complejidad-marcial - Universidad Andina del Cusco

SISTEMAS COMPLEJOS
Dr. Marcial FERRO RODRÍGUEZ
1
La Tierra vista desde Saturno
SITUACIONES QUE ORIGINARON SURGIMIENTO DE LA
COMPLEJIDAD
• Se establece una clara diferencia con el pensamiento simplificador y lineal,
predominante desde su surgimiento (Descaartes, Galileo, Newton) hasta hoy.
• Se acepta pensamiento cientifico anterior, sino que los integra y lo supera.
• Reconoce que el conocimiento es limitado, sus limites son en ocasiones difusos e
imprecisos, y que no pueden ser atrapados por el ojo humano, por lo que la realidad
es impredecible.
• La material se auto-organiza, que coexisten el orden y el desorden a la vez, los
movimientos no se producen en linea recta, sino en forma de turbulencias, bucles,
torbellinos, donde emergen estructuras nuevas, superiors, diferentes a las que le
dieron origen.
• El principio de autosimilaridad esta presente en los sistemas complejos (la parte esta
en el todo y el todo esta en las partes).
• Los sistemas complejos son altamente sensibles a pequeñas variaciones en sus
condiciones iniciales, y pueden acarrear grandes transformaciones.
3
TEORIAS QUE ORIGINARON EL SURGIMIENTO DE LA COMPLEJIDAD (2)
• Nuevos conceptos: autoorganizacion (Von Neuman), orden a parir del ruido, orden
a partir del desorden (Von Foerster); teoria del azar organizador (Atlan): relacion
dialogica en todos los sistemas; fisica de los procesos del No equilibrio de los
sistemas No lineales y de los procesos disipativos, caracterizados por un tiempo
unidireccional, o sea no reversible (Prigogine)
• Karl Heisemberg, fisico y premio nobel aleman, desarrollo un Sistema de mecanica
cuantica, cuya indeterminacion o principio de incertidumbre ha influido.
profundamente en la fisica y en la filosofia del siglo XX.
• La teoria del caos: Edward Lorenz, fisico meteorologo de (MIT) descubre el efecto
que tienen pequeñas diferencias iniciales “efecto mariposa” sobre la situacion
climatologica.
• La llamada geometria fractal, (Benoit Mandelbrot), ingeniero frances 1975.
• La teoria de los conjuntos borrosos (Lofti Zadeh 1965), ingeniero irani que trata de
formalizar un modelo logico y matematico de lo imprecise, lo difumindaoo, lo
indeterminado, lo difuso.
• La teoria de las catastrofes (Rene Thom. 1972) define una forma topologica,
mediante el cual un Sistema consigue mantenerse gracias a una forma de
subsistencia, cuando ocurren a cambios repentinos.
4
El investigador Nigel Frank escribió que " La hormiga solitaria
guerrera es conductualmente uno de los animales menos
sofisticados imaginables ... si 100 hormigas guerreras se
colocan sobre una superficie plana , van a caminar alrededor
y alrededor en círculos nunca disminuyendo hasta que
mueren de agotamiento. En un número extremadamente alto ,
sin embargo, es una historia diferente "
5
Aquí, por ejemplo, es una colonia de hormigas guerreras,
construyendo un túnel. Cada hormiga por sí, es muy
simple, pero la colonia en su conjunto pueden trabajar
juntos en cooperación para realizar tareas muy
complejas, sin ningún tipo de control central; es decir, sin
ninguna hormiga o grupo de hormigas estar a cargo.
6
En otras palabras, las colonias de hormigas pueden organizarse
para producir estructuras mucho más complejas, que una sola
hormiga.
He aquí un ejemplo de las hormigas que construyen un puente con
sus cuerpos para que otros miembros de la colonia pueden cruzar
la brecha entre dos hojas .
7
Otros insectos sociales producen un
comportamiento similar . Por ejemplo, aquí
está un ejemplo de la clase de estructura
viviente complejo construido por las termitas .
montón de la termita.
Un aspecto importante de los sistemas
complejos es entender cómo individualmente
simples agentes producen un comportamiento
complejo y sin control central ?
Aquí los agentes simples son insectos, pero
vamos a ver muchos otros tipos .
8
Otro ejemplo clásico de un sistema complejo
es el cerebro .
Aquí los agentes simples individuales son
neuronas.
9
El cerebro humano se compone de alrededor de 100 mil millones de neuronas y
100 billones de conexiones entre las neuronas .
Cada neurona es relativamente simple (en comparación con todo el cerebro) y, de
nuevo, no hay control central.
De alguna manera el enorme conjunto de neuronas y conexiones da lugar a los
comportamientos complejos que llamamos " conocimiento " o "inteligencia " o
incluso " la creatividad " .
10
Al oír las palabras
Hablando palabras
Al ver las palabras
Pensando en las palabras
Las imágenes cerebrales han demostrado, que las neuronas se organizan
en diferentes áreas funcionales .
Al igual que las hormigas o las termitas, las neuronas pueden autoorganizarse en estructuras complejas que ayudan a la función de las
especies y sobreviven .
11
Immune
system
organs
Otro sistema complejo es el sistema
inmune. El sistema inmunológico está
distribuido por todo el cuerpo, que
involucra muchos órganos diferentes,
como se muestra en esta imagen, y
miles de millones de células moverse en
el torrente sanguíneo o el sistema
linfático, para proteger o cuidar al
cuerpo del daño o enfermedad .
12
Immune system cells
attacking a cáncer cell
Por ejemplo, esta es una imagen de las células del sistema inmunológico que atacan
una célula cancerosa. Al igual que las hormigas que vimos antes, las células del
sistema inmune se comunican entre sí a través de señales químicas, y trabajan juntos,
sin ningún tipo de control central, para lanzar ataques coordinados cuando perciben
una amenaza para el cuerpo .
Además, la población de células del sistema inmune en el cuerpo es capaz de cambiar
o adaptarse, en respuesta a la población de células que percibe en su entorno. Este
tipo de adaptación es otra de las características clave de los sistemas complejos .
13
Human genome
Otro ejemplo conocido de un sistema complejo, es el genoma humano.
Que tiene 23 pares de cromosomas, cada uno compuestos por miles de
genes .
14
Los genes son cadenas de ADN a lo largo del cromosoma. Está
actualmente pensado que el genoma humano tiene unos 25.000 genes .
En términos de sistemas complejos, se podría pensar a los genes como
componentes simples, que interactúan con otros genes de una manera
descentralizada .
15
Genetic
regulatory
network
Los genes interactúan mediante el control de una expresión de otra - es decir, la
traducción en proteínas. Aquí es una pequeña red de regulación genética que ha
sido trazado por los investigadores .
Aquí, cada óvalo o rectángulo representa un gen y una flecha de un gen a otro
significa que el primer gen controla la expresión del segundo gen .
Resulta que el genoma humano está compuesto de miles de redes como ésta , en la
que los genes interactúan entre sí de maneras complicadas , y es esta interacción
que es en gran parte responsable de nuestra propia complejidad
16
La idea de las redes es fundamental para
el estudio de la complejidad en la
naturaleza.
Aquí hay otro tipo de red, una red
alimentaria . Aquí, cada nodo en la red es
un grupo en particular de las especies, y
las flechas representan lo que se come a
quién .
Si una especie de grupo apunta a otro,
eso significa que es la primera comida
para el segundo. Por ejemplo, usted
puede ver que los zorros se encuentran
en la parte superior de este particular, la
red alimentaria de Alaska , ya que comen
varios tipos de animales , pero nada se
los come, al menos en esta tabla .
Food web
17
Food web (Gulf of Alaska)
He aquí un diagrama abstracto de una, aún
más complicada red trófica, desde el Golfo de
Alaska.
18
Xiao
Ki
m
Gar
Melanie
David
Greg
Steph
Doug
Seth
Karen
Sid
Ginger
Bob
Doyne
Charlie
John
Sander
A social network
Scott
Jacques
Tal vez el tipo de red a la que estamos
más familiarizado, es una red social .
Esto es parte de mi propia red social,
donde los nodos representan las
personas, y los enlaces representan la
amistad entre estas personas .
19
Facebook
“friend”
links
Los científicos de sistemas complejos están muy interesados ​en el estudio de las grandes
redes sociales, como Facebook, para entender su estructura, cómo dichas redes se
forman, cómo cambian con el tiempo, y cómo se transmite la información en este tipo de
redes, entre otras muchas cuestiones .
20
Las economías son otro tipo de
sistema complejo en el que las
redes
de
interacciones
son
fundamentales .
Aquí vemos una muestra de la red
financiera internacional, donde los
nodos representan las instituciones
financieras
y
los
enlaces
representan las relaciones entre
ellos - por ejemplo, si un banco es
dueño de acciones de otro banco .
Resulta que el importe de la
conectividad en una red de este
tipo así como los tipos de enlaces
presentes, pueden tener un gran
efecto sobre la estabilidad de la
red es a los cambios, como por
ejemplo un banco va a la quiebra .
El nuevo campo interdisciplinario
de la ciencia de las redes, que
surgió de la comunidad de
investigación
de
sistemas
complejos, estudia este tipo de
fenómenos en las redes de
muchas disciplinas diferentes .
Financial Institution Network
21
Un último ejemplo es el estudio de las ciudades como sistemas complejos.
A menudo se ha dicho una ciudad es como un organismo vivo de muchas
maneras, pero ¿hasta qué punto las ciudades en realidad se parece a los
organismos vivos, en las formas en que están estructurados, crecen,
escalan con el tamaño y el funcionamiento ?
Cities as complex systems
22
Propiedades comunes de los sistemas
complejos
 Componentes simples o agentes ( sencillo en relación con el
sistema completo )!
 Interacciones no lineales entre los componentes
 No hay control central!
 Comportamientos emergentes !
•
•
•
•
organización jerárquica !
procesamiento de la información
dinámica !
la evolución y el aprendizaje !
23
CARACTERÍSTICAS DE LOS SISTEMAS
COMPLEJOS (CEPAL)
• CONECTADOS: REDES (QUIEN ERES Y CON QUIEN ESTAS)
• INTERDEPENDIENTES: TAMANO DE PALA EN FUNCION AL PESO
• DIVERSOS: NUMERO DE ESTADOS DE SISTEMAS; ENTROPIA Y
VARIEDAD REQUERIDA PARA LOGRAR UN OBJETIVO.
• ADAPTATIVO: PROCESAMIENTO DE LA INFORMACIÓN – APRENDE
• DEPENDIENTES DEL CAMINO: SENSIBLE A CONDICIONES INICIALES, AL
BORDE DEL CAOS (ACCIDENTES CONGELADOS=CIENCIAS DE LA
COMPLEJIDAD).
• EMERGENTES: MODELOS BASADOS EN AGENTES AUTOMATAS (NO
LINEALIDAD MULTINIVEL:: AUTOORGANIZACIÓN
24
25
Núcleo de las disciplinas
Dinámica: Estudio de los cambios continuos de la estructura y
el comportamiento de los sistemas !
Información: Estudio de las representaciones, los símbolos , y
la comunicación !
Computación: Estudio de cómo los sistemas procesan la
información y actuar sobre los resultados!
Evolución: Estudio de cómo los sistemas se adaptan
constantemente a entornos cambiantes !
26
•
•
•
•
•
•
•
•
•
Información de Shannon !
Complejidad algorítmica !
Descripción de la mínima longitud!
Dimensión fractal !
Profundidad Lógico !
Profundidad termodinámica !
Complejidad efectiva !
Grado de jerarquía !
Etc ... !
27
SCIENCE AND COMPLEXITY
By WARREN WEAVER
Rockefeller Foundation, New York City
“Science and Complexity”, American Scientist, 36: 536 (1948)
1894−1978
28
Problemas de SISTEMAS SIMPLES: utilizan
dos o pocas variables.
Ejemplos :
• La presión y la temperatura !
• Corriente, resistencia, y voltaje !
• Población según el Tiempo !
29
Problemas de SISTEMAS COMPLEJOS
desorganizados: utilizan miles o millones de
variables.
Ejemplo:
• La comprensión de las leyes de temperatura y presión,
como emerge de miles de millones de moléculas de aire
desorganizados
• Ciencia de los Promedios !
• Mecánica estadística !
• Asume poca interacción entre las variables .
!
30
Problemas de los SISTEMAS COMPLEJOS
organizados: Un número moderado de las
variables!
• Las interacciones no lineales, son fuertes entre
las variables. !
• Problemas que implican tratar simultáneamente
con un número importante de factores que están
interrelacionados en un todo orgánico. "!
31
"Estos nuevos problemas, y el futuro del mundo
depende en muchos de ellos, la ciencia requiere un
avance que debe ser aún mayor que el conquista de los
problemas de la simplicidad del siglo XIX o la victoria del
siglo XX por los problemas de la complejidad
desorganización.
La ciencia debe, en los próximos 50 años, aprender a
hacer frente a estos problemas de la complejidad
organizada. "!
32
CIENCIAS DE
LA COMPLEJIDAD
Marcial FERRO RODRÍGUEZ
33
34
ORIGEN DE LAS CIENCIAS DE LA
COMPLEJIDAD
1. Origen teórico
2. Origen administrativo-organizacional
35
Origen teórico
• H. Poincaré: el problema de los tres cuerpos
• K. Gödel: Teorema de la incompletud
• A. Turing: Máquina de Turing e indecibilidad
36
Origen organizacional
• En 1978, Centro de Estudios para al Dinámica No-lineal en el
Instituto La Jolla
• 1980s, El Instituto Santa Cruz para la Ciencia No-lineal, que
nace a partir del Colectivo de Caos de Santa Cruz
• 1980 se funda el Centro para Estudios No-lineales en el
Laboratorio Nacional de los Álamos
• En 1981 se funda el Instituto para la Ciencia No-lineal en la
Universidad de California en Davis
• En 1984, el Instituto Santa Fe
37
DISTRIBUCIONES NORMALES
GEOMETRIC
PHENOMENA, such
as:
* Gauss Bell
* Statistics
* Normal
distributions
* Standards
* Averages
* Vector analysis
38
39
Filo del caos
Sistemas cercanos al
equilibrio
Sistemas complejos
Equilibrio
Caos
Orden
(Cristales)
Desorden
(Vida)
Sistemas alejados del equilibrio
Ciencia normal
·Distribuciones normales
·Ley de los grandes números
·Campanade Gauss
·Campaba de Bell
·Descripciones estadfsHcas
·Descripciones matriciales
·Vectores
·Estandares
.
.
.
Cuerpos simples
Trayectorias
Sistemas duales
Ciencia revolucionaria
(Sol, estrellas)
(Thomas Kuhn)
Ciencias de la complejidad:
 Termodinamica del no-equilibrio (llya Progogine, 1945 y 1977)






Teoría del caos (Edward Lorenz, 1964)
Teoría de las catastrofes (Rene Tom, 1977)
Geometrfa fractal (Benoit Mandelbrot, 1977)
Vida arHficial (Christopher Langton, 1987)
Ciencia de redes (L. Barabasi, S. Strogatz, D. WaOs, 2001-2003)
Logicas no-clasicas (varios, desde la decada de 1950) (*)
3-‐cuerpos
n-‐cuerpos
40
Logicas no clasicas
Redes complejas
Incertidumbre
Emergencia
Imprecision
Auto-organizacion
No-linealidad
Adaptacion
Evolucion Atractores
Fractalidad
Caos
Vida artificial
41
VIDA Y AUTOORGANIZACIÓN
·Sistema
·Sistema
·Sistema
·Sistema
·Sistema
·Sistema
·Sistema
·Sistema
·Sistema
Endocrino
LinfaHco
Inmunologico
Nervioso Central
Cardiovascular
Muscular
DigesHvo
Respiratorio
Circulatorio
En un organismo saludable (sano) no todo pasa por el
cerebro
42
COMPLEJIDAD EN UNA PALABRA
•El estudio de la complejidad implica una
filosofía del movimiento
•Movimiento súbito, imprevisto, nocontrolado, irreversible
LOS DOS PROBLEMAS CENTRALES
•TIEMPO
•NO-LINEALIDAD
muerte
TERMODINÁMICA
(entropía)
(evolución)
BIOLOGÍA
muerte
…
vida
vida
·Sensibilidad a las condiciones iniciales
·Presencia de atractores
·Cambios de fase
.
.
.
45
46
Problemas
P =! NP
Relaciones entre
el universo
macroscopico y
microscopico
Sistemas
dinamicos
47
Lógicas No Clásicas
(Lógicas filosóficas)
Lógicas
polivalentes
Lógica difusa
Lógica
paraconsistente
Lógica formal
clásica
de
Lógica d
contrafácti
contrafácticos
Lógica
epistémica
Lógica de la
relevancia
Lógica libre
Lógica del
tiempo
Lógica modal
Lógica de
fabrica
Lógica
deóntica
Lógicas No Monotónicas
Extensiones a la
lógica clásica
Lógica cuántica
Lógicas Probabilísticas
Alternativas a la
lógica clásica
48
NUMBER SYSTEM
Imaginary
49
emergencias
sorpresas
autoorganización
no linealidad
rupturas de si etría
.
.
.
Un sistema complejo no
es explicable a partir de lo
anterior, de lo inferior, o
de lo causal
Abierto en la cima:
porque aprenden, se
adaptan, exhiben vida
Abierto en la base: porque la complejidad
nace compleja; es decir, no como un
agregado (=suma) de elementos o partes
Sistemas de complejidad creciente
(sistemas irreductibles)
50
51
52
Métodos clásicos
Heurísticas
METAHEURÍSTICAS
Metaheurísticas híbridas
Metaheurísticas
paralelas y distribuidas
configuración:
Instanciar
módulos
Hiperheurísticas
Afinar
parámetros
Metaheurísticas multinivel
Problema
estructural
Problema
paramétrico
Metaheurísticas auto-adaptativas
Computación no convencional
Personalización
de
metaheurísticas
Afinamiento de metaheurísticas
Aprendizaje de máquina
53
SIA
RN
CE
SD
IE
Técnicas
Probabilísticas
Paradigmas de la inteligencia computacional. SI: sistemas difusos, RN: Redes neuronales, SIA: sistemas
inmunes arSficiales, CE: computación evoluSva, IE: inteligencia de enjambres. Las flechas representan
posibles combinaciones de técnicas para formar sistemas híbridos. Adaptado desde (Engelbrecht,
2007).
54
COMPLEJIDAD COMPUTACIONAL
Dos tipos de problemas
Decidibles
P
Indecidibles
N-‐P
Problemas faciles:
Irrelevantes
N-‐P
Completos
N-‐P Dificiles
Problemas
Dificiles:
Relevantes
No pueden resolverse
algorítmicamente, incluso con
recursos de [empo y espacio
ilimitados
·Hipercomputacion
·Computacion no-convencional
·Simulacion
·MetaheurfsHcas
55
56
LOS DOS PROBLEMAS CENTRALES
•Cómo un sistema:
a) Se convierte en un sistema no-lineal
b) Puede ser transformado en un
sistema no-lineal
DE LA LINEALIDAD A LA NO-LINEALIDAD
•Cuando un sistema lineal se convierte en uno
no-lineal:
•Descripción
•Modelamiento y simulación
•Leyes de potencia
•Percolación
•Procesamiento de información
•Adaptación
•….
CAMBIANDO LA LINEALIDAD EN
NO-LINEALIDAD
•Modelos
•Teoría
•Modelamiento y simulación
Y SIN EMBARGO…
•Qué es la no-linealidad?
•No debe ser nunca asimilada a análisis
multi-causal
•No tiene nada que ver con multiplicidad
de variables
•Es indiferente a la variedad de inputs
(entradas)
QUÉ ES UN MODELO?
• Observación – Descripción – Modelo – Teoría – Ciencia
Experiencia
DIFERENTES CLASES DE MODELOS
•Modelo teórico o
conceptual
•Modelo
matemático/lógico
•Modelo
computacional
•Modelo
informacional
•Modelos de
justicia
•Modelos
económicos
•Modelos
financieros
•Modelos políticos
•Modelos
pedagógicos
COMPLEJIDAD Y/COMO POSIBILIDAD
•Las ciencias de la complejidad son
ciencias de lo posible,
•Mientras que la ciencia normal es
ciencia de lo real
COMPLEJIDAD Y MEDICIÓN
•Hay dos tendencias en el mundo:
a) Podemos medir la complejidad
universalmente
b) Cada sistema complejo posee su
propia complejidad
SISTEMAS COMPLEJOS NO-LINEALES
•Un sistema no-lineal gana información,
no memoria
PROCESAMIENTO DE INFORMACIÓN
• Procesamiento clásico: Modelo Máquina de Turing
• Procesamiento no-clásico: Modelos alternativos a la
máquina de Turing (o-TM, u-TM, etc.)
• MT no determinista
• Hypercomputación biológica
LOS “CUERPOS” DE LOS SISTEMAS SOCIALES
• Sistemas simples  Trayectorias Sistemas duales o binarios
LOS DUALISMOS
• Nación-territorio
• Comprador-vendedor
• Oferta-demanda
• Ciudadano-representatividad
• Derechos-deberes
• Médico-paciente
• Profesor-estudiante
• Hombre-mujer
• Hombre-naturaleza
• Actor-espectador
• Artista-curador
• Hablante-oyente
• Individuo-sociedad
• Preferencias-utilidades
• Aseguramiento-riesgo
…
LOS ESPACIOS SOCIALES
• Son variables, no son rígidos (vs. ciudad, etc.)
Computación
Natural
Computación
inspirada por la
naturaleza
Síntesis de fenómenos
naturales en
computadores
Computación con
nuevos materiales
naturales
Redes Computación Inteligencia de Sistemas Geometría
Vida
Computación Computación
cuántica
neuronales evolutiva
inmunes
enjambre
fractal
con ADN
naturales
artificiales
artificial
70
MODELAMIENTO Y SIMULACIÓN
Modelo
Modelamiento
Sistema Real
(mundo real)
Aplicación
Simulación
Computador
Comprensión
71
¿Cómo puede el modelado computacional mejorar la
atención médica y / o la investigación biomédica?
Modelo de las arterias
obstruidas identifica áreas
de daño de la pared (a la
izquierda) y los puntos de
alta tensión de flujo
sanguíneo (derecha), que
predicen ruptura de la placa
aterosclerótica. Fuente:
Dalin Tang, Worcester
Polytechnic Institute.
El tratamiento de la enfermedad
cardíaca. Los investigadores están
desarrollando modelos de la mecánica de los
vasos sanguíneos, el flujo de sangre, y las
válvulas del corazón. Estos modelos se pueden
utilizar en un número de maneras, incluyendo la
optimización del diseño de dispositivos
implantados tales como válvulas cardíacas
artificiales y stents de las arterias
coronarias. Los investigadores también están
utilizando modelos computacionales para
desarrollar herramientas de decisión para los
médicos que pueden proporcionar una guía
para el tratamiento de enfermedades
cardiovasculares basado en el análisis detallado
de las características específicas de cada
paciente.
72
Este modelo predice
los cambios en la
tensión dentro de un
tejido en respuesta a
cambios en las
propiedades físicas y
químicas. Fuente: Jay
Humphrey de la
Universidad de Yale
Lesión en la rodilla Modelado y tratamiento. En la
articulación de la rodilla, los movimientos hechos en
caminar, correr, y durante la práctica deportiva pueden
ejercer tensión y deformar el tejido del cartílago
subyacente. Patrones de deformación anormales
pueden estimular las células en el cartílago para
producir respuestas bioquímicas que inducen lesiones
en el cartílago. Por lo tanto, las respuestas a nivel
celular afectan la función a nivel de tejido, lo que afecta
a la función en todo el nivel del cuerpo, haciendo que la
gente se sienta dolor al mover la rodilla. Cada uno de
estos diferentes niveles se conoce como una escala
biológica.Los modeladores están desarrollando
"modelos multiescala" para estudiar enfermedades y
condiciones examinado todas las escalas que afectan
el sistema o problema en cuestión. En el ejemplo de un
modelo de lesión de rodilla, células, tejidos y
musculoesqueléticos se utilizan en conjunción para
mapear la deformación celular en el cartílago,
ligamentos, meniscos y como la articulación de la
rodilla se somete a varias fuerzas.
73
Modelo computacional que
muestra moléculas que se
mueven dentro y fuera del sitio
de la formación de granuloma
tuberculosis. Fuente: Denise
Kirschner, de la Universidad de
Michigan
Modelado patógeno y la respuesta inmune para el
tratamiento de la tuberculosis. La tuberculosis sigue
siendo un problema en todo el mundo, infectando a un
tercio de la población. La terapia actual es difícil para los
pacientes a que se adhieran a, ya que requiere 6 meses
de tratamiento con múltiples antibióticos. Los
investigadores están utilizando un enfoque experimental /
computacional combinado para desarrollar un modelo
realista que describe la respuesta inmune a la infección
con la bacteria que causa la tuberculosis. El objetivo es
predecir el resultado de las estrategias de tratamiento
que aumentan la inmunidad durante el tratamiento
antibiótico. Los resultados del modelo se utilizarán para
desarrollar mejores terapias que optimizan los efectos
combinados de tratamiento antibiótico y la respuesta
inmune.Este enfoque también proporcionará datos y
herramientas a la comunidad más amplia de
investigadores que investigan diversas áreas
relacionadas con la tuberculosis, la inmunidad, y el
modelado computacional.
74
INGENIERIA DE LA CIENCIAS DE LA
COMPLEJIDAD
• METAHEURÍSTICAS (HIBRIDOS, PARALELOS, HIPERHEURÍSTICAS)
• INTELIGENCIA COMPUTACIONAL, INTELIGENCIA ARTIFICIAL BIO INSPIRADA,
COMPUTACION SUAVE, COMPUTACION NATURAL Y COMPUTACIÓN BIO
INSPIRADA.
• COMPUTACION EVOLUTIVA
• INTELIGENCIA DE ENJAMBRES
• COMPUTACION CON MENBRANAS
• COMPUTACIÓN INMUNE O SISTEMAS INMUNES ARTIFICIALES
• COMPLEJIDAD, SISTEMAS BIO-INSPIRADOS, BIO-ROBÓTICAS Y BIOHARDWARE.
COMPLEJIDAD Y SISTEMAS VIVOS
COMPLEJIDAD Y CIENCIAS SOCIALES
ORGANIZACIONES Y COMPLEJIDAD
75
COHOMOLOGÍA
76
POLITOPOS
77
MATEMATICAS
• ESTRUCTURAS
PERMANECEN
CAMBIAN
SIGUEN IGUAL (REFORMA, REESTRUCTURACION)
TRANSFORMAN
ELLO FUNCIONA PARA LA MATEMATICAS, CULTURA, POLÍTICA,
FILOSOFIA…… COMPLEJIDAD
78
79
PROBLEMA DE LA VIDA:
CONTINUO
DISCRETO
80
83
MUNDO DISCRETO
- FISICA CUÁNTICA ----------------- ENERGÍA (DISCONTINUA)
E = mc2
- TEORÍA DE LA INFORMACIÓN --- 1 / 0
- TEORÍA CUANTICA DE LA INFORMACION - 1 y 0
84
Ondas en resonancia
H1
A
H2
B
SALUD
Estado E.M
ENFERMEDAD
PATOLOGIA
C
ORDEN
ONDA RESULTANTE
85
Ondas Schumann (1952)



Físico alemán descubrió
que el planeta tenia una
serie de OEM en
resonancia en la
ionosfera terrestre, que
afectan directamente a
las personas, animales,
etc.
Patrón EM entre 7.8 Hz
(frec. baja) y 60 Hz
(frec. alta).
El pulso establecido en
el hipotálamo de los
seres humanos es 7.8
Hz, en relajaciónmeditaciónconcentración alcanza a
10 Hz. El universo 800
Giga Hz.
Investigaciones (7.8 a 8 Hz, campos débiles):
• Alterar comportamiento celular, tejidos,
órganos.
• Alterar niveles hormonales
• Alterar procesos químicos celulares.
• Alterar percepción del tiempo
• Inducir al sueño y meditación.
• Disminuir nivel de stress
• Beneficiar los procesos de inmunidad.
• Equilibrar ritmo cerebral
• Lentificar las taquicardias.
• Estimular procesos aprendizaje.
• Expandir la conciencia.
• Generar mayor flujo de E° vital.
• Estimular procesos curativos naturales.
• Incrementar la actividad del biocampo
humano, creando barrera contra agresiones
físicas, psíquicas o medio ambientales.
86
OEM Cerebrales
87
Ej. Mundos discreto
88
MATEMATICA
CONTINUA (SIGLO XIX y XX)
• FUNCIONES
• CALCULO INTEGRAL
• LÍMITES
• ALGEBRA
• ESTADISTICA
DISCRETA (SIGLO XXI)
• CONJUNTOS PARCIALMENTE
ORDENADOS
• CONJUNTOS EXTREMOS
• GEOMETRIA DISCRETA Y
COMBINATORIA
• TEORÍA DE PROBABILIDADES
DISCRETAS
• PROBLEMAS COMBINATORIOS
• TEORIA DEL JUEGO
• TOPOLOGIA
• LÓGICAS NO CLASICAS
• MATEMATICAS DE SISTEMAS
COMPUTACIONALES
89
90
PATRONES Y DISCRECIÓN
• TESELADOS
• CONJUNTOS EXTRANOS
• CONJUNTOS PARCIALMENTE
ORDENADOS
• ENUMERACION
• TEORIA DE REDES
• GRAFOS E HIPERGRAFOS
• TEORÍA DE LA CODIFICACIÓN
91
TESELADOS
92
93
94
SISTEMAS DISCRETOS = SISTEMAS COMPLEJOS
• CAOS
• CATÁSTROFES
• TERMODINAMICA DEL NO
EQUILIBRIO
• REDES COMPLEJAS
• GEOMETRÍA FRACTAL
• LÓGICAS NO CLÁSICAS
• INESTABILIDADES
• FLUCTUACIONES
• TURBULENCIAS
• ATRACTORES
• COMPUTACIÓN NO LINEAL
(SIMULCIÓN)
• PERCOLACIÓN
• REDES LIBRES DE ESCALA
• INTELIGENCIA DE ENJAMBRES.
95
Hubs
96
Turbulencia
97
Redes complejas
EMERGENCIA
TRANSICION DE FASE
98
AUTO-ORGANIZACIÓN
99
El mundo
complejo
indígena en el
que estamos
100
101
102
RASGOS ICONOGRÁFICOS SOBRE LA MOLÉCULA DEL AGUA (Fractales)
103
Fotos cristales de agua (Dr. Emoto)
500 personas rezando
Hado - Mozart
Me da asco
104
Fractales en la naturaleza
105
Fractales del organismo humano
Sistemas con múltiples interacciones
entre muchas unidades, incertidumbre,
indeterminaciones, fenómenos
aleatorios, azar.
106
COMPLEJIDAD Y CIENCIAS SOCIALES
“Estoy convencido de que las naciones y pueblos
que dominen las nuevas ciencias de la complejidad serán
las superpotencias económicas, culturales y políticas del
siglo que viene”.
H. Pagels (1988)
107
108
PENSAR EN COMPLEJIDAD
•Espacio(s) de fase
•Transiciones de fase
•Espacio(s) de configuración
Transición de Fase
COMPLEJIDAD EN UNA PALABRA
•El estudio de la complejidad implica una
filosofía del movimiento
•Movimiento súbito, imprevisto, nocontrolado, irreversible
114
COMPLEJIDAD COMO POSIBILIDAD
•Las ciencias de la complejidad son
ciencias de lo posible,
•Mientras que la ciencia normal es ciencia
de lo real
115
FUTURO SOBRE EL ESTUDIO DE
LOS SISTEMA COMPLEJOS
Marcial FERRO RODRÍGUEZ
116
Sistemas Complejos
Campus Digital
Desde abril de 2014, la UNESCO reconoce oficialmente el
Complejo Campus Digital Systems como Programa UNITWIN,
una red mundial de instituciones de investigación y de
educación superior.
¿Por qué un Complejo Campus Digital Systems
El Complejo Campus Digital Systems federa las instituciones de investigación y educativas en todo
el mundo frente a los desafíos de la ciencia de los sistemas complejos. Coordina una red
internacional en evolución de los científicos a identificar los retos científicos a pesar de 'que viven
los sistemas complejos hojas de ruta', facilitando la puesta en común de los recursos de
investigación y educativas para hacer frente a estos desafíos. El Campus Digital tiene
departamentos virtuales federar la dirección de la comunidad frente a cada desafío. El Campus
Digital está abierto a todos los ciudadanos del mundo a participar en la solución de los desafíos
locales y globales que se avecinan. (leer más).
¿Quién está en la red CS-DC
La lista de los miembros fundadores con sus representantes es aquí . El Complejo Campus Digital
Systems es administrado por el Consejo de los representantes de los Miembros Fundadores con la
ayuda de la Sociedad de Sistemas Complejos.
Cómo unirse a la CS-DC
Un nuevo miembro fundador unirse con sólo el envío de una carta de compromiso de su
Presidente o de su Vicepresidente y designando un líder científico encargado de los contactos con
los demás socios de la CS-DC (ver detalle en la carta de compromiso ).
Al unirse a la CS-DC, un nuevo miembro no tiene gastos extras, pero se beneficiará de la
financiación nacional e internacional a través de la Hoja de Ruta CS-DC. Utilizará y contribuir a los
recursos CS-DC compartidos (datos, software, hardware, de investigación y de materiales
educativos y plataformas, etc) a lo largo de su propio Programa de Investigación y Enseñanza (ver
en detalle cómo unirse ).
Reuniones
Lucca 25 de septiembre 2014
la UNESCO UNITWIN CS-DC: Ciencia, Política y Aplicaciones
Reunión Satélite en el ECCS'14 - Conferencia Europea sobre Sistemas Complejos
Esta reunión satélite reunirá a los miembros de la CS-DC, de todas partes del mundo, para revisar
progreso y evaluar los desafíos relacionados con la coordinación y el intercambio de la
investigación y los recursos educativos entre los más de cien universidades e instituciones de todo
el mundo. Las sesiones se combinarían presentaciones físicas y remotas para incluir miembros
que asisten a ECCS en Lucca y los que no pueden hacerlo.
117
118
PLAN DE ESTUDIOS EN CIENCIA DE LOS SISTEMAS COMPLEJOS
El é currículo toile se basa en los Grandes Desafíos de los Sistemas Complejos
Ciencia incluido en el Plan de trabajo para ASSYST Sistemas Complejos La ciencia y sus
aplicaciones 2012-2020 . Ellos están organizados en tres categorías principales:
1. Preguntas - las cuestiones transversales de la ciencia integradora interdisciplinario;
2. Objetos - preguntas relacionadas con objetos específicos y dominios verticales de estudio;
3. Educación y Práctica Profesional - preguntas relacionadas con los problemas prácticos
de la educación y la reeducación gran número de personas en la nueva ciencia, tomando la
ciencia en aplicaciones en los sectores privado y público, y la comprensión de cómo las
necesidades de la política global y local dirigirán y apoyo el desarrollo de la nueva ciencia.
Categorías están compuestos por cursos, y los que se agregan los Grandes Desafíos, que
todavía se puede dividir en Temas.








Ciencia de los sistemas complejos formal
Computación peta escalar
Sistemas complejos artificiales
Surgimiento y emergencia multiescalar
A partir de un control óptimo de la gobernanza
El comportamiento colectivo
Dinámica estocástica y multiescala
Epistemología, aprendizaje automático









Geo ciencias y el medio ambiente
La computación ubicua
Desarrollo sostenible
El aprendizaje y la co-evolución
Cognición, individual / social,
Complejidad eco sistémica
Funciones fisiológicas
De las moléculas a los organismos
Materia compleja


Práctica profesional
Educación y formación
PREGUNTAS
OBJETO
EDUCACION
119
120