Simulando la realidad: La interesante aplicación de los «modelos basados en agentes»

Profesor Teodoro Dannemann

¿Podemos crear modelos de la realidad para estudiarlos, experimentar con ellos, descubrir, descifrar comportamientos y al final tomar decisiones? Cada vez más las Ciencias Naturales y las Ciencias Sociales se aproximan más allá de la común aplicación del método científico, adoptando y compartiendo técnicas, metodologías y herramientas que ayudan a entender y explicar los fenómenos que ocurren en los dos campos del conocimiento. Los modelos basados en agentes (MBA) son, en esencia, diseños (modelos) computacionales que permiten simular, es decir, crear el proceso de un sistema por medio de una técnica numérica, regido por los criterios que exige una investigación. Esta simulación facilita la experimentación con el sistema recreado, y brinda tanto respuestas como nuevas preguntas sobre los fenómenos que se estudian. En otras palabras, son modelos que permiten abordar la complejidad de un fenómeno y su sistema, obteniendo más información y más confiable para su análisis.

En la siguiente entrevista Teodoro Dannemann, profesor del Diplomado en Filosofía de la Ciencia con mención en Filosofía de los Sistemas Complejos, que impartirá el Instituto de Filosofía y Ciencias de la Complejidad, profundiza sobre la aplicación de los modelos basados en agentes.

¿En qué consiste la técnica de modelos basados en agentes?

La técnica de modelos basados en agentes es bastante parecida a un juego de video, en donde se simulan individuos inmersos en un «mundo». Estos individuos se mueven en este mundo e interactúan entre ellos según las reglas que nosotros damos. Lo interesante es que muchas veces, a partir de reglas muy simples emergen comportamientos colectivos complejos que no podríamos prever a partir de las simples reglas del juego. Un ejemplo típico es el comportamiento de las hormigas. Ellas actúan según reglas de interacción locales muy simples, por ejemplo, siguiendo rastros químicos que dejan las otras hormigas. Sin embargo, el comportamiento que surge de la colonia completa es un patrón autoorganizado, en donde la colonia se estructura espacialmente para hacer eficiente el transporte de alimento hacia el hormiguero.

¿Cuáles son sus aplicaciones?

Las aplicaciones son innumerables, y abarcan todas las áreas del conocimiento. El caso de las hormigas es uno clásico, pero los agentes pueden representar muchas otras entidades, como por ejemplo, células, moléculas, plantas, o incluso entidades sociales como comunidades, familias, países, grupos políticos, etcétera. En cada caso, por supuesto, tendrán distintas reglas de interacción.

¿Tiene el mismo potencial de aplicación en Ciencias Sociales como en las Ciencias Naturales? ¿Por ejemplo?

Los modelos basados en agentes pueden ayudar en circunstancias aparentemente impensables… Si bien los modelos basados en agentes surgen en el ámbito de las Ciencias Naturales, fueron rápidamente tomados por las Ciencias Sociales, dada la alta complejidad tratada en este campo. Los MBA son tremendamente más potentes que las herramientas de modelación matemáticas tradicionales como, por ejemplo, las ecuaciones diferenciales ordinarias. Esto es porque éstas últimas suelen ser modelos muy «ideales», es decir, se abstraen tanto de la realidad que finalmente el fenómeno modelado no coincide con el real. Un caso típico en física es la llamada «aproximación de campo medio». Esta técnica consiste en tomar un sistema obviando las interacciones locales internas, y sólo se toma en cuenta el sistema en sus propiedades «promedio». Esta técnica, si bien muchas veces es útil, otras cuantas suele ser tremendamente inadecuada. Esto ocurre especialmente cuando las interacciones entre los agentes son «fuertes» o «importantes», y justamente esto es lo que suele pasar en las Ciencias Sociales. Por lo tanto, el MBA es más adecuado en estos casos, ya que las interacciones son el corazón de este tipo de modelos.

¿Cuál es su aporte a la Filosofía de la Ciencia y de los Sistemas Complejos?

Este tipo de enfoque es fundamental para entender el concepto de complejidad. Generalmente, se confunde la complejidad con lo complicado, o difícil de abordar. Sin embargo, como en el caso de las hormigas, reglas de interacción local bastante simples generan un comportamiento complejo, en el sentido que aparece una propiedad emergente del sistema, que no se puede explicar a partir de sus partes por separado.

En el siguiente video se puede ver la aplicación de un modelo basado en agentes en la investigación que realizó el IFICC:  Modelando la Complejidad Social: el sistema de elección de escuela en Chile

Conoce el IFICC y su Diplomado en Filosofía de la Ciencia con mención en Filosofía de los Sistemas Complejos, que empieza este 25 de abril.