2012-Vidaartificialysistemascomplejos (1)

See discussions, stats, and author profiles for this publication at: https://www.researchgate.net/publication/261176888
Vida Artificial y Sistemas Complejos
Chapter · May 2012
CITATIONS
READS
0
608
1 author:
Nelson Alfonso Gómez-Cruz
Universidad del Rosario
20 PUBLICATIONS 118 CITATIONS
SEE PROFILE
Some of the authors of this publication are also working on these related projects:
Social Systems and Non-Classical Logics View project
Grupo de trabajo en Simulación basada en agentes View project
All content following this page was uploaded by Nelson Alfonso Gómez-Cruz on 17 June 2017.
The user has requested enhancement of the downloaded file.
DERIVAS DE COMPLEJIDAD
FUNDAMENTOS CIENTÍFICOS
Y FILOSÓFICOS
Carlos Eduardo Maldonado Castañeda
-editor académico-
Martha Alvarado Gamboa
Eugenio Andrade Pérez
Nelson Alfonso Gómez Cruz
Leonardo René Lareo
Jorge Eliécer Villamil Puentes
&ROHFFLyQ&RPSOHMLGDG
Derivas de complejidad
Fundamentos científicos y filosóficos
Carlos E. Maldonado Castañeda
-Editor académico-
Colección Complejidad
© 2012 Editorial Universidad del Rosario
© 2012 Universidad del Rosario, Facultad de Administración
© 2012 Carlos E. Maldonado Castañeda, Martha Alvarado Gamboa, Eugenio
Andrade Pérez, Nelson Alfonso Gómez Cruz, Leonardo René Lareo, Jorge
Eliécer Villamil Puentes
ISBN: 978-958-738-270-9
Primera edición: Bogotá D.C., julio de 2012
Coordinación editorial: Editorial Universidad del Rosario
Corrección de estilo: Leonardo Holguín Rincón
Diseño de cubierta: Lucelly Anaconas
Diagramación: David Reyes
Impresión:
Editorial Universidad del Rosario
#ARRERA .Ž " OlCINA s 4EL£FONO http://editorial.urosario.edu.co
4ODOS LOS DERECHOS RESERVADOS %STA OBRA NO PUEDE SER REPRODUCIDA SIN EL PERMISO
previo por escrito del Editorial Universidad del Rosario
Fecha de recibido: 07 de julio de 2011 Fecha de aprobado: 04 de noviembre de 2011
Derivas de complejidad. Fundamentos científicos y filosóficos / Carlos E.
Maldonado Castañeda, editor académico.—Bogotá: Editorial Universidad
del Rosario, 2012.
344 p. (Colección Complejidad, Facultad de Admistración)
ISBN: 978-958-738-270-9
#OMPLEJIDAD &ILOSOF¤A &ILOSOF¤A DE LAS CIENCIAS SOCIALES 4EOR¤A DEL CONOCIMIENTO
/ Inteligencia artificial / I. Castañeda Maldonado, Carlos E. / II. Universidad del
2OSARIO &ACULTAD DE !DMINISTRACI˜N ))) 4¤TULO )6 3ERIE
501
SCDD 20
Catalogación en la fuente – Universidad del Rosario. Biblioteca
dcl
Impreso y hecho en Colombia
Printed and made in Colombia
Mayo 7 de 2012
Contenido
In memóriam Leonardo René Lareo ...................................................
xii
Martha Alvarado Gamboa
Introducción ......................................................................................
1
Carlos Eduardo Maldonado Castañeda
Capítulo 1. ¿Qué son las ciencias de la complejidad?
Filosofía de la ciencia de la complejidad ........................................
7
Carlos Eduardo Maldonado Castañeda
Capítulo 2. La metáfora del “demonio de Maxwell”
y su repercusión en las ciencias de la complejidad...........................
103
Eugenio Andrade
Capítulo 3. Biología in vivo, in vitro, in silico .......................................
185
Leonardo René Lareo
Capítulo 4. Vida artificial y sistemas complejos ....................................
205
Jorge Eliécer Villamil Puentes
Nelson Alfonso Gómez Cruz
Capítulo 5. Algunos elementos de matemáticas
para la complejidad ......................................................................
Martha Alvarado Gamboa
257
Capítulo 4
Vida artificial y sistemas complejos
Jorge Eliécer Villamil Puentes*
Nelson Alfonso Gómez Cruz**
Si la vida artificial fuera simplemente una designación colectiva para
unos pocos modelos de ordenador o un nuevo método aportado por la
cooperación de varias disciplinas en ciencias naturales, difícilmente
habría suscitado tan virulentas reacciones
(Emmeche, 1998, p. 27)
Introducción
Los dos acontecimientos más relevantes en la historia de la evolución se
ubican en el origen del universo a partir del big bang1 hace unos quince mil
millones de años y en el origen de la vida en nuestro planeta hace cuatro mil
ochocientos millones de años, unos doscientos millones de años después de
LA FORMACI˜N DEL 3OL Y DE LA 4IERRA
%S PROBABLE QUE LA VIDA HAYA SURGIDO EN LA 4IERRA DEBIDO A REDES MUY
complejas de reacciones químicas, como lo plantea Stuart Kauffman en su
* Ingeniero de Sistemas de la Universidad Autónoma. Magíster en Ingeniería de Sistemas de la
Universidad Nacional de Colombia. Profesor de la Universidad Distrital Francisco José de Caldas.
** Ingeniero de Sistemas de la Universidad Distrital Francisco José de Caldas. Candidato a
Magister en Ingeniería de Sistemas y Computación de la Universidad Nacional de Colombia. Asesor en simulación empresarial en el Laboratorio de Modelamiento y Simulación de la Facultad de
Administración de la Universidad del Rosario.
1
En 1948 George Lemeitre y George Gamow formularon la teoría según la cual el universo
comenzó con la gran explosión. Respecto a la edad del universo, algunos la estiman en trece mil
setecientos millones de años.
205
Derivas de complejidad. Fundamentos científicos y filosóficos
libro Investigaciones (1998). De ser cierta esta teoría, la vida podría existir en
muchos lugares del universo donde las condiciones sean similares a las de
nuestro planeta. Quizá dichas formas de vida serían diferentes a las de nuestro
PLANETA PERO SEGUIR¤AN SIENDO VIDA 4AL TEOR¤A SIGUE EN DESARROLLO Y POSIBILITA
pensar en una biología general, al disponer de otros elementos y características de la vida más allá de la única versión conocida por nosotros (la vida en
LA 4IERRA QUE SE BASA EN CUATRO COMPONENTES QU¤MICOS EL CARBONO el hidrógeno (63,0%), el oxígeno (23,5%) y el nitrógeno (1,4%), mientras el
2,6% restante corresponde a los demás elementos de la tabla periódica.
Pero la materia que constituye la vida no es un tipo particular de materia:
si bien es materia orgánica, es la misma materia conocida, solo que tiene una
forma especial de organización. Se dice que la vida es una forma de organización de la materia (Emmeche, 1998). Si esto es así, se puede anticipar una
afirmación: si la vida es una forma especial de organización de la materia,
la vida artificial, referida a la vida construida en el computador (o en otros
medios), que simula o sintetiza esta forma especial de organización de la
materia y su comportamiento, también es vida. Es obvio que esta forma de
vida no hará que del computador salgan criaturas físicas que deambulen por
LA 4IERRA PERO S¤ PERMITIRÕ SIMULAR Y SINTETIZAR CRIATURAS CON PLENA AUTONOM¤A
sin que obedezcan a la voluntad o al algoritmo predefinido del programador
humano, dando libertad a la emergencia, en cuanto aplica principios de abajo hacia arriba. Las expectativas son muy esperanzadoras, pues el estudio de
la vida mediante simulaciones o síntesis permite, en principio, anticipar los
COMPORTAMIENTOS DE LAS FORMAS DE VIDA EN LA 4IERRA Y DE OTRAS FORMAS DE VIDA
Es decir, con la vida artificial es posible simular o sintetizar comportamientos
emergentes de objetos y fenómenos de la vida que no obedecen a un patrón
simple de relación lineal sino a fenómenos que colectivamente presentan
comportamientos genuinos de vida.
La cuestión que se plantea de inmediato es: ¿podrían existir formas distintas de organización de la materia que puedan considerarse vivas? ¿Podría
haber vida en otros lugares de la galaxia Vía Láctea o en otros lugares del
universo? Es decir, se trata de revisar las investigaciones sobre otras formas
de vida posibles –la vida como puede ser–, diferentes a la que conocemos –la
vida como es o ha sido.
Algunos reconocen la vida artificial como un programa de investigación; otros, como una disciplina, pero cada vez da más evidencia de ser una
206
Vida artificial y sistemas complejos
ciencia, una de las ciencias de la complejidad, junto con la termodinámica
del no equilibrio (I. Progogine), la teoría del caos (E. Lorenz), la teoría de
CATÕSTROFES 2 4HOM LA TEOR¤A DE LOS FRACTALES " -ANDELBROT Y LA CIENCIA
de conexiones (D. Watts, S. Strogatz, A. L. Barabasi). Estas ciencias no son
ciencias al estilo de la ciencia clásica, porque escapan a la forma tradicional de definición de ciencia, pues trabajan con sistemas complejos y con su
complejidad, que para algunos es una medida de los grados de libertad de
un sistema. Se plantea que en todos los sistemas que derivan complejidad es
posible encontrar principios generales de complejidad; también toma fuerza
la propuesta según la cual cada sistema complejo tiene su propia complejidad
(Maldonado, 2005, p. 94).
La vida artificial es altamente interdisciplinar (Langton, 1995); está
fuertemente vinculada con la biología teórica, así como con la morfología, la
etología, la embriología, la teoría de la evolución y la ecología (Boden, 1996,
p. 2). En su base se encuentran las ciencias de la computación y otras ciencias
y disciplinas como la física, la química, las ciencias cognitivas, la lógica, la
antropología, la sociología, la filosofía y las matemáticas. De acuerdo con esta
última, la vida artificial corresponde a una descripción matemática completamente nueva de la naturaleza (Emmeche, 1998, p. 11) que tiene relación
directa con las biomatemáticas y con las matemáticas de la complejidad. En
aplicaciones comerciales tiene un rango muy amplio: desde las investigaciones
farmacéuticas hasta los servicios financieros y de telecomunicaciones, como
también en artes visuales y música.
En este capítulo se discute el origen, los fundamentos y las técnicas de la
VIDA ARTIlCIAL 4AMBI£N SE DISCUTE LA RELACI˜N DE LA VIDA ARTIlCIAL CON LA INGEniería de sistemas complejos, una nueva perspectiva de la ingeniería desde las
ciencias de la complejidad orientada a la construcción de sistemas y a la resolución de problemas inspirados en características biológicas tales como evolución, auto-organización, auto-reparación y adaptación, entre muchas otras.
Son muchos los aspectos que ligan a la ingeniería con el trabajo en vida
artificial. Por un lado, el trabajo en vida artificial sería imposible sin el uso de
los importantes aportes técnicos de las ciencias de la computación y los instrumentos derivados de ellas; por otro lado, la vida artificial está inspirando a
la ingeniería y a las ciencias de la computación en el diseño y construcción de
nuevos artefactos, arquitecturas, modelos de computación y algoritmos, como
los algoritmos genéticos, la programación evolutiva, el hardware evolutivo,
207
Derivas de complejidad. Fundamentos científicos y filosóficos
los autómatas celulares, la inteligencia de enjambres, entre muchos otros. Estos son instrumentos y herramientas conceptuales, teóricas y metodológicas
surgidas en el contexto de la vida artificial o motivadas por ella.
El término de ingeniería clásica ha sido acuñado para aquella ingeniería
fundamentada en la ciencia clásica: la ciencia newtoniana de causas y efectos
directos, dominada por el determinismo y el mecanicismo. Ella tiene su ámbito propio y nos ha permitido crear la mayoría de los artefactos y constructos
humanos: aviones, barcos, centrales eléctricas, ciudades, redes de telecomunicaciones, dispositivos computacionales y demás. Sería equivocado pensar
que debido al surgimiento de la ingeniería de sistemas complejos, la ingeniería
clásica cese y deje de tener vigencia. No. Se trata es de reconocer que ha surgido una nueva ingeniería, cuyo campo de acción y de aplicación es muchísimo
más amplio, que trabaja con problemas que la ingeniería clásica no puede
resolver, porque mientras esta se fundamenta en el diseño, la ingeniería de
sistemas complejos lo hace en las ciencias de la complejidad, admitiendo el
tratamiento de la emergencia, los cambios súbitos, las rupturas de simetría y
la búsqueda de espacios de soluciones, usando de manera extensiva la simulación por computador y todas las herramientas que se derivan de las ciencias
de la computación y de las matemáticas de la complejidad.
Tres grandes campos de trabajo científico con vida
En el discurrir de ideas es conveniente establecer las direcciones de las investigaciones sobre la vida, fenómeno maravilloso y sorprendente sobre el cual
las explicaciones aún son incompletas. Esto último, lejos de ser un defecto, es
una gran oportunidad para la ciencia y la tecnología, porque el problema de la
vida continúa abierto y está en pleno proceso de construcción y explicación.
Hay tres campos de trabajo con la vida. El primero es la vida natural de
la tierra, –la vida tal como es o ha sido–, que es investigada desde la biología,
la biología teórica, la bioquímica, biología molecular y la genética. Es la vida
representada en las plantas, los animales y los seres humanos; la vida que va
desde los microorganismos hasta los vertebrados; la vida objeto de estudio
de la botánica, la zoología, la veterinaria y la medicina; la vida que ha evolucionado y que sintetiza características de la adaptación de los individuos y la
EVOLUCI˜N DE LAS ESPECIES ESA VIDA QUE DElNEN Y CARACTERIZAN % 3CHRšDINGER
J. Monod, H. Maturana y F. Varela, entre otros; la vida de la herencia, la recombinación, la mutación y la evolución.
208
Vida artificial y sistemas complejos
El segundo se refiere a la vida artificial, esto es, el estudio de objetos y
fenómenos que exhiben comportamientos semejantes a los de los seres vivos.
Este campo de trabajo incluye tendencias o propuestas diferenciadas por el
objeto de estudio: por una parte están las investigaciones que, utilizando
materia orgánica, buscan crear objetos vivos, o mejor, criaturas a partir de la
manipulación de materia orgánica; por otra, los trabajos con robótica, con
«criaturas» físicas artificiales, como ciertos tipos de robots o dispositivos de
hardware hoy experimentales; finalmente, simulaciones computacionales o
construcciones teóricas de la vida en nuestro planeta o de otras formas de vida,
aprovechando los avances en la construcción de artefactos o herramientas de
software. A continuación se describen cada una de estas tendencias:
s
s
,A CREACI˜N DE CRIATURAS BIOL˜GICAS INVESTIGACI˜N QUE SE ORIENTA A
crear criaturas físicas por medios artificiales, que ocupan un lugar en
el espacio y que evolucionan en el tiempo. Este ha sido un deseo antiQU¤SIMO DE LA HUMANIDAD CON CRIATURAS AL ESTILO DE &RANKENSTEIN (OY
en día, la ciencia y la tecnología permiten construcciones que dan bases para la creación de vida artificial. Las importantes investigaciones
del J. Craig Venter Institute, instituto fundado por el biólogo Craig
Venter, quien dirigió el proyecto del genoma humano por la parte
privada, dan cuenta de importantes avances en este campo. En el año
2007 Craig Venter sorprendió al mundo cuando informó que había
fabricado el primer genoma sintético de un organismo vivo. Desde
la perspectiva de manipular materia y crear vida, el experimento de
Venter se considera el primer paso hacia la creación de vida artificial
(Science, 29 Sep. 2007).
,A CREACI˜N DE DISPOSITIVOS F¤SICOS PRINCIPALMENTE EN ROB˜TICA Y
hardware, que se comportan como los seres vivos. Un ejemplo es el
hardware evolutivo, que tiene la capacidad de evolucionar como lo
hacen los seres vivos, pero en poco tiempo, dándonos la oportunidad
de observar el proceso evolutivo en el laboratorio con enormes posibiLIDADES DE ESTUDIO +YRRE 'LETTE Y *IM 4ORRECEN DE LA 5NIVERSIDAD DE
Oslo, llevan a cabo investigaciones muy avanzadas en este ámbito, en
las que construyen chips que son capaces de adaptarse a situaciones
cambiantes del entorno.
209
Derivas de complejidad. Fundamentos científicos y filosóficos
s
,A VIDA SIMULADA A TRAV£S DEL COMPUTADOR UTILIZANDO CIENCIAS DE LA
computación, que emplea los algoritmos genéticos y la programación
genética, los autómatas celulares y la inteligencia de enjambres, es decir, la vida tal y como podría ser, que no se ocupa de sacar criaturas del
computador pero sí de “crear criaturas de software” que se comportan como los seres vivos y que generan comportamientos colectivos,
emergentes e impredecibles por nuestras herramientas y métodos
matemáticos.
El tercer campo de estudio es la astrobiología, ciencia que nace hacia 1998
con la creación del Instituto de Astrobiología de la NASA, que se ocupa de
COMPRENDER LA VIDA SUS OR¤GENES Y SU EVOLUCI˜N EN LA 4IERRA Y EN EL UNIVERSO
%NTRE SUS ANTECEDENTES SE DESTACA EL PROYECTO 3%4) 3EARCH FOR %XTRA 4Errestrial Intelligence), que busca captar señales del universo así como enviar
señales hacia él con la esperanza de que algún día sean respondidas. Esta
ciencia comenzó con el nombre de exobiología hacia 1997.
Los científicos han logrado establecer las características geofísicas y las
condiciones medioambientales de planetas que podrían albergar o desarrollar la vida, más allá del sistema solar e incluso de la Vía Láctea, en las proFUNDIDADES DEL UNIVERSO z3E BUSCA QUE SEA LA MISMA VIDA DE LA 4IERRA .O
necesariamente. A propósito, un grupo de científicos fueron convocados por
el entonces vicepresidente de los Estados Unidos, Al Gore, para conocer su
opinión sobre las señales de vida encontradas en un meteorito. Ante la pregunta de Al Gore sobre qué sería lo interesante si se llegara a encontrar vida
en otros planetas, la respuesta fue unánime: que sea diferente a la vida que
CONOCEMOS EN LA 4IERRA +AUFFMAN 3E HA LOGRADO ESTABLECER LA EXISTENCIA DE PLANETAS SEMEJANTES A LA 4IERRA
sistemas bastante estables en los que la energía para mantener la temperatura
apropiada para la vida podría provenir de una estrella solar, del propio geotérmico del planeta2 o del flexionado gravitacional (Impey, 2008). Podrían
existir verdaderos nichos planetarios para el desarrollo de la vida, pero hasta
ahora son construcciones teóricas nada despreciables.
Estos tres campos de investigación tienen un único objetivo: comprender
y explicar la vida, su origen, su evolución y sus estados ulteriores; la vida en el
2
La temperatura del planeta es mayor en la medida en que se logra profundidad. Países como
Islandia hacen uso de esta fuente de energía.
210
Vida artificial y sistemas complejos
planeta azul y la vida en cualquier lugar del universo, la vida basada en carbono
o cualquier otra forma de vida. Es obvio que las alternativas computacionales
permiten simulaciones extraordinariamente amplias, con capacidad de procesamiento importante que nos permite simular o emular comportamientos
que por otros medios son casi imposibles de ser abordados. El descubrimiento
del alfabeto del genoma humano no hubiera sido posible sin el concurso de
las ciencias de la computación, tanto en dispositivos, almacenamiento, capacidad de procesamiento y métodos. Por esa razón los métodos sintéticos
han permitido grandes progresos en el estudio de estos fenómenos y de estos
comportamientos. En este sentido, el computador, y con él las ciencias de la
computación, han permitido dos direcciones de su uso, por una parte, como
elemento de almacenamiento y procesamiento de información; por otra, como
un medio a través del cual podemos realizar simulaciones, particularmente las
relacionadas con las formas de vida artificial que requieren grandes capacidades de procesamiento (puntualmente dicho, el procesamiento en paralelo) y
que involucran gigantescas redes computacionales.
¿Qué es la vida?
Los científicos coinciden en que es fácil hablar de la vida, pero muy difícil
definirla apropiadamente por enigmática (plantea muchos interrogantes),
y con esto no se está negando su existencia. Sucede algo parecido con la
evolución, que todo el mundo cree saber qué es, pero que en realidad no se
comprende. Podría decirse que no hay construcción conceptual apropiada, ya
que siempre se escapan asuntos definitorios. Se trata de establecer un cierto
marco referencial en medio de este amplio debate que permita el discurso
sobre la vida artificial.
La discusión sobre la vida parte de reconocerla tal como es, en el sentido
de estamos aquí en la superficie planetaria, constituyendo una rica biosfera, en
sus más variadas manifestaciones, desde los organismos unicelulares y los microorganismos hasta las ballenas y los elefantes. Pero también hay otra discusión
TRASCENDENTE REFERIDA A LA CUESTI˜N DE C˜MO SE ORIGIN˜ LA VIDA EN LA 4IERRA O
en cualquier lugar del universo, y cómo ha sido su evolución; es decir, cómo
aparecimos los seres vivos en este escenario y cómo hemos evolucionado hasta
hoy. Si aquí estamos, así somos, pero ¿qué ha sucedido para llegar hasta aquí?
La vida húmeda es una forma de organización de la materia y no un tipo
de materia particular; idea muy ceñida a la realidad, en razón a que los seres
211
Derivas de complejidad. Fundamentos científicos y filosóficos
vivos son materia de la que conocemos, organizada de una manera particular
y compleja.
Sin embargo, trabajos rigurosos han señalado una serie de características
que deberían estar presentes en una definición de la vida, de las que revisaremos
algunas (véase al respecto Boden, 1996): Maturana con su idea de autopoiesis,
3CHRšDINGER CON EL METABOLISMO &ARMER Y "ELIN CON UN CONJUNTO DE OCHO
PROPIEDADES -ONOD CON TRES #RICK CON CUATRO -AYNARD 3MITH CON DOS
Ray con dos y Mayr con una lista de ocho características.
Al igual que muchos de los asuntos interesantes de la ciencia, no existe
una sentencia que capture todas las características o los diferentes aspectos del
fenómeno. Margaret Boden clasifica en tres grupos las definiciones de vida. El
primero como un racimo suelto de propiedades, es decir, ciertas propiedades de
los seres vivos que podrían solaparse para constituir la característica de vida.
Aquí está Farmer y Belin con ocho propiedades: procesos, auto-reproducción,
almacenamiento de información de auto-representación, metabolismo, interacción funcional con el ambiente, partes interdependientes, estabilidad bajo
perturbaciones y habilidad para evolucionar.
El segundo, que refiere una lista de propiedades específicas, contiene
trabajos como el de Jaques Monod (1981), quien propone tres propiedades:
la teleonomía o comportamiento con propósito, la morfogénesis autónoma
y la invariancia reproductiva. La teleonomía se refiere a la capacidad de los
seres vivos de tener un proyecto, un sentido, un objetivo, que depende del
sistema en sí mismo y de sus estructuras, y que no es impuesto por ningún
agente externo. La morfogénesis autónoma, como la capacidad de adoptar una
forma ateniéndose a sus propiedades connaturales y no a condiciones externas que son capaces de trastornar pero no de gatillar su desarrollo ni definir
su organización. La invariancia reproductiva, en el sentido de reproducir la
información de sus propias estructuras.
Mayr (1982), por su parte, propuso ocho características de la vida:
4ODO NIVEL DE SISTEMA VIVO TIENE alta complejidad y organización adaptativa.
2. Los organismos vivos se componen de un sistema químico único de
macromoléculas.
3. Los fenómenos importantes en los sistemas vivos son predominantemente cualitativos y no cuantitativos.
212
Vida artificial y sistemas complejos
4ODOS LOS NIVELES DE LOS SISTEMAS VIVOS CONSISTEN DE grupos altamente
variables de individuos únicos.
4ODOS LOS ORGANISMOS VIVOS poseen programas genéticos históricamente
desarrollados que les permiten procesos y actividades teleonómicas.
6. Las clases de organismos vivos son definidos por las conexiones históricas de una descendencia común.
7. Los organismos son el producto de la selección natural.
8. Los procesos biológicos son especialmente impredecibles.
%N EL TERCER GRUPO ESTÕ LA PROPUESTA DE 3CHRšDINGER QUIEN SE PREGUNTA
“¿Cuál es el rasgo característico de la vida? ¿Cuándo puede decirse que un
pedazo de materia está vivo?”. Él mismo responde: “Cuando sigue «haciendo
algo», ya sea moviéndose, intercambiando material con el medio ambiente,
etc., y ello durante un periodo de tiempo mucho más largo que el que esperaríamos que lo hiciera un pedazo de materia inanimada en condiciones
similares” 3CHRšDINGER $ICHO PEDAZO DE MATERIA SE MANTIENE VIVO
GRACIAS A LOS PROCESOS METAB˜LICOS QUE SON DElNITORIOS DE LA VIDA4ODO LO QUE
ocurre en la naturaleza produce entropía y los seres vivos no son la excepción,
aproximándose al peligroso estado de equilibrio (la muerte), de manera que
para mantenerse vivos deben obtener entropía negativa del medio (alimentarse
de entropía), de modo que “el punto esencial del metabolismo es aquel en el
que el organismo logra liberarse a sí mismo de toda entropía que no puede
dejar de producir mientras está vivo”.
Otros investigadores, como Varela y Maturana (1973), consideran que
un ser vivo se caracteriza y se diferencia de los demás objetos de la naturaleza
por su autopoiesis. Los seres vivos son sistemas por los que fluye materia, y
en ese sentido son sistemas abiertos; pero una vez constituidos como individuos, es decir, como unidad –por ejemplo al engendrarse, en la reproducción
sexuada–, los sistemas vivos son organizacionalmente cerrados en su red de
relaciones, pues sus productos son sus mismos insumos y son independientes (organizacionalmente) de su medio, lo que es invariable es su patrón de
organización, mientras la estructura3 corporiza al patrón de organización en
el objeto tangible. Es decir, una vez constituida la red de relaciones del ser
vivo, esta no recibe «trozos» de sí misma del exterior, sino que ella misma se
3
Entendida como las formas físicas que materializan un patrón de organización.
213
Derivas de complejidad. Fundamentos científicos y filosóficos
produce y se auto-reproduce, propiedad que denominaron con el nombre de
autopoiesis. Los seres vivos se caracterizan por su autopoiesis y esta los define.
Stuart Kauffman define la vida con los mismos criterios con los que construyó el concepto de agente autónomo: “Una cierta conjunción de materia,
energía y organización a la que es posible atribuir propósito en el sentido
de capacidad de obrar en su propio beneficio” dotada de auto-reproducción
y metabolismo. Necesariamente es un sistema fuera del equilibrio y realiza
al menos un ciclo de trabajo: “Sospecho –dice– que el concepto de agente
autónomo como un sistema auto-catalítico que desarrolla uno más ciclos de
trabajo define la vida en sí” (Kauffman, 2003, p. 110).
Algunos científicos estiman que no existe diferencia entre los sistemas
vivos y los demás sistemas (los sistemas físicos), solo consideran que los primeros corresponden a una materia más complejizada. Para el biólogo Szent
Gyorgi la vida como tal no existe. Otros encuentran una diferencia fundamental, y es que los sistemas vivos son sistemas que se resisten a la segunda
ley de la termodinámica, en el sentido de que se complejizan y manifiestan
complejidad creciente con el trascurso del tiempo. La vida, aprovechando los
intercambios con el exterior, degrada el medio, pero prospera ganando energía
que se manifiesta en grados de mayor organización, complejidad creciente y
existencia o subsistencia alejada del punto de equilibrio. Los sistemas físicos,
por el principio de Clausius (entropía), se dirigen hacia una homogenización
o pérdida de energía (disipación) progresiva hasta llegar al equilibrio.
En resumen, no existe un acuerdo en una única definición acerca de la
vida, pero es claro que existe una caracterización útil para el desarrollo de las
investigaciones en cada caso particular: trátese de la vida natural que conoceMOS EN LA 4IERRA O DE OTRAS FORMAS DE VIDA POSIBLES FORMAS TE˜RICAS COMO LAS
que explora la vida artificial, que también se fundamentan en la vida conocida
pero que, además, lo hacen en aquella que se antoja posible en otros lugares
de la galaxia4 o del universo.
Conceptos, origen, crecimiento y consolidación de la vida artificial
La vida artificial es el intento por comprender las propiedades esenciales de
los sistemas vivos para recrearlas luego en medios artificiales tales como soft4
Los astrónomos han calculado en más de cien mil millones las estrellas constituyentes de la Vía
Láctea, de manera que los planetas que los orbitan es una cifra muchísimo mayor.
214
Vida artificial y sistemas complejos
ware, hardware o sustancias bioquímicas. En otras palabras: la vida artificial
es el estudio de los sistemas hechos por el hombre –artificiales– que exhiben
comportamientos característicos de los sistemas vivos naturales (Langton,
1986, p. 147).
La vida artificial fue presentada oficialmente a la comunidad científica
en septiembre de 1987 durante el primer taller interdisciplinario sobre vida
artificial (Interdisciplinary Workshop on the Synthesis and Simulation of Living
Systems), organizado por Ch. Langton, quien es considerado el padre de
la misma. Previo a este evento, en 1986 Langton publicó un artículo en la
prestigiosa revista Physica D titulado “Studying Artificial Life with Cellular
Automata”, que para muchos fue el texto fundacional de la vida artificial
(Lahoz-Beltrá, 2004, p. 139; Fernández y Moreno, 1992, pp. 28-29).
Las raíces de la vida artificial son diversas tanto en profundidad como en
motivaciones, y cualquier intento por recorrerlas todas es simplemente imposible. Ya en el siglo xviii Luis Daubenton, entre otros anatomistas, botánicos
y naturalistas, sostuvo que la diferencia fundamental entre lo vivo y lo no-vivo
era la organización. En el siglo xix, Auguste Comte describió lo biológico
como un nivel de complejidad autónomo al que no cabe acceder únicamente
mediante las leyes de la física. En el mismo siglo, Charles Darwin desarrolló
la teoría de la evolución que es, sin lugar a dudas, la mejor explicación de la
dinámica de la vida habida hasta el momento. Por otra parte, la descripción
MATEMÕTICA SOBRE EL CRECIMIENTO Y LA FORMA DE $!RCY 4HOMPSON FORMULADA
a principios del siglo xx tiene un lugar propio.
Estas ideas y trabajos, que más tarde formarían parte de la vida artificial
y encontrarían sustento en ella, no son suficientes para que esta se configure
y consolide como campo de investigación independiente. No es de extrañar
QUE *OHN VON .EUMANN Y !LAN 4URING PRECURSORES DE LA COMPUTADORA DIGITAL
moderna y de la teoría de la complejidad, sean quienes, con algunos de sus
trabajos, hayan vislumbrado y sentado las bases definitivas para la aparición
de la vida artificial (Boden, 1996, p. 5; Maldonado, 2000, p. 144).
Durante la década de 1940, John von Neumann estaba interesado en el
estudio de uno de los fenómenos clave de la vida: la reproducción, concretamente en la autorreproducción. La pregunta que guió su investigación fue
si una máquina –artificial– podía ser capaz de generar copias de sí misma y
que dichas réplicas pudieran a su vez crear otras copias de sí mismas. La respuesta novedosa a esta cuestión fue afirmativa. El mérito de Von Neumann
215
Derivas de complejidad. Fundamentos científicos y filosóficos
consistió en pasar del estudio de los mecanismos de la vida al estudio de la
lógica misma de la vida (Langton, 1996, p. 47): descubrir los elementos lógicos necesarios para la reproducción antes que los componentes necesarios
para llevarla a cabo. Esta investigación, realizada inmediatamente antes del
DESCUBRIMIENTO DE LA ESTRUCTURA DEL !$. POR PARTE DE * 7ATSON Y & #RICK
en 1953, llegó a la misma conclusión a la que llegaron estos últimos: los seres
vivos contienen dentro de sí una representación codificada de los procesos
que les dieron lugar (Stewart, 1999, p. 226).
Figura 4.1. Autómata autorreproductor de John von Neumann
Copia del
constructor
Constructor
Lista de
instrucciones
Copia del
copiador
Lista de
instrucciones
copiada
Copiador
Fuente: adaptado de Stewart (1999, p. 228).
Para evitar una solución trivial, Von Neumann construyó un sistema
que podía autorreplicarse sólo a partir de elementos de bajo nivel encontrados en su ambiente. El modelo teórico utilizado por Von Neumann para el
estudio de la autorreproducción, que fue inspirado por las ideas del brillante
matemático Stanislaw Ulam, lo llevó a desarrollar la teoría y la lógica general
de los autómatas (Von Neumann, 1961-1963) y su teoría sobre autómatas
AUTORREPRODUCTORES EDITADA Y COMPLETADA POR ! "URKS APENAS EN Estos modelos matemáticos son conocidos como autómatas celulares o como
máquinas de Von Neumann.
Los principales componentes de la máquina autorreproductora de Von
Neumann (figura 4.1) son: i) un constructor universal capaz de construir cual216
Vida artificial y sistemas complejos
quier cosa siempre que cuente con los elementos y las instrucciones adecuadas,
ii) la lista de instrucciones necesarias para construir una copia de sí misma, y
iii) un copiador de instrucciones, que evita la paradoja de que las instrucciones
contengan una descripción de sí mismas. El copiador no obedece ni interpreta
las reglas que copia, simplemente las copia. Así, en la práctica, el copiadorconstructor construye un tentáculo hacia un espacio vacío en el que creará
la copia de sí mismo siguiendo las instrucciones de la lista. Finalmente, el
copiador-constructor crea una copia de la lista de instrucciones y retira el
tentáculo (figura 4.1) (Stewart, 1999: 228).
0OR SU PARTE ! 4URING PRODUJO MUCHOS MÕS RESULTADOS TE˜RICOS QUE
aquellos por los que es usualmente conocido, incluso entre quienes trabajan
de cerca con las ciencias de la computación (Copeland y Proudfoot, 2004).
!DEMÕS DE LA MÕQUINA Y EL TEST DE 4URING Y DE SU TEOREMA SOBRE LA INDECIBILIDAD O TESIS DE 4URING HACIA 4URING INVESTIG˜ LAS REDES NEURONALES
artificiales –redes conexionistas–, nueve años antes de que aparecieran los
PRIMEROS TRABAJOS OlCIALES SOBRE EL TEMA 4ALES REDES A LAS QUE DENOMIN˜
máquinas inorganizadas de tipo B, no son otra cosa que máquinas inorgánicas
capaces de organizarse mediante entrenamiento. Dicho trabajo no sería publicado hasta 1968, pasados varios años de su muerte.
(ACIA 4URING IMAGIN˜ UNA MÕQUINA nDENOMINADA máquina-O–
susceptible de llevar a cabo tareas no-computables, entendiendo por tareas
no-computables aquellas que no encuentran solución en una máquina de
4URING CONVENCIONAL #OPELAND Y 0ROUDFOOT %STA IDEA DIO PASO A
un programa de investigación denominado hipercomputación. Aunque hasta
el momento ninguna máquina-O ha sido construida, son cada vez más los
investigadores que desde la física, la química y la biología buscan los indicios
para la construcción de tales hipermáquinas. La construcción de una máquina
semejante tiene serias y profundas implicaciones en el tratamiento de problemas NP y NP-completos5, así como en la solución de problemas inabordables
actualmente desde un punto de vista computacional.
(ACIA EL lNAL DE SU VIDA 4URING REALIZ˜ MODELOS COMPUTACIONALES PARA
simular, desde el punto de vista químico, el proceso biológico de la morfogénesis 4URING 3OBRE ESTOS MODELOS 4URING PRETEND¤A DETERMINAR LA
5
Otras iniciativas que apuntan en esta dirección, tangencial o directamente, son la computación cuántica (P. Benioff ), la computación celular (M. Sipper) y la computación basada en ADN
(L. Adleman).
217
Derivas de complejidad. Fundamentos científicos y filosóficos
ESTRUCTURA lNAL DE UN ORGANISMO A PARTIR DE SU COMPOSICI˜N GEN£TICA 4ALES
modelos pueden ser leídos en dos direcciones: i) como el primer trabajo sobre
simulación computacional de sistemas complejos no lineales, y ii) como el trabajo seminal que años más tarde impulsaría el surgimiento de la vida artificial.
0ESE A QUE LAS IDEAS DE * VON .EUMANN Y DE ! 4URING FUERON POCO COnocidas e incluso obliteradas en los años siguientes a sus muertes, sirvieron
como insumo para estimular el trabajo en modelamiento y simulación computacional de sistemas biológicos durante las décadas de 1960, 1970 y 1980.
Estos trabajos, sumados a algunas ideas novedosas en matemáticas, ciencias
de la computación y biología, inspiraron a investigadores como S. Kauffman,
* #ONWAY * (OLLAND #H ,ANGTON Y 4 2AY QUIENES SE CARACTERIZARON POR
realizar planteamientos teóricos (en algunos casos desde el punto de vista
biológico) a partir de modelos y simulaciones con sistemas computacionales,
y por vislumbrar, a partir de tales modelos y simulaciones, nuevos programas y líneas de investigación, incluida la vida artificial misma. S. Kauffman
(2003, p. 64) demostró que la vida puede surgir, de forma casi inevitable y
bajo condiciones muy generales, de redes complejas de reacciones químicas.
Semejante afirmación fue planteada y probada con un modelo computacional que el propio Kauffman propuso en 1969, conocido como redes booleanas
aleatorias o redes autocatalíticas.
Hacia 1970, el matemático J. Conway diseñó y dio a conocer su célebre juego de la vida, un autómata celular capaz de generar comportamientos
globales emergentes a partir de la interacción local entre sus componentes,
basándose en una tosca analogía con el comportamiento biológico de una
población de individuos. Las posibilidades en este “juego” son inagotables:
casi cuarenta años después sigue deparando un sinnúmero de sorpresas para
los investigadores que se aventuran a estudiarlo.
Con el ánimo de comprender cómo ocurre el fenómeno biológico de
la adaptación y de implementar sus mecanismos en sistemas informáticos,
J. Holland desarrolló, junto con colegas y estudiantes de la Universidad de
Michigan, la metaheurística de los algoritmos genéticos (Mitchell, 1995, pp.
1-2). La idea consiste en hacer que una población de cromosomas artificiales6
evolucione, en tiempos discretos, hacia poblaciones nuevas mediante selección
natural y operadores inspirados en la genética, tales como la mutación, la
6
Los cromosomas artificiales son cadenas de bits (0’s y 1’s) que representan soluciones candidatas
a un problema dado. Al respecto, véase Mitchell (1995).
218
Vida artificial y sistemas complejos
recombinación y la inversión. Históricamente, los algoritmos genéricos desempeñaron un papel intermedio, junto con las redes neuronales artificiales,
en el tránsito de la inteligencia artificial a la vida artificial. Esta metaheurística encontró dos líneas principales de aplicación: i) en la comprensión y
explicación de fenómenos adaptativos y evolutivos, y ii) en el surgimiento
de un paradigma computacional para solución de problemas de búsqueda y
optimización conocido como computación evolutiva.
Estos formalismos y otros tantos permanecieron como trabajos aislados,
hasta que en la década de 1980 Ch. Langton acuñó el término vida artificial
para unificar y dirigir estos esfuerzos en una misma dirección. Además de
esto, Langton incursionó en el estudio de los autómatas celulares como una
de las vías para el estudio de la lógica molecular de la vida (Langton, 1986).
4AMBI£N FORMUL˜ UN PARÕMETRO QUE CARACTERIZA EL ESPACIO DE REGLAS DE UN
autómata celular como una medida de su complejidad.
&INALMENTE EL BI˜LOGO 4HOMAS 2AY INTERESADO EN LA DINÕMICA Y LA L˜GICA
de la evolución como el proceso que permitió la vida, estableció una bella
metáfora computacional en la que simples algoritmos con la capacidad de
replicarse, competían por recursos energéticos (CPU) y espaciales (memoria
del computador) limitados. Además, introdujo dos elementos clave: la mutación y la selección. La primera le agregó a la simulación un componente
de aleatoriedad, posibilitando la aparición de organismos –algoritmos– con
características y capacidades diferentes al organismo ancestro; la segunda
mantenía el equilibrio poblacional mediante la supervivencia de aquellos que
hicieran mejor uso de los recursos informáticos. El resultado fue la aparición
de diversas dinámicas evolutivas durante las simulaciones en el computador,
tales como el crecimiento poblacional, el parasitismo –informático–, el hiperparasitismo (parasitismo energético) y las conductas sociales con reproducción
sexual (Ray, 1992, 1994).
Estos antecedentes dejan ver que la vida artificial surgió como un área
de interés o un campo de estudio no delimitado, con investigaciones y trabajos aislados, para convertirse luego en un campo de estudio consolidado
y en crecimiento. En la literatura reciente sobre el tema, la vida artificial es
reconocida como una disciplina o ciencia madura, definida y en evolución
constante (Lahoz-Beltrá, 2004, p. 142; Heudin, 2006, p. 241). Este hecho
se hace evidente en los talleres y conferencias sobre el tema, en la dinámica
de las publicaciones tanto de divulgación como científicas, en la creación de
219
Derivas de complejidad. Fundamentos científicos y filosóficos
grupos de investigación alrededor del mundo, en la formulación de problemas
abiertos y áreas de interés, así como en sus campos de aplicación. A continuación se describen algunos de estos aspectos.
El evento más importante sobre vida artificial surgió del taller sobre síntesis
y simulación de sistemas vivos que organizara Ch. Langton en 1987 en Los
Álamos, denominado posteriormente como Conferencia Internacional sobre
Vida Artificial (International Conference on Artificial Life, o simplemente
A-LIFE). Hasta el momento se han celebrado doce conferencias, con sedes
en Los Álamos (Estados Unidos) (la primera y la segunda), Santa Fe (Estados Unidos), Cambridge (Estados Unidos), Nara ( Japón), Los Ángeles
(Estados Unidos), Portland (Estados Unidos), Sídney (Australia), Boston
(Estados Unidos), Bloomington (Estados Unidos), Winchester (Inglaterra)
y Odense (Dinamarca). Aunque este es el evento más importante sobre vida
artificial, no es el único; otros eventos de diversa envergadura son realizados
en prácticamente todo el mundo (tabla 1). Así mismo, son muchos los eventos
dedicados de forma exclusiva a cada una de las técnicas y metaheurísticas de
la vida artificial, así como a temas cruzados y/o cercanos.
Tabla 4.1. Algunos eventos sobre vida artificial en el mundo
Nombre el evento
Año de inicio
Versiones
International Conference on Artificial Life (ALife)
1987
12
European Conference on Artificial Life (ECAL)
1991
11
¿1996?
8
Australian Conference on Artificial Life (ACAL)
2003
4
)TALIAN 7ORKSHOP ON !RTIlCIAL ,IFE 7)6!
2003
3
¿?
2
%UROPEAN 7ORKSHOP ON !RTIlCIAL ,IFE AND 2OBOTICS
2007
1
IEEE Symposium on Artificial Life (IEEE-ALife)
2007
1
'ERMAN 7ORKSHOP ON !RTIlCIAL ,IFE '7!,
2EGIONAL #ONFERENCE ON !RTIlCIAL ,IFE AND 2OBOTICS n4AILANDIAn
Fuente: elaboración propia.
La dinámica de las publicaciones sobre la vida artificial y sobre sus líneas
de investigación es otro buen indicador de su crecimiento y madurez. En un
primer momento, muchos artículos sobre el tema comenzaron a aparecer en
reconocidas revistas científicas sobre física, biología, filosofía, ciencias de la
220
Vida artificial y sistemas complejos
computación e inteligencia artificial. Durante la década de 1990 aparecieron
muchos de los libros introductorios y panorámicos más importantes sobre
el tema (Levi, 1992; Langton, 1995; Boden, 1996; Emmeche, 1998; Adami,
1998). La consolidación definitiva de la vida artificial como un campo de
estudio independiente se dio en 1993 con la publicación cuatrimestral de la
revista Artificial Life ,AHOZ "ELTRÕ P PUBLICADA POR EL -)4 EDItada inicialmente por Ch. Langton y luego por M. Bedau. En 1997 apareció
la revista Artificial Life and Robotics, publicada por Springer Verlag Japan y en
1998 la revista Artificial Societies and Social Simulation, publicada por la Universidad de Surrey (UK). Muchas de las revistas que se publican sobre líneas
de investigación particulares de la vida artificial son auspiciadas por grandes
CENTROS E INSTITUTOS TECNOL˜GICOS COMO EL -)4 )%%% Y !#- POR EJEMPLO
Evolutionary Computation -)4 IEEE Transactions on Evolutionary Computation (IEEE), Transactions on Autonomus and Adaptive Systems (ACM)).
El trabajo sobre vida artificial se ha extendido rápidamente por las
principales universidades e institutos del mundo (algunos(as) son: Harvard
53! -)4 53! 3ANTA &E )NSTITUTE 53! #AL4ECH 53! ,OS !LAMOS
National Laboratory (USA), NASA (USA), Université Libre de Bruxelles
"£LGICA 5NIVERSITY OF 4OKYO *AP˜N 3EOUL .ATIONAL 5NIVERSITY +OREA
5NIVERSITI -ALAYSIA 3ABAH -ALASIA 4ECHNISCHE 5NIVERSITØT $ORTMUND
(Alemania), Université de Lausanne (Suiza), University of Queensland
(Australia), University of Sussex (Reino Unido)) y también ha permeado
el trabajo de muchas compañías, principalmente tecnológicas (por ejemplo,
Natural Selection, Inc., Bios Group o IcoSystem).
Sin embargo, el aspecto realmente significativo, referido a la madurez de
la vida artificial, se encuentra en la pregunta por su estatus científico. Este ha
sido un tema recurrente entre los investigadores que se dedican a su estudio
.OBLE "ULLOCK Y $I 0AOLO "EDAU et al., 2000; Wheeler et al., 2002).
En las principales conferencias sobre la vida artificial (véase tabla 4.1) se han
delineado sus temas centrales de estudio, referidos tanto a sistemas naturales
como artificiales. Los ejes de estos temas son:
s
s
Origen de la vida: químicas alternativas, aparición espontánea de vida,
evolución prebiótica.
Autonomía: agentes autónomos, autorreparación, automantenimiento,
autorreproducción/autorreplicación.
221
Derivas de complejidad. Fundamentos científicos y filosóficos
s
s
s
s
Evolución: dinámicas evolutivas, adaptación, reproducción, mutación, selección, diversidad, diferenciación, desarrollo, evolución de
la complejidad, optimización.
Comportamientos colectivos: inteligencia de enjambre, dinámica de
poblaciones, competencia/cooperación.
Emergencia en sistemas biológicos: morfogénesis, complejidad emergente, aparición del lenguaje y la comunicación, límite del caos, capacidad
de cómputo.
Redes biológicas: redes autocatalíticas (booleanas), redes sin escala,
redes complejas, redes neuronales, redes inmunes.
Además de los problemas biológicos en sí mismos, cada una de estas
temáticas permite abordar la comprensión, explicación, simulación y/o construcción de sistemas tecnológicos, ingenieriles, físicos, económicos, militares,
sociales y organizacionales, entre otros. Así, el sentido interdisciplinario de
la vida artificial no solo responde a la diversidad de formación de quienes
se interesan en su estudio, sino que también apunta, de forma principal, a la
explicación de problemas, existentes o no, que son, en principio, propios de
otras ciencias y disciplinas.
Durante la xii International Conference on Artificial Life se intentó, a
la manera del programa de investigación formulado por Hilbert para las matemáticas en 1900, elaborar un mapa concreto y coherente de los problemas
–o retos– abiertos que guiarán los avances de la vida artificial en los próximos años (Bedau et al., 2000). Esta lista, desde luego incompleta, se centró
en los aspectos filosóficos y científicos de la investigación en vida artificial,
dejando de lado los aspectos tecnológicos y de aplicación, al menos parcialmente, sin que este hecho le reste importancia a estos últimos. Se definieron
catorce problemas estructurados en tres categorías: i) el origen de la vida, ii)
el potencial evolutivo de la vida, y iii) las relaciones entre vida, mente y cultura (Bedau et al., 2000; Bedau, 2003, p. 506). Dicha lista de problemas se
reproduce a continuación:
¿Cómo la vida surge de la no-vida?
1. Generar un proto-organismo molecular in vitro.
2. Lograr la transición hacia la vida en una química artificial en silicio.
222
Vida artificial y sistemas complejos
3. Determinar si pueden existir organizaciones vivientes fundamentalmente nuevas.
4. Simular el ciclo de vida completo de un organismo unicelular.
5. Explicar cómo se generan reglas y símbolos en los sistemas vivientes
a partir de su dinámica física.
¿Cuáles son las posibilidades y los límites de los sistemas vivos?
1. Determinar lo que es inevitable en el proceso evolutivo de la vida.
2. Determinar las condiciones mínimas para que se dé la transición
evolutiva desde un sistema de respuesta genérico hasta uno específico.
3. Crear un marco de trabajo formal para sintetizar jerarquías dinámicas
en todas las escalas.
4. Prever las consecuencias evolutivas de manipular organismos y ecosistemas.
5. Desarrollar una teoría sobre procesamiento, el flujo y la generación
de información en sistemas evolutivos.
¿Cómo se relaciona la vida con la mente, las máquinas y la cultura?
1. Determinar la aparición de la inteligencia y la mente en un sistema
de vida artificial.
2. Evaluar la influencia de las máquinas en la próxima gran transición
evolutiva de la vida.
3. Proporcionar un modelo cuantitativo de la interrelación entre la evolución biológica y cultural.
4. Establecer los principios éticos para la vida artificial.
El problema relativo al concepto y la naturaleza misma de la vida está
implícito en cada uno de los retos de la lista expuesta y es tema necesario
en todos los programas de investigación de la vida artificial y transversal en
ellos. Fuera del concepto de vida, los dos aspectos teóricos centrales de la vida
artificial son la emergencia (Langton, 1986; Sipper, 1995; Heudin, 1999: 4)
y la autoorganización (Boden, 1996, p. 3; Bedau, 2003, p. 507). En términos
generales, la emergencia hace referencia a la aparición de comportamientos
y estructuras en un determinado nivel a partir de las interacciones no lineales
223
Derivas de complejidad. Fundamentos científicos y filosóficos
entre los componentes en niveles inferiores. Se trata de estructuras y comportamientos que no son explicables a partir de sus partes constituyentes. Por su
parte, la autoorganización se refiere a sistemas desordenados con rasgos no
distintivos que se organizan espontáneamente a sí mismos para producir estructuras y comportamientos definidos (Wolfram, 2002, p. 16) que involucran
la aparición y el mantenimiento de orden y complejidad a nivel macroscópico.
Rasgos de la vida artificial
Comprender el ámbito y el contexto de la vida artificial implica una referencia a las ideas, principios y fundamentos que la sostienen y que guían su
trabajo. Como es bien sabido, los motivos de la vida artificial se encuentran,
principalmente, en la biología teórica y en la construcción de modelos y simulaciones computacionales; es decir, la vida artificial se desarrolla en una
de las principales aristas de la ciencia de punta: la relación y contribución
mutua entre ciencia y tecnología, o también entre ciencia e ingeniería. Sin
embargo, y pese a ello, los problemas y la heurística de la vida artificial son
enteramente filosóficos (Maldonado, 2000, p. 149). Así, la configuración de
los rasgos principales de la vida artificial tiene a la vez matices científicos,
filosóficos y tecnológicos (o ingenieriles).
4ALES RASGOS SE ENCUENTRAN FUERTEMENTE RELACIONADOS Y CONSTITUYEN UN
todo que nos permite allanar el camino hacia la formulación del estatuto
epistemológico de la vida artificial. Cinco de estos rasgos servirán como hilo
conductor para describir y relacionar los demás. Estos son: 1) la vida artificial
como desplazamiento del conocimiento, 2) la vida artificial como una biología de
lo posible, 3) la vida artificial como síntesis, 4) la comprensión de la vida como
comportamiento, y 5) el principio de la vida en el límite del caos.
Vida artificial como desplazamiento del conocimiento
El problema de la pregunta qué es la vida es uno de los más serios y profundos
de la humanidad y de la ciencia y la filosofía en particular. Dicha pregunta,
que muchos han intentado responder desde formaciones, creencias y épocas
diversas, permanece sin una respuesta con la que la mayoría esté de acuerdo.
Se han propuesto muchas definiciones, como se mostró en la sección anterior; de hecho, cada rama de la biología moderna cuenta con una definición
propia. Las más populares y comunes son quizá las definiciones fisiológica,
genética, bioquímica, metabólica y termodinámica (Emmeche, 1998, p. 46;
224
Vida artificial y sistemas complejos
Adami, 1998, p. 5). Pero todas ellas o bien dejan por fuera sistemas que se
consideran intuitivamente vivos o bien incluyen sistemas carentes de vida.
Los biólogos, y en general la ciencia, comprenden hoy que la vida no es un
switch que se encuentra apagado o encendido, sino que apareció durante un
largo proceso gradual. Dicho en otros términos, la vida y la no-vida no son
cuestión de estado (se está vivo o muerto), sino de grado (se está más vivo o
menos vivo): la vida es un continuo vago (Emmeche, 1998).
Pues bien, la vida artificial ya no se restringe a la pregunta qué es la vida,
sino que la desplaza, enriqueciéndola, hacia la pregunta cómo es posible la vida
(Maldonado, 2000, p. 152), y de paso brinda ejemplos de cómo no es posible la
vida. La construcción de modelos y simulaciones computacionales, característicos de la vida artificial, permiten formular y evaluar nuestros conocimientos
sobre la vida, estudiar los mecanismos y las leyes para una biología general y
definir en qué términos o condiciones la vida no es o no podría ser posible.
La vida artificial como una biología de lo posible
El estudio de la vida ha consistido, casi sin excepción, en el estudio de la
VIDA EN LA 4IERRA BASADA EN LA QU¤MICA DEL CARBONO ,ANGTON P así como en los procesos evolutivos que la originaron y que le dieron lugar.
Hasta hace algunas décadas, la opinión general entre los biólogos era que la
vida resultó de una casualidad tan fortuita que encontrar otra forma de vida
en el universo observable sería simplemente improbable (Davies, 2008, p.
15), por no decir imposible. Pese a ello, siguen rondando sin respuesta preguntas como ¿es imprescindible el carbono para la vida? ¿La vida, tal como
LA CONOCEMOS EN LA 4IERRA ES LA ¢NICA FORMA DE VIDA POSIBLE z,A VIDA ES UN
fenómeno realmente improbable? ¿La evolución pudo tomar un rumbo diferente y desembocar en criaturas vivas radicalmente distintas con formas de
inteligencia diferentes a las conocidas? ¿La evolución impone restricciones a
las formas de vida posibles? ¿Basta nuestro conocimiento sobre la vida en la
4IERRA PARA FORMULAR LOS ELEMENTOS DE UNA BIOLOG¤A GENERAL
Al menos desde tres vías diferentes, la ciencia de punta cuestiona las
ideas y los planteamientos expuestos por la biología tradicional y considera
a la vida no solo como un fenómeno altamente probable y fácil de crear, sino
como un fenómeno inscrito en las leyes mismas de la naturaleza (Davies,
2008, p. 15). Estas tres vías son:
225
Derivas de complejidad. Fundamentos científicos y filosóficos
s
s
s
,A B¢SQUEDA DE FORMAS DE VIDA EXTRATERRESTRE QUE COMENZ˜ CON LA
exobiología y cuyos resultados más interesantes se dieron con el proYECTO 3%4) !QU¤ SE CONJETURA SOBRE LAS IMPLICACIONES QUE TENDR¤A
para la humanidad encontrar un solo ejemplo de vida extraterrestre;
también se concluye que el resultado más interesante de un hallazgo
semejante sería que dicha forma de vida fuera radicalmente distinta
A LA VIDA CONOCIDA EN LA 4IERRA PUESTO QUE NOS OBLIGAR¤A A REPLANTEAR
los conocimientos locales de nuestra biología en términos de leyes
generales aplicables a la vida en cualquier biosfera del universo.
,A S¤NTESIS DE VIDA POR MEDIOS ARTIlCIALES QUE ES EL N¢CLEO DE TRABAJO
de la vida artificial. Bien sea con base en software, hardware o sustancias químicas alternas, estas formas de vida adquieren estructuras
y se comportan tal como la biología lo enseña. Esta vía pone de manifiesto que la vida es un fenómeno fácil de crear y que no depende
de un medio material particular para ser viable.
,A HIP˜TESIS CIERTAMENTE NOVEDOSA DE QUE LA VIDA PUDO HABER BROTADO
MÕS DE UNA VEZ EN LA 4IERRA )NVESTIGACIONES RECIENTES $AVIES señalan que el árbol filogenético sobre el que clasificamos la vida coNOCIDA DE LA 4IERRA PUEDE QUE NO SEA EL ¢NICO SINO QUE ES POSIBLE QUE
cohabitemos con formas alternas de vida –en principio microorganismos– caracterizadas, por ejemplo, por tener una quiralidad inversa
en la que los aminoácidos obedecerían una orientación dextrógira,
contrario a lo que sucede con la vida conocida (el ADN tiene una
orientación levógira). Otra forma de vida alterna podría basarse en
aminoácidos exóticos diferentes a los veinte aminoácidos que utiliza
la mayoría de formas de vida conocidas. Otras dos alternativas para
estas formas de vida son el arsénico y el silicio: el arsénico remeda el
rol bioquímico que cumple el fosforo en la vida conocida, mientras
que el silicio contiene el mismo número de electrones en sus orbitales
externos que el carbono, convirtiéndose así en un candidato posible
para una bioquímica inédita.
Estas tres vías se caracterizan por algo particular: buscan o exploran biologías alternas, o lo que es lo mismo, trabajan sobre una biología de lo posible.
%N EL CASO DE LA VIDA ARTIlCIAL EL ESTUDIO DE LA VIDA EN LA 4IERRA O DE LA VIDA
tal y como la conocemos, se inscribe en el marco más amplio de la vida tal
226
Vida artificial y sistemas complejos
y como podría ser. Así, la vida en sí misma ya no se reduce a la vida basada
EN CARBONO QUE CONOCEMOS EN LA 4IERRA NI SU EXPLICACI˜N SE AGOTA EN ELLA
,A VIDA CONOCIDA EN LA 4IERRA ES TAN SOLO UNA INSTANCIA DE LA VIDA POSIBLE ,A
biología tradicional se convierte entonces en un caso particular de la biología
de lo posible.
En efecto, la pregunta por la vida ha escapado de la biología tradicional,
tanto como de las ciencias y disciplinas que de ella se desprenden y que se
fundan en ella, para convertirse en un problema de frontera que, además de
biólogos, convoca a investigadores con formaciones y tradiciones diversas,
en un enfoque transversal e interdisciplinario. Por tanto, hoy es posible la
búsqueda de teorías verdaderamente universales que den cuenta de la lógica
y la complejidad de la vida conocida y por conocer.
La vida artificial como síntesis
En oposición al modo de trabajo analítico tradicional, el trabajo en vida artificial se realiza mediante síntesis. Esto significa que mientras la tradición
centró su atención en descomponer el todo en sus partes constituyentes para
estudiarlas de forma independiente, la vida artificial busca ponerlas juntas
para estudiarlas en conjunto. Lo interesante en este cambio de enfoque es
que se pasa al estudio de las partes teniendo en cuenta sus relaciones, que
son por definición no-triviales y no-lineales, y por tanto las responsables de
imprimir la dinámica y la complejidad de la vida.
Los sistemas complejos se componen de muchos elementos en interacción
simultanea (Bedau, 2003). Justamente de eso se trata la síntesis de sistemas
complejos: “La combinación de elementos o sustancias separadas para formar un todo coherente” (Langton, 1996, p. 40). En términos de simulación
y programación de sistemas, este enfoque sintético de la vida artificial se
materializa con un principio metodológico de abajo hacia arriba, que permite
definir en la base los componentes y las reglas que rigen al sistema y observar
su comportamiento y estructura como un todo en el tiempo. Este principio
puede ser aplicado a diversos sistemas complejos no biológicos, como la
sociedad o los mercados financieros (Lahoz-Beltrá, 2004, p. 145), algunos
tipos de software, las redes de telecomunicaciones o los enjambres de robots.
Las técnicas de programación, incluidos los modelos de la inteligencia
artificial clásica, se han basado en el principio contrario: se define el sistema
total y comienza a especificarse de arriba hacia abajo, dividiendo el sistema en
227
Derivas de complejidad. Fundamentos científicos y filosóficos
unidades funcionales cada vez más pequeñas hasta llegar a los elementos de
información básicos. Este principio permite definir y delimitar con precisión el alcance del sistema total, eliminando la posibilidad de que aparezcan
comportamientos distintos a lo que se planeó en el diseño. En otras palabras,
permite construir sistemas rígidos, controlados globalmente e incapaces de
cualquier forma de adaptación o evolución. Su aplicación es válida, útil e incluso necesaria en aquellos casos en los que el sistema resultante debe cumplir
un conjunto de tareas definibles de forma clara y unívoca. Por el contrario,
en el principio de abajo hacia arriba algunas características o rasgos del sistema que no fueron programados ni preconcebidos pueden aparecer a escala
global, bien sea en forma de propiedades, estructuras y/o comportamientos
(Lahoz-Beltrá, 2004, p. 146) denominados emergentes.
La programación de abajo hacia arriba se caracteriza mediante componentes o unidades interactivas (Lahoz-Beltrá, 2004, p. 145) que modifican su
estado simultáneamente –en paralelo– mediante la aplicación iterada de reglas
de interacción local, provocando, a partir de estas últimas, comportamientos
o estructuras a escala global –emergencia. Las reglas de interacción local entre los componentes del sistema tienden a ser simples, pero son relaciones
no-lineales (=no-causales) y no triviales que permiten generar dinámicas
autoorganizativas de complejidad creciente. La modificación del estado de
las unidades interactivas puede darse de tres formas: i) como función de su
propio estado, ii) como función de los estados de sus vecinas, o iii) como
función de su estado y el de sus vecinas simultáneamente.
La comprensión de la vida como comportamiento
Según Langton (1996, p. 53), la vida es un tipo de comportamiento, no un
tipo de materia; es decir, la vida está constituida por comportamientos más
simples, no por materia más simple –esta es la conjetura central de la vida
artificial. En este sentido, la vida artificial se refiere a la generación de comportamientos, o mejor, a la creación de generadores de comportamiento, como
los que exhibe la vida (Langton, 1996, p. 40).
La forma genérica de un generador de comportamiento es el computador; en él es posible construir una amplia variedad de generadores de
comportamiento particulares. El computador, por tanto, permitió abordar el
estudio de la lógica de la vida y no única ni principalmente el estudio de los
mecanismos que la soportan (Langton, 1996, p. 46); en otras palabras, fue
228
Vida artificial y sistemas complejos
el computador el que permitió el estudio y la construcción de generadores de
comportamiento como los que exhibe la vida. Esto pone de manifiesto que el
entorno en el que se desarrolla la vida no es relevante y puede ser reemplazado por un entorno artificial bien sea en software o hardware (Lahoz-Beltrá,
2004, p. 145; Maldonado, 2000, p. 147).
Un aspecto significativo del estudio de la vida artificial por medio del
computador es la comprensión de la vida o de lo vivo en términos de información y computación. Según Emmeche (1998, p. 133), la vida tuvo que haber
emergido, por medio de la autoorganización de la materia, como unidades
autónomas con capacidad para almacenar y procesar información (esto es,
computar). Pese a esta perspectiva informacional, la vida artificial no intenta
explicar la vida como un algoritmo o un programa de computador, por el
contrario, pretende desarrollar un nuevo paradigma computacional basado
en los procesos naturales de los organismos vivos (Langton, 1996, p. 50).
Esta idea, a todas luces sugestiva, es la que inaugura el reciente campo de la
computación biológica (Mitchell, 2011).
El principio de la vida en el límite del caos
La expresión vida artificial es por sí misma un neologismo referido a sistemas simulados en el ordenador o sintetizados en otros medios artificiales
que exhiben comportamientos propios de los sistemas vivos. Análogamente,
son muchos los elementos conceptuales que se dan en el marco de la vida
artificial; quizás el más interesante y fructífero sea la expresión límite del caos
o arranque del caos (Lewin). La primera expresión –límite del caos– es forMULADA POR .ORMAN 0ACKARD CASI AL MISMO TIEMPO EN QUE #HRIS ,ANGTON
postula el concepto de arranque del caos; ambas expresiones se refieren a la
capacidad de cierto tipo de sistemas (especialmente los sistemas vivos) para
funcionar y optimizarse (=¡vivir!) entre el orden absoluto y el completo caos.
Más allá del neologismo como tal, el concepto del límite del caos se
convirtió en una conjetura, impulsada por investigadores del Instituto Santa Fe, sobre la capacidad de los sistemas biológicos en particular y de los
sistemas complejos en general para relacionarse con su medio y procesar la
información que intercambia con este. Según ellos, la capacidad de cómputo
en estos sistemas –obtención, almacenamiento, procesamiento y transmisión
de información– aparece en un espacio muy particular cercano a un punto
crítico: justamente, el límite del caos.
229
Derivas de complejidad. Fundamentos científicos y filosóficos
Técnicas y heurísticas en vida artificial
Son muchos los proyectos de investigación, las técnicas, los algoritmos, las
heurísticas y las metaheurísticas que forman parte de la vida artificial. Sin
embargo, es común encontrar categorizaciones y clasificaciones de los subcampos de la vida artificial –y de la vida artificial misma– dentro de campos
cercanos y/o cruzados o como campos (disciplinas o proyectos de investigación) independientes. No existe un consenso al respecto, ni parece posible
una convergencia hacia él en el corto plazo. La confusión más común es
considerar a la vida artificial como un subcampo de la inteligencia artificial,
o peor aún, considerar vida e inteligencia artificiales como equivalentes sin
más.7 Recientemente, en esta dirección surgió una disciplina hibrida, como
extensión de la inteligencia artificial, conocida como inteligencia computacional, en la que confluyen la computación neuronal, los sistemas difusos, la
computación evolutiva y la vida artificial.
La vida artificial forma parte de las ciencias de la computación y de
las ciencias de la vida, pero además y primordialmente, de las ciencias de la
complejidad.8 Con todo, las clasificaciones más comunes de la vida artificial
provienen de las ciencias de la computación. Según Lahoz-Beltrá (2004), junto
con la inteligencia artificial, la vida artificial forma parte de la escuela formal
de la bioinformática, que se ubica al lado de la escuela estructural, conformada
por la genómica y la proteómica, y de la escuela instrumental, encargada del
tratamiento y la gestión de bases de datos biológicas. En este caso, la vida
artificial es entendida como una subdisciplina de la bioinformática.
Desde otra perspectiva, el término computación natural se introdujo para
referirse a tres tipos de métodos puntuales: i) aquellos que permiten el desarrollo de técnicas inspiradas en la naturaleza para resolución de problemas,
ii) aquellos que se basan en el uso de ordenadores para sintetizar fenómenos
naturales y iii) aquellos que utilizan materiales naturales para llevar a cabo
procesos de cómputo (Nunes de Castro, 2006). Así, hacen parte del primer
7
Al respecto, un error desafortunado se encuentra en la traducción al español del libro de C.
Emmeche The Garden in the Machine: the Emerging Science of Artificial Life (1998), en cuya portada
se escribe: Vida simulada en el ordenador: la nueva ciencia naciente de la inteligencia artificial, donde,
en vez de inteligencia, debió escribirse vida. En otras partes del libro se comente el mismo error (por
ejemplo, véase la página 30).
8
En el apartado “La vida artificial y las ciencias de la complejidad” de este capítulo volveremos
sobre esta idea.
230
Vida artificial y sistemas complejos
tipo las redes neuronales artificiales, la computación evolutiva, la inteligencia
de enjambre y los sistemas inmunes artificiales; del segundo, la geometría
fractal (incluidos los sistemas L y los autómatas celulares) y la vida artificial;
del tercero, la computación basada en ADN y la computación cuántica (baste
con decir por el momento que muchos de estos campos pertenecen a la vida
artificial).
Como vemos, lo mismo que sucede con la vida artificial ocurre con
algunas de sus líneas de investigación que o bien son consideradas como
parte de otras tendencias cercanas o bien como campos o disciplinas independientes. En particular, podemos referirnos a la inteligencia de enjambre
y a la computación evolutiva, que en algunos sitios se consideran campos
independientes (De Jong, 2006; Dumitrescu, Lazzerini, Jain y Dumitrescu,
2000), en otros como parte de campos más amplios (por ejemplo, dentro de
la inteligencia computacional o la computación natural, como ya se vio) y en
otros más se muestra a la primera como subcampo de la segunda (Muñoz,
López y Caicedo, 2008).
En 2006, K. J. Kim y S. B. Cho propusieron un esquema general de las
metodologías incluidas en la investigación sobre vida artificial, entre las que se
encuentran los autómatas celulares, los sistemas L, los algoritmos genéticos, el
modelamiento basado en agentes y la optimización por colonias de hormigas.
El mérito de esta clasificación radicó en asociar cada uno de dichos campos
CON UN ÕREA DE APLICACI˜N PARTICULAR 4ALES METODOLOG¤AS SUS RELACIONES Y SUS
campos de aplicación se reproducen en la figura 4.2.
Hay que decir que las relaciones de la vida artificial con disciplinas como
la inteligencia artificial, la inteligencia computacional, los sistemas difusos,
los mundos virtuales, la computación natural o la bioinformática son borrosas y difícilmente definibles. Lo mismo sucede entre los subcampos de
la vida artificial y los subcampos de otras áreas o disciplinas. Un criterio útil
de demarcación para la vida artificial y para sus programas de investigación
puede ser la identificación de una arquitectura base común para sus modelos
y simulaciones. La arquitectura básica de un sistema de vida artificial se caracteriza por los siguientes puntos (Sipper, 1995; Heudin, 1999, p. 4):
231
Derivas de complejidad. Fundamentos científicos y filosóficos
Figura 4.2. Taxonomía de la vida artificial
Economía
Hardware
evolutivo
Software de
simulación
AC
EP
Control de
robots
CE
OCH
RNA
MBA
Diseño
industrial
Sistemas L
SIA
CEI
Arte,
musica
Seguridad
Gráficos por computador
Autómatas celulares (AC), enjambres de partículas (EP), computación evolutiva interactiva (CEI), sistemas inmunes
artificiales (SIA), redes neuronales artificiales (RNA), modelamiento basado en agentes (MBA), optimización por colonias
de hormigas (OCH), computación evolutiva (CE).
Fuente: adaptada por los autores a partir de Kim y Cho, 2006.
1. Una población compuesta por un número grande de unidades elementales simples – denominadas agentes.
2. Ningún agente controla el comportamiento de los demás. Los agentes
solo conocen el modo de reaccionar frente a las situaciones locales
que impone el medio ambiente y a las interacciones con sus vecinos
cercanos.
3. Ninguna de las reglas del sistema determinan sus comportamientos
globales. No existe un control central.
4. Por tanto, los comportamientos macroscópicos que exhibe el sistema
son emergentes.
Pues bien, en este texto se consideran como parte de la vida artificial
aquellos formalismos y modelos bioinspirados, cuyos basamentos centrales
son los mismos que caracterizan a la vida artificial (véase apartado “Rasgo de
la vida artificial” en este capítulo) y que buscan explicar fenómenos o construir
232
Vida artificial y sistemas complejos
simulaciones (léase sistemas) sobre alguno(s) de los grandes problemas epistemológicos relativos a la complejidad de la vida y a los sistemas complejos
en general, tales como la emergencia, la autoorganización, el crecimiento y la
forma, la adaptación, el desarrollo, la autonomía, la evolución, la diversidad
o el límite del caos.
Precisamente, al ámbito general de trabajo en vida artificial pertenecen
campos tan diversos como los autómatas celulares; la computación evolutiva
(que incluye: algoritmos genéticos, programación genética, programación
evolutiva, algoritmos meméticos, estrategias evolutivas, sistemas clasificadores
de conocimiento y otros); la inteligencia de enjambre (optimización por colonia de hormigas, optimización por enjambres de partículas, optimización por
forrajeo de enjambres, algoritmo de colmenas de abejas artificiales, búsqueda
por difusión estocástica, entre otros); la síntesis bioquímica (un caso particular
es la computación basada en ADN); la computación celular; la computación
con membranas (particularmente, sistemas P celulares, basados en tejidos y
neurales); los sistemas inmunes artificiales (cuyos algoritmos y modelos principales son el algoritmo de selección negativa, la teoría de redes inmunes, el
algoritmo de selección clonal y la teoría del peligro); las embriologías artificiaLES PRINCIPALMENTE LOS SISTEMAS , Y LOS BIOMORFOS DE $AWKINS LAS QU¤MICAS
artificiales (incluidas las redes booleanas y los códigos autorreplicantes); el
hardware evolutivo; el modelamiento basado en agentes (también llamado
modelamiento basado en individuos. En física suelen utilizarse los términos
micro-simulación o computación basada en interacciones); la computación
orgánica; la robótica adaptativa; la robótica autónoma; la robótica evolutiva y
la robótica de enjambre. De forma particular, el trabajo con redes neuronales
artificiales hoy es considerado como un ejemplo de vida artificial (Emmeche,
1998, p. 33; Lahoz-Beltrá, 2004, p. 148; Kim y Sho, 2006, p. 154).
A manera de ilustración, a continuación se presentan dos de los subcampos más genéricos de la vida artificial: los autómatas celulares y la computación celular.
Autómatas celulares
Los autómatas celulares son sistemas dinámicos, distribuidos, paralelos, discretos y capaces de soportar comportamientos y estructuras complejas. Fueron
concebidos a finales de la década de 1940 por J. Von Neumann para llevar a
cabo estudios sobre la lógica de la autorreproducción (Von Neumann, 1961233
Derivas de complejidad. Fundamentos científicos y filosóficos
1963, 1966). Su utilidad se ha extendido y sirven para caracterizar –modelar
y simular– diversos tipos de fenómenos complejos, colectivos y no lineales
en física, química, biología, ciencias sociales y computación, principalmente
(Wolfram, 1984; Bar-Yam, 1997, p. 112; Mainzer, 2007, p. 222; Nicolis y
Nicolis, 2007, p. 94).
Los autómatas celulares son considerados como una técnica propia,
aunque no exclusiva, de la vida artificial (Kim y Sho, 2006, p. 154); de hecho, son un claro ejemplo del paradigma computacional que busca la vida
artificial: funcionan de abajo hacia arriba, actualizan sus estados en paralelo
y determinan su comportamiento a escala local (Langton, 1996, p. 48). Así,
la idea central que subyace en el estudio de los autómatas celulares es generar
dinámicas globales de complejidad emergente a partir de la interacción local
de muchas partes simples denominadas células (células matemáticas).
El conjunto de células es organizado en una grilla n-dimensional, siendo
1, 2 y 3 los valores asignados a n en la práctica (figura 4.3). La forma más
común de los espacios celulares que conforman la grilla es el cuadrado –o
el cubo en autómatas tridimensionales–, aunque en ocasiones también son
utilizados triángulos –pirámides–, rectángulos –bloques– o hexágonos –poliedros regulares, en general. Dentro de la grilla, el estado de una célula en
el tiempo t es caracterizado por un valor tomado entre un número limitado
de enteros. El estado de dicha célula está definido como una función (regla de
interacción, regla de transición o función de transición) del estado de sus
vecinas y el de sí misma en el tiempo t–1. Dicho de otro modo: cada célula
actúa como un autómata de estados finitos (Reynoso, 2006).
La escogencia de la vecindad (G) depende del problema que se desee
abordar. En general, las vecindades suelen clasificarse en términos de simetría: vecindades simétricas y vecindades asimétricas. La referencia a las
vecindades simétricas se hace mediante un número entero. En un autómata
unidimensional, por ejemplo, la vecindad G = 1 significa que a cado lado de
la célula que se va a evaluar se encuentra una y solo una célula vecina (figura
4.4a). En vecindades asimétricas, podemos encontrar un número de vecinas
diferente a cada lado de la célula de interés, en este caso se representa a G
como una pareja ordenada. Una vecindad posible para un autómata unidimensional puede ser G = (2,0), (figura 4.4b). En autómatas bidimensionales,
las vecindades más utilizadas son simétricas, estas se conocen como vecindad
de Von Neumann y vecindad de Moore (figura 4.5).
234
Vida artificial y sistemas complejos
Figura 4.3. Grillas celulares: 1, 2 y 3 dimensiones
Fuente: elaboración propia.
Figura 4.4. Vecindades en autómatas unidimensionales
(a)
(b)
(a) vecindades simétricas con G = 1, 2, 3. (b) vecindades asimétricas con G = (0,1), (1,2),(3,2)
Fuente: elaboración propia.
235
Derivas de complejidad. Fundamentos científicos y filosóficos
Figura 4.5. Vecindades comunes en autómatas bidimensionales
(a)
(b)
(a) de Von Neumann. (b) de Moore. G = 1
Fuente: elaboración propia.
Puesto que las grillas celulares suelen ser finitas, es indispensable especificar la forma en que serán construidas las vecindades de aquellas células
que se encuentran en los extremos de los autómatas unidimensionales, en el
perímetro de los bidimensionales y en la superficie de los tridimensionales.
Esta especificación se denomina condiciones de límite. Usualmente se utilizan
dos enfoques (Dumitrescu et. al., 2000, p. 367):
s
Condiciones de límite nulo: en este caso se les asigna el estado 0 a las
células límite (figura 4.6).
Figura 4.6. Condiciones de límite nulo para autómatas unidimensionales
O
O
Fuente: elaboración propia.
s
236
Condiciones de límite cíclico: aquí las células límite consideran como
adyacentes a las células opuestas en la frontera. Así, en los autómatas
unidimensionales la estructura resultante da la apariencia de un anillo
(figura 4.7); en los autómatas bidimensionales, de una esfera.
Vida artificial y sistemas complejos
Figura 4.7. Condiciones de límite cíclico para autómatas unidimensionales
Xn-1
Fin
X0
Inicio
Fuente: elaboración propia.
La regla de transición, que por definición es simple, determina el modo
en que interactúan las células a escala local. Las reglas de transición más interesantes son aquellas que generan comportamientos y/o estructuras emergentes en escalas superiores, es decir, comportamientos y/o estructuras que
no fueron considerados ni programados en dichas reglas. De acuerdo con el
fenómeno que se esté modelando, las células dentro de la grilla celular pueden seguir una o más reglas de transición. El autómata cuyas células siguen
la misma regla de transición se denomina uniforme; aquel donde hay grupos
de células regidos por diversas reglas de transición es llamado no-uniforme.
Finalmente, la evolución del autómata, de una generación a otra, se da
en forma discreta e iterada. Para dar inicio a la simulación debe asignarse un
estado a cada una de las células que conforman la configuración inicial (geneRACI˜N 4AL ASIGNACI˜N PUEDE SER ESTABLECIDA INTENCIONALMENTE O ASIGNARSE
de forma aleatoria.
De acuerdo con los elementos descritos, la definición formal de un autómata celular puede ser como sigue:
A=(S, G,D,F)
donde:
s
s
s
s
3 ES EL CONJUNTO DE ESTADOS POSIBLES QUE PUEDE TOMAR UNA C£LULA
' ES LA VECINDAD DE LA C£LULA A EVALUAR
$ ES LA DIMENSI˜N DE LA GRILLA CELULAR
3 ES LA REGLA O FUNCI˜N DE TRANSICI˜N DE ESTADOS
237
Derivas de complejidad. Fundamentos científicos y filosóficos
En algunos lugares se considera como elemento adicional al estado inicial
del autómata, denominado s. Considérese, a manera de ejemplo, el siguiente
autómata celular:
A=(2, 1, 1,90)
Un autómata con estas características se denomina autómata de estado
binario, en razón a los dos estados que soporta (0 y 1, o blanco y negro) y
a su regla de transición booleana, que puede representarse de dos maneras,
como sigue:
111 o 0
110 o 1
101 o 0
100 o 1
011 o 1
010 o 0
001 o 1
000 o 0
La conversión de la salida del autómata (01011010) de binario a decimal da el número 90 que define a la regla de transición (según la notación
de Wolfram). Como condición inicial, se supone un sistema cuyas células
se encuentran en estado 0 (blanco), exceptuando la célula del centro que se
encuentra en estado 1 (negro). Las figuras 4.8a y 4.8b muestran la evolución
del sistema para 15 y 255 generaciones, respectivamente.
El problema central en el estudio de los autómatas celulares se refiere a
su evolución en el tiempo y a la aparición de estructuras y comportamientos
en el sistema completo. S. Wolfram (1984) fue el primero en establecer –en
analogía con el comportamiento de los sistemas dinámicos– cuatro clases
de comportamientos hacia las que convergen los autómatas celulares en el
transcurso de su evolución. Wolfram las denominó clases de universalidad
(figura 4.9):
s
s
238
#LASE ) INCLUYE AQUELLOS AUT˜MATAS QUE TRAS POCAS GENERACIONES
convergen a un estado homogéneo en el que todas las células toman
el mismo estado. Este tipo de autómatas es análogo a un atractor
puntual en el espacio de fases.
#LASE )) SON AQUELLOS QUE EN SU EVOLUCI˜N SON CONDUCIDOS A ESTRUCturas simples estables o periódicas. Estos autómatas son equivalentes
a un ciclo límite con dos o más períodos en el espacio de fases.
Vida artificial y sistemas complejos
Figura 4.8. Triangulo de Sierpinsky generado mediante la evolución de la regla 90 de Wolfram
(a)
(b)
(a) estado global del sistema tras 15 generaciones; (b) estado global del sistema tras 255 generaciones.
Fuente: elaboración propia.
s
s
#LASE ))) EVOLUCIONAN HACIA ESTRUCTURAS CA˜TICAS APERI˜DICAS SENSIBLES
a las condiciones iniciales. Son análogos a los atractores extraños en
el espacio de fases.
#LASE )6 EN ESTA CATEGOR¤A SE UBICAN LOS LLAMADOS AUT˜MATAS COMplejos, en razón a su capacidad para generar estructuras complejas
localizadas que pueden –en ocasiones– perdurar en el tiempo. En
239
Derivas de complejidad. Fundamentos científicos y filosóficos
general, estos autómatas tienen la capacidad de exhibir comportamientos propios de las demás clases de universalidad.
Figura 4.9. Clases de Universalidad de Wolfram
Clase I
Clase II
Clase III
Clase IV
Fuente: elaboración propia.
En la práctica, hay dos enfoques generales para el trabajo con autómatas
celulares (Langton, 1986, p. 124): el primero genérico, orientado a su estudio; el segundo particular, orientado a su uso. Estos enfoques consisten en
lo siguiente:
s
s
240
%NFOQUE SE INICIA CON UNA FUNCI˜N DE TRANSICI˜N DETERMINADA Y
se estudian los comportamientos y/o estructuras que aparecen en la
escala global.
%NFOQUE SE INICIA CON UN COMPORTAMIENTO YO ESTRUCTURA EN MENTE
y se trata de derivar la función de transición que soporta dicha estructura y/o comportamiento.
Vida artificial y sistemas complejos
La formulación sobre las clases de universalidad de S. Wolfram o la
formulación del parámetro lambda de Ch. Langton pertenecen al primer
enfoque, mientras que trabajos como el de J. Von Neumann sobre autorreproducción o el juego de la vida de J. Conway, descrito a continuación, pertenecen al segundo enfoque.
El juego de la vida de Conway es un ejemplo conspicuo de un autómata
bidimensional, cuyas reglas son una metáfora gruesa del comportamiento
BIOL˜GICO 4ALES REGLAS IMITAN LA MUERTE POR AISLAMIENTO LA MUERTE POR SUperpoblación, la reproducción y la estasis. Bajo los conceptos ya expuestos, se
hace referencia a un autómata bidimensional con dos estados posibles (negro
y blanco o vivo y muerto en la analogía biológica), una vecindad de Moore
(figura 4.5b) y cuatro reglas de transición (reducibles, desde el punto de vista
algorítmico, únicamente a dos) cuyo significado es el siguiente:
s
s
s
s
3I LA C£LULA QUE SE VA A EVALUAR SE ENCUENTRA VIVA EN EL TIEMPO t, morirá en la generación t + 1 si tiene menos de dos células vivas en su
vecindad (aislamiento).
3I LA C£LULA QUE SE VA A EVALUAR SE ENCUENTRA VIVA EN EL TIEMPO t, morirá
en la generación t + 1 si tiene más de tres células vivas en su vecindad
(superpoblación).
3I LA C£LULA A EVALUAR SE ENCUENTRA MUERTA EN EL TIEMPO t y tiene exactamente tres células vivas en su vecindad, pasará a estado vivo en la
generación t + 1 (reproducción).
3I LA C£LULA DE INTER£S SE ENCUENTRA VIVA O MUERTA EN EL TIEMPO t y
cuenta con exactamente dos vecinas vivas, continuará en el mismo
estado (viva o muerta, respectivamente) en el tiempo t + 1 (estasis).
Con estas reglas simples de interacción local, el juego de la vida se ubica
en la clase IV de Wolfram y es capaz de llevar a cabo computación universal
(Wolfram, 1984). En su evolución, es posible hallar estructuras estables estáticas (período 0) (figura 4.10) o cíclicas (diversos periodos), comportamientos
caóticos y estructuras cuyos comportamientos son coherentes en el tiempo;
por ejemplo, son capaces de desplazarse, de producir otras estructuras o de
generar números aleatorios.
241
Derivas de complejidad. Fundamentos científicos y filosóficos
Figura 4.10. Estructuras estáticas generadas por el juego de la vida
Fuente: elaboración propia.
Los principales usos de los autómatas celulares abarcan temas como dinámica de fluidos, turbulencia, física de partículas, crecimiento de cristales,
formación de galaxias, osciladores químicos, procesamiento –universal– de
información, transiciones de fase, irreductibilidad computacional, indecibilidad, procesamiento de imágenes, criptografía, testeo de circuitos lógicos,
formación de patrones, modelamiento de sistemas ecológicos, dinámicas en
insectos sociales, génesis de formas biológicas, diseño y entrenamiento de
redes neuronales, reconocimiento de lenguaje, fractalidad y caos –límite del
CAOS 4AMBI£N SE HAN UTILIZADO EN PROBLEMAS DE TRÕlCO ESTRATEGIAS MILITARES
y sistemas económicos.
Computación celular
Desde su aparición, hace sesenta años, la arquitectura de los computadores se
ha basado en un paradigma único sobre el cual se han construido toda clase
de sistemas, modelos y heurísticas conocidas: se trata de un complejo procesador secuencial capaz de llevar a cabo una sola tarea a la vez (Sipper, 1990).
Esta arquitectura es conocida como arquitectura de Von Neumann. Incluso,
las redes neuronales que caracterizan a la inteligencia artificial se modelan y
pueden ser implementadas, paradójicamente, sobre tal arquitectura. Solo en
las últimas décadas, desde sitios y puntos de vista diferentes, se ha investigado
la posibilidad de construir sistemas computacionales basados en principios
enteramente distintos. Campos de investigación como la computación paralela –y de suyo, el paralelismo masivo–, los sistemas distribuidos, los sistemas
multiprocesador y las máquinas cuánticas, caen en esta categoría y aportan
a la discusión.
242
Vida artificial y sistemas complejos
Dentro de la vida artificial, buena parte de sus investigaciones vislumbran formas nuevas de llevar a cabo tareas de cómputo y apuntan a la construcción de las arquitecturas que las soporten, inspirándose por ejemplo en
la arquitectura y el paralelismo de los sistemas biológicos naturales. Un caso
particular de este enfoque es la computación celular (celular computing), cuyas
raíces se encuentran en la teoría de los autómatas celulares.
Esta nueva y prometedora forma de llevar a cabo computación es el
resultado de tres principios fundamentales que la estructuran y le confieren
su razón de ser: simplicidad, vasto paralelismo y localidad. La computación
celular puede definirse mediante dichos principios como sigue:
Computación celular = Simplicidad + Vasto paralelismo + Localidad
Estos principios se describen a continuación.
s
s
s
La simplicidad se refiere a la unidad fundamental de procesamiento.
Mientras el procesador de propósito general actual puede llevar a cabo
tareas muy complicadas, un procesador en computación celular –una
célula– puede realizar tareas muy pequeñas y simples. En palabras de
Sipper (1990), es como comparar un procesador Pentium con una
compuerta lógica AND.
El vasto paralelismo no es paralelismo masivo. La mayoría de computadores paralelos actuales contienen algunas docenas de procesadores
y solo unos pocos llegan a cientos o decenas de cientos de ellos (que
es lo que se conoce como paralelismo masivo). El vasto paralelismo
es una expresión utilizada para referirse a cantidades de procesadores
verdaderamente grandes (del orden de ). Dicha diferencia cuantitativa con otras tendencias implica nuevas propiedades cualitativas en
el sistema global.
La localidad trata de los patrones de conectividad. Las interacciones en
computación celular son enteramente locales, ninguna parte tiene
una vista global del sistema total. Los computadores tradicionales
emplean un procesador central que opera desde arriba las tareas de
la máquina. Aquí, cada procesador –célula– solo puede interactuar
con los vecinos que lo rodean, es decir que cada procesador procesa
únicamente pequeñas cantidades de información.
243
Derivas de complejidad. Fundamentos científicos y filosóficos
Si algún(os) (de estos) principio(s) es(son) modificado(s), el resultado
es un paradigma computacional completamente diferente (figura 4.11). Por
ejemplo, si se cambian las unidades de procesamiento simples por procesadores
convencionales, el resultado es el paradigma de la computación distribuida.
Ahora, si a cambio de paralelismo se utiliza un sistema serial y además un
modelo de control centralizado, el resultado es una máquina de estados finitos.
Figura 4.11. Cubo computacional
Computación
celular
Paralelo
Computación
distribuida
Redes neuronales
parcialmente
conectadas
Memoria
compartida
Señal
Redes neuronales
completamente
conectadas
Complejo
Simple
l
ca
Lo
Arquitectura serial
de propósito general
l
ba
lo
G
Máquinas de
estados finitos
Fuente: adaptado de Sipper (1990).
La pretensión de la computación celular, tal como lo plantea Sipper
(1990), es construir máquinas computacionales que permitan llevar a cabo
computación más eficiente –en términos de velocidad, costo, eficiencia, almacenamiento de información y calidad de soluciones.
La vida artificial y las ciencias de la complejidad
La vida artificial no aparece independiente al surgimiento de las ciencias de
la complejidad. Recordemos que la vida artificial se presenta a la comunidad
científica en 1987, apenas tres años después y a expensas de la fundación
244
Vida artificial y sistemas complejos
del Instituto Santa Fe, en Nuevo México, primer centro dedicado de forma
exclusiva al estudio de fenómenos, comportamientos y sistemas complejos.
La vida artificial se consolida como una ciencia de frontera, nacida a partir
de un problema de frontera: la vida.
La vida artificial puede entenderse en dos sentidos (Maldonado, 2000,
p. 145): i) como el estudio de la complejidad de la vida o ii) como el estudio
de la vida en el marco de las ciencias de la complejidad. Así, la vida artificial se relaciona con la termodinámica del no equilibrio, con la teoría de los
fractales, con la teoría del caos y con la nueva ciencia de redes, así como con
otras líneas y campos de investigación dentro de la complejidad, entre ellas
la teoría algorítmica de la información de Chaitin y la teoría computacional
de la complejidad. A manera de síntesis:
La vida artificial puede ser comprendida en rigor como una ciencia de
la complejidad, o también como un programa de investigación que ha
impulsado enormemente el desarrollo de una teoría general de los sistemas complejos no-lineales. (Maldonado, 2000, p. 145)
La vida artificial, en efecto, es una de las ciencias que más están aportando
a la comprensión de la vida como un fenómeno de complejidad creciente. Esta
nueva ciencia involucra un enfoque inter, trans o multidisciplinario (como se
prefiera) para estudiar la vida y los fenómenos que exhiben características de
los seres vivos más allá de las visiones analíticas de la ciencia clásica. Pensar
la vida artificial significa, por tanto, pensar en términos de un nuevo lenguaje (emergencia, auto-organización, no-linealidad, entre otros), de nuevos
marcos teóricos (la teoría de la auto-organización –Kauffman–, la teoría de
la emergencia –Holland y otros– o la teoría de los enjambres, por ejemplo),
de un nuevo enfoque (síntesis antes que análisis) y de nuevos aspectos metodológicos (el uso extensivo de la simulación y las construcciones de abajo
hacia arriba –bottom-up).
Vida artificial e ingeniería de sistemas complejos
La ingeniería se ocupa de la construcción de artefactos de diferente tipo, pero
también de construcciones teóricas en su campo de conocimiento orientado
al desarrollo tecnológico. El surgimiento de las tecnologías de la información,
245
Derivas de complejidad. Fundamentos científicos y filosóficos
y el advenimiento reciente de la nano-bio-info-cogno tecnología, auguran
progresos importantes y nuevos retos para la humanidad.
La ingeniería se involucra cada día con proyectos más grandes, desde la
construcción de artefactos complicadísimos, de miles y miles de componentes
que se articulan casi armónicamente y casi sin falla –como un transbordador
espacial, un avión, un barco– hasta la manipulación de los más minúsculos
objetos construidos por el hombre a nivel nanoescalar. Los detalles de dominio
son cada vez mayores, y la cobertura va más allá de los límites tradicionales.
Por ejemplo, en informática, si en el comienzo era suficiente con el desarrollo
de aplicativos puntuales, hoy, con el progreso de las ciencias de la computación, la automatización abarca muchos aspectos de la actividad humana, la
capacidad para procesar, capturar y presentar información es mayor, lo que
permite construir modelos muy complicados y realizar simulaciones a gran
escala. La potencialidad de cómputo y de comunicación a través de las redes
como Internet reta nuestra capacidad para controlar lo que nosotros mismos
construimos; Hoy Internet se ha salido de nuestras manos y solo nos resta
aprender de ella (véase al respecto el texto del profesor Marco Aurelio Alzate
en el volumen II de este libro).
Estos progresos hicieron que la ingeniería entrara en terrenos antes considerados vedados por lo limitado de nuestras herramientas teóricas, técnicas
y matemáticas. Los sistemas complejos ahora son de enorme interés para la
ingeniería, que los emplea para simular fenómenos caóticos, comportamientos fractales o la propia vida. Mientras la ingeniería convencional centra su
esfuerzo en el producto, la ingeniería de los sistemas complejos lo hace en la
organización; esto constituye una importante diferencia en los métodos y en
las perspectivas de trabajo que discutiremos más adelante.
La ingeniería
Quisiéramos entender que la ingeniería clásica y la ingeniería de sistemas
complejos (dos formas de hacer ingeniería) son expuestas aquí con sus propios
principios y argumentos, y no una en detrimento de la otra, pues esto podría
conducir a errores no deseados. Es ineludible compararlas e incluso establecer
sus límites o formas de demarcación, criterios relacionados con cuánto una se
involucra con la otra, o qué tanto se apoyan o complementan, pero siempre
reconociendo en cada una de ellas sus capacidades, sus métodos y sus desempeños. Realmente, ambas convergen en la solución de problemas complejos
246
Vida artificial y sistemas complejos
y no complejos, pero es obvio que a pesar de cooperar en ciertos niveles, en
otros, y a ciertas escalas, se diferencian de manera sustancial tanto en métodos como en elementos estructurales. Este es el asunto nodal: la ingeniería
clásica tiene sus métodos y objetivos para resolver problemas, que obedecen
a sus características estructurales, los cuales cambian para la ingeniería de los
sistemas complejos. En otras palabras, mientras la ingeniería clásica aborda
problemas estructurados, la ingeniería de sistemas complejos se ocupa de
resolver problemas de complejidad creciente. Mientras la una se orienta al
producto, la otra hace énfasis en la organización, en la globalidad. En este
sentido, pueden plantearse tres formas de ingeniería: la ingeniería clásica, la
ingeniería emergente y la vida artificial, destacando esta última como la base
o el núcleo de la ingeniería de sistemas complejos.
Ali Minai, Dan Braha y Yaneer Bar-Yam (2006) presentan un ejemplo ilustrativo, al sugerir comparar la economía de Estados Unidos con un
microprocesador de millones de componentes cuidadosamente diseñados,
probados por muchos ingenieros y puestos en su lugar con máxima precisión
PARA GARANTIZAR QUE FUNCIONE 4ANTO LA ECONOM¤A DE %STADOS 5NIDOS COMO
el microprocesador son productos humanos, aunque existen diferencias muy
significativas entre ellos. Nadie diseñó la economía de los Estados Unidos y
nadie puede pretender controlarla, pues ella crece o se contrae por su propia
cuenta. Situación semejante ocurre con los mercados, las colonias de abejas
o las bandadas de pájaros. Entre otras cosas, son sistemas robustos frente a
perturbaciones locales, cosa que no ocurre con los sofisticados microprocesadores. Ali se pregunta, entonces, qué hay en común entre estos sistemas y
qué los hace diferentes; qué tanto podemos aprender de ellos para que nuestras construcciones de ingeniería sean más cercanas al comportamiento de la
naturaleza. La respuesta está en que los primeros son sistemas complicados
mientras que los segundos son complejos. Dicho de otro modo: los primeros
son producto de un proceso cuidadoso de diseño mientras los segundos se
auto-organizan a pesar del diseñador o el programador del sistema.
Los sistemas complejos trabajan con asuntos o fenómenos de miríadas
de agentes en interacción que presentan comportamientos emergentes, no
impuestos por un control central; por el contrario, este surge de dichas interacciones, dando capacidades de auto-organización. Sin embargo, además
de tener muchos componentes, los sistemas complejos también manifiestan
“propósito” o “sentido” (Bar-Yam, 2003). Son sistemas que han evolucionado
247
Derivas de complejidad. Fundamentos científicos y filosóficos
en el tiempo, a menudo de forma inesperada pero aceptable, adaptándose a
las condiciones cambiantes del entorno, que pueden ser adversas, estables
o favorables. Los ecosistemas, la hidrografía de una región, la economía de
un país (quién podía predecir el derrumbe de las economías del mundo en
el 2009), los comportamientos de las manadas, los enjambres de abejas o de
hormigas, logran desarrollar una sorprendente arquitectura, auto-organizan
actividades y carecen de un control central.
La humanidad ha construido sistemas sofisticados, como las redes de
comunicaciones, los computadores compuestos de muchísimos elementos
simples con la más delicada ingeniería, los más potentes ordenadores conocidos a prueba de fallos, predice su comportamiento y hasta calcula su
obsolescencia, pero no ha podido predecir la dinámica de otros sistemas,
algunos también constructos suyos, como la economía de un país, Internet o
la contaminación de una ciudad.
Bar-Yam, acudiendo a una metáfora, contrasta la actividad de un relojero
con la de un jardinero. Habla de cómo la precisión y la exactitud del relojero son casi sinónimos: en un reloj todo está previsto, cada pieza debe ocupar
su lugar, sin mayores grados de libertad o tolerancia, para que funcione perfectamente; por su parte, el jardinero ve a su jardín como un todo, asiste a cada
planta dentro del conjunto, e incluso elimina o poda algunas de ellas, y puede
dar cabida a nuevas plantas que ayudarán a mejorar el conjunto del jardín.
La ingeniería clásica o ingeniería tradicional –para referirnos a la ingeniería que se basa en el determinismo newtoniano, que de la mano de la ciencia
ha permitido tantos progresos a la humanidad (dondequiera que miremos hay
aportes de la ingeniería)– llegó a ciertos límites que no le permiten resolver
aquellos problemas que escapan a sus paradigmas y a su régimen. Así como
el herrero cedió ante el desarrollo tecnológico, aún cuando se siguió haciendo
herrería de otra manera, la ingeniería clásica ha mostrado sus limitaciones
ante los fenómenos de complejidad creciente.
La ingeniería de sistemas complejos trata, justamente, con sistemas
complejos (valga la redundancia) que manifiestan, entre otras características,
emergencia, inestabilidad e impredecibilidad. Son sistemas compuestos de
múltiples agentes con capacidades locales propias, pero con resultados globales
emergentes. Son los dominios de la no-linealidad, los cambios súbitos y la
ruptura de simetrías. Cada una de estas ingenierías tiene su base en ciencias:
la primera en la ciencia clásica y la segunda en las ciencias de la complejidad.
248
Vida artificial y sistemas complejos
Figura 4.12. Ciencia clásica y ciencias de la complejidad
Ciencia clásica
Ciencias de la
complejidad
Ingeniería
convencional
Ingeniería de los
sistemas complejos
No hay una sola ciencia de la complejidad, por eso se habla de ciencias, no igual con la ingeniería
Fuente: elaboración propia.
La ingeniería tradicional o convencional
La ingeniería tradicional o convencional tiene un espacio respetable en el
mundo actual tanto por los avances tecnológicos del pasado y del presente
como por su aporte a la solución de problemas. Señalar aquí sus métodos y
alcances no la demeritan, sino que precisan su ámbito de desempeño. No se
trata de desplazar la ingeniería convencional por el surgimiento de la ingeniería de sistemas complejos, pues ella sigue siendo eficiente en la construcción
de artefactos cuya naturaleza y estructura así lo permiten. No obstante, la
ingeniería tradicional encuentra muchas limitaciones al tratar con sistemas
complejos.
La ingeniería convencional está orientada a la fabricación de un producto
predeterminado, en condiciones muy estables del entorno; en general, se trata
de un producto robusto, predecible, con especificaciones individuales precisas para obtener un conjunto sólido, por ejemplo la fabricación en cadena de
miles de piezas que serán ensambladas en un artefacto final cuyo funcionamiento está paramétricamente establecido. Los productos son reproducibles
porque la estructura del fenómeno así lo permite; los límites del producto son
preestablecidos, y en el proceso de ingeniería (requerimientos, restricciones
y diseño) los aspectos no deseados son retirados de su diseño. El desarrollo
termina cuando el producto se logra sin fallo o sin defectos.
Al respecto, Minai, Braha y Bar-Yam (2006) destacan varios aspectos:
es una ingeniería que se ocupa de producir sistemas confiables, predecibles,
que respondan a unos objetivos predefinidos; su paradigma es satisfacer los
objetivos del usuario, de manera que una vez establecido un problema halle
249
Derivas de complejidad. Fundamentos científicos y filosóficos
una manera de resolverlo y haga lo mismo cuantas veces sea necesario. Es
una ingeniería reproducible. Los métodos ingenieriles están trazados para:
(i) establecer las especificaciones funcionales, que deberán precisar lo que se
quiere que haga el sistema, incluyendo restricciones y tolerancias, (ii) diseño
que se ocupa de los detalles, se mueve de arriba hacia abajo porque define una
función principal que deriva en otras más simples (divide y vencerás) que la
implementan y permite trabajar simultáneamente a equipos de ingenieros en
diferentes niveles, (iii) hace pruebas y verificación para establecer que el funcionamiento es correcto y en caso contrario realiza los ajustes necesarios, (iv)
una vez se han efectuado las pruebas de su diseño, se procede a la fabricación,
con la posibilidad de producir muchas copias del mismo diseño.
Aunque estos procesos de la ingeniería convencional pueden sufrir
variaciones, este es el marco general de su desarrollo. En aras de la pureza
conceptual, se podría decir que esta ingeniería ha tropezado con sistemas
complejos. Son muchos los problemas que la ingeniería convencional no ha
podido resolver porque sus métodos y los paradigmas que la rigen no logran
la cobertura ni las características de los sistemas complejos. La ingeniería
convencional continuará allí, pero tendrá que aproximarse o al menos acoplarse cada vez más a la ingeniería de sistemas complejos.
La ingeniería de sistemas complejos
La ingeniería de sistemas complejos difiere en los procesos, métodos y paradigmas de la ingeniería convencional. Comprender el fenómeno complejo
implica entender su evolución y su comportamiento. La auto-organización
de los sistemas complejos no es un asunto trivial; la interacción entre componentes simples a nivel local puede dar resultantes globales no lineales
y complejas en escalas superiores. Con el surgimiento de las ciencias de la
complejidad –teoría del caos, termodinámica del no equilibrio, teoría fractal,
teoría de conexiones e incluso la vida artificial misma– los paradigmas para
la ciencia han cambiado.
Contrario a la ciencia clásica, la ciencia de los resultados exactos, lo que
caracteriza a la ingeniería de sistemas complejos es justamente la emergencia,
los cambios súbitos, los cambios de fase, la ruptura de simetrías, la adaptabilidad, la imprevisibilidad, la inexactitud, entre otros aspectos. Estos sistemas
ya no son tratados en sus particularidades, porque los agentes en interacciones
mutuas crean emergencia, que frecuentemente los auto-organiza dando origen
250
Vida artificial y sistemas complejos
a los sistemas de complejidad creciente. Entonces, estos sistemas requieren
otro tipo de ingeniería, la ingeniería de los sistemas complejos, cuyo reto es
“diseñar y construir sistemas capaces de desempeñarse en entornos abiertos
y cambiantes y de resolver asuntos en circunstancias desconocidas con información incompleta y control restringido, sistemas que presentan más de una
solución o un espacio de soluciones” (Villamil y Gómez, 2009).
La idea que subyace es alcanzar un nicho de soluciones viables, pues el
sistema no dispone de una única solución. La ingeniería de sistemas complejos
contrasta con la ingeniería convencional en este aspecto: la segunda utiliza el
modelamiento para implementar una función objetivo definida previamente, con ajuste de parámetros, que solo termina cuando se ha eliminado toda
incertidumbre; la primera se centra en la simulación para poblar el espacio
de soluciones, y sobre él se pueden observar las diferentes aproximaciones u
objetivos logrados por los agentes individuales frente al objetivo global.
Es decir, la ingeniería de sistemas complejos hace una clara separación
entre el modelamiento y el diseño de la simulación, por decirlo así, de la
ejecución del sistema. En la ingeniería convencional el modelo y el diseño
contienen todos los parámetros tendientes hacia la solución óptima, mientras
que en la ingeniería de sistemas complejos quizá no se busque la optimización, sino una rica granularidad de resultados en el espacio de soluciones,
que va mejorando con el transcurso de las ejecuciones, aplicando su propio
régimen. Entre otras cosas, se colige que los requerimientos se enriquecen
en el transcurso de las simulaciones del sistema, en contraste con la ingeniería convencional, que no emprende su desarrollo hasta tanto el universo de
requerimientos se haya completado. Dice Carlos Reynoso, “bienvenidos los
nuevos requerimientos, aún en el proceso de producción”.
El régimen de la ingeniería de los sistemas complejos planteado por
.ORMAN +URAS EN ES BASTANTE ORIENTADOR ENTENDIDO COMO LOS PASOS
más generalizados o pautas para la nueva ingeniería. Estas pautas no pueden
ser asumidas como pasos rigurosamente elaborados, pues siempre deberán
atender las particularidades del fenómeno o del sistema objeto de ingeniería. Además, implican considerar la naturaleza del fenómeno, en la que se
destaca la existencia de agentes autónomos y con objetivos individuales en
un ambiente dado, los cuales producen resultados en un espacio de soluciones
compuesto por los muchos resultados específicos que pueden ser alcanzados
por varios agentes, produciéndose así un fenómeno de competencia. Cuando
251
Derivas de complejidad. Fundamentos científicos y filosóficos
se requieren varios agentes para alcanzar un objetivo del espacio de soluciones
surge la cooperación entre agentes.
Existen reglas que los agentes utilizan para relacionarse entre sí y para
su desempeño en el sistema complejo. En la medida en que logran llegar al
espacio de soluciones, son estimulados mediante recompensas positivas o negativas –según la posición frente al objetivo– en concordancia con dichas reglas.
El régimen deberá asegurar la continuidad de las actividades del sistema que
permitan la búsqueda del objetivo deseable. Deberá evaluarse si el objetivo
global ha sido alcanzado, según los resultados del espacio de soluciones, de
manera que los agentes puedan desarrollar métricas que guíen las actividades
locales o individuales de cada uno de ellos. Por último, deberá considerarse
que los sistemas complejos no pueden separar la ejecución de su desarrollo,
pues actúan en ambientes cambiantes e impredecibles, y no pueden prever
todas las reglas, de modo que los cambios no deben ser traumáticos y evitados
sino bienvenidos. Esto ocurre justamente en la operación del mismo sistema,
conduciendo a una dualidad de desarrollo y operación como unidad dinámica
durante su existencia. En otros términos, son desarrollos que no terminan,
sino que son sistemas en permanente desarrollo y operación.
La vida artificial y la ingeniería de sistemas complejos
Retomando la propuesta de Ronald y Sipper acerca de tres tipos de ingeniería
–la ingeniería clásica, la ingeniería emergente y la vida artificial–, se deduce que
la ingeniería de sistemas complejos está involucrada en la vida artificial, entre
otras razones porque los sistemas vivos son sistemas complejos, impredecibles,
emergentes, que dan muestras de adaptabilidad, recombinación y evolución.
Sintetizar la vida (en parte tarea de la vida artificial) implica acudir a métodos de simulación que permitan emular la vida en el computador, acudiendo
al desarrollo prolífero de las ciencias de la computación y a la ingeniería de
software, con técnicas como los autómatas celulares, los algoritmos genéticos, la computación gráfica (que permite visualizar comportamientos como
ocurren en la naturaleza), la computación evolutiva, entre muchas otras.
La propuesta de Ronald y Sipper incluye una ingeniería intermedia, la ingeniería emergente y hace énfasis en la influencia de la vida artificial en la ingeniería de sistemas complejos. La ingeniería emergente trabaja emergencias de
forma parcial (se condensa en los trabajos de inteligencia artificial), tratándolas
solo en el marco del modelo de trabajo, como en sistemas de deducción de
252
Vida artificial y sistemas complejos
reglas, aprendizaje mediante registros y entrenamiento de redes neuronales.
Las áreas de investigación en inteligencia artificial son fundamentalmente
el procesamiento de lenguaje natural, la robótica “inteligente”, la visión artificial, los juegos y los sistemas expertos, esta última en desuso y contenida
en el trabajo con agentes inteligentes.
La vida artificial, por su parte, evoca el trabajo con sistemas que exhiben
vida; sistemas complejos, auto-organizados, de complejidad creciente y con
capacidad de adaptación a las condiciones cambiantes del entorno; sistemas
que evolucionan, presentan recombinación y mutaciones. Son sistemas caracterizados por la no-linealidad, los cambios súbitos y la emergencia. Por
eso, la vida artificial sienta los fundamentos de una nueva forma de hacer
ingeniería, tomando como base la síntesis y simulación de sistemas vivos y/o
de comportamientos como los que exhibe la vida a través de campos como los
algoritmos genéticos, las redes booleanas, los autómatas celulares, los códigos
auto-replicantes, los agentes autónomos y los agentes adaptables. Además,
vincula otros aspectos de la computación como el procesamiento paralelo y
masivamente paralelo, los sistemas distribuidos, la computación gráfica y la
enorme capacidad de almacenamiento de información de los computadores
actuales.
Las investigaciones en vida artificial tienen dos enfoques complementarios. El primero tiende hacia la síntesis de la vida; esto permite hacer simulaciones con el fin de conocer cómo evoluciona una especie,9 o estudiar
el comportamiento de una población utilizando estrategias de abajo hacia
arriba, es decir, a partir de criaturas computaciones que actúan como agentes
autónomos, pero que en conjunto muestran comportamientos completamente
impredecibles.
El segundo enfoque pretende construir métodos y estrategias computacionales que hagan que las simulaciones sean funcionales en diversas disciplinas, como la matemática, la bio-matemática, las matemáticas de las ciencias
de la complejidad, junto con las ciencias de la complejidad y la capacidad de
emular sistemas complejos. Por ejemplo, persisten muchas limitaciones en
computación gráfica, pues no existen técnicas computacionales apropiadas
9
Esto es posible lograrlo en minutos, días o en el peor de los casos semanas; en la vida real, un
ejemplar humano no podría conocer tal resultado en periodos de tiempo tan cortos.
253
Derivas de complejidad. Fundamentos científicos y filosóficos
“capaces de crear comportamientos complejos en entornos virtuales” (Luengo, 2005).
Las ciencias de la complejidad dan asidero a la ingeniería de sistemas
complejos y esta se fundamenta en la vida artificial. Así, pues, la vida artificial
es el campo natural de la aplicación de la ingeniería de sistemas complejos.
Referencias bibliográficas
Adami, C. (1998). Introduction to Artificial Life .EW9ORK 3PRINGER 6ERLAG
Bar-Yam, Y. (1997). Dynamics of Complex Systems. Massachusetts: AddisonWesley.
Bedau M. et al. (2000). Open Problems in Artificial Life. Artificial Life Journal
6(4): 363-376.
Bedau M. (2003). Artificial Life: Organization, Adaptation and Complexity from
the Bottom-Up. Trends in Cognitive Sciences 7(11): 505-512.
Boden, M (Ed.) (1996). The Philosophy of Artificial Life. Oxford: Oxford University Press.
#OPELAND * Y 0ROUDFOOT $ 5N !LAN 4URING DESCONOCIDO Temas 36: La
Información. Barcelona: Prensa Científica.
De Jong, K. (2006). Evolutionary Computation: A Unified Approach. Cambridge,
-! -)4 0RESS
Dumitrescu D., Lazzerini B., Jain L. C. y Dumitrescu A. (2000). Evolutionary
Computation. Florida: CRC Press.
Emmeche, C. (1998). Vida simulada en el ordenador: la ciencia naciente de la vida
artificial. Barcelona: Gedisa.
Fernández, J. y Moreno, A. (1992). Vida artificial. Madrid: Eudema.
Heudin, J. (Ed.) (1999). Virtual Worlds: Synthetic universes, Digital Life, and
Complexity. %STADOS 5NIDOS 0ERSEUS "OOKS
)MPEY # (OW ,IFE #OULD 4HRIVE ON (OSTILE 7ORLDS %XTREME /Rganisms on Earth Show Us Just How Weird Life Elsewhere Could Be.
Astronomy, 36(12): 54-59.
Kauffman, S. (2003). Investigaciones: complejidad, autoorganización y nuevas leyes
para una biología general #OLECCI˜N -ETATEMAS "ARCELONA 4USQUETS (el original en inglés, 2000).
Kim, K. y Cho, S. (2006). A Comprehensive Overview of the Applications of
Artificial Life. Artificial Life Journal #AMBRIDGE -! 4HE
-)4 0RESS
254
Vida artificial y sistemas complejos
Lahoz-Beltrá, R. (2004). Bioinformática, vida artificial e inteligencia artificial.
Madrid: Díaz de Santos.
Langton, Ch. (1986). Studying Artificial Life with Cellular Automata. Physica
22D. 120-149.
Langton, Ch. (ed.) (1995). Artificial Life: An Overview #OMBRIDGE 4HE -)4
Press.
Langton, Ch. (1996). Artificial Life. En: Boden, M. (Ed.). The Philosophy of Artificial Life. Oxford: Oxford University Press.
Levy, S. (1992). Artificial Life: A Report from the Frontier Where Computers Meet
Biology .EW 9ORK 6INTAGE "OOKS
-AINZER + 4HINKING IN #OMPLEXITY 4HE #OMPUTATIONAL $YNAMICS OF
-ATTER -IND AND -ANKIND a ed. Berlin: Springer Verlag.
Maldonado, C. E. (2000). Lugar y significado de la vida artificial en la bioética
y la ecología. Bioética y medioambiente, Colección Bios y Ethos núm. 12.
Bogotá: Universidad El Bosque.
Maldonado, C.E. (2005). Termodinámica y complejidad. Una introducción para
las ciencias sociales y humanas. Bogotá: Universidad Externado de Colombia.
Mayr, E. (1982). The Growth of Biological Thought: Diversity, Evolution and Inheritance. Boston: Harvard University Press.
Mitchell, M. (1995). Genetic algorithms: An overview. Complexity, 1(1): 31-39.
Mitchel, M. (2011) Ubiquity symposium: Biological Computation. Issue February.
.EW 9ORK !#-
Monod, J. (1981). El azar y la necesidad "ARCELONA 4USQUETS
Muñoz, M., López J. y Caicedo E. (2008). Inteligencia de enjambres: sociedades
para la solución de problemas (una revisión). Revista de Ingeniería e Investigación 28: 119-130.
Nicolis G. y Nicolis C. (2007). Foundations of Complex Systems: Nonlinear Dynamics, Statistical Physics, Information and Prediction. Singapore: World
Scientific.
.OBLE * "ULLOCK 3 Y $I 0AOLO % !RTIlCIAL ,IFE $ISCIPLINE OR -ETHOD
Report on a Debate Held at ECAL’99. Artificial Life Journal 6(2): 145-148.
Nunes de Castro, L. (2007). Fundamentals of Natural Computing: An Overview.
Physics of Life Review 4: 1-36.
0ACKARD . Y "EDAU - !RTIlCIAL ,IFE %N Encyclopedia of Cognitive
Science, 1: 209-215.
255
Derivas de complejidad. Fundamentos científicos y filosóficos
0RUSINKIEWICZ 0 Y ,INDENMAYER ! The Algorithmic Beauty of Plants.
.EW 9ORK 3PRINGER 6ERLAG
2AY 4H !N APPROACH TO THE SYNTHESIS OF LIFE %N ,ANGTON # 4AYLOR
C., Farmer D y Rasmussen S (Eds.). Artificial Life II, Santa Fe Institute
Studies in the Sciences of Complexity, vol. XI, págs. 371-408. Redwood City,
CA: Addison-Wesley.
2AY 4H Jugué a ser Dios y creé la vida en mi computadora, en: Gutiérrez C.
(ed.). Epistemología e informática. San José, Costa Rica: UNED.
3CHRšDINGER % z1U£ ES LA VIDA "ARCELONA 4USQUETS
Sipper, M. (1995). An Introduction to Artificial Life. Explorations in Artificial
Life (special issue of IA Expert), pp. 4-8.
Stewart, I. (1999). El segundo secreto de la vida. Barcelona: Crítica.
6ON .EUMANN * 4HE 'ENERAL AND ,OGICAL 4HEORY OF !UTOMATA
%N ! ( 4AUB %D Collected Works, John Von Neumann, vol. 5: Design of
Computers, Theory of Automata and Numerical Analysis .EW 9ORK 0ERGAmon Press.
Von Neumann, J. (1966). Theory of Self-Reproducing Automata, edited and completed
by A. W. Burks. Urbana Ill.: University of Illinois Press.
Varela, F. y Maturana, H. (1973). De máquinas y seres vivos: una teoría sobre la
organización biológica. Santiago de Chile: Edición Universitaria.
Wheeler et al 4HE 6IEW FROM %LSEWHERE 0ERSPECTIVES ON !,IFE -ODEling. Artificial Life Journal 8(1): 87-100.
Wolfram, S. (1984). Universality and Complexity in Cellular Automata. Physica
10D pp. 1-35.
Wolfram, S. (2002). A New Kind of Science. Champain, IL: Wolfram Media, Inc.
256
View publication stats