10.1: Simulación de sistemas con un gran número de variables

Finalmente nos estamos moviendo hacia el modelado y análisis de sistemas complejos. ¡El número de variables involucradas en un modelo saltará drásticamente de unas pocas a decenas de miles! ¿Qué pasa si tienes tantos componentes dinámicos, y además, si esos componentes interactúan entre sí de manera no trivial? Esta es la cuestión central de los sistemas complejos. Los conceptos clave de sistemas complejos, como la emergencia y la autoorganización, provienen del hecho de que un sistema está hecho de una cantidad masiva de componentes interactivos, lo que nos permite estudiar sus propiedades a diversas escalas y cómo esas propiedades se vinculan entre escalas.

Modelar y simular sistemas hechos de un gran número de variables plantean algunos desafíos prácticos. Primero, necesitamos saber cómo especificar los estados dinámicos de tantas variables y sus vías de interacción, y cómo esas interacciones afectan los estados de las variables a lo largo del tiempo. Si tienes datos empíricos para todos estos aspectos, por suerte, podrías usarlos para construir un modelo bastante detallado (que podría no ser tan útil sin la abstracción adecuada, por cierto). Sin embargo, tal información detallada puede no estar fácilmente disponible, y si ese es el caso, debe idear algunas suposiciones razonables para que su esfuerzo de modelado sea factible. Los marcos de modelado que discutiremos en los siguientes capítulos (autómatas celulares, modelos de campo continuos, modelos de red y modelos basados en agentes) son, en cierto sentido, el fruto que surgió del esfuerzo colectivo de los investigadores por idear “mejores prácticas” en el modelado de sistemas complejos, especialmente con el falta de información detallada disponible (al menos en el momento en que se desarrollaron esos marcos). Por lo tanto, es importante que conozcas los supuestos y limitaciones del modelo explícito/implícito de cada marco de modelado y cómo puedes ir más allá de ellos para desarrollar tu propio marco de modelado tanto de manera crítica como creativa.

Otro reto práctico en el modelado y simulación de sistemas complejos es la visualización de los resultados de la simulación. Para los sistemas hechos de algunas variables, existen formas sencillas de visualizar sus comportamientos dinámicos, tales como gráficas simples de series de tiempo, parcelas de espacio de fase, parcelas de telaraña, etc., que discutimos en los capítulos anteriores. Sin embargo, cuando el número de variables es mucho mayor, los mismos enfoques no funcionarán. No se pueden discernir miles de parcelas de series de tiempo, o no se puede dibujar un espacio de fase de mil dimensiones. Una forma típica de abordar esta dificultad es definir y utilizar una métrica de algunas características globales del sistema, como el estado promedio del sistema, para luego trazar su comportamiento. Este es un enfoque razonable por todos los medios, pero pierde mucha información sobre el estado real del sistema.

Un enfoque alternativo es visualizar el estado del sistema en cada momento en detalle, y luego animarlo a lo largo del tiempo, para que pueda ver el comportamiento del sistema sin perder información sobre los detalles de sus estados. Este enfoque es particularmente efectivo si la simulación es interactiva, es decir, si los resultados de la simulación se visualizan en el fly mientras opera el simulador. De hecho, las herramientas de simulación de sistemas más complejas (por ejemplo, NetLogo, Reast) adoptan dicha simulación interactiva como su modo de operación predeterminado. Es una excelente manera de explorar los comportamientos del sistema y llegar a ser “experimentado” con diversas dinámicas de sistemas complejos.