revista latinoamericana de psicología - redalyc.org · adicionalmente, las...

Revista Latinoamericana de Psicología

ISSN: 0120-0534

[email protected]

Fundación Universitaria Konrad Lorenz

Colombia

Quiñones, René M.; Hayes, Linda

Asuntos sociales, ciencia del comportamiento y teoria de complejidad

Revista Latinoamericana de Psicología, vol. 35, núm. 3, 2003, pp. 317-327

Fundación Universitaria Konrad Lorenz

Bogotá, Colombia

Disponible en: http://www.redalyc.org/articulo.oa?id=80535307

Cómo citar el artículo

Número completo

Más información del artículo

Página de la revista en redalyc.org

Sistema de Información Científica

Red de Revistas Científicas de América Latina, el Caribe, España y Portugal

Proyecto académico sin fines de lucro, desarrollado bajo la iniciativa de acceso abierto

http://www.redalyc.org/revista.oa?id=805

http://www.redalyc.org/articulo.oa?id=80535307

http://www.redalyc.org/comocitar.oa?id=80535307

http://www.redalyc.org/fasciculo.oa?id=805&numero=9680

http://www.redalyc.org/articulo.oa?id=80535307

http://www.redalyc.org/revista.oa?id=805

http://www.redalyc.org

Revista Latinoamericana de Psicología2003 Vol. 35 N° 3 317-327

ASUNTOS SOCIALES, CIENCIA DELCOMPORTAMIENTOY TEORíA DE COMPLEJIDAD

RENÉ M. QUIÑÓNES *y

LINDA HAYES

Universidad de Nevada, Reno

Complexity theory is 'a set of mathemaucaltheories andPl1.ilosoPllibalassutnptionsthat helps to'únderstand'thebehavior of complex systems;FoundaúonsfromcOilrplexitytheory arépresented,éspooiaIlyjconceptsbeloriging to the 'dYnámic~I system theory,cñaOs·mooij'arid cofuple'lrll<iaptivesystémsrTh~se]&ónceptsand principles\vílitiéptesented in fue context of solutions for social issuesand cultural design," In particular ,théevolitnon instrtIct\lrec.of orga:íli.zations is presentéd.rfromhierarchical structures to networks. Additionally, the eonoept ófsélf-otgaruzauon Is presented in thecontext of social designoLater; agent -based modelingwillbeiritroduced:With some of'its implicationsend'petentialapplicañons for developíng 1cóuntries.

Keywords: complexitytheory, chaos theory, behavíoraípsychology, social design, culturaldesigñ, socíalíssues.

"RESUMEN

La teoría de complejidad es un conjunto de teorías matemáticas y suposiciones filosóficas queayuda al entendimiento del comportamiento de sistemaseomplejos. Se'ptesentarári algunos' funda-mentos de lateoríade complejidad, especialm.ente conceptos pertenecientes a la teorla de sistemasdinámicos, la teoría de caos y la teoría deslste'mas adaptativos, Estos conceptos y principios serándiscutidos en el contexto de la solución de problemas sociales y el diseño de culturas. Se presenta enparticular, la evolución de la estructura' de las organizaciones como sistemas complejos, desde

Continúa ,~

* Correspondencia: RENÉ QUINÓNES: Department of Psychoiogy 296, University of Nevada, Reno Reno, NV 89557. E-mail:[email protected]

318 QUIÑÓNES y HAYES

Continuación '..

estructuras jerarquizadas hasta redes. Adicionalmente, las i1p.p~cacione&delcoq~ept(;) de auto-organización es presentadoen el contexto de diseño social. Más adelante, se describe el modelamientobasado en agentes, que es uno de los procedirDientos más publicitados por la teoría de complejidad,junto con algunasde sus implícaéíones y potenciales aplicaciones para los países en desarrollo.

Palabras clave: teoría de complejidad, teoría de caos, psicología comportamental, diseño social,diseño cultural, asuntos ~ociales.

¿QUÉ ES LA COMPLEJIDAD?

La complejidad de un sistema está relacionadabásicamente condificultadespara sudescripción (Marr,1997). La complejidad ha sido definida utilizandoelementos de la Teoría de Información de ClaudeShannon, que es de central importancia en la teoría decomplejidad. Ésta se expandió conceptualmente con-siderablemente en las últimas décadas brindandomejoramientos en tecnologías, especialmente de co-municaciones y computación. La teoría de informa-ción se centra en una definición cuantitativa deinformación determinada por el largo de algoritmosproduciendo (simulando) regularidades del sistema yen el valor predictivo de la información.

Cuando un sistema se describe y se detectanregularidades, estas regularidades acortan la des-cripción del sistema. Por ejemplo, se asume que esposible describir el comportamiento de una personaen su totalidad, pero si una persona realiza ciertasactividades periódicamente a lo largo de su vida, laexpresión "esa persona se bañó casi todos los días"reduce, comprime o acorta la descripción de sucomportamiento porque no hay que describir, "sebañó el sábado 10 de mayo de 2003", "se bañó eldomingo 11 de mayo de 2003", "se bañó el lunes 12de mayo de 2003", etc. Algunos asumen que lacantidad de regularidades que un sistema posee eslimitada, el resto del comportamiento del sistema esdeterminado aleatoriamente.

Por otro lado, sistemas completamente aleatoriosson muy extensos de describir. La descripción delnúmero Pi es el número mismo, que hasta la fechaes infinito, No es posible encontrar una regularidaden Pi que reduzca su descripción. Pero los sistemas

complejos son algo más que una larga descripción.Algo aleatorio puede requerir una descripción máslarga que algo más complejo, por ejemplo unanovela es mas compleja que un libro lleno de líneashechas al azar por unos micos jugando. Pero las dosdescripciones pueden ser iguales de largas (Gell-Man, 1995).

La definición de un sistema complejo está enalgún punto en lamitad del orden y de la aleatoriedad.La complejidad no es el orden absoluto, ni eldesorden absoluto, es algo en la mitad (Gell-Man,1995). El problema es que si el sistema es medioordenado, es muy complicado predecir su evolu-ción porque no se sabe si el estado actual es parte deuna parte organizada del comportamiento del siste-ma o parte de la parte aleatoria.

En este sentido la complejidad es relativa a lahabilidad del observador para describir el sistema.La complejidad puede ser asumida como una teoríamatemática y como unas propiedades que puedenser medidas en los sistemas naturales (Bar- Yam,1997, 2000).

Este artículo asume la complejidad como unapropiedad de los seres humanos y de los sistemassociales. Más que una limitación en la descripción,la complejidad es determinada por un conjunto decaracterísticas de la dinámica de ciertos sistemas.Una de las propiedades es la interdependencia delos componentes del sistema. Este concepto esta-blece una relación entre los estados o las propieda-des de dos sistemas, y esta puede ser descrita comouna correlación estadística. Interdependencia sig-nifica que el comportamiento de los componentesdel sistema están relacionados o dependen uno del

ASUNTOS SOCIALES, CIENCIA DEL COMPORTAMIENTO Y TEORÍA DE COMPLEJIDAD 319

otro (esta causalidad había sido establecida porBunge, 1977). Interdependencia es un conceptomás preciso que interacción, la interdependenciaimplica que los estados de un componente delsistema dependen de los estados de otro componente.

NUEV AS MATEMÁTICAS, DINÁMICANO LINEAL Y SISTEMAS COMPLEJOS

Las matemáticas han sido definidas como elestudio formal de los patrones. También como unteoría de precisas analogías formales (Bar- Yam,1997). Las matemáticas ofrecen objetos artificialescon propiedades que pueden parecerse a propieda-des de sistemas observados en la naturaleza. Éstasfacilitan entender el mundo complejo porquecompactan información. La información escompactada porque igualamos un conjunto de da-tos o números con algo que es familiar, como unaelipse. Esa igualación es debida a que la figuraposee un patrón similar a los datos observados. Seafirma que entendemos en la cotidianidad cuandoigualamos información sobre un sistema en otrosistema que conocemos mejor, como en la expre-sión "el tigre rugía como fuego".

La pasada generación de matemáticas estababasada en el cálculo creado por Newton y Leibnizyen la geometría Euclidiana. Los objetos y concep-tos de estas matemáticas son bien conocidos, comoel concepto de velocidad, tasa de cambio, la curvade aprendizaje, la curva de habituación, la línearecta de la ley de igualación, etc. La idea es queahora existen otras estructuras formales que puedenparecerse más precisamente a los datos, nuevasgeometrías, nuevos objetos. Otra nueva posibilidades el encontrar orden donde antes se veía desorden,ver como estos dos factores interactúan.

El mundo científico comenzó a cambiar con eldesarrollo de la topología y la teoría del caos afinales del siglo XIX. Henri Poincare es considera-do el padre de la teoría de caos y de la topología.Otras personas contribuyeron a este cambio funda-mental en la ciencia, que se inició muy en el centrode las matemáticas y alcanzó a la física en la décadade los sesenta (Alligood, Saber & Yorke, 1997).

La topología estudia propiedades que son esta-bles cuando se realizan sobre ellas transformacio-nes constantes, trasformaciones como doblamientos,estiramientos, etc. Aunque suena muy abstracto, latopología básicamente provee una teoría abstractay formal sobre la forma y el espacio. Esto hapermitido por supuesto analizar y encontrar patro-nes en el genoma humano, el universo, y las redesde comunicaciones, por citar algunos ejemplos.Podría decirse que la topología es a la teoría desistemas dinámicos lo que la geometría analítica alcálculo.

Han sucedido tres cambios desde la década delos setenta que han trasformado las prácticas cien-tíficas y que han marcado puntos importantes parala teoría de complejidad. El primer cambio ya hasido mencionado y es el que han aparecido nuevoselementos en teorías matemáticas, conceptos yprincipios.

El segundo cambio es la utilización masiva delcomputador digital en la investigación científica. Elcomputador digital es una máquina que fue creadacon el propósito de demostrar propiedades funda-mentales de la organización de las teorías matemáti-cas (Chaitin, 2001). Hilbert, uno de los másimportantes matemáticos del comienzo del sigloXX, propuso que sería muy útil tener una máquinaque pudiera calcular más rápido que una persona sincometer errores. Con dicha máquina se podríandemostrar algunos teoremas matemáticos y se podríaestudiar también la estructura de los conjuntos denúmeros. Un computador puede ser visto como unamáquina que puede realizar operaciones aritméticasy lógicas muy rápido y ejecutar tareas dentro deciertos parámetros, lo que constituye un muy impor-tante adelanto tecnológico. Herbert Simon, sosteníaque los computadores eran un nuevo paso en eldesarrollo de la materia, un nuevo tipo de "entidad".Una nueva clasificación de la materia seria, materiainerte, materia viva y computadores.

Los computadores pueden ser vistos como unlaboratorio en el sentido de que ellos ponen a pruebaprincipios teóricos sobre sistemas complejos. Loscomputadores pueden simular eventos naturales yla simulación de un sistema es asumida como una


demostración importante del entendimiento de susleyes dinámicas. Las simulaciones por computadorson llamadas modelos de "cómo sería el mundo"("would-be worlds" models) (Casti,1997). La ideageneral es que el computador posee las condicionesnecesarias para reproducir importantes característi-cas de sistemas complejos interactuando con suambiente.

El tercero es el impresionante incremento eninformación empírica sobre la naturaleza, ya seaexperimental tanto como observacional. Dichosdatos han cambiado radicalmente suposiciones cen-trales a la ciencia. Muchos científicos esperan quetoda la información descubierta y las nuevas mate-máticas vayan a inducir una nueva revolución enciencia en las próximas décadas.

DINÁMICA DE SISTEMASNO-LINEALES

Un sistema con dinámica no-lineal es funda-mentalmente impredecible a largo plazo. Esto sig-nifica que nunca lo podremos predecir a largoplazo, aún teniendo computadores super veloces ymejores tecnologías. Los sistemas complejos (no-lineares) generan nueva información continuamen-te, como un ser humano a través de su desarrolloontogenético. Los sistemas lineales poseen toda lainformación sobre su futuro en sus condicionesiniciales, como por ejemplo un péndulo en condi-ciones ideales en física (Hatamian, 2(01). Lossistemas complejos no están restringidos por suscondiciones iniciales, por lo tanto muestran cam-bios radicales a pequeñas variaciones en su ambien-te. Los sistemas caóticos tienen un presentedeterminado por su pasado pero sus condicionesiniciales fueron muy precisas e imposibles de deter-minar actualmente.

La teoría de sistemas se convirtió en una teoríamatemática desarrollada llamada teoría de sistemasdinámicos (Casti, 1979; Marr, 1997). El estudio delos sistemas no-lineales pertenece a la formalizaciónde la teoría de sistemas que fue llevada a cabo pormatemáticos (Casti, 1979). Uno de los orígenes dedinámica no-lineal es la retroalimentación en el

sistema. La retroalimentación significa que el siste-ma cambia tratando de mantener alguna( s) de suspropiedades dentro de cierto rango de valores,como un termostato. La retro-alimentación produ-ce aprendizaje y el aprendizaje dificulta el control(especialmente el control aversivo en humanos).Los sistemas con retro-alimentación negativa hansido particularmente importantes en la psicología.La motivación básica de los organismos puede servista como un sistema de retro-alimentación nega-tiva, el cual cambia el estado del organismo (iniciaemisión de comportamiento) si alguna propiedad esllevada mas allá de cierto limite (deprivación).

La aproximación de sistemas complejos asumeque hay una diferencia fundamental entre el estadode un sistema y las reglas que producen el cambiode un estado al siguiente (Pattee, 2001). El estadodel sistema es una abstracción de las variables deinterés del sistema representada como un conjuntode valores numéricos. Las reglas de cambio (oreglas de realidad) determinan cómo el estado ac-tual de las propiedades determina el próximo estadodel sistema, en el instante más próximo (realmenteel análisis es independiente de tiempo, por lo tantolo más preciso sería decir en el instante siguiente).La combinación de estos dos factores produce unsistema abstracto llamado máquina de estado finitoy considerada la más avanzada teoría de sistemasdinámicos (Casti, 1979).

Un sistema dinámico puede ser representadocon la combinación de tres factores (Casti, 1994):

1. El espacio de fases

2. Un conjunto de funciones de entrada

3. Una función continua relacionando las posibili-dades del espacio de fases con los elementos deentrada.

Los equilibrios, tendencias a volver a un estado,son descritos en la teoría de sistemas lineales comoatractores. Los sistemas pueden también evitarsistemáticamente ciertos estados o eventos y éstosson descritos como repeledores. Una aplicacióndirecta y fácil del concepto de atractor en psicología


es el concepto de personalidad, que es como unatractor, una tendencia a permanecer dentro deciertos valores.

Un sistema fluctúa entre caos y orden, y lospuntos de estos cambios son llamados fases detransición. Estas fases son los momentos en los quese dan cambios cualitativos considerables y son elprincipal interés de la teoría del caos (Peitgen,Saupe, Jurgens & Yunker, 1992).

El interés en sistemas dinámicos está centradoprincipalmente en los siguientes problemas (Casti,1979, Peitgen, Saupe, Jurgens & Yunker, 1992):

1. Lograr una dinámica controlada en contraste auna dinámica libre.

2. Identificación de variables relevantes y susrelaciones.

3. Restricciones o condiciones que reducen lasposibilidades en las que se va a encontrar a unsistema en el futuro.

4. Efectos estocásticos.

5. Lograr una perspectiva global del sistema.

6. Visualizar y formalizar los cambios en laconectividad del sistema.

7. Establecer su nivel de complejidad.

8. Establecer criterios de estabilidad.

9. Catástrofe, inestabilidad, procesos de auto-or-ganización.

1O.Escalamiento dimensional, un análisis matemá-tico de cómo surgen propiedades a diferentesniveles de observación del sistema.

No es necesario ser hábil para solucionar pro-blemas numéricos y utilizar estos nuevos concep-tos. Muchos de los requerimientos de habilidadesen computación matemática son cosa del pasadogracias al desarrollo de software que eliminó estos

requerimientos (software como Mathematica). Loimportante ahora es el describir el sistemaabstractamente, las relaciones entre sus componen-tes, su evolución, esa es la esencia del modelamientomatemático. Hay un conjunto básico de conceptosque se deben conocer sin embargo.

EVOLUCIÓN DE LAS ORGANIZACIONESY COMPLEJIDAD DEL SISTEMA SOCIAL

En general la complejidad en la sociedad estáaumentando. La historia no se repite, contrario a loque los estudiosos de la historia podrían sostener. Elmundo está pasando por un momento especial en elque nuevos eventos están ocurriendo. Eventos quenunca antes habían ocurrido, como la red de comu-nicaciones por Internet, por ejemplo. Esta situaciónpresenta un futuro incierto, sencillamente no sabe-mos qué está pasando y qué va a pasar.

Como la complejidad es una propiedad que sepuede medir en un sistema, ésta se puede medir enla sociedad. Un primer indicador del incremento enla complejidad de la sociedad es por ejemplo, laaparición y el incremento constante de interdepen-dencia entre los diferentes países, grupos étnicos,religiones, etc. (Bar- Yam, 1997). La Interdepen-dencia entre los estados de los componentes de unsistema es una característica de un sistema comple-jo versus un simple agregado de elementos. Internetfacilita alta interdependencia entre las personas alfacilitar la comunicación instantánea y relativa-mente irrestricta. El crecimiento y expansión fun-cional de internet está aumentando y por ende sucomplejidad, lo que directamente contribuye alincrementó en la complejidad global de la socie-dad. Estos incrementos en complejidad facilitan elcontracontrol, en otras palabras inducen auto-organización.

La teoría de complejidad establece un límitepara la cantidad de información que un individuopuede aprender y establece un techo para las posi-bilidades de procesamiento (Bar- Yam, 1997). Esosignifica que una persona tiene límites cognoscitivos,los cuales no son nada nuevo en la historia de lapsicología experimental, particularmente en el es-


tudio de decisiones óptimas. Lo nuevo es que éstoes discutido en el contexto de gerencia o adminis-tración de grupos humanos.

El máximo nivel de complejidad que una perso-na puede presentar y puede entender, establecelimitaciones para tomar sus decisiones. Existen unagran cantidad de fuerzas que están presionando alos grupos humanos a cambiar su organización.Una de ellas es que los trabajos hacen que losindividuos respondan a niveles de complejidad másaltos de lo que ellos pueden alcanzar. Probablemen-te es una consecuencia del incremento en la canti-dad de información que es producida diariamente yque el individuo debe tener en cuenta para tomardecisiones óptimas.

Otra fuerza importante para los gerentes o ad-ministradores es el hecho que progresivamente enlas últimas generaciones, las diferencias de conoci-miento y habilidades entre el líder del grupo y losseguidores son muy pequeñas. Esto es debido par-cialmente a que la información es más asequiblepara todo el mundo, los gerentes no poseen exclu-sivamente información.

Estas presiones han influido en el aplanamientode las organizaciones, pero más importante aún,han influido en el que las empresas se han organi-zado como redes dejando atrás estructuras empre-sariales basadas en jerarquías estratificadas.

Una red es una descripción de las conexionesque permiten interacciones e influencias entre dife-rentes partes de un sistema (Bar-Yam, 2000). Unameta importante cuando se analizan redes es enten-der (u obtener del análisis de los datos) sus propie-dades topológicas. Estas propiedades nos dicen quéelementos están conectados con que elementos ytambién nos da indicadores sobre la calidad de estasconexiones. Por ejemplo, la propiedad de entropíanos describe el grado de interconectividad entre loselementos.

Las empresas se han comenzado a organizaridealmente como una red, en la cual es difícilidentificar un control central. El control centraliza-do es ineficiente por las razones mencionadas arri-

ba, es decir que la organización esta limitada por lamáxima complejidad que un solo individuo puedealcanzar. Un solo líder no puede entender todas lasvariables que afectan a su empresa en un momentodado y por lo tanto es probable que tome decisionespoco efectivas.

Uno de los ejemplos más claros de este cambioen organización se puede observar en el ejército.Los nuevos ejércitos funcionan como redes desubunidades que puede tomar decisionesinterdependientes con otras unidades cercanas. Lassubunidades no necesitan esperar órdenes de uncomando central para decidir. Ésta espera por órde-nes, más los problemas de limitaciones del coman-do central para entender las diferentes situacionessimultáneamente, pueden ser fatales para el desem-peño en batalla de las unidades.

La dinámica funcional permite analizar diná-mica independiente de estructura y tiempo (Jackson,2001). Lo que sostiene el comportamiento de laspersonas en los países desarrollados son fuerzasinvisibles, carentes de estructura pero que dirigencomportamiento.

El terrorismo y la delincuencia pueden ser ana-lizados como redes. Muchas agencias de seguridadnominan las redes sin entender lo que el conceptomatemático de red significa yeso limita en gransentido el análisis de los datos y la determinación deacciones efectivas (Krebs, 2002). Un ejemplo de laslimitaciones implicadas en el desconocimiento delconcepto de red es que no se analizan sus propieda-des estadísticas formales como el coeficiente deagrupamiento promedio (clustering coefficient), nitampoco se consideran las relaciones funcionalesentre esas medidas y otros factores del sistema. Estecoeficiente indica qué tan cerca están los compo-nentes de la red y las relaciones funcionales puedenmostrar qué factores acercan o alejan a los miem-bros de las redes.

El desarrollo de computadores digitales de po-derosas velocidades de computación ha brindadorecientemente la posibilidad de analizar la estructu-ra topológica de diferentes redes (Strogatz, 2001).Especialmente debido al hecho de que las redes


evolucionan dinámica (cambian de conexiones conel tiempo) y estructuralmente (cambian de elemen-tos componentes con el tiempo) lo que dificultaentenderlas y visualizarlas.

AUTO-ORGANIZACIÓN,CONTRACONTROL y VIOLENCIA

Otra característica de los sistemas no linealesrelevante en este contexto es que los sistemas com-plejos y no-lineales pueden presentar auto-organiza-ción (self-organization) (Marr, 1997). Los sistemasvivos como los animales y las plantas presentandinámicas no-lineales y auto-organización. La auto-organización es un tipo de orden en un sistema que esdiferente a la organización dictada por el ambiente.Las reglas de auto-organización son muy importan-tes para el diseño de políticas sociales. La auto-organización puede explicar parcialmente la apariciónde resistencia a programas políticos en la forma deterrorismo y guerrilla. Una de las forma de respuestaconocida por los psicólogos es el contracontrol, lacual puede ser descrita correctamente como auto-organización de un sistema biológico.

El contracontrol ha sido reconocido hace bas-tante tiempo como forma de respuesta a distribucio-nes de riqueza, sistemas de pago y explotaciónsocial (Skinner, 1971). Parte del mensaje de losteóricos de la complejidad, es que este proceso esmuy complicado de entender para las personas yque no ha sido demostrado científicamente. Lageneración de realidad es una de las funciones de laciencia contemporánea (Casti, 1992). En este con-texto puede ser ejemplificado el hecho de que elconcepto de auto-organización es un concepto ma-temático que pertenece a la teoría de sistemasdinámicos. Este hecho implica que al definir elcontracontrol utilizando la auto-organización y loque se conoce de ella, facilita entender el conceptode contracontrol. Auto-organización es una analo-gía matemática precisa que es útil para describir elcomportamiento de ciertos sistemas. Este procesoes cotidiano con ciertos conceptos de geometríaeuclidiana, como cuando las personas dicen que "ladistancia más corta entre dos puntos es una línearecta". Esto puede decirse en un contexto.

La violencia ha sido descrita anteriormentecomo una espiral (Mattaini, 1999). Una espiral esun objeto que existe en un espacio e insinúa que unavez en éste, la tendencia es moverse hacia el centro,como si el centro lo absorbera y le impidiera esca-par. Esta estructura es realmente algo más compli-cada que una espiral. El centro que absorbe y queimpide escapar puede ser definido más correcta-mente como un atractor (Alligood, Saber y Yorke,1997, Peitgen, Saupe, Jurgens y Yunker, 1992). Laspersonas envueltas en la espiral de agresión tende-rán a permanecer en ella y una vez iniciadas ciertassecuencias, éstas tenderán a escalar, el movimientohacia el centro indica un incremento en la intensi-dad de la interacción. Si se utiliza una analogíafísica de momentum, el momentum de la interaccióna medida que pasa el tiempo. Esto llega hasta unlímite en que hay un receso, puede ser en unmomento cercano en el que la muerte culmina conla espiral.

Los análisis históricos sugieren que la violenciagenera violencia, y generalmente la violencia esutilizada como una forma de control. Pero surgenlas preguntas sobre ¿dónde se inician las espiralesde violencia?, ¿por qué crecen más rápido en algu-nos ambientes más que en otros? Estos son los tiposde preguntas que se pueden relacionar con el trata-miento matemático de estos problemas.

UTOPÍAS VIRTUALESY PERSONAS ARTIFICIALES:

MODELAMIENTO BASADO EN AGENTES

Una de las áreas donde la información se haincrementado es en la biología. Tenemos una visiónbastante diferente de muchos procesos y nuevasaproximaciones conceptuales en biología. Sin em-bargo, tales adelantos probablemente no tengan unimpacto sobre el diseño social en algunas genera-ciones. En el contexto del diseño social, todossomos suficientemente parecidos y suficientemen-te inteligentes y adaptativos cuando el ambiente lorequiere. En el análisis de la teoría de la compleji-dad, las diferencias entre individuos existen en elnivel de comportamiento individual y el origen deéste es ignorado.


Lo que hace a ciertos individuos (países, gruposétnicos) más inteligentes, eficientes o motivadosparecen ser elementos culturales que establecencontingencias. El éxito en esta adaptación no de-pende de las células, las moléculas o los átomos delos cuales ellos están hechos. Estas son suposicio-nes y estrategias fuertemente basadas en informa-ción empírica. En el centro de la idea de diseñosocial, está la idea que los fenómenos sociales comola pobreza se deben a contribuciones de comporta-miento de los individuos. Estos comportamientosson debidos a su vez a condiciones externas alindividuo, que si son cambiadas llevarán a uncambio en la conducta. La pobreza por ejemplo, nodepende del material físico o biológico del que lapersona pobre esta hecho, sino de otras condicionessociales alrededor de ella. Cuando se hacehistoriografía acerca de las biografías, es más valio-so tener una historia detallada de la actividad de lapersona, su comportamiento, que tener su cerebrocuando muera (Eibl- Eibesfeldt, 1993). Los logrosde la persona tendrán sentido dentro del contexto deun ambiente social que promovió, permitió o prohi-bió actividades en lugar de un contexto químico,molecular o cuántico.

Esta tesis histórica y lógicamente puede serligada con la psicología conductista (verse losWalden de Skinner [1948] y Ardila [1979]). Uno delos principales puntos que inició el movimientoconductista fue el de que existía la posibilidad dediseñar a una persona dada cualquier calidad dematerial biológico, Watson fue su primer promotor.Éste y otros puntos se materializaron en libros comolos anteriormente citados que eran referidos comoutopías. Hoy, en el siglo XXI estas utopías puedenser diseñadas en computadores.

El modelamiento de sistemas complejos encomputadores digitales es una de las más recientesherramientas utilizadas en la tarea de entendersistemas complejos. La meta más importante es lasíntesis conceptual de información obtenida porobservaciones o descripciones de expertos sobretendencias de comportamiento bajo ciertas condi-ciones. La física clásica distinguía dos procedi-mientos en ciencia, inducción y deducción. En lainducción se recogían datos empíricos que en algún

momento llevaban a la deducción de principiosgenerales que describían características de los fe-nómenos observados.

Desde la biología, muchos no concuerdan conque sea posible extraer principios simples que des-criban estructuras complejas (Pattee, 2001). Mu-chos biólogos, psicólogos, antropólogos yeconomistas no están de acuerdo con los modelosutilizados por la física clásica. Las estrategias deinducción y deducción pueden ser complementa-das con otras estrategias de organizar la informa-ción. Especialmente estrategias que pueden mostrarcómo las variaciones en propiedades macro (porejemplo, pobreza) pueden ser observadas comorespuesta a modificaciones en los comportamien-tos de los agentes componentes o de las condicionesde su ambiente. Es probable que no se puedanextraer principios generales a nivel social pero sepuedan replicar fenómenos sociales en computado-res basados en detalles micro-estructurales sobre elcomportamiento de las personas.

Para Epstein, (1999) la pregunta generalistaestablece: ¿cómo es posible que la acción descen-tralizada de agentes autónomos y heterogéneospuedan generar una regularidad determinada? Larespuesta a esta pregunta puede ser solucionadautilizando simulaciones basadas en agentes.

Los experimentos se realizan para analizar loseventos en el sentido de que tratan de establecer losgrados de contribución de un número de variables enla configuración de un evento. Otras fuentes de infor-mación sobre el comportamiento de las personas sondescripciones de expertos en comportamiento huma-no. Esto es particularmente importante cuando no sedisponen de herramientas analíticas experimentales.

En el caso de sistemas compuestos por personas(sistemas sociales), generalmente no se dispone deprincipios basados en información experimental.Se dispone de información acerca de cómo tiende acomportarse cierta gente bajo ciertas condicionesrecopilada de observaciones en el campo. Perodemostrar que esas observaciones sobre individuosexpliquen el fenómeno global no es posible, y esrealmente difícil.


La teoría de complejidad asume que el fenó-meno macro aparece por la actividad conjunta einterdependiente de millones de agentesinteractuando. El hecho que una persona puedaejecutar una actividad depende de la interdepen-dencia de múltiples sistemas del cuerpo que estánconformados a la vez por células con una intensainteracción mutua. No hay control central en elcuerpo, no hay una célula en el cuerpo que deter-mine el estado de otras sin estar a su vez fuerte-mente afectada por otras, y cuya desapariciónhiciera morir a una persona. De la misma forma nohay control central en ningún proceso social, esimposible.

Los modelos políticos centralizados parecenmenos eficientes que los federales a simple vista.Pareciera que el gobierno federal es más semejantea una red que a una estructura jerárquica rígida yburocratizada.

La atracción por las estructuras topológicasllamadas fractales viene por cuanto la complejidadde una estructura pueda ser producida por la repe-tición de un valor por una función matemáticarelativamente simple. Un fractal aparece como elproducto de la repetición de una simple estructura,la complejidad emergiendo de la simplicidad.

El modelamiento basado en agente es una for-ma de síntesis teórica, de la misma forma en que fuemencionado anteriormente, los agentes son perfec-tas abstracciones que pueden demostrar principiosde leyes o teorías psicológicas y el modelamientobasado en agentes puede ser contrastados con elmodelamiento matemático en ciertos respectos.

Los agentes son entidades artificiales que secomportan dentro de un ambiente virtual y elmodelamiento basado en agentes complementa ymejora modelos tradicionales que están limitadospor cuanto:

1. No explican el origen de propiedadesmacroscópicas que existen en sistemas complejos.

2. No manejan bien la heterogeneidad de las pobla-ciones que forman sistemas complejos.

COMPLEJIDAD Y VALORES

Para poder producir o inducir cambio sociales necesario inducir cambios en los sistemas devalores de los individuos. Esta comenzando a serclaro que existen tecnologías que deberían serpopularizadas, tecnologías que potencialmentepodrían reducir el sufrimiento humano y el de-sastre del ecosistema. Problemas con el sistemade valores parecen estar por debajo de este pro-blema. Parece que las personas opuestas a ciertosprocesos de cambio social no entienden la diná-mica social actual. Entendimiento en este con-texto indica niveles de control social y es claroque segmentos importantes del mundo están porfuera de control.

Parte de por qué es tan difícil entender losprocesos sociales es porque objetos como una línearecta, una parábola o un círculo no describen co-rrectamente lo que esta ocurriendo. Los análisis quedemuestran ciertos tipos de influencias requierenuna considerable cantidad de entrenamiento paraser entendidos. Adicionalmente la teoría de com-plejidad ha discutido algunos puntos centrales acer-ca de la función de prácticas, conceptos e ideasreligiosas. Uno de los más interesantes es la co-nexión del concepto del concepto de alma y la teoríade información.

Los niveles de corrupción en el mundo sonmuy altos y parecen ser un factor principal paraalcanzar el desarrollo. Esto es considerado comoun reflejo de la organización política del sistemaen el que la corrupción crece. La forma como se hacombatido la corrupción políticamente en el pri-mer mundo esta basada en las propiedades de laconstitución. La constitución protege al débil, alpobre, a las minorías étnicas y construye controlespara generar reglas mínimas de interacción entrelos sistemas económicos y políticos. El rico, elpoderoso, no protegen al pobre porque un senti-miento noble se enciende en su interior (Skinner,1982). Esto ocurre porque existen restriccionessociales y promociones para el rico donde seprohíbe el abuso y se promueve la caridad (repar-tición de la ganancia, donaciones para reducirimpuestos, etc). Muchos países Latinoamericanos


han reformulado sus constituciones recientemen-te y han promovido a las minorías y los débiles suutilización como una herramienta para combatir lacorrupción.

La teoría de complejidad puede ayudar agenerar estrategias para reducir la corrupción. Lapromoción y diseño de sistemas sociales basadosen redes pueden reducir la corrupción porqueimpiden que los individuos decidan y sean elcentro del proceso, el poder no se concentra. Seha demostrado experimentalmente que la proba-bilidad de mentir incrementa con la carencia decontrol social, carencia de acceso a la informa-ción por otros. Los ejecutivos de grandes empre-sas se corrompen parcialmente debido a razonesde seguridad, solo ellos pueden acceder a infor-mación y a toma de decisiones. Esto se reducedrásticamente si el poder depende de un comité yese comité esta regulado de alguna forma. Variosexpertos en complejidad han notado que en lasúltimas décadas las aspiraciones de poder a nivelindividual se han vuelto obsoletas (Bar- Yam,1997).

CONCLUSIONES

La ciencia no es un conjunto organizado deconocimientos. La ciencia es una práctica culturalque evoluciona, no que acumula. La ciencia cam-bia, se re-organiza. Más que una acumulación deconocimiento, la ciencia diseña la realidad basadaen un conjunto de procedimientos. Las matemáti-cas deben ser definidas quizás como algo más queuna herramienta. Las analogías y objetos abstractospropuestos por las matemáticas nos ayudan a enten-der, a simplificar procesos, a organizar datos. Losnuevos cambios en matemáticas nos permiten en-contrar patrones en el aparente desorden de ladinámica de procesos complejos, aun en la aparentealeatoriedad de la sociedad. Las simulaciones porcomputador pueden ayudar. Una razón es porquelas simulaciones son más baratas en tiempo y dineroque los cambios reales. Las simulaciones puedentambién ayudar a evidenciar que no entendemos,que falta y especialmente que pasaría si. La teoríade complejidad aparece como una promisoria ave-nida para el cambio social, para la lucha contra losmales más comunes del sistema social, la pobreza,la miseria y la segregación.

REFERENCIAS

Alligood, K. T., Sauer, T. D., & Yorke, 1. A. (1997). Chaos: an introduction to dynamical systems. New York: Springer Verlag,

Ardila, R. (1979). Walden tres. Barcelona: Editorial CEAC.

Bar-Yam, Y. (1997). Dynamics of complex systems. Reading. Massachusetts: Addison-Wesley.

Bar- Yam, Y. (2000). Complexity rising: from human beings to human civilization; a complexity profile. Disponible en: http://necsi.org/projects/yaneer/Civilization.html

Baranger, M. (2000). Chaos, complexity and entropy. Disponible en: http://www.necsLorg/facultylbaranger.html

Bunge, M. (1977). Las teorías de la causalidad. Salamanca: Editorial Sígueme.

Bunge, M. (1979). Causality. New York: Dover Publications.

Cambel, A. B. (1993). Applied chaos theory: a paradigmfor complexity. Boston: Academic Press.

Casti, J. (1979). Connectivity, complexity, and catastrophe in large-scale systems. New York: Wiley.

Casti, J. (1992). Reality rules: picturing the world with mathematics. New York: Wiley.

Casti, J. (1994). Complexification. New York: HarperCollins.

Casti, J. (1997). Would-be worlds. New York: Wiley.

Chaitin, G. (2000). A century of controversy over the foundations of mathematic. Complexity 5, pp. 12-21.

Eibl Eibesfeldt, I. (1993). Biología del comportamiento humano. Manual de Etología Humana. Madrid: Alianza.

Epstein, J. M. (1999). Agent-based computational models and generative social science. Complexity, 4, 41-60.

Gell-Man, M. (1995). What is complexity. Complexity, 1,1-9.

Hatamian, T. S. (2001). Mathematical fortune-telling. Complexity, 27-40.


Krebs, V. E. (2002). Mapping networks of terrorist cells. Connections, 24, 43-52.

Disponible en: http://www.orgnet.comIMappingTerroristNetworks.pdf

Jackson, E. A. (2001). Exploring nature's dynamics. New York: Wiley.

Marr, M. J. (1997). The mechanics of complexity. En L. J. Hayes & P. M. Ghezzi (Eds.) lnvestigations in behavioral epistemology.(pp. 65-80). Reno, N.V: Context Press.

Mattaini, M. A. (1999). Clinical intervention with families. Washington, D.C: National Association of Social Workens Press.

Pattee, H. H. (2001). The physics of symbols: bridging the epistemic cut. Biosystems, 60, 5-21.

Peitgen, H. O., Saupe, D., Jurgens, H., & Yunker, L. (1992). Chaos handfractals: new frontiers of science. New York: SpringerVerlag.

Skinner, B. F. (1948). Walden two. New York, Macmillan.

Skinner, B. F. (1971). Beyondfreedom and dignity, New York: Knopf.

Skinner, B. F. (1982). Reflexiones sobre conductismo y sociedad. México: Trillas.

Strogatz, S. H. (2001). Exploring complex networks. Nature, 410, 268-276.

revista latinoamericana de psicología - redalyc.org · adicionalmente, las...

Documents