doresc să consume bunul i dar produc bunul i+1. În fiecare
perioadă, agenţii sunt împerecheaţi în mod aleatoriu şi trebuie să decidă dacă
schimbă bunurile pe care le produc. Un agent poate accepta un bun fie pentru că îl
doreşte, fie pentru a-l stoca pentru a-l utiliza mai târziu ca mijloc de schimb. Bunurile
au costuri de stocare diferite. Rezultatul urmărit este dacă agenţii converg către a
accepta un anumit bun ca monedă pe care ei sunt de acord să o folosească în
schimburile viitoare şi nu să o consume.
Regulile comportamentale utilizate în proiectarea agenţilor virtuali din acest

experiment au fost cele pe care le folosesc oamenii în schimburile lor comerciale. Un
agent virtual va selecta adoptiv între regulile sale admisibile utilizând un algoritm de
învăţare. Duffy arată că, treptat, agenţii virtuali capătă caracteristicile de bază ale
agenţilor umani.
5.7.4.8 Construirea de laboratoare de studiu cu agenţi computaţionali
Ultima direcţie de aplicare este cea a utilizării agenţilor în laborator pentru

testarea teoriilor economice. Robert Lucas Jr., laureat al Premiului Nobel pentru
economie şi unul dintre cei mai marcanţi economişti ai zilelor noastre, scria: „(O
teorie) nu este o colecţie de afirmaţii despre comportamentul economiei actuale ci
mai degrabă o mulţime explicită de instrucţiuni pentru construirea unui sistem paralel
sau analog – o economie mecanică, imitativă. Sarcina noastră este să scriem un
program care va accepta regulile politicii economice specifice ca „intrare” şi va
genera ca „ieşiri” statistici descriind caracteristicile de funcţionare ale seriilor
dinamice pe care le dorim, care sunt permise de rezultatele obţinute din aceste
politici”.
Realizarea de laboratoare computaţionale cu agenţi permite construirea în

cadrul acestora a unor economii virtuale, pieţe virtuale (artificiale), întreprinderi
virtuale, gospodării virtuale ş.a. pe care se pot testa diferite ipoteze şi situaţii pe care
le întâlnim în economiile reale. În astfel de laboratoare, prin interfeţe grafice se pot
face simulări şi testa senzitivitatea sistemelor la schimbările de parametrii, se pot
elabora şi încerca sisteme care ulterior vor fi puse în practică.
De exemplu, Mc Fadzean ş.a. dezvoltă un astfel de laborator computaţional
numit „Trade Network Game Lab”, care cuprinde cumpărători, vânzători şi dealeri ce
încearcă să-şi găsească parteneri comerciali preferaţi, sunt angajaţi în schimburi
comerciale riscante, modelate ca jocuri necooperative şi îşi dezvoltă strategii
comerciale în decursul timpului. Evoluţia reţelei comerciale este vizualizată dinamic
cu ajutorul animaţiei în timp real şi date privind performanţele fiecărui agent sunt
oferite în timp real.
Aplicaţiile economice ale MBA sunt infinite şi ele ne vor ajuta să
cunoaştem şi să reglăm mai bine procesele economice reale. Pe măsura
dezvoltării acestui nou domeniu de cercetare, el va oferi mult mai multe
posibilităţi economiştilor ciberneticieni de a-şi pune în valoare cunoştinţele şi
abilităţile de a construi modele, de a le simula şi a le implementa în diferite
contexte pe care le oferă economia tot mai dinamică şi complexă a viitorului.
CAPITOLUL 7
ECONOMIA DE PIAŢĂ - SISTEM ADAPTIV COMPLEX
La nivelul macroeconomic, economia poate fi privită ca un sistem dinamic

complex compus dintr-o multitudine de subsisteme (gospodării, firme, pieţe, instituţii
publice, bănci, ş.a.) legate între ele prin conexiuni directe şi indirecte de diferite tipuri
(legături materiale, informaţionale, financiare, energetice, umane), fiecare subsistem
având o evoluţie şi obiective proprii care sunt însă condiţionate de realizarea unui
obiectiv general comun, şi anume bunăstarea socială.
În abordarea cibernetică a economiei la nivel macroeconomic trebuie să

pornim de la cunoaşterea acestor sisteme şi a modului în care ele interacţionează în
procesul de realizare a scopurilor proprii şi a obiectivului general. Astfel, gospodăriile,
firmele, băncile comerciale, diferitele instituţii publice care, la nivel microeconomic,
pot fi considerate ca sisteme separate (individuale), având structuri distincte, relaţii
diferite cu mediul şi obiective proprii, formează la nivel macroeconomic sectoare
(sisteme) care au proprietăţi şi obiective emergente, decurgând din funcţionarea
simultană a multitudinii de sisteme de acelaşi tip la nivel microeconomic.
Putem introduce, astfel, următoarele sectoare (sisteme) pe care le regăsim în
structura generală a sistemului cibernetic al economiei naţionale:
• sectorul gospodăriilor;
• sectorul firmelor (privat, productiv);
• sectorul public (guvernamental);
• sectorul extern;
• sectorul financiar.
Deci fiecare dintre aceste sectoare este alcătuit din mulţimea de sisteme
cibernetice individuale pe care le regăsim la nivel microeconomic, dar ele nu
reprezintă pur şi simplu suma acestor sisteme microeconomice. Proprietăţile
sectoarelor(sistemelor) la nivel macroeconomic se obţin, în primul rând, prin
Capitolul 6 – Economia de piaţă – sistem adaptiv complex
agregarea caracteristicilor sistemelor de la nivel microeconomic şi, în al doilea

rând, prin emergenţa comportamentelor sistemelor microeconomice către un
comportament general al sectorului (sistemului) corespunzător de la nivelul
macroeconomic.
Aceste sectoare (sisteme) formează economia naţională numai în măsura în care

ele sunt interconectate prin pieţe. Piaţa la nivel macroeconomic reprezintă un
sistem agregat, format dintr-o multitudine de pieţe concrete, existente la nivel
microeconomic. Ca oricare piaţă, şi piaţa la nivel macroeconomic există numai în
măsura în care pe aceasta se constituie simultan cererea şi oferta. Numai că, la
nivel macroeconomic, vorbim de o cerere agregată şi o ofertă agregată, obţinute
prin cumularea cererilor individuale şi a ofertelor individuale, formate pe pieţele
microeconomice corespunzătoare. In raport cu natura pieţelor individuale, putem
vorbi despre următoarele pieţe la nivel macroeconomic:
• piaţa agregată a bunurilor şi serviciilor;

• piaţa factorilor de producţie;
• piaţa financiară.
Aceste pieţe cu cel mai înalt nivel de agregare sunt, la rândul lor, formate din
alte pieţe agregate. De exemplu, piaţa factorilor este formată din piaţa reselor şi
piaţa forţei de muncă, piaţa financiară din piaţa monetară, piaţa de capital, piaţa
valutară etc.
Fiecare piaţă macroeconomică dispune de un mecanism prin intermediul

căruia se formează preţul de piaţă. Acest preţ de piaţă are un rol esenţial în
determinarea direcţiei şi intensităţii fluxurilor dintre sectoarele(sistemele)
macroeconomice. Se poate spune că sistemele macroeconomice, împreună cu
pieţele alcătuiesc mecanisme cibernetice de reglare şi autoreglare ale întregii
economii naţionale.
Modelarea funcţionării unor astfel de mecanisme de reglare a economiei

se poate face utilizând diferite metode şi instrumente cum ar fi:
• modele de simulare evolutivă

ă;
• modele bazate-pe-agenţi ş.a.
Cu ajutorul unor astfel de modele putem înţelege mai bine logica funcţionării
sistemului economiei naţionale, modalităţile prin care se poate interveni în dinamica
proceselor şi fenomenelor economice care se produc la acest nivel şi etapele ce
trebuie parcurse pentru realizarea obiectivului economic general, creşterea bunăstării
naţiunii.
Să prezentăm, mai întâi, sectoarele pe care le întâlnim la nivel

macroeconomic. Vom explicita comportamentul şi rolul fiecărui sector şi vom
evidenţia principalele interdependenţe pe care sectoarele le formează între ele prin
intermediul pieţelor precum şi legăturile dintre sectoare şi alte sisteme din mediul
înconjurător.
6.1 Sectorul (sistemul) gospodăriilor
Sectorul gospodăriilor la nivel macroeconomic poate fi privit ca fiind alcătuit

din totalitatea sistemelor cibernetice ale gospodăriilor individuale(consumatorilor) de
la nivel microeconomic. Dar sectorul gospodăriilor nu reprezintă suma algebrică a
gospodăriilor menţionate. Din combinarea comportamentelor gospodăriilor
individuale rezultă un comportament agregat al sectorului gospodăriilor la nivel
macroeconomic, ca rezultat al funcţionării simultane şi interdependente dintre
milioane de gospodării existente în economia naţională.
Într-o economie naţională în care proprietatea privată este dominantă, factorii
de producţie (inclusiv munca) sunt, în general, fie în proprietatea directă a indivizilor
din cadrul gospodăriilor, fie le aparţin indirect prin intermediul acţiunilor pe care
aceştia le deţin şi care la conferă calitatea de proprietari ai întreprinderilor. Deţinând
în proprietate aceşti factori, indivizii (gospodăriile) le oferă spre închiriere celorlalte
sectoare, primind în schimb venituri (salarii şi alte beneficii salariale, dobânzi, rente şi
dividende etc.). Gospodăriile mai pot să primească venituri – numite transferuri sau
plăţi transferabile – ce nu sunt legate direct de calitatea lor (sau a indivizilor care fac
parte din ele) de proprietari ai factorilor de producţie din economie. Astfel de venituri
sunt ajutoarele sociale, pensiile, bursele ş.a.
Veniturile sectorului gospodăriilor, primite sub orice formă, împreună cu
eventualele împrumuturi de pe piaţa financiară (credite pentru consum) sunt cheltuite
de sectorul gospodăriilor pentru achiziţionarea de bunuri şi servicii.
De asemenea, o parte a acestor venituri totale este utilizată de sector pentru

plata impozitelor şi taxelor (globale şi locale).
Acea parte a veniturilor totale ale sectorului gospodăriilor care nu este utilizată
nici pentru cumpărarea de bunuri şi servicii şi nici pentru plata impozitelor şi taxelor
reprezintă economiile. Gospodăriile sunt înclinate să economisească dintr-o mulţime
de motive. De exemplu, din venitul economisit ele îşi pot spori consumul în perioada
(sau perioadele) în care realizează venituri totale mai mici (de pildă după
pensionare), pot oferi copiilor educaţie sau îşi pot spori avuţia acumulată (pot
cumpăra case, maşini, bunuri de folosinţă îndelungată, acţiuni, depozite ş.a.).
Venitul suplimentar adus gospodăriilor de aceste economii este influenţat de
sectorul financiar prin rata dobânzii. Deoarece gospodăriile preferă, în general, să
consume mai mult acum decât mai târziu, venitul suplimentar adus de economiile
realizate de-a lungul timpului poate fi privit ca o compensaţie (plată) pentru consumul
amânat.
Venitul economisit de sectorul gospodăriilor este orientat, de regulă, către
sectorul financiar (formând investiţiile financiare), o mică parte din aceste economii
putând merge şi către alte sectoare în mod nemijlocit (formând investiţiile directe).
Din aceste venituri, cum vom vedea mai târziu, sectorul financiar poate acorda
împrumuturi (credite), inclusiv sectorului gospodăriilor.
În timp ce economisesc o parte din venitul realizat, gospodăriile adeseori iau
împrumuturi de la sectorul financiar pentru a cumpăra, de regulă, bunuri şi servicii ale
căror valoare poate să depăşească mărimea veniturilor curente realizate (case,
autoturisme, educaţie ş.a.). Desigur că gospodăriile pot împrumuta bani şi când
cumpără, de exemplu, cu cartea de credit, anumite bunuri de folosinţă îndelungată,
dar aceste credite sunt acordate pe termen scurt.
În sfârşit, sectorul gospodăriilor plăteşte către sectorul public taxe şi impozite,
aceasta fiind principala sursă de venituri pentru sectorul public (guvernamental).
Aceste taxe şi impozite se determină fie proporţional cu venitul global al
gospodăriilor, fie reprezintă sume fixe pentru bunurile aflate în proprietatea
gospodăriilor (case, terenuri, maşini). Schimbând rata taxelor (denumită şi rata
fiscalităţii) şi/sau baza la care aceasta este aplicată, sectorul public poate afecta
nivelul venitului disponibil al sectorului gospodăriilor (adică venitul care rămâne
acestui sector după ce se scad impozitele şi taxele).
Venitul disponibil este apoi utilizat de sectorul gospodăriilor pentru a

achiziţiona bunuri şi servicii destinate consumului precum şi pentru economisire.
Au fost, astfel, evidenţiate o serie de fluxuri materiale şi de fonduri prin
intermediul cărora sectorul gospodăriilor este interconectat cu celelalte sectoare ale
economiei naţionale. Cu excepţia sectorului public (guvernamental), cu care sectorul
gospodăriilor are o conexiune directă, conexiunile cu celelalte sectoare se realizează
prin intermediul pieţelor. Astfel, piaţa bunurilor şi serviciilor mijloceşte legătura cu
sectorul firmelor, dar şi cu sectorul public, iar piaţa financiară cu băncile şi
intermediarii financiari care aparţin sectorului financiar al economiei.
Principalele fluxuri materiale şi de fonduri dintre sectorul gospodăriilor şi
celelalte sectoare se reprezintă ca în figura 1.1. Aici fluxurile materiale (de bunuri şi
servicii destinate consumului final, de bunuri şi servicii „publice”, de resurse materiale
şi muncă) sunt reprezentate prin linii continue, în timp ce fluxurile de fonduri (taxe şi
impozite, plăţile bunurilor şi serviciilor, plăţile factorilor) sunt reprezentate prin linii
punctate. Aceste fluxuri pot fi sintetizate astfel:
• oferă spre închiriere sectorului firmelor factorii de producţie deţinuţi în
proprietate (m-5) şi primesc în schimb de la acest sector venituri
reprezentând plata serviciilor factorilor (f-6);
• achiziţionează bunuri şi servicii produse de sectorul firmelor (f-1);
• primesc bunuri şi servicii produse de sectorul firmelor (m-2);
• plătesc taxe şi impozite către sectorul public (f-3) în schimbul unor
bunuri şi servicii publice (m-4);
• îşi plasează economiile pe piaţa financiară (f-7) şi primesc în schimb
venituri din dobânzi (f-8);
• împrumută bani de pe piaţa financiară (f-8) şi plătesc din venitul
disponibil ratele la împrumuturi şi dobânziile aferente către sectorul
financiar (f-7).
In paranteză sunt marcate tipurile de fluxuri (m-flux material şi f-flux de
fonduri) precum şi o cifră reprezentând fluxul respectiv din figura 6.1.
Piaţa bunurilor şi
serviciilor
(1)
(2)
(4) (3) Sectorul
Sectorul
public
(8) gospodăriilor
(6)
Piaţa factorilor
de producţie
(5)
Piaţa financiară
(7)
Figura 6.1
Legendă:
(1) – cheltuieli pentru bunuri şi servicii;
(2) – bunuri şi servicii destinate consumului final;
(3) – impozite şi taxe;
(4) – bunuri şi servicii „publice” (apărare, educaţie, sănătate, administraţie
ş.a.);
(5) – factori de producţie oferiţi spre închiriere (inclusiv muncă);
(6) – plata serviciilor factorilor de producţie;
(7) – economii (sau dobânzi plătite);
(8) - venituri din dobânzi (sau credite returnate).
6.2 Sectorul firmelor (privat, productiv)
Sectorul firmelor, denumit şi sectorul privat sau sectorul productiv al

economiei, este alcătuit din mulţimea întreprinderilor din economie care aparţin
indivizilor (gospodăriilor) fie direct (le au în proprietate), fie indirect (deţin acţiuni la
firmele respective). Activitatea economică principală a sectorului firmelor o constituie
producţia de bunuri şi servicii, realizată prin consumul de bunuri capitale şi de muncă
(factori de producţie). Bunurile şi serviciile destinate consumului sunt cele pe care
firmele le trimit pe piaţa bunurilor şi serviciilor pentru a putea fi achiziţionate şi apoi
consumate de sectorul gospodăriilor. Bunurile capitale includ maşini, instalaţii,
echipamente, mijloace de transport, ş.a., care nu sunt complet consumate în
producţie, ci sunt utilizate în mai multe cicluri de fabricaţie pentru a realiza bunuri şi
servicii destinate consumului.
Firmele pot produce, pe lângă bunuri şi servicii destinate consumului

individual (final), şi bunuri capitale destinate consumului productiv (intermediar),
contribuind astfel la creşterea stocului total de resurse capitale existent în economie.
Ca producători, firmele din sectorul privat concurează unele cu altele precum
şi cu firmele din cadrul sectorului public pentru a obţine resurse (inclusiv muncă) de
pe piaţa factorilor de producţie. Pe această piaţă, sectorul firmelor achiziţionează sau
închiriază (în primul rând de la sectorul gospodăriilor) o cantitate limitată economic
de resurse. Costul achiziţionării (închirierii) acestor resurse reprezintă principala
sursă de venituri pentru oferta de factori de producţie (inclusiv de muncă).
Utilizând resursele atrase de pe piaţa factorilor de producţie, sectorul firmelor
le combină în anumite proporţii (tehnologii), obţinând o anumită cantitate de bunuri
şi/sau servicii. Astfel, un teren arendat de la anumite gospodării, poate fi arat şi
semănat, combinat cu apă, îngrăşăminte, tractoare şi muncă conform unei anumite
tehnologii şi, după o anumită perioadă de timp, se obţine o cantitate de grâu. Similar,
amestecând în anumite proporţii minereu de fier, cocs, electricitate, furnale, mori de
măcinat minereu şi muncă se obţine o anumită producţie de oţel.
Serviciile pot fi privite, de asemenea, ca fiind activităţi similare producţiei
desfăşurate de firme. Repararea unui autoturism pe o linie de service auto necesită
piese de schimb, unelte şi scule specifice, un elevator, electricitate şi muncă.
În sectorul firmelor, perspectiva de a obţine un profit sau de a nu înregistra

pierderi reprezintă principalul stimulent al activităţii de producţie desfăşurate. Această
activitate constă, în esenţă, din procesul de achiziţionare de pe piaţa factorilor de
producţie a unor resurse relativ rare şi costisitoare (materii prime şi materiale,
energie ş.a.) precum şi din închirierea pe aceeaşi piaţă a forţei de muncă necesare
(angajarea muncitorilor) şi a le combina cu o anumită tehnologie (înţelegând aici atât
maşini, unelte, instalaţii, dar şi informaţii tehnologice) pentru a realiza, la costurile
cele mai scăzute posibil, produse şi servicii destinate vânzării la preţuri competitive
pe piaţa bunurilor şi serviciilor. Competiţia de piaţă a firmelor pentru factorii de
producţie şi a gospodăriilor pentru produse şi servicii asigură, în general,
profitabilitatea sectorului firmelor.
Firmele se pot organiza în diferite structuri prevăzute de lege. Ele pot forma
corporaţii, holdinguri sau pot acţiona individual. Organizarea firmelor este stimulată
tot de nevoia de a obţine un profit cât mai mare sau de a deveni profitabile.
Venitul net al firmelor (sau profitul după plata taxelor) este diferenţa dintre
veniturile obţinute prin vânzarea produselor şi serviciilor şi costurile (cheltuielile)
asociate cu producerea acestora. Venitul net este distribuit de firmă sub formă de
dividende către acţionari (proprietari) sau reţinut ca profit redistribuit, acesta putând fi
considerat ca un venit economisit de firme.
Profitul redistribuit constituie o sursă importantă de fonduri, firmele utilizându-
le pentru a finanţa cheltuielile pentru noi resurse capitale (investiţii) sau le orientează
către piaţa financiară, de unde obţin venituri sub formă de dobânzi încasate.
Pe lângă profiturile reţinute, sectorul firmelor poate împrumuta de pe piaţa
financiară fonduri care să finanţeze cheltuielile din cadrul unui ciclu de producţie.
Creditele luate de pe piaţa financiară reprezintă o sursă externă de finanţare pentru
sectorul firmelor.
Când sectorul firmelor se împrumută de pe piaţa financiară, firmele
concurează unele cu altele, ca şi cu alte sectoare din economie, pentru o cantitate
relativ limitată de fonduri disponibile, ce a fost economisită de sectorul gospodăriilor,
de alte firme sau chiar de sectorul public şi existentă pe piaţa financiară. Ca şi
celelalte sectoare, şi sectorul firmelor plăteşte din venitul său net o anumită parte
pentru a-i recompensa pe cei care au economisit aceste fonduri şi pe intermediarii
financiari.
De asemenea, sectorul firmelor poate obţine venituri din dobânzile plătite

pentru fondurile proprii economisite şi plasate pe piaţa financiară.
Sectorul firmelor poate obţine fonduri de investiţii şi prin vânzarea de acţiuni
(care sunt de fapt certificate de proprietate) sau obligaţiuni către public.
Sectorul productiv poate să împrumute fonduri de la sectorul financiar pentru
perioade scurte de timp, atunci când ciclul de producţie este mare, ceea ce face ca
fluxul de venituri obţinute din vânzarea produselor şi serviciilor realizate să fie decalat
faţă de momentul plăţilor factorilor de producţie sau efectuării altor cheltuieli
necesare pentru susţinerea proceselor de producţie.
Aceste împrumuturi pe termen scurt sunt, de regulă, returnate atunci când se
obţine suficient venit din vânzarea producţiei realizat pe piaţa bunurilor şi serviciilor
către sectorul gospodăriilor sau sectorul public.
Pe lângă aceste împrumuturi pe termen scurt, sectorul firmelor poate să
împrumute fonduri din sectorul financiar pentru o perioadă lungă de timp, finanţând
astfel programele de investiţii. Investiţiile din sectorul firmelor sunt făcute pentru a
creşte capacitatea de producţie, deci şi pentru a realiza output în cantităţi sporite.
Creşterea producţiei va atrage un flux de venituri viitoare mai mare, provenit din
vânzarea produselor şi serviciilor. Acest venit aşteptat în viitor mai mare reprezintă
principala motivaţie pentru care sectorul firmelor face investiţii.
Schimbările determinate de investiţii în sectorul firmelor reprezintă o cauză
importantă a expansiunii şi reducerii ciclice a nivelului general al activităţii economice
observate în producţie, venituri, utilizarea forţei de muncă şi preţuri. Investiţiile din
sectorul firmelor sunt afectate, la rândul lor, de o varietate de factori incluzând starea
curentă şi aşteptată a economiei, ratele dobânzilor practicate pe piaţa financiară,
taxele şi impozitele, etc. O recesiune economică despre care se aşteaptă să
continue o perioadă de timp poate determina sectorul firmelor să-şi reducă planurile
de investiţii în capital fizic. Împrumuturile pentru achiziţionarea de maşini şi utilaje
necesare în producţia de bunuri şi servicii se reduc. Sectorul firmelor va avea nu
numai o capacitate de producţie în exces, dar îi va fi din ce în ce mai dificil să
suporte costurile împrumuturilor anterioare dintr-un flux de venituri din ce în ce mai
redus.
Similar, creşterea ratelor dobânzilor pe piaţa financiară poate conduce
sectorul firmelor către reconsiderarea planurilor de investiţii, în special atunci când
costurile împrumuturilor depăşesc veniturile pe care se aşteptă să le obţină din

propriile investiţii.
O economie în recesiune, taxe şi impozite mari şi rate ale dobânzilor
crescătoare, în mod normal, reduc volumul investiţiilor realizate şi, în consecinţă, şi
capacitatea economiei de a creşte producţia de bunuri şi servicii. Fluxurile de venituri
care merg la proprietarii factorilor de producţie, volumul economiilor precum şi taxele
plătite către sectorul public, de asemenea, se reduc.Din contră, o economie în
expansiune, împreună cu taxe şi impozite moderate şi rate ale dobânzilor
descrescătoare vor determina creşterea sectorului firmelor, sporirea economiilor
precum şi a taxelor şi impozitelor plătite de firme către sectorul public.
Se pot, acum, sintetiza principalele fluxuri materiale (m) şi de fonduri (f) care
se formează între sectorul firmelor şi celelalte sectoare ale economiei naţionale:
• în schimbul unor fluxuri de factori de producţie primiţi de la sectorul
gospodăriilor (m-8), sectorul firmelor plăteşte un flux de fonduri (f-7);
• utilizând factorii închiriaţi, sectorul firmelor produce un flux de bunuri şi
servicii (m-1) care este trimis către piaţa bunurilor şi serviciilor şi de aici,
către sectorul gospodăriilor, sectorul public şi sectorul extern;
• prin vânzarea bunurilor şi serviciilor realizate, sectorul firmelor primeşte un
flux de fonduri (f-2) reprezentând venitul total din vânzarea producţiei
realizate;
• sectorul firmelor plăteşte impozite şi taxe sectorului public (f-3), primind în
schimb bunuri şi servicii “publice” (m-4) (apărare, administrare, acces la
infrastructură, ş.a.);
• sectorul firmelor economiseşte o parte din venitul net realizat şi îl trimite
către piaţa financiară (f-9) de unde primeşte, în schimb, venituri provenind
din dobânzi (f-10);
• sectorul firmelor împrumută fonduri de pe piaţa financiară (f-10) pe care le
utilizează pentru investiţii şi plata factorilor utilizaţi, iar o parte din venitul
net este utilizată pentru returnarea împrumuturilor (inclusiv dobânzi) (f-9)
către piaţa financiară;
• sectorul firmelor primeşte de la sectorul extern un flux de venituri (f-6)
reprezentând plata bunurilor şi serviciilor exportate (m-5);
• sectorul firmelor plăteşte către sectorul extern un flux de venituri (f)

reprezentând valoarea bunurilor şi serviciilor importate (m).
Datorită dualităţii dintre fluxurile de intrare şi cele de ieşire către sectorul
extern putem considera că bunurile şi serviciile importate, respectiv plata acestora nu
reprezintă decât fluxurile m-5 şi, respectiv f-6 având însă direcţii inverse. Pentru a
rezolva acest lucru, se utilizează conceptul de export net, reprezentând diferenţa
dintre fluxul de plăţi pentru produse exportate şi produse importate.
În figura 6.2 sunt reprezentate principalele fluxuri materiale şi financiare care
se formează între sectorul firmelor şi celelalte sectoare (sisteme) ale economiei
naţionale.
6.3 Sectorul public (guvernamental)
Sectorul public (guvernamental, Stat) este format din totalitatea instituţiilor

centrale şi locale precum şi din întreprinderile (regii, societăţi naţionale ş.a.) aflate
în proprietatea statului care realizează bunuri şi servicii publice (apărare,
educaţie, sănătate, administraţie ş.a.) dar şi bunuri şi servicii destinate
consumului celorlalte sectoare ale economiei (autostrăzi, reţele de comunicaţii,
şcoli ş.a.) şi care sunt prea costisitoare pentru a putea fi realizate de sectorul
firmelor.
Sectorul public cumpără de la sectorul productiv (privat) bunuri şi servicii pe

care le utilizează apoi pentru realizarea de bunuri publice. De exemplu, sectorul
public poate cumpăra de la firme articole de papetărie pentru administraţie, tancuri şi
maşini blindate pentru apărare, calculatoare pentru educaţie ş.a. Totuşi aceste
bunuri şi servicii, provenind din sectorul firmelor, sunt considerate, la nivelul
sectorului public, resurse ce sunt utilizate pentru a produce bunuri şi servicii
“publice”. Alteori, sectorul public poate el însuşi realiza bunuri şi servicii prin
intermediul întreprinderilor aflate în proprietatea statului, utilizând pentru acesta
resurse închiriate de pe piaţa factorilor de producţie (inclusiv muncă).
serviciilor
(1)
(2) Sectorul
(4) (3)
(6) (10)
Sectorul public
(8)
firmelor
Piaţa factorilor
de producţie (7)
Sectorul
extern
(5)
Piaţa financiară
(9)
Figura 6.2
Legendă:
(1) – flux de bunuri şi servicii;

(2) – flux de venituri totale din vânzarea outputului;
(3) – impozite şi taxe plătite;
(4) – bunuri şi servicii “publice”;
(5) – export net (bunuri exportate – bunuri importate);
(6) – flux de venituri (plăţi) din activitatea de export – import;
(7) – flux de plăţi ale serviciilor factorilor (inclusiv muncă);
(8) – factori de producţie închiriaţi;
(9) – flux de economii (plăţi ale dobânzilor);
(10) – flux de împrumuturi (venituri din dobânzi la economiile realizate).
De exemplu, educaţia oferită de universităţile de stat, licee şi şcoli este un bun

public produs direct de sectorul public.
Pentru a produce şi achiziţiona bunuri şi servicii publice, sectorul public
utilizează veniturile provenite din impozite şi taxe plătite de către sectorul
gospodăriilor, sectorul firmelor şi sectorul financiar. De asemenea, o parte din venituri
provin de la sectorul extern din taxele vamale.
Totalitatea cheltuielilor realizate de sectorul guvernamental (public) pentru
producerea şi achiziţia de bunuri şi servicii publice reprezintă cheltuielile
guvernamentale. O schimbare în cheltuielile guvernamentale afectează toate fluxurile
din economie. Dacă, de exemplu, sectorul public va creşte cererea sa de bunuri şi
servicii realizate de sectorul firmelor, va creşte volumul resurselor utilizate, deci şi
nivelul veniturilor obţinute de gospodării şi firme, cheltuielile acestora şi economiile.
Veniturile din taxe ale sectorului public pot să crească chiar şi fără o schimbare în
rata fiscalităţii, deci în rata impozitelor şi taxelor plătite de sectorul gospodăriilor şi
sectorul firmelor, şi aceasta datorită creşterii bazei de taxare.
Ca şi reducerea taxelor, creşterea în cheltuielile guvernamentale va stimula, în
general, ritmul activităţii economice şi intensitatea fluxurilor asociate acesteia.
Similar, o încetinire sau o reducere a cheltuielilor guvernamentale (sau o creştere a
taxelor) va tinde să reducă sau să încetinească fluxurile economice.
O importantă funcţie fiscală a sectorului guvernamental este să stabilizeze
cheltuielile sectorului privat şi fluxurile de producţie care scad prea rapid sau cresc
prea lent, determinând o instabilitate a preţurilor şi şomaj. Sectorul public contribuie
la stabilitatea economiei iar nivelul cheltuielilor sale creşte. De exemplu, dacă în
economie se constată o încetinire a fluxurilor de producţie şi consum, o creştere
deliberată a cheltuielilor guvernamentale şi/sau o descreştere a ratei fiscalităţii va
tinde să stimuleze intensificarea fluxurilor economice.Totuşi, când economia se
extinde prea rapid, riscând să se creeze dezechilibre între sectoare, o reducere
deliberată sau o încetinire a creşterii cheltuielilor guvernamentale şi/sau o creştere a
taxelor va determina o încetinire a fluxurilor economice. Nu toate cheltuielile
guvernamentale îndeplinesc rolul menţionat mai sus. O parte a acestora, cum sunt
cheltuielile de apărare, asigurările sociale şi plăţile transferabile, dobânzile plătite de
sectorul guvernamental la datoria publică ş.a. tind să crească indiferent de
ciclicitatea economiei. Acestor cheltuieli le revin o parte importantă din bugetul de
stat şi cel al asigurărilor sociale.
Cum am arătat deja, principala sursă de venituri a sectorului public este cea a
impozitelor şi taxelor plătite pe venit şi pe profit de sectorul gospodăriilor, respectiv
sectorul firmelor. Atât la nivel central, dar mai ales la nivel local, există însă o mare
varietate de alte impozite şi taxe care nu depind de venit şi profit. Ele sunt denumite
taxe în sumă fixă pentru a le deosebi de primele care sunt variabile în raport cu
mărimea venitului sau profitului din care se calculează (baza de impozitare).
O taxă pusă pe un flux de venituri afectează mărimea economiilor realizate în
cadrul sectorului gospodăriilor şi sectorului firmelor. În consecinţă, ea va afecta şi
mărimea cheltuielilor de consum ale sectorului gospodăriilor, respectiv cheltuielilor de
investiţii ale sectorului firmelor.
De exemplu, o creştere a impozitului pe venitul personal (la nivelul sectorului
gospodăriilor) va tinde să reducă venitul disponibil şi, în consecinţă, mărimea
venitului alocat de sectorul gospodăriilor pentru consum şi pentru economii.
Deoarece taxe mai mari descurajează cheltuielile de consum, pe piaţa
bunurilor şi serviciilor vor fi achiziţionate mai puţine bunuri şi servicii, iar sectorul
firmelor îşi va reduce producţia în mod corespunzător deoarece va rămâne cu
produsele neachiziţionate în stoc. O încetinire a producţiei în sectorul firmelor va
duce la descreşterea cererii de factori de producţie pe piaţa factorilor (inclusiv pentru
muncă). Va creşte şomajul şi va descreşte venitul provenit din plata utilizării
factorilor, reducând şi mai mult cererea totală de bunuri şi servicii.
Sectorul guvernamental funcţionează, de regulă, în condiţiile unui deficit
bugetar. În general, în cursul unei expansiuni economice, cheltuielile guvernamentale
tind să-şi încetinească ritmul de creştere, în timp ce veniturile guvernamentale
provenind din taxe cresc. Drept urmare, deficitul bugetar devine mai mic sau
surplusul bugetar (dacă economia ar fi avut un buget excedentar) devine mai mare.
Similar, în cursul unei recesiuni economice, deficitul bugetar tinde să crească în timp
ce taxele se reduc iar cheltuielile guvernamentale, inclusiv cele pentru programele de
combatere a recesiunii, cresc.
Pentru a acoperi deficitul bugetar, sectorul guvernamental utilizează
împrumuturile publice (pe piaţa financiară internă sau internaţională). Datoria publică
creşte când deficitul bugetar devine mare şi scade când acesta se reduce. Sectorul
guvernamental plăteşte dobânzi la datoria publică către sectoarele de la care a făcut
împrumutul public (sectorul gospodăriilor şi sectorul financiar). Împrumuturile publice
pe pieţele financiare externe sunt, de regulă, mai costisitoare, sectorul public
trebuind să plătească dobânzi şi rate ale împrumuturilor externe care împovărează şi

mai mult bugetul de stat.
Chiar şi în cazul existenţei deficitelor bugetare, sectorul guvernamental poate
economisi, formând o rezervă de stat. Această rezervă este compusă din bunuri
materiale de strictă necesitate (zahăr, ulei, petrol etc.), din aur şi din fonduri în valute
străine.
Conexiunile sectorului public pot fi deci sintetizate astfel:
• există două fluxuri similare de bunuri publice între sectorul guvernamental
şi sectorul gospodăriilor, respectiv cel al firmelor (m-3) prin care bunuri şi
servicii care nu sunt asigurate, de regulă, de către sectorul privat sunt
furnizate celor două sectoare;
• în schimbul acestor bunuri publice, sectorul gospodăriilor şi sectorul
firmelor trimit către sectorul public două fluxuri reprezentând impozite şi
taxe (f-2);
• un alt flux este cel prin care sectorul public cumpără de la sectorul firmelor
bunuri şi servicii (f-3) în schimbul căruia primeşte un flux de bunuri şi
servicii (m-4);
• al patrulea flux este cel prin care sectorul public închiriază factori de
producţie de la sectorul gospodăriilor (m-6) în schimbul plăţii serviciilor
acestora (f-5);
• al cincilea flux este cel prin care sectorul public împrumută de pe piaţa
financiară fonduri pentru a acoperi deficitul bugetar (f-8) plătind , în schimb,
dobânda la datoria publică (f-7);
• un ultim flux este cel al economiilor realizate de sectorul public care sunt
plasate pe piaţa financiară (f-7), acesta primind în schimb venituri din
dobânzi (f-8).
Se observă că acest ultim flux poate fi considerat dual celui anterior, prin care
sectorul public împrumută de pe piaţa financiară fonduri destinate acoperirii deficitului
bugetar, numai că direcţia fluxurilor este inversă. Din această cauză, sectorul public
poate să fie debitor net sau creditor net pe piaţa financiară, în funcţie de diferenţa
dintre intrările totale de fonduri şi ieşirile de fonduri către piaţa financiară.
În figura 6.3 sunt prezentate conexiunile principale, materiale şi financiare, dintre
sectorul public şi celelalte sectoare (sisteme) ale economiei naţionale.
serviciilor
(3)
Sectorul
firmelor
(4)
(2) Sectorul (1)
(8)
public
(6)
Piaţa factorilor
de producţie
(5)
Sectorul
Gospodăriilor
Piaţa financiară
(7)
Figura 6.3
Legendă:
(1) – flux de bunuri şi servicii “publice”;
(2) – impozite şi taxe;
(3) – plata produselor achiziţionate pe piaţa bunurilor şi serviciilor;
(4) – bunuri şi servicii furnizate de sectorul firme;
(5) – plata serviciilor factorilor închiriaţi de la sectorul gospodăriilor;
(6) – factori de producţie închiriaţi de către sectorul public;
(7) – economii nete (diferenţa dintre fondurile economisite şi împrumuturile
făcute de sectorul public);
(8) –venituri provenite din dobânzi la economiile nete (dacă sunt negative
reprezintă plata dobânzilor la împrumuturile făcute).
6.4 Sectorul extern
Fluxurile materiale (sub formă de importuri şi exporturi) şi fluxurile financiare

dintre economia naţională şi restul lumii se efectuează prin intermediul sectorului
extern. Dacă într-o economie neglijăm acest sector, spunem că avem o economie
închisă; în caz contrar vorbim despre o economie deschisă.
Orice economie are nevoie de anumite bunuri şi servicii pe care sectorul

productiv intern nu le realizează sau le realizează în cantităţi insuficiente, deci aceste
bunuri şi servicii vor fi importate; în acelaşi timp, orice economie produce un surplus
de bunuri şi servicii pe care le vinde pe pieţe externe, deci le exportă. Se observă că
fluxurile respective intră şi ies în principal din sectorul firmelor, dar import şi export
poate face şi sectorul public.
Pentru importuri, cele două sectoare trebuie să plătească o parte din veniturile
lor în timp ce pentru export ele primesc venituri din exterior.
O dificultate o reprezintă însă moneda în care se fac aceste plăţi reciproce.
Diferitele economii au încă valute diferite, acest lucru îngreunând schimburile
comerciale (de exemplu, unul dintre motivele principale ale introducerii Euro în ţările
din Uniunea Europeană, cu excepţia a două dintre ele, este dat de facilităţile pe care
le creează la plata fluxurilor de export şi import).
Pentru a rezolva transformarea valutelor străine în valuta internă şi invers, în
cadrul sectorului financiar există intermediari valutari (bănci sau case de schimb)
care, pe piaţa financiară (mai precis pe o componentă a acesteia numită piaţa
valutară) realizează schimburi între diferitele valute. Deci sectorul extern utilizează
piaţa valutară doar pentru a realiza transformările valutare necesare bunei
desfăşurări a fluxurilor de exporturi şi importuri.
În afară de aceste fluxuri comerciale, orice economie are intrări şi ieşiri de
fluxuri de capital. Acestea sunt formate, de regulă, de investiţiile străine făcute de
rezidenţii altor state în economia internă, respectiv investiţii ale cetăţenilor rezidenţi ai
statului respectiv în alte economii sau pe pieţe financiare internaţionale. Şi aceste
fluxuri de capital sunt transformate; cele de intrare în valuta internă, iar cele de ieşire
într-o valută recunoscută internaţional sau valuta ţării în care el va merge.
Valoarea unei valute interne în raport cu o valută străină reprezintă rata de
schimb, care constituie deci preţul pieţei valutare. Rata de schimb reflectă
intensitatea fluxurilor internaţionale de fonduri. De exemplu, oferta de valută internă

pe piaţa valutară va creşte în mod normal, dacă nivelul importurilor sau intrările
internaţionale de fonduri în ţara respectivă cresc. Invers, cererea de valută va creşte
în mod normal când nivelul exporturilor sau ieşirilor de fonduri către alte ţări cresc.
Schimbările suferite de rata de schimb de pe piaţa valutară afectează fluxurile
materiale şi financiare din economia respectivă. Creşterea ratei de schimb a unei
valute străine va accelera exporturile şi va încetini importurile. Crescând exporturile,
cererea de factori de producţie a sectorului firmelor va creşte, veniturile din plăţile
factorilor vor spori în sectorul gospodăriilor, deci şi cererea acestora de bunuri şi
servicii.
Rezultă, deci, că principalele fluxuri dintre sectorul extern şi celelalte sectoare
ale economiei pot fi sintetizate astfel:
• două fluxuri materiale de export şi de import (m-1) şi (m-1’), dublate de
două fluxuri de fonduri în sens invers, reprezentând plăţile pentru export (f-
2) şi, respectiv, import (f-2’);
• două fluxuri de fonduri reprezentând intrări, (f-5), (f-5’) şi ieşiri (f-6), (f-6’) de
capital financiar.
Aceste patru fluxuri se formează între sectorul extern, aparţinând economiei
naţionale şi celelalte economii, pe care la vom denumi generic “restul lumii”.
În figura 6.4 se reprezintă principalele conexiuni ale sectorului extern:
(2’)
Restul
(4’)
lumii (1)
(1’) Sectorul
extern
(3’)
Piaţa financiară (4)
(2)
(3)
Figura 6.4
Legendă:
- export;
– venituri din export;
(1’) – import;
(2’) – plăţile importurilor;
(3) şi (3’) – intrări de capital internaţional (în valută străină) şi transformarea lor
în valută internă;
(4) şi (4’) – ieşiri de capitale financiar (in valută internă) şi transformarea lor în
valută străină.
6.5 Sectorul financiar
În general, toate sectoarele analizate până acum împrumută şi economisesc

fonduri. Important este, totuşi, faptul că aceste procese determină un echilibru: dacă
unele sectoare economisesc mai mult decât cheltuiesc se creează un excedent de
fonduri; acest excedent este utilizat pentru a acoperi deficitul de fonduri al altor
sectoare. Alte sectoare, care cheltuiesc mai mult decât economisesc, deci au un
deficit de fonduri, împrumută aceste fonduri de la cele care au excedent.
Sectorul financiar este cel care realizează transferul de fonduri de la

sectoarele care au un excedent de fonduri către cele care au deficit. În acelaşi timp,
sectorul financiar asigură plata dobânzilor cuvenite celor care dau cu împrumut
fonduri din veniturile primite de la cei care iau cu împrumut fonduri.
Sectorul financiar este constituit din mulţimea băncilor de diferite tipuri şi a
celorlalţi intermediari financiari (societăţi de asigurări, fonduri de investiţii, fonduri de
pensii ş.a.) care există într-o economie. Acumularea anuală a economiilor
sectoarelor care au excedent de fonduri permite constituirea fondurilor de investiţii
utilizate de sectoarele care au deficit de fonduri pentru a dezvolta activităţile
productive.
De regulă, sectoarele care economisesc cel mai mult sunt cel al gospodăriilor
şi sectorul public. Sectorul gospodăriilor constituie cel mai important sector ce
creează un surplus de fonduri. Economiile realizate de acest sector merg către
celelalte sectoare şi aduc gospodăriilor un venit suplimentar datorită dobânzii plătite
de aceste sectoare. Formele de economisire cel mai frecvent utilizate sunt:
constituirea depozitelor bancare, cumpărarea de obligaţiuni ale firmelor şi

corporaţiilor , cumpărarea de poliţe de asigurare, contribuţii la fondul de pensii ş.a.
Sectoarele care iau cu împrumut fondurile cele mai mari sunt sectorul public şi
sectorul privat (al firmelor).
Transferul de fonduri între sectoare se face, de regulă, pe piaţa financiară. Pe
această piaţă, oferta de fonduri a celor care economisesc este egală cu cererea de
fonduri a celor care împrumută pentru un nivel dat al ratei dobânzilor. Dacă cererea
de fonduri este temporar mai mare decât oferta de fonduri, competiţia dintre sectoare
pentru a obţine fonduri dintr-o ofertă oarecum limitată va ridica preţul fondurilor, deci
ratele dobânzilor. Rate ale dobânzilor mai mari vor încuraja, în general, noi economii,
în timp ce va descuraja pe împrumutaţi până când cererea şi oferta vor fi din nou
echilibrate pentru un nou nivel al ratelor dobânzilor.
De exemplu, când economia este într-o expansiune rapidă, sectorul
gospodăriilor şi sectorul firmelor îşi extind cererile de credite deoarece cheltuielile lor
pentru bunuri şi servicii destinate consumului individual, respectiv de investiţii vor
creşte. Creşterea competiţiei pentru credite tinde să împingă în sus ratele dobânzilor.
Dacă sectorul public împrumută şi el fonduri pentru a-şi finanţa deficitul bugetar,
acest lucru va face şi el să crească presiunea asupra ratelor dobânzilor pe piaţa
financiară. După creşterea acestora, fluxul de cheltuieli şi producţia vor tinde să
scadă.
Un rol special în sectorul financiar îl au instituţiile financiare care acordă
credite, în principal băncile comerciale. Ele deţin fondurile celorlalte sectoare sub
formă de depozite bancare la vedere sau la termen, care sunt utilizate pentru a face
plăţi în achiziţiile de bunuri şi servicii, inclusiv pentru investiţii. Aceste depozite,
numite şi conturi de lichidităţi , constituie sursa cea mai importantă a ofertei de bani
din economie. Nici o altă instituţie financiară nu formează un volum aşa de mare de
fonduri ca băncile comerciale. De asemenea, băncile comerciale creează noi
depozite bancare când dau credite pentru a finanţa cumpărările de bunuri şi servicii
(credite pentru consum) şi lucrările pentru investiţii (credite de investiţii). Posibilitatea
băncilor comerciale de a crea bani este totuşi limitată de volumul rezervelor pe care
ele le constituie la o bancă cu rol special în economie, denumită Banca Centrală.
Aceasta are anumite funcţii care îi permit să exercite controlul asupra fluxurilor
financiare şi a pieţei monetare, componentă principală a pieţei financiare. Acest lucru
se realizează, de regul, prin controlul asupra ofertei de bani şi a rezervelor băncilor
comerciale. Modalităţile prin care Banca Centrală influenţează aceste două elemente
se numesc politici monetare.
Rezultă că sectorul financiar are, cu celelalte sectoare din cadrul economiei
naţionale, următoarele interdependenţe principale:
• patru fluxuri financiare, (f-1), (f-2), (f-3) şi (f-4), reprezentând economiile
realizate în sectorul gospodăriilor, sectorul firmelor, sectorul public şi
sectorul extern;
• alte patru fluxuri financiare, (f-5), (f-6), (f-7) şi (f-8), reprezentând creditele
acordate acestor sectoare;
• un flux financiar (f-9) de formare a rezervelor băncilor la Banca Centrală;
• un flux financiar (f-10) de la sectorul financiar la piaţa financiară,
constituind oferta de credite.
În figura 6.5 se reprezintă principalele conexiuni dintre sectorul financiar şi
celelalte sectoare economice.
Rezerve ale
Băncii Centrale
(9)
Sectorul Sectorul (5)
(6)
firmelor gospodăriilor
(1) (4)
SECTORUL
(3) FINANCIAR
(2)
Sectorul Sectorul
public extern
(10)
(7) Piaţa financiară (8)
Figura 6.5
Legendă:
(1)-(4) – depozite;
(5)-(8) – credite;
(9) – rezerve ale băncilor la Banca Centrală;
(10) – oferta de credite.
6.6 Modele de simulare şi modele-bazate-pe-agenţi în macroeconomie

(nu se cer)
In ultima perioadă, în analiza şi modelarea sistemelor macroeconomice au
început să fie utilizate diferite metode provenind din simulare şi teoria complexităţii.
Dintre aceste metode noi merită amintite: simularea pe baza algoritmilor genetici,
reţelele neuronale, agenţii şi modelele bazate pe agenţi ş.a.
6.6.1 Modele bazate pe algoritmii genetici (AG)
Algoritmii genetici sunt algoritmi de optimizare stohastică având la bază

mecanisme evoluţioniste şi genetice. Filosofia lor este foarte simplă. Se porneşte de
la o populaţie de soluţii potenţiale (cromozomi) alese arbitrar. Se evaluează
performanţa (fitness-ul) fiecăruia. Pe baza acestor performanţe se obţine o nouă
populaţie de soluţii potenţiale utilizând operatori de evoluţie simpli: selecţia,
încrucişarea şi mutaţia. Se repetă acest ciclu până când se găseşte o soluţie
satisfăcătoare.
AG au fost descoperiţi de John Holland (1975). Dar abia o carte a lui Goldberg,
apărută în 1989 le-a adus popularitatea actuală. Datorită marii lor simplităţi şi
eficienţei calculatorii, AG au astăzi numeroase aplicaţii economice, financiare,
tehnice, sociale ş.a.
AG fac parte din clasa de metode de modelare evoluţioniste. Pe lângă aceştia,
clasa respectivă mai include programarea genetică, o modificare a algoritmilor
genetici pentru a evolua ca programe de calculator, strategiile de evoluţie ce
reprezintă o formă de algoritmi evoluţionişti care utilizează reprezentarea non-
cromozomială şi se axează mai mult pe studierea operatorului de mutaţie,
programarea evoluţionistă care nu are restricţii în reprezentarea soluţiei ş.a. Totuşi,
limitele între aceste metode sunt foarte greu de definit şi, treptat, s-a impus conceptul
de algoritmi genetici pentru a denumi o clasă de metode ce derivă din concepţia

iniţială a lui Holland.
• Ce sunt algoritmii genetici
Să dăm, în continuare, o definiţie mai exactă pentru AG. Un AG se defineşte

prin următoarele concepte:
- individ/cromozom/lanţ/secvenţă/string: o soluţie potenţială a problemei;
- populaţie: o mulţime de indivizi sau de puncte în spaţiul de căutare;
- mediu: spaţiul de căutare;
- funcţia de fitness: funcţia pozitivă care trebuie maximizată.
Un string (cromozom, individ) A de lungime l ( A) este un şir:
A = {a1 , a 2 ,..., al}
cu ai ∈V = {0,1} pentru orice i ∈ [1, l ] . Deci un string este un şir de biţi în alfabetul
binar, numit şi lanţ binar. În cazul unui alfabet non-binar, cum ar fi cel zecimal, şirul A
nu conţine decât un punct, A = {a}, cu a. ∈ R
Fitnessul unui string (şir, secvenţă, cromozom, individ) este o valoare pozitivă,
f ( A) , unde f este denumită funcţie de fitness. Fitnessul (eficacitatea) nu trebuie
confundat cu valoarea optimă. Numai întâmplător cele două valori coincid. Deoarece
fitnessul este o funcţie având valori pozitive reale, în cazul codificării binare a AG se
poate utiliza o funcţie de decodificare d, definită ca:
l
d: {0,1} → R
care permite trecerea de la un string binar la o valoare reală.
Funcţia de fitness este deci aleasă astfel încât să transforme această valoare
reală furnizată de d într-o valoare pozitivă, deci:
f : d  {0,1}  → R .
l
+

Scopul principal al unui AG este deci de a găsi stringul care maximizează
funcţia de fitness f.
Evident că funcţiile d şi f depind de problema particulară care trebuie rezolvată,
aceasta fiind şi principala dificultate în aplicarea AG.
Fazele AG sunt următoarele:
i) Iniţializarea: O populaţie iniţială de N cromozomi este determinată aleator

(utilizând, de exemplu, metode obişnuite de generare a numerelor întâmplătoare);
ii) Evaluarea: Fiecare individ (cromozom) din cadrul populaţiei este decodificat
şi apoi evaluat cu funcţia de fitness;
iii) Selecţia: Crearea unei noi populaţii de N cromozomi utilizând o metodă de
selecţie adecvată;
iv) Reproducerea: Posibilitatea de încrucişare şi mutaţie în cadrul noii populaţii;
v) Revenirea la faza de evaluare până la oprirea algoritmului. Condiţia de
oprire este legată, în general, de atingerea unei valori a funcţiei de fitness care este
cea mai mare comparativ cu celelalte şi care nu mai creşte în continuare.
• Codificarea şi generarea populaţiei iniţiale
Există în cadrul AG trei tipuri principale de codificare: binară, intermediară şi

zecimală. Se poate trece uşor de la un tip de codificare la altul utilizând relaţii de
transformare obişnuite. În anumite lucrări se face o paralelă cu biologia, vorbindu-se
despre genotip (masculin şi feminin) care reprezintă codificarea în alfabetul binar a
unui individ şi fenotip (denumirea pentru valoarea reală corespunzătoare din spaţiul
de căutare).
Cea mai simplă transformare (funcţia de decodificare d) a unui string binar A
într-un număr întreg x se face cu relaţia următoare:
l
x = d ( A) = ∑ ai ⋅ 2l −i −1
i =1
unde ai ∈ A = {0,1}. Astfel, un cromozom A = {1,01,1} are valoarea reală

x = 1 ⋅ 23 + 0 ⋅ 22 + 1 ⋅ 21 + 1 ⋅ 20 = 11 .
Evident că funcţia de decodificare d poate fi modificată în raport cu problema ce
trebuie rezolvată. Astfel, pentru a maximiza o funcţie:
f : [0,1] → [0,1]
putem utiliza o relaţie de transformare de forma:
l
x = d ( A) = ∑ ai ⋅ 2−i −1
i =1
Pentru a asigura precizia dorită (de exemplu de cinci cifre exacte după virgulă)
 
se ia l = 16 astfel că d 11
,..,2
1,..,1
3  = 0.999992 ≅ 1 .

 16 
O altă posibilitate de a-l alege pe d este ca
l − i −1
l
ai ⋅ 2
x = d ( A) = ∑ l +1
.
i =1 2
  131071
Pentru l = 16 obţinem 217 − 1 = 131071 şi d 11
,..,2
1,..,1
3  = 131071 = 1 .

 16 
  2
Precizia dorită este asigurată deoarece d  0{
,..,010  = = 0,0000152589 .
 14  131071
Această ultimă relaţie de decodificare poate fi generalizată pentru orice tip de
funcţie f. Astfel, dacă dorim să maximizăm o funcţie f în raport cu o variabilă reală x
iar D = {x min , xmax}, unde D ⊂ ℜ este spaţiul de căutare admisibil, xmin şi xmax fiind
limita inferioară, respectiv limita superioară a lui D, fie l ⋅ d = x max − x min , lungimea
intervalului D. Trebuie să împărţim, atunci, acest interval în ni = l ⋅ d *10

prec
subintervale egale pentru a obţine precizia (prec) dorită. De exemplu, dacă D = [− 1,2]
atunci l ⋅ d = 3 şi dacă prec = 6 atunci v-a trebui să împărţim intervalul de căutare D
în ni = 3 ⋅ 106 = 3.000.000 subintervale.

Pentru un s întreg natural astfel încât 2s > ni , transformarea unui string binar
A = {a1 ,..., a5} într-un număr real x se poate face atunci în doi paşi:
1) conversia bazelor (trecerea din baza 2 în baza 10)
s
x ′ = ∑ 2i −1 ;
i =1
2) căutarea unui număr real corespunzător:

x max − xmin
x = x min + x ′ s
.
2 −1
Cei doi paşi pot fi comprimaţi scriind direct relaţia de transformare
(decodificare):
i −1
s
2 l⋅d
x = x min + ∑ s
i =1 2 − 1
În cazul anterior, în care prec = 6 , s trebuie luat 22 deoarece 221 =2.097.152<

3.000.000< 222 = 4.194.304 .
Deci numărul de biţi dintr-un string binar depinde de precizia cu care dorim să
facem calculele.
După determinarea relaţiilor de transformare utilizate, se generează aleator un
număr de N indivizi (stringuri) în spaţiul de admisibilitate al indivizilor. În cazul
codificării binare (stringuri binare), după ce se determină dimensiunea l a lanţului se
efectuează pentru cromozomul i = [1, l ] generarea de biţi {0,1} cu echiprobabilitate (0
sau 1 pot să apară în cromozomul respectiv cu aceeaşi probabilitate).
• Operatori genetici
Operatorii genetici joacă cel mai important rol în cadrul AG. Există trei tipuri
principale de operatori:
- operatorul de selecţie;
- operatorul de încrucişare;
- operatorul de mutaţie.
A) Operatorul de selecţie (numit uneori şi operatorul de reproducere) este

cel mai important operator genetic deoarece permite indivizilor dintr-o populaţie să
supravieţuiască, să se reproducă sau să moară. Ca regulă generală, probabilitatea
de supravieţuire a unui individ este legată direct de eficienţa relativă a acestuia în
cadrul populaţiei respective.
Există mai multe metode de reproducere (selecţie). Metoda cea mai cunoscută
este, desigur, cea a loteriei întâmplătoare (aleatoare). Conform acestei metode,
fiecare individ (cromozom) va fi duplicat în noua populaţie, proporţional cu valoarea
sa de adaptare. Se efectuează, de câteva ori, extrageri cu revenire din cadrul
mulţimii de indivizi ai populaţiei respective. În cazul codificării binare, se determină
pentru fiecare individ (cromozom) extras, ci , fitnessul acestuia, f (d (ci )) . Atunci
probabilitatea ca cromozomul ci să fie reintrodus în noua populaţie, a cărei mărime
este N, va fi:
s f (d (ci ))
pi = N
, ∀i = 1, N
∑ f (d (c j ))
j =1
Indivizii (cromozomii) care determină o valoare a funcţiei de fitness mare au o

probabilitate de selecţie p s mare, deci şanse mai mari de a fi selecţionaţi (de a se
reproduce). Un astfel de tip de selecţie se mai numeşte şi selecţie proporţională şi
este foarte uşor de efectuat. Inconvenientul major în utilizarea unei astfel de metode
constă în faptul că un individ care nu este cel mai bun din populaţia respectivă poate
ajunge totuşi să domine selecţia. Se înregistrează astfel o pierdere de diversitate prin
dominaţia unui individ, denumit şi superindivid sau dictator. Un alt inconvenient este
şi performanţa slabă a metodei către sfârşitul selecţiei, când mulţimea indivizilor
devine mai omogenă. În acest caz, majoritatea cromozomilor are un fitness ridicat,
dar nu optimal sau apropiat de cel optimal. În procesul de selecţie, acest grup poate
ajunge să domine populaţia, astfel încât AG nu va mai evolua şi optimul nu va mai
putea fi găsit. Acest fenomen se numeşte „convergenţă prematură” şi este una dintre
problemele care apar cel mai frecvent la utilizarea AG.
O soluţie a acestei probleme nu constă neapărat din utilizarea unei alte metode
de selecţie, ci din introducerea unei funcţii de fitness modificată. Astfel, putem utiliza
o schimbare de scală pentru a creşte ecartul (diferenţa) relativ dintre valorile de
fitness ale indivizilor.
Există şi alte metode de selecţie, de exemplu selecţia de tip turneu, în care se
extrag de fiecare dată câte doi indivizi din populaţie şi se reproduce (selectează) cel
mai bun dintre cei doi în noua populaţie. Se repetă această procedură până când
noua populaţie este completă (deci ajunge la acelaşi număr de indivizi N ca şi
populaţia iniţială). Totodată, se urmăreşte ca în faza de selecţie să nu se creeze noi
indivizi în populaţie. Acesta este rolul următorului operator genetic.
B) Operatorul de încrucişare permite crearea unui nou individ (cromozom) şi
includerea sa în populaţia nou generată. Acest lucru se face printr-o procedură foarte
simplă care permite schimbul de informaţie între indivizi (cromozomi). Astfel, doi
indivizi, formând o pereche, sunt extraşi din cadrul populaţiei rezultată prin selecţie
(reproducere). Apoi se determină aleator unul sau mai multe puncte de încrucişare (o
cifră între 1 şi l − 1 ). În sfârşit, cu o probabilitate pc ca încrucişarea să aibă loc în
acel punct, segmentelor finale (în cazul unui singur punct de încrucişare) ale celor
doi părinţi, cum se numesc indivizii extraşi, se schimbă între ele, ducând astfel la
apariţia a doi noi indivizi (cromozomi).
Trebuie spus că un individ selecţionat pentru reproducere nu suferă neapărat şi

o operaţie de încrucişare. Acest lucru nu are loc decât cu o anumită probabilitate, p c .
Cu cât pc este mai mare, cu atât populaţia va suferi schimbări mai mari.
Acţiunea conjugată a celor doi operatori, de selecţie şi de încrucişare, este
insuficientă însă pentru a asigura reuşita unui AG. Acest lucru se întâmplă deoarece,
în cazul codificării binare, anumite informaţii (de exemplu caractere ale alfabetului)
pot să dispară din populaţie. De exemplu, dacă nici un individ din populaţia iniţială nu
conţine 1 în ultima poziţie a stringului binar şi totuşi acest 1 face parte din stringul
optimal ce trebuie determinat, orice operaţie posibilă de încrucişare nu permite să
apară 1, care este iniţial necunoscut.
În codificarea reală (zecimală), o astfel de situaţie se poate atinge dacă iniţial
populaţia este cuprinsă, de exemplu, între 0 şi 40, în timp ce valoarea optimală este
50. Orice combinaţie posibilă de cifre între 0 şi 40 nu permite atingerea unei cifre de
50.
C) Operatorul de mutaţie modifică aleator, cu o anumită probabilitate p m ,
valoarea unei componente a individului. În cazul unei codificări binare, fiecare bit
ai ∈ {0,1} din cadrul stringului este înlocuit cu probabilitatea p de opusul său

m
ai = 1 − ai .
'
Aşa cum sunt posibile mai multe locuri de încrucişare, pot fi alese, în cazul unui
string binar, mai multe poziţii în care pot apărea mutaţii. Operatorul de mutaţie
conferă AG o anumită proprietate de ergodicitate (de exemplu toate punctele din
spaţiul de căutare a soluţiilor pot fi atinse utilizând mutaţia).
Prin aplicarea operatorului de mutaţie se conferă AG un caracter dual: pe de o
parte se poate efectua o căutare locală în orice zonă a spaţiului de căutare a soluţiei
(căutarea pe orizontală) şi, în acelaşi timp, se poate avansa, la fiecare mutaţie, cu o
treaptă în procesul de căutare (căutarea în adâncime).
• Parametrii
Operatorii introduşi mai sus se aplică unei populaţii care are iniţial anumite
caracteristici (parametri) ce conferă zestrea genetică a populaţiei respective. Aceşti
parametri joacă, deseori, un rol esenţial în reuşita AG. Principalii parametri sunt:
mărimea (dimensiunea) populaţiei, N; lungimea stringului asociat fiecărui individ

(cromozom), l şi probabilităţile de încrucişare şi, respectiv, mutaţie, p c şi p m .
Dacă mărimea (dimensiunea) populaţiei, N este foarte mare atunci timpul de
calcul necesar AG creşte foarte mult, iar dacă N este prea mic, atunci AG poate
converge rapid către un individ (cromozom) care nu reprezintă soluţia optimală. Ca o
regulă empirică, N se alege egal cu l 3 .
Probabilităţile p s , pc şi p m se aleg în funcţie de forma funcţiei de fitness.

Alegerea este, în general, euristică. Cu cât aceste probabilităţi sunt mai mari, cu atât
populaţia suferă schimbări mai importante. Pentru p c valorile general admise sunt
între 0,5 şi 0,9. Dacă se alege un pc prea mic atunci există riscul ca încrucişări să nu
aibă loc, ceea ce duce la modificarea foarte lentă a populaţiei şi, deci, la creşterea
timpului de calcul necesar AG.
În ceea ce priveşte probabilitatea de mutaţie, p m aceasta se alege între 0,01 şi
0,05. O probabilitate de mutaţie prea ridicată riscă să conducă la determinarea unei
politici suboptimale.
De multe ori, AG sunt realizaţi în aşa fel încât o parte a sa determină individul
optimal iar o altă parte stabileşte valorile optime ale parametrilor. Aceste două
operaţii pot fi efectuate simultan sau secvenţial, evident cu creşterea
corespunzătoare a timpului de calcul. Astfel de algoritmi se mai numesc şi meta-AG.
• Funcţia de fitness
O ultimă componentă importantă a AG este funcţia de fitness. Alegerea

acesteia depinde de problema care trebuie rezolvată şi de spaţiul de căutare a
soluţiilor care este specificat.
Spaţiul de căutare S este, în general, constituit din două subspaţii disjuncte:
spaţiul soluţiilor admisibile, F şi spaţiul soluţiilor neadmisibile, U. La orice moment al
aplicării sale, un AG poate determina soluţii neadmisibile, deci soluţii care nu satisfac
cel puţin o restricţie a problemei.
Pentru a rezolva această problemă se pot utiliza funcţii de fitness cu coeficienţi
de penalizare. Eficacitatea unei soluţii neadmisibile se reduce, în acest caz, automat,
eliminându-se astfel posibilitatea ajungerii la o soluţie neadmisibilă. Totuşi, alegerea
unei funcţii de fitness cu penalizări este destul de dificilă, trebuind să se răspundă la

întrebări cum ar fi: cum pot fi comparate două soluţii neadmisibile? ; orice soluţie
admisibilă este de preferat unei soluţii neadmisibile? ; trebuie neapărat eliminate
soluţiile neadmisibile din populaţie? ; se poate, printr-o funcţie de reparare, să
schimbăm o soluţie neadmisibilă într-una admisibilă? ş.a.
Toate aceste întrebări se pun deoarece o soluţie neadmisibilă poate fi mai
apropiată de soluţia optimală decât numeroase alte soluţii admisibile. Multe dintre
aceste întrebări nu au primit încă un răspuns cert.
6.6.2 Modele ale sistemelor macroeconomice utilizând algoritmii genetici

(nu se cer)
AG nu reprezintă decât unul, este drept foarte la modă astăzi, dintre
instrumentele noi care au început să fie utilizate în ultima perioadă în modelarea
macroeconomică. Se mai pot aminti aici sistemele de clasificare, programarea
genetică, modele-bazate-pe-agenţi, jocurile evoluţioniste ş.a. Caracteristicile tuturor
aceste metode este efortul de a surprinde procesele dinamice interne ale sistemelor
macroeconomice modelate şi nu numai răspunsul acestora la şocuri şi perturbaţii
externe. Dintre aceste procese dinamice interne poate cel mai interesant este cel de
adaptare continuă a sistemului macroeconomic modelat la mediu.
În mediul macroeconomic am văzut că se includ diferite sisteme compuse din
subsisteme şi agenţi eterogeni, iar deciziile adoptate de acestea afectează atât
sistemele ca atare, dar şi alte subsisteme şi procese din mediu. Această
interdependenţă generală, neglijată de multe ori în modelarea macroeconomică din
cauză lipsei de instrumente şi metode apte de a o surprinde, poate fi totuşi abordată
cu suficientă rigoare făcând apel la noi metode de modelare, ca cele descrise în
acest capitol.
Pentru a ilustra o astfel de tendinţă, vom prezenta în continuare câteva dintre
cele mai recente modele macroeconomice care au fost reformulate şi studiate
utilizând AG.
• Modelul pânzei de păianjen (cobweb) (Arifovic, 1994)
Unul dintre primele modele elaborate în această direcţie a fost modelul pânzei
de păianjen (cobweb), foarte cunoscut şi studiat în dinamica economică. Arifovic
utilizează acest model pentru a studia procesul de adaptare al deciziilor de producţie

ale firmelor la cererea şi oferta de pe o piaţă.
Datorită faptului că modelul în forma sa clasică a fost foarte mult studiat, apare
avantajul imediat al comparării rezultatelor obţinute aplicând AG cu cele rezultate
anterior.
În model se consideră n firme active pe o piaţă competitivă, tranzacţionând un
singur bun perisabil (nestocabil). Datorită întârzierii în producţie, cantităţile din bunul
respectiv oferite de firme pe piaţă depind de nivelul aşteptat al preţului.
Costul producţiei destinate vânzării în cadrul firmei i la momentul t este dat de
relaţia:
1
C i ,t = x ⋅ q i ,t + y q i2, t , x > 0 , y > 0 ,
2
(6.1)
unde qi ,t este cantitatea produsă pentru vânzarea la momentul t, iar x şi y sunt
parametri.
Profitul firmei i la momentul t este atunci:
Π i ,t = p t ⋅ q i ,t − C i ,t (6.2)
unde pt reprezintă preţul bunului respectiv la momentul t.

Cantitatea optimă ce poate fi produsă de firma i la momentul t se obţine din
condiţia de ordinul întâi:
∂ Π i ,t
=0
∂ q i ,t (6.3)
de unde avem:
1 e
q i ,t = (p −x
y i ,t
)
(6.4)
unde pi,e t reprezintă preţul aşteptat de firma i la momentul t.
Cererea de produs pe piaţa respectivă este dată de o funcţie inversă a cererii:

n
p t = A − B ∑ q i ,t
i =1
(6.5)
unde A şi B sunt parametri pozitivi daţi.
Când piaţa ajunge la echilibru, deci pie,t = pte = pt , cantitatea cerută şi oferită pe
piaţă, qi ,t = q şi preţul pt = p* sunt, în acest caz, constante.

*
Dacă firmele au aşteptări perfecte (naive) privind preţul (deci preţul perioadei
următoare se aşteaptă sa fie egal cu cel al perioadei curente), modelul are o soluţie
care converge către un preţ şi o cantitate stabile şi unice atunci când B y < 1 şi
diverge când B y > 1 .
Pentru aplicarea AG la acest model s-a considerat că regulile de decizie ale
firmelor sunt reprezentate prin stringuri binare. O firmă i, i = 1, n ia o decizie privind
producţia sa la momentul t utilizând un string binar de lungime finită l, scris în
alfabetul {0,1} . Un string binar este mai întâi decodificat şi transformat într-un număr
întreg pozitiv şi apoi normalizat pentru a obţine o cantitate qi ,t ∈ [0, q max ] , unde
q max este cantitatea maximă pe care o firmă o poate produce. Cantitatea q i ,t
reprezintă decizia de producţie a firmei i la momentul t.

Odată ce cantităţile q i ,t ce le vor produce firmele sunt determinate, se poate
determina preţul de golire a pieţei pt utilizând relaţia (6.5) Acest preţ este utilizat apoi
pentru a determina profitul firmelor la momentul t, utilizând relaţia (6.2). O anumită
valoare a profitului firmei i reprezintă fitnessul µ i ,t al firmei i în urma aplicării deciziei
respective.
Populaţia de reguli de decizie este apoi actualizată pentru a crea o nouă
populaţie ce va fi utilizată la momentul t+1. Există două variante ale acestui model.
Prima utilizează doar operaţiile de selecţie, încrucişare şi mutaţie. A doua variantă
utilizează doar o nouă operaţie genetică, pe lângă cele trei menţionate anterior, şi
anume operaţia de alegere.
Această operaţie testează noii indivizi (cromozomi) înainte ca ei să devină
membri ai noii populaţii. Se calculează un fitness potenţial pornind de la preţul ultimei
perioade pentru fiecare individ. Apoi, doi părinţi şi doi indivizi noi apăruţi sunt ordonaţi
pe baza valorii funcţiei de fitness calculate, de la cea mai mare valoare la cea mai
mică valoare, primii doi indivizi fiind acceptaţi ca membri ai noii populaţii de reguli
decizionale.
În cazul unei egalităţi a valorii fitnessului între un părinte şi un urmaş, se alege
ca un urmaş să devină membru al noii populaţii.
Prin aplicarea operaţiilor genetice pe membrii unei populaţii de reguli de decizie
la momentul t, rezultă o nouă populaţie de reguli care va fi utilizată la momentul t + 1 .
Populaţia de la momentul iniţial, t = 0 este generată aleator şi operaţiile genetice se

aplică iterativ până la un moment T.
Procesul iterativ de mai sus poate fi interpretat economic în modul următor.
Reproducerea lucrează ca o imitaţie a indivizilor de succes. Stringurile binare ale
acestor indivizi (firme) au valori ale fitnessului mari şi sunt copiate de alte firme.
Stringurile cu valori ale fitnessului mai mici, care reprezintă decizii de a produce mai
puţin şi cu un profit scăzut, găsesc puţini imitatori (sau deloc) în următoarea
generaţie.
Încrucişarea şi mutaţia sunt utilizate pentru a genera noi idei privind modul de a
produce mai mult şi de a oferi spre vânzare pe piaţă produsul, recombinând
experienţele decizionale existente şi generând altele noi. Dacă se include şi operaţia
de alegere, interpretarea de mai sus se modifică în sensul că, în fiecare perioadă,
firmele generează noi decizii de producţie utilizând operatorii genetici. Se compară
valorile fitnessului acestor noi potenţiali membri ai populaţiei de reguli decizionale cu
vechea populaţie, în condiţiile de piaţă observate în perioada anterioară. Dacă noile
idei apărute sunt mai bune decât cele anterioare atunci ele sunt implementate în
cadrul firmelor. Utilizarea AG în aceste condiţii determină firmele individuale să
înveţe în timp să adopte decizii care duc la creşterea profiturilor. Acestea nu sunt,
eventual maximizate în cazul tuturor firmelor, dar ele adoptă decizii de producţie care
le conduc treptat către un profit mai mare.
Simulările efectuate au arătat că pentru valori diferite ale parametrilor (număr
diferit de firme, valori diferite ale coeficienţilor a, b, A şi B ş.a.) se obţin atât soluţii
stabile cât şi instabile.
Arifovic a dezvoltat un AG cu o populaţie multiplă, în care fiecare firmă este
înzestrată cu o întreagă populaţie de stringuri. Putem considera că această populaţie
reprezintă reguli de decizie admisibile din cadrul cărora fiecare firmă alege, la un
moment de timp dat, o decizie privind cel mai bun comportament într-un mediu dat.
În fiecare moment de timp, doar un string este selectat, acesta determinând în
continuare comportamentul agentului (firmei).
Probabilitatea de alegere a unui anumit string este proporţională cu
performanţele sale în condiţii predefinite. Deşi o firmă alege doar un string dintr-o
întreagă mulţime, se evaluează ex post toate deciziile alternative. Deci, în contextul
modelului prezentat anterior, la fiecare moment de timp t, o firmă alege un string
binar dintr-o mulţime şi utilizează apoi acest string pentru a-şi actualiza decizia de
producţie. Odată ce preţul de golire a pieţei este calculat, firma utilizează acel preţ
pentru a determina profiturile pe care fiecare string din mulţimea sa de reguli
decizionale le-ar aduce pentru nivelul preţului respectiv. Aceste profituri determină
valorile fitness ale stringului binar respectiv. Odată valorile fitness calculate, se aplică
operatorii genetici în cadrul fiecărei populaţii de stringuri binare, asociate firmelor
individuale.
Se observă că, prin această modificare a modelului, se obţine un cadru general
mai variat, ceea ce duce la idei mai diversificate privind deciziile referitoare la
cantitatea de produs ce va fi oferită pe piaţă. Chiar dacă acest cadru devine mai
complex, efortul de calcul este identic cu cel anterior, unde se aplica AG unei singure
populaţii de reguli de decizie.
Aplicarea operaţiei de alegerea asigură convergenţa către echilibru a soluţiei
modelului. Când apare convergenţa, toate stringurile binare, din toate populaţiile de
reguli de decizie asociate firmelor, se decodifică în cantităţi. Fără această operaţie de
alegere, simulările ar conduce la fluctuaţii mari care nu se reduc în timp. Astfel, s-a
arătat că în modelul de învăţare individuală a firmelor, acestea trebuie să utilizeze
operaţii mai sofisticate (de exemplu operaţia de alegere) pentru a se realiza
convergenţa către un echilibru. Acest echilibru poate fi însă stabil sau instabil,
depinzând de valorile pe care le iau constantele date ale modelului.
• Economii cu generaţii suprapuse şi alegerea echilibrului economic
O aplicaţie interesantă a AG este cea de determinare a echilibrului în diferite

tipuri de economii care au puncte de echilibru multiple: de exemplu economiile cu
generaţii suprapuse, economiile cu creştere şi economiile monetare.
În cele ce urmează vom prezenta un model al unei economii cu generaţii
suprapuse care, în anumite condiţii, posedă echilibre staţionare multiple. Aceste
puncte de echilibru staţionar au diferite proprietăţi de stabilitate, depinzând de natura
aşteptărilor încorporate în model: aşteptări raţionale sau aşteptări adaptive.
Vom considera, pentru început, o economie care constă din două generaţii
suprapuse de agenţi, deci în care trăiesc două generaţii: generaţia tânără şi
generaţia bătrână. Fiecare generaţie are un număr egal de agenţi, N. Vom nota cele
două generaţii cu t şi t + 1 . Fiecare agent din generaţia t trăieşte doar două perioade
consecutive, t şi t + 1 în timp ce agenţii din generaţia t + 1 trăiesc doar o singură

perioadă, t + 1 .
Un agent din generaţia t consumă ct (t ) în prima perioadă (la tinereţe) şi ct +1 (t )
în a doua perioadă (la bătrâneţe). Agenţii au preferinţe identice şi înzestrări cu bunuri

diferite. Agentul tânăr este înzestrat cu w1 unităţi dintr-un bun de consum perisabil iar
agentul bătrân cu w2 unităţi din acelaşi bun de consum (w1 > w2 ) .
Cantitatea de bani oferită în economie la momentul t este M (t ) .
Fiecare agent din generaţia tânără are de rezolvat următoarea problemă de
optim:
max ct (t ) ⋅ ct +1 (t )
în condiţiile:
m(t )
ct (t ) ≤ w −
1
p (t )
m(t )
ct +1 (t ) ≤ w +
2
p (t + 1)
unde m(t ) reprezintă balanţele monetare nominale pe care un agent le economiseşte
în prima perioadă şi le cheltuieşte în a doua perioadă a vieţii sale, iar p (t ) este
nivelul nominal al preţului bunului de consum în perioada t.
Balanţele monetare nominale se obţin împărţind oferta de bani la numărul de
agenţi din economie la momentul t.
Dinamica preţului nominal p (t ) în condiţiile ipotezei privind anticipaţiile perfecte
(naive) este descrisă de o relaţie de forma:
S (t )
p (t ) = p (t − 1)
S (t − 1)
unde S (t ) este economisirea totală a agenţilor de generaţie t. Se consideră p (0 ) şi
S (0 ) date. Se observă că preţurile cresc cu o rată egală cu cea de creştere a
economisirii de la o perioadă la alta.
Dacă în economie se aplică o politică monetară cu o ofertă constantă de bani,
deci:
M (t ) = M , ∀t
atunci ecuaţia de dinamică a preţurilor are un punct de echilibru paretian staţionar
unic, dat de
p (t ) = p*
unde
2M
*
p = .
(w − w2 )N
1
Acest punct de echilibru este instabil în condiţiile anticipaţiilor perfecte şi este

atins ori de câte ori preţul p (t ) devine egal cu p* .
Există, de asemenea, un continuum de echilibre monetare indexate după
nivelul iniţial al preţurilor p (0 ) = p 0 în intervalul ( p , ∞ ) . În acest continuum, toate
*
echilibrele monetare cu un preţ iniţial p 0 > p* converg către un punct de echilibru

staţionar în care banii nu au valoare.
O altă politică monetară posibilă este cea cu un deficit bugetar constant de
mărime G, finanţat prin tipărire de bani. Valoarea lui G este dată de
M (t ) − M (t − 1)
G=
p (t )
presupunând că se cunoaşte cantitatea de bani existentă în economie în perioada
iniţială, M (0 ) . În condiţiile unei astfel de politici, soluţia modelului conţine două
puncte de echilibru staţionar: un punct π 1* corespunzător unei inflaţii reduse şi un
punct π *2 corespunzător unei inflaţii ridicate.
Punctul π 1* este de tip Pareto superior. Punctul π *2 este echilibru stabil, el fiind
un atractor pentru traiectoria de echilibru în condiţiile ipotezei aşteptărilor raţionale,
 1

traiectorie care pleacă dintr-un punct iniţial π 0 ∈  π 1* , w2  . π 0 este egală chiar cu π 1* ,
 w 
economia atinge un echilibru staţionar cu inflaţie scăzută. Condiţia de stabilitate
implică, de asemenea, că o creşte a deficitului bugetar G determină o descreştere a
ratei inflaţiei într-un echilibru staţionar stabil.
Pentru aplicarea AG la modelul de mai sus, se consideră două populaţii de
stringuri binare la fiecare moment de timp t. Una reprezintă setul de reguli pentru
membrii tineri ai generaţiei t şi cealaltă setul de reguli pentru membrii bătrâni ai
generaţiei t+1. Fiecare populaţie este actualizată în perioade de timp alternative,
după ce membrii săi au trecut printr-un ciclu de viaţă de două perioade.
Stringurile binare se referă la valorile consumului agenţilor în prima perioadă.
Un membru i, i ∈ {1,..., N } al generaţiei t ia o decizie privind consumul în prima
perioadă (tânără) la momentul t, notat c1i ,t , utilizând un string binar. Economiile
agentului i din generaţia t sunt date de

1 1
s i ,t = w − c i ,t
Secvenţa de evenimente care are loc la momentul t este următoarea:
Valorile consumului din prima perioadă (tânără) sunt obţinute prin decodificarea
şi normalizarea stringurilor binare asociate indivizilor din populaţie şi apoi se
determină, pentru fiecare agent i, economiile individuale si ,t .
Apoi, se determină valoarea economiei agregate S (t ) însumând economiile

individuale ale agenţilor din generaţia tânără:
N
S (t ) = ∑ si (t )
i =1
Preţul bunului de consum la momentul t, p (t ) se obţine atunci din relaţia :

M
p (t ) =
S (t )
în cazul politicii monetare cu ofertă constantă de bani, sau
S (t − 1) p (t − 1)
p (t ) =
S (t ) − G
pentru S (t −1) > G , în cazul politicilor monetare cu deficit bugetar constant, G.
Se determină apoi consumul în a doua perioadă (bătrână) a agentului i,
i ∈ {1,..., N } al generaţiei t-1:
si (t − 1) p(t − 1) + 2
ci ,t (t − 1) = w
p (t )
În final, sunt calculate valorile funcţiei fitness ale membrilor generaţiei t − 1 .
Funcţia fitness pentru un string i din generaţia t − 1 este dată de valoarea utilităţii
consumului agentului i la momentul t + 1 (a doua perioadă a vieţii):
µ i ,t −1 = U [ci ,t −1 (t − 1), ci ,t −1 (t )] = ci ,t −1 (t − 1) ⋅ ci ,t −1 (t ) .
Populaţia de reguli de generaţie t + 1 este apoi obţinută din populaţia de reguli
de generaţie t utilizând operatorii genetici de reproducere, încrucişare, mutaţie şi
alegere. Odată ce noua generaţie t + 1 de populaţie este creată, întregul ciclu se
repetă. Populaţia de reguli a generaţiei t+1 reprezintă agenţii tineri, în timp ce
membrii generaţiei t devin acum agenţii bătrâni.
Populaţiile de generaţii 0 şi 1 ani sunt generate aleator. Sistemul are la început

N ⋅ h unităţi monetare distribuite iniţial generaţiei 1 (bătrâne).
Simulările în cazul economiei cu ofertă monetară constantă converg către un
echilibru staţionar în care banii au valoare. Acest echilibru este, de asemenea, un
punct de convergenţă în cazul economiilor cu aşteptări adaptive care utilizează o
medie a nivelurilor preţurilor trecute pentru prognoza preţului.
În economiile cu valoare pozitivă constantă a deficitului bugetar, AG converge
către punctul de echilibru staţionar corespunzător unei rate a inflaţiei scăzute.
• Economii cu generaţii suprapuse şi creştere economică
O altă aplicaţie a AG este în modelele de creştere economică obţinute plecând

de la modele cu generaţii suprapuse.
Astfel, considerăm o economie cu un număr de agenţi N constant, născuţi în
fiecare perioadă t. Agenţii trăiesc două perioade, una tânără şi una bătrână şi sunt
fiecare înzestraţi cu câte o unitate de timp la fiecare moment t. Toţi agenţii din
economie au aceeaşi funcţie de utilitate:
U = ln ci ,t (t ) + ln ci ,t (t + 1)
Există un singur bun perisabil ce este utilizat atât pentru consum cât şi ca input
pentru producţie. Outptul per unitatea de muncă este dat de o funcţie de producţie
neoclasică:
f (k (t )) = k (t )α , α ∈ (0,1)
k (t ) fiind înzestrarea tehnică a muncii.
Rata randamentului capitalului fizic şi rata salariului sunt date de:
r (t ) = αk tα −1
şi respectiv
w(t ) = (1 − α )k (t )α
Un agent tânăr i din generaţia t ia o decizie de a cheltui o fracţie de timp
τ i ,t ∈ [0,1] pentru instruire. Fiecare agent tânăr moşteneşte un nivel de eficienţă x(t )
disponibil în economie la momentul t. Nivelul x(t ) se obţine ca medie a unităţilor de
eficienţă (capitalul uman acumulat) ale agenţilor de generaţie t − 1 :
1 N
x(t ) = ∑ x j ,t −1 (t ) ,
N j =1
unde x j ,t −1 (t ) reprezintă numărul de unităţi eficienţă ale agentului j de generaţie t − 1
la momentul t.
Agenţii tineri pot combina această înzestrare moştenită, x(t ) cu decizia de
instruire τ i ,t (t ) pentru a obţine xi ,t (t + 1) unităţi efective de muncă atunci când devin
bătrâni, utilizând pentru aceasta o metodă de instruire, notată h(τ i ,t (t ), x(t )) .

O trăsătură esenţială a modelului este aceea că venitul obţinut prin instruire
depinde pozitiv de nivelul x(t ) . Deci xi ,t (t + 1) este dat de relaţia:
xi ,t (t + 1) = h(τ i ,t (t ), x(t ))x(t ) = 1 + γ ( x(t ))τ i ,t (t ) ,

unde γ (⋅) reprezintă randamentul capitolului uman şi este dat de o funcţie sigmoidă
de forma:
λ λ
γ (x (t )) = − x (t )
−
1+ e 2
Funcţia γ (x(t )) este strict crescătoare în raport cu x(t ) , γ (0 ) = 0 şi
λ
lim γ ( x(t )) = = γˆ
x (t )→ ∞ 2
Parametrul λ controlează aşadar venitul obţinut prin instruire de agenţi.
Ecuaţia de acumulare a eficienţei x(t ) în urma procesului de instruire se poate
scrie:
x(t + 1) = x(t )[1 + γ (x(t ))τ (t )]
1 N
unde τ (t ) = ∑ τ i ,t (t ) reprezintă media timpului de instruire al agenţilor de generaţie
N i =1
t.
Pe lângă decizia privind alocarea timpului de instruire, agenţii iau de asemenea,
o decizie privind fracţia Φi,t din timpul disponibil pe care o economisesc (timpul liber).
Această economie de timp este atunci egală cu:

si ,t (t ) = Φi ,t (t )w(t )[1 − τ i ,t (t )]x(t )
Decizia privind timpul liber influenţează acumularea de capital fizic în economie
în decursul timpului.
Modelul are două variabile de stare, una corespunzătoare venitului scăzut
(cursa sărăciei) şi a doua corespunzătoare venitului ridicat (creşterii maxime). Prima
variabilă este echivalentă cu starea de creştere staţionară din modelul de creştere

neoclasică fără acumulare de capital uman şi fără progres tehnic. În starea
staţionară, τ = 0 pentru toţi agenţii i, i ∈ {1,..., N } şi toţi t, ceea ce face ca şi capitalul
uman să rămână la nivelul său iniţial, deci eficienţa x(t ) rămâne constantă pentru toţi
t.
Cealaltă variabilă corespunde stării de creştere staţionare în care τ > 0 pentru
toţi i şi toţi t. Deci x(t ) va creşte cu o rată constantă astfel încât, pentru t suficient de
mare, γ (t ) → γˆ .
Starea staţionară corespunzătoare venitului redus (cursa sărăciei) este local
stabilă în condiţiile dinamicii cu aşteptări raţionale, în timp ce starea staţionară
corespunzătoare venitului mare (creşterii maxime) este un punct-şa stabil.
Pentru aplicarea AG, decizie agentului i, i ∈ {1,..., N } privind fracţia de timp pe
care o cheltuieşte pentru instruire, τ i ,t ∈ [0,1] în decizia privind fracţia de timp pe care
o economiseşte, Φi ,t ∈ [0,1] sunt reprezentate de aceleaşi string binar de lungime l,
unde l 2 biţi sunt utilizaţi pentru a codifica prima decizie iar ceilalţi biţi pentru a
codifica cea de-a doua decizie.
Valorile fitness ale regulilor de decizie sunt egale cu valorile funcţiei de utilitate
înregistrate la sfârşitul celei de-a doua perioade de viaţă. Populaţia de reguli de
decizie este actualizată utilizând operatorii genetici de reproducere, încrucişare şi
mutaţie.
La fiecare moment de timp t există două populaţii de astfel de reguli, una
asociată agenţilor tineri iar cealaltă asociată agenţilor bătrâni.
Indiferent de condiţiile iniţiale date, o astfel de economie va evolua, în urma
simulării, către o starea staţionară corespunzătoare creşterii maxime, care reprezintă
echilibrul global al unei astfel de economii. Odată ce o astfel de stare este atinsă
(ceea ce se întâmplă cu probabilitatea egală cu unu), economia rămâne în această
stare pentru totdeauna.
Nivelul iniţial ales pentru x(t ) reprezintă variabila esenţială în ceea ce priveşte
timpul necesar ajungerii la o astfel de stare. Cu cât nivelul iniţial al lui x(t ) este ales
mai scăzut, cu atât mai mare este timpul necesar ca economia să iasă din cursa
sărăciei.
Iniţial, AG atinge destul de repede starea staţionară corespunzătoare unui venit

scăzut. În acest punct, multe dintre regulile decizionale prescriu să nu se investească
timp în instruire deoarece investiţia în capitalul uman aduce un venit scăzut şi
determină o valoare redusă a funcţiei de fitness.
Totuşi, datorită efectului de mutaţie, există întotdeauna o mică fracţie de reguli
care duc la valori pozitive ale timpului dedicat instruirii, τ i,t . Aceste reguli pot dispărea
din populaţie datorită presiunii selecţiei. Totuşi, treptat, ele contribuie la creşterea lui
x(t ) . În timp, pe măsură ce x(t ) creşte, el atinge un prag începând de la care venitul
din capitalul uman devine mare şi valorile fitness ale regulilor decizionale care
investesc în instruire încep să crească. Odată ce se întâmplă acest lucru, presiunea
selecţiei scade deoarece regulile de decizie care determină investiţiile pozitive în
timpul dedicat instruirii aduc acum valori fitness mai mari decât cele care îi fac pe
agenţi să investească timp zero în instruire.
În acest punct, AG conduce rapid economia către o stare staţionară
corespunzătoare unui venit mare, în care τ i ,t iau valori pozitive pentru toţi agenţii i şi
toate momentele de timp t. Faza de tranziţie este relativ scurtă şi, odată ce economia
a ajuns în această stare staţionară, cum am arătat, ea rămâne aici veşnic.
Deoarece data exactă a comutării depinde de secvenţa specifică de mutaţii care
conduce la acumularea de capital, economii care au condiţii iniţiale identice pot avea
perioade de dezvoltare diferite. În general, rate mai mari ale regulilor de decizie ale
economiilor care au investit în instruire determină perioade medii de realizare a
comutării mai scăzute.
Astfel de modele, deşi arată că există stări staţionare diferite, ceea ce explică
diferenţele de dezvoltare dintre economii, nu arată şi cum se poate face trecerea de
la o economie aflată în cursa sărăciei la economia cu creştere maximă şi nici cât
rămâne economia în prima stare. Totuşi, aceste modele surprind două aspecte
importante ale procesului de dezvoltare. Primul este că pentru niveluri iniţiale scăzute
ale capitalului uman per capita, care caracterizează economiile subdezvoltate,
populaţia de agenţi parcurge mai multe generaţii în vecinătatea stării staţionare
corespunzătoare cursei sărăciei înainte ca, eventual, să înceapă să evolueze pe o
traiectorie care conduce către o stare staţionară corespunzătoare unui venit ridicat.
Acest lucru explică de ce ţări care în prezent sunt dezvoltate au avut un nivel
staţionar de dezvoltare iniţială de sute de ani.
Al doilea aspect este că economii cu condiţii iniţiale identice pot să înregistreze

perioade de trecere între cele două stări de durate diferite. Acest lucru este important
deoarece date diferite de comutare implică niveluri diferite de venit per capita, în
starea staţionară corespunzătoare venitului înalt. Acest lucru ar explica şi diferenţele
mari ce se manifestă între nivelurile venitului per capita în ţările dezvoltate.
6.6.3 Modelul ASPEN al economiei naţ

ţionale
(Va fi studiat în anul IV)

Documents - Tips - Curs Bazele Ciberneticii Economice PDF

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Documents - Tips - Curs Bazele Ciberneticii Economice PDF

Încărcat de

Drepturi de autor:

Formate disponibile

CAPITOLUL 1

APARIŢIA ŞI DEZVOLTAREA CIBERNETICII.

1.1 Precursorii (înainte de 1948)

Deja, la începutul sec. XX, oamenii de ştiinţă realizaseră importanţa stabilirii

Treptat, metoda sistemică îşi face simţită prezenta în ştiinţele umaniste.

1.2 Întemeietorii (1948 – 1960)

Vedem că, deja, încă înainte de 1940, condiţiile de apariţie a ciberneticii şi

În perioada războliului, N. Wiener face parte din grupul oamenilor de ştiinţă

astfel că entropia unui sistem este o măsură a gradului său de dezorganizare”

Conform clasificării introduse în lucrarea menţionată mai sus, comportamentul

Cibernetica a fost imediat aleasă ca denumirea pentru următoarele conferinţe

1.3 Pionierii (1948 – 1960)

enciclopedice au deschis căi şi orizonturi atât de largi încât ar fi posibil ca ele să nu

În 1952 tot W. Ross Ashby publicase o lucrare considerată drept punct de

Ludwig von Bertalanffy

John von Neumann

H. von Foerster, unul dintre cei mai entuziaşti participanţi la conferinţele

dezvoltate de Pask au constituit un imbold în dezvoltarea inteligenţei artificiale şi

- există o limită a resurselor disponibile (ele pot fi conceptualizate ca ,,spaţiu

1.4 Inovatorii (1960 – 1985)

După contribuţiile iniţiale, care au definit domeniul de studiu şi metodele

Maruyama îşi dă seama că procesele de creştere având la bază mecanisme

Autopoiesisul reprezintă un concept multidimensional, aplicabil tuturor

sistemelor şi ciberneticii, dar şi a inteligenţei artificiale şi economiei, arătând că în

aspect al structurii sale nu trebuie să fie explicată plecând de la altele – atunci

1.5 Apariţia şi dezvoltarea Ştiinţelor Complexităţii

Atât conceptul de complexitate cât şi Ştiinţele Complexităţii au o lungă şi

Cu toată această evoluţie spectaculoasă, nu putem spune astăzi cu

nou, conceptual sau experimental, întregul sau sistemul – celulă, organismul,

iii) concepţia privind structurile disipative şi sistemele care funcţionează

1.6 Ce implicaţii au Ştiinţele Complexităţii asupra teoriei economice

Pentru a putea face o evaluare corectă a progresului înregistrat în teoria

3) Economia are o organizare de tip ierarhic încrucişat şi chiar recursiv.

unei noi teorii economice, adecvată proceselor de rapidă schimbare a relaţiilor de

cibernetica de ordinul doi (biologică, evoluţionistă) afirma: ,,Când teoriile despre

1.7 Cibernetica şi Ştiinţele Complexităţii – către o nouă sinteză

1.8 Spre o cibernetică de ordinul trei

Stuart Umpleby (2001) vorbeşte despre “cibernetica de ordinul trei” ca despre o

Saltul pe care l-ar realiza ştiinţa, în general, ar fi imens, cu consecinţe greu de

Pentru a ajunge la un astfel de rezultat este necesară însă parcurgerea unei

Dar este necesară oare o astfel de metaştiinţă a sistemelor complexe? Dacă

Inainte de a încerca o tentativă de a rezolva o astfel de problemă, să precizăm că

sistemele sociale există o circularitate sau un dialog între teorii şi fenomene”

Dacă cibernetica de ordinul întâi este considerată cibernetica inginerească,

Astfel, la nivel epistemic, cibernetica de ordinul trei creează cunoaştere pentru ca

1.9. O redefinire a ciberneticiiI. Obiectul şi metodele ciberneticii economice

În acest context se pune întrebarea dacă însăşi cibernetica nu ar trebui redefinită

Prin introducerea unei noi definiţii, cibernetica nu numai că nu-şi pierde

Economiile de piaţă precum şi diferitele componente ale acestora (firme,

Economia bazată pe agenţi, privită ca viitoare metodă de studiu a sistemelor

In cibernetică, trecerea la laboratorul experimental ar fi de importanţă

SISTEMUL ADAPTIV COMPLEX

Obiectul de studiu al ciberneticii, după cum am văzut în capitolul anterior, îl

Ca în orice domeniu ştiinţific în plină formare, şi în Ştiinţele Complexităţii

S. A. Levin (2002) defineşte sistemul adaptiv complex pornind tot de la trei

economie de piaţă, tranzacţiile dintre agenţi pe diferite pieţe, reglementarea activităţii

Unii agenţi întreprind o operaţie de selecţie a acestor strategii pentru a se adapta

Leigh Tesfatsion (2005) defineşte sistemul adaptiv complex pornind de la o

Definiţia 2: Un sistem adaptiv complex este un sistem complex care include

Adaptarea înseamnă deci, în esenţă, că agenţii şi sistemele în care ei sunt

managementul organizaţiilor, conform căreia organizarea şi controlul sunt funcţii de

d) modelele mentale se pot schimba; drept urmare, învăţarea, adaptarea şi

Să facem, în continuare, câteva consideraţii privind aceste caracterisitici pe care