Presentación de PowerPoint - uandina.edu.pe€¦ · imprecisos, y que no pueden ser atrapados por...

120
SISTEMAS COMPLEJOS Dr. Marcial FERRO RODRÍGUEZ 1

Transcript of Presentación de PowerPoint - uandina.edu.pe€¦ · imprecisos, y que no pueden ser atrapados por...

SISTEMAS COMPLEJOS

Dr. Marcial FERRO RODRÍGUEZ

1

La Tierra vista desde Saturno

SITUACIONES QUE ORIGINARON SURGIMIENTO DE LA COMPLEJIDAD

• Se establece una clara diferencia con el pensamiento simplificador y lineal,predominante desde su surgimiento (Descaartes, Galileo, Newton) hasta hoy.

• Se acepta pensamiento cientifico anterior, sino que los integra y lo supera.

• Reconoce que el conocimiento es limitado, sus limites son en ocasiones difusos eimprecisos, y que no pueden ser atrapados por el ojo humano, por lo que la realidades impredecible.

• La material se auto-organiza, que coexisten el orden y el desorden a la vez, losmovimientos no se producen en linea recta, sino en forma de turbulencias, bucles,torbellinos, donde emergen estructuras nuevas, superiors, diferentes a las que ledieron origen.

• El principio de autosimilaridad esta presente en los sistemas complejos (la parte estaen el todo y el todo esta en las partes).

• Los sistemas complejos son altamente sensibles a pequeñas variaciones en suscondiciones iniciales, y pueden acarrear grandes transformaciones.

3

• Nuevos conceptos: autoorganizacion (Von Neuman), orden a parir del ruido, ordena partir del desorden (Von Foerster); teoria del azar organizador (Atlan): relaciondialogica en todos los sistemas; fisica de los procesos del No equilibrio de los sistemas No lineales y de los procesos disipativos, caracterizados por un tiempounidireccional, o sea no reversible (Prigogine)

• Karl Heisemberg, fisico y premio nobel aleman, desarrollo un Sistema de mecanicacuantica, cuya indeterminacion o principio de incertidumbre ha influido. profundamente en la fisica y en la filosofia del siglo XX.

• La teoria del caos: Edward Lorenz, fisico meteorologo de (MIT) descubre el efectoque tienen pequeñas diferencias iniciales “efecto mariposa” sobre la situacionclimatologica.

• La llamada geometria fractal, (Benoit Mandelbrot), ingeniero frances 1975.

• La teoria de los conjuntos borrosos (Lofti Zadeh 1965), ingeniero irani que trata de formalizar un modelo logico y matematico de lo imprecise, lo difumindaoo, lo indeterminado, lo difuso.

• La teoria de las catastrofes (Rene Thom. 1972) define una forma topologica, mediante el cual un Sistema consigue mantenerse gracias a una forma de subsistencia, cuando ocurren a cambios repentinos.

TEORIAS QUE ORIGINARON EL SURGIMIENTO DE LA COMPLEJIDAD (2)

4

El investigador Nigel Frank escribió que " La hormiga solitaria

guerrera es conductualmente uno de los animales menos

sofisticados imaginables ... si 100 hormigas guerreras se

colocan sobre una superficie plana , van a caminar alrededor

y alrededor en círculos nunca disminuyendo hasta que

mueren de agotamiento. En un número extremadamente alto ,

sin embargo, es una historia diferente "

5

Aquí, por ejemplo, es una colonia de hormigas guerreras,

construyendo un túnel. Cada hormiga por sí, es muy

simple, pero la colonia en su conjunto pueden trabajar

juntos en cooperación para realizar tareas muy

complejas, sin ningún tipo de control central; es decir, sin

ninguna hormiga o grupo de hormigas estar a cargo.

6

En otras palabras, las colonias de hormigas pueden organizarsepara producir estructuras mucho más complejas, que una solahormiga.He aquí un ejemplo de las hormigas que construyen un puente consus cuerpos para que otros miembros de la colonia pueden cruzarla brecha entre dos hojas .

7

Otros insectos sociales producen uncomportamiento similar . Por ejemplo, aquíestá un ejemplo de la clase de estructuraviviente complejo construido por las termitas .montón de la termita.

Un aspecto importante de los sistemascomplejos es entender cómo individualmentesimples agentes producen un comportamientocomplejo y sin control central ?

Aquí los agentes simples son insectos, perovamos a ver muchos otros tipos .

8

Otro ejemplo clásico de un sistema complejoes el cerebro .

Aquí los agentes simples individuales sonneuronas.

9

El cerebro humano se compone de alrededor de 100 mil millones de neuronas y100 billones de conexiones entre las neuronas .

Cada neurona es relativamente simple (en comparación con todo el cerebro) y, denuevo, no hay control central.

De alguna manera el enorme conjunto de neuronas y conexiones da lugar a loscomportamientos complejos que llamamos " conocimiento " o "inteligencia " oincluso " la creatividad " .

10

Las imágenes cerebrales han demostrado, que las neuronas se organizan en diferentes áreas funcionales .

Al igual que las hormigas o las termitas, las neuronas pueden auto-organizarse en estructuras complejas que ayudan a la función de lasespecies y sobreviven .

Al oír las palabras Hablando palabras Al ver las palabras

Pensando en las palabras

11

Immune system organs

Otro sistema complejo es el sistemainmune. El sistema inmunológico estádistribuido por todo el cuerpo, queinvolucra muchos órganos diferentes,como se muestra en esta imagen, ymiles de millones de células moverse enel torrente sanguíneo o el sistemalinfático, para proteger o cuidar alcuerpo del daño o enfermedad .

12

Immune system cells

attacking a cáncer cell

Por ejemplo, esta es una imagen de las células del sistema inmunológico que atacan

una célula cancerosa. Al igual que las hormigas que vimos antes, las células del

sistema inmune se comunican entre sí a través de señales químicas, y trabajan juntos,

sin ningún tipo de control central, para lanzar ataques coordinados cuando perciben

una amenaza para el cuerpo .

Además, la población de células del sistema inmune en el cuerpo es capaz de cambiar

o adaptarse, en respuesta a la población de células que percibe en su entorno. Este

tipo de adaptación es otra de las características clave de los sistemas complejos .

13

Human genome

Otro ejemplo conocido de un sistema complejo, es el genoma humano.Que tiene 23 pares de cromosomas, cada uno compuestos por miles degenes .

14

Los genes son cadenas de ADN a lo largo del cromosoma. Estáactualmente pensado que el genoma humano tiene unos 25.000 genes .

En términos de sistemas complejos, se podría pensar a los genes comocomponentes simples, que interactúan con otros genes de una maneradescentralizada .

15

Genetic regulatory network

Los genes interactúan mediante el control de una expresión de otra - es decir, latraducción en proteínas. Aquí es una pequeña red de regulación genética que hasido trazado por los investigadores .

Aquí, cada óvalo o rectángulo representa un gen y una flecha de un gen a otrosignifica que el primer gen controla la expresión del segundo gen .

Resulta que el genoma humano está compuesto de miles de redes como ésta , en laque los genes interactúan entre sí de maneras complicadas , y es esta interacciónque es en gran parte responsable de nuestra propia complejidad

16

Food web

La idea de las redes es fundamental para

el estudio de la complejidad en la

naturaleza.

Aquí hay otro tipo de red, una red

alimentaria . Aquí, cada nodo en la red es

un grupo en particular de las especies, y

las flechas representan lo que se come a

quién .

Si una especie de grupo apunta a otro,

eso significa que es la primera comida

para el segundo. Por ejemplo, usted

puede ver que los zorros se encuentran

en la parte superior de este particular, la

red alimentaria de Alaska , ya que comen

varios tipos de animales , pero nada se

los come, al menos en esta tabla .

17

Food web (Gulf of Alaska)

He aquí un diagrama abstracto de una, aún más complicada red trófica, desde el Golfo de Alaska.

18

XiaoKi

mGar

Greg

DougKaren

SidSeth Ginger

Bob

DoyneCharlie

John JacquesSander Scott

A social network

Steph

David

Melanie

Tal vez el tipo de red a la que estamos

más familiarizado, es una red social .

Esto es parte de mi propia red social,

donde los nodos representan las

personas, y los enlaces representan la

amistad entre estas personas .

19

Facebook “friend” links

Los científicos de sistemas complejos están muy interesados en el estudio de las grandes

redes sociales, como Facebook, para entender su estructura, cómo dichas redes se

forman, cómo cambian con el tiempo, y cómo se transmite la información en este tipo de

redes, entre otras muchas cuestiones .20

Financial Institution Network

Las economías son otro tipo de

sistema complejo en el que las

redes de interacciones son

fundamentales .

Aquí vemos una muestra de la red

financiera internacional, donde los

nodos representan las instituciones

financieras y los enlaces

representan las relaciones entre

ellos - por ejemplo, si un banco es

dueño de acciones de otro banco .

Resulta que el importe de la

conectividad en una red de este

tipo así como los tipos de enlaces

presentes, pueden tener un gran

efecto sobre la estabilidad de la

red es a los cambios, como por

ejemplo un banco va a la quiebra .

El nuevo campo interdisciplinario

de la ciencia de las redes, que

surgió de la comunidad de

investigación de sistemas

complejos, estudia este tipo de

fenómenos en las redes de

muchas disciplinas diferentes .21

Cities as complex systems

Un último ejemplo es el estudio de las ciudades como sistemas complejos.

A menudo se ha dicho una ciudad es como un organismo vivo de muchas

maneras, pero ¿hasta qué punto las ciudades en realidad se parece a los

organismos vivos, en las formas en que están estructurados, crecen,

escalan con el tamaño y el funcionamiento ?

22

Propiedades comunes de los sistemas

complejos

Componentes simples o agentes ( sencillo en relación con el

sistema completo )!

Interacciones no lineales entre los componentes

No hay control central!

Comportamientos emergentes !

• organización jerárquica !

• procesamiento de la información

• dinámica !

• la evolución y el aprendizaje !

23

CARACTERÍSTICAS DE LOS SISTEMAS COMPLEJOS (CEPAL)

• CONECTADOS: REDES (QUIEN ERES Y CON QUIEN ESTAS)

• INTERDEPENDIENTES: TAMANO DE PALA EN FUNCION AL PESO

• DIVERSOS: NUMERO DE ESTADOS DE SISTEMAS; ENTROPIA Y VARIEDAD REQUERIDA PARA LOGRAR UN OBJETIVO.

• ADAPTATIVO: PROCESAMIENTO DE LA INFORMACIÓN – APRENDE

• DEPENDIENTES DEL CAMINO: SENSIBLE A CONDICIONES INICIALES, AL BORDE DEL CAOS (ACCIDENTES CONGELADOS=CIENCIAS DE LA COMPLEJIDAD).

• EMERGENTES: MODELOS BASADOS EN AGENTES AUTOMATAS (NO LINEALIDAD MULTINIVEL:: AUTOORGANIZACIÓN

24

25

Dinámica: Estudio de los cambios continuos de la estructura y

el comportamiento de los sistemas !

Información: Estudio de las representaciones, los símbolos , y

la comunicación !

Computación: Estudio de cómo los sistemas procesan la

información y actuar sobre los resultados!

Evolución: Estudio de cómo los sistemas se adaptan

constantemente a entornos cambiantes !

Núcleo de las disciplinas

26

• Información de Shannon !• Complejidad algorítmica !• Descripción de la mínima longitud!• Dimensión fractal !• Profundidad Lógico !• Profundidad termodinámica !• Complejidad efectiva !• Grado de jerarquía !• Etc ... !

27

1894−1978

SCIENCE AND COMPLEXITYBy WARREN WEAVER

Rockefeller Foundation, New York City

“Science and Complexity”, American Scientist, 36: 536 (1948)

28

Problemas de SISTEMAS SIMPLES: utilizan

dos o pocas variables.

Ejemplos :

• La presión y la temperatura !

• Corriente, resistencia, y voltaje !

• Población según el Tiempo !

29

!

Problemas de SISTEMAS COMPLEJOS

desorganizados: utilizan miles o millones de

variables.

Ejemplo:

• La comprensión de las leyes de temperatura y presión,

como emerge de miles de millones de moléculas de aire

desorganizados

• Ciencia de los Promedios !

• Mecánica estadística !

• Asume poca interacción entre las variables .

30

Problemas de los SISTEMAS COMPLEJOS

organizados: Un número moderado de las

variables!

• Las interacciones no lineales, son fuertes entre

las variables. !

• Problemas que implican tratar simultáneamente

con un número importante de factores que están

interrelacionados en un todo orgánico. "!

31

"Estos nuevos problemas, y el futuro del mundodepende en muchos de ellos, la ciencia requiere unavance que debe ser aún mayor que el conquista de losproblemas de la simplicidad del siglo XIX o la victoria delsiglo XX por los problemas de la complejidaddesorganización.

La ciencia debe, en los próximos 50 años, aprender ahacer frente a estos problemas de la complejidadorganizada. "!

32

CIENCIAS DE

LA COMPLEJIDAD

Marcial FERRO RODRÍGUEZ

33

34

ORIGEN DE LAS CIENCIAS DE LA COMPLEJIDAD

1. Origen teórico

2. Origen administrativo-organizacional

35

Origen teórico

• H. Poincaré: el problema de los tres cuerpos

• K. Gödel: Teorema de la incompletud

• A. Turing: Máquina de Turing e indecibilidad

36

Origen organizacional

• En 1978, Centro de Estudios para al Dinámica No-lineal en el Instituto La Jolla

• 1980s, El Instituto Santa Cruz para la Ciencia No-lineal, que nace a partir del Colectivo de Caos de Santa Cruz

• 1980 se funda el Centro para Estudios No-lineales en el Laboratorio Nacional de los Álamos

• En 1981 se funda el Instituto para la Ciencia No-lineal en la Universidad de California en Davis

• En 1984, el Instituto Santa Fe

37

DISTRIBUCIONES NORMALES

GEOMETRIC PHENOMENA, such

as:

* Gauss Bell

* Statistics

* Normal

distributions

* Standards

* Averages

* Vector analysis

38

39

Filo del caos

Sistemas complejos

Sistemas cercanos alequilibrio

Equilibrio

Orden

Caos

Desorden

(Cristales) (Vida) (Sol, estrellas)Sistemas alejados del equilibrio

Ciencia normal Ciencia revolucionaria (Thomas Kuhn)

·Distribuciones normales·Ley de los grandes números

·Campanade Gauss·Campaba de Bell

·DescripcionesestadfsHcas·Descripciones matriciales

·Vectores·Estandares

.

.

.

Cuerpos simples Trayectorias Sistemas duales 3-‐cuerpos n-‐cuerpos

Ciencias de la complejidad: Termodinamica del no-equilibrio (llya Progogine, 1945 y 1977)

Teoría del caos (Edward Lorenz, 1964)

Teoría de las catastrofes (Rene Tom, 1977)

Geometrfa fractal (Benoit Mandelbrot, 1977)

Vida arHficial (Christopher Langton, 1987)

Ciencia de redes (L. Barabasi, S. Strogatz, D. WaOs, 2001-2003)

Logicas no-clasicas (varios, desde la decada de 1950) (*)

40

Logicas no clasicas

Incertidumbre

Emergencia

Imprecision

Auto-organizacion

No-linealidad

Adaptacion

Evolucion Atractores

Fractalidad

CaosRedes complejas Vida artificial

41

VIDA Y AUTOORGANIZACIÓN

·Sistema·Sistema·Sistema·Sistema·Sistema

·Sistema·Sistema·Sistema·Sistema

EndocrinoLinfaHcoInmunologico Nervioso Central Cardiovascular Muscular DigesHvo Respiratorio Circulatorio

En un organismo saludablecerebro

(sano) no todo pasa por el

42

COMPLEJIDAD EN UNA PALABRA

•El estudio de la complejidad implica una filosofía del movimiento

•Movimiento súbito, imprevisto, no-controlado, irreversible

LOS DOS PROBLEMAS CENTRALES

•TIEMPO

•NO-LINEALIDAD

TERMODINÁMICA(entropía)

muerte

vida(evolución)BIOLOGÍA

…muerte vida

·Sensibilidad a las condiciones iniciales·Presencia de atractores·Cambios de fase...

45

46

Relaciones entre

el universo macroscopico y

microscopico

Problemas

P =! NP

Sistemas

dinamicos

47

Lógica de

contrafácticos epistémica

deóntica

Lógicas No Monotónicas

Extensiones a la

lógica clásica

Alternativas a la

lógica clásica

tiempo

relevancia

Lógicas No Clásicas

(Lógicas filosóficas)

Lógicas polivalentes

Lógica difusa

Lógica paraconsistente

Lógica formal clásica

Lógica d contrafácti

Lógica

Lógica de la

Lógica libre

Lógica del

Lógica modal

Lógica de fabrica

Lógica cuánticaLógica

Lógicas ProbabilísticasLógicas No

48

NUMBER SYSTEM

Imaginary

49

as

ción

ad

etría

Abierto en la

nace complej

agregado (=s

Un sistema complejo no

es explicable a partir de lo

anterior, de lo inferior, ode lo causal

Abierto en la cima:porque aprenden, se

adaptan, exhiben vidaemergenci

sorpresas

autoorganiza

no linealidrupturas de si

.

.

.

base: porque la complejidada; es decir, no como un

uma) de elementos o partes

Sistemas de complejidad creciente(sistemas irreductibles)

50

51

52

Métodos clásicos

Heurísticas

Metaheurísticas paralelas y distribuidas

configuración: Hiperheurísticas

Instanciar

módulos

Afinar

parámetros

Metaheurísticas multinivel

Problema Problema

Metaheurísticas auto-adaptativas

Personalización

de

metaheurísticasComputación no convencional

Afinamiento de metaheurísticas

Aprendizaje de máquina

estructural paramétrico

METAHEURÍSTICAS

Metaheurísticas híbridas

53

SIA

RN CE

SD IE

Técnicas

Probabilísticas

Paradigmas de la inteligenciacomputacional. SI: sistemas difusos, RN: Redes neuronales, SIA: sistemasinmunes arSficiales, CE: computación evoluSva, IE: inteligencia de enjambres. Las flechas representan

posibles combinaciones de técnicas para formar sistemas híbridos. Adaptado desde (Engelbrecht,2007).

54

COMPLEJIDAD COMPUTACIONAL

Dos tipos de problemas

Decidibles Indecidibles

No pueden resolverse algorítmicamente, incluso con

recursos de [empo y espacio ilimitados

·Hipercomputacion

·Computacion no-convencional

PProblemas faciles:

Irrelevantes

N-‐PProblemasDificiles:Relevantes

N-‐P Completos

N-‐P Dificiles ·Simulacion·MetaheurfsHcas

55

56

LOS DOS PROBLEMAS CENTRALES

•Cómo un sistema:

a) Se convierte en un sistema no-lineal

b) Puede ser transformado en un sistema no-lineal

DE LA LINEALIDAD A LA NO-LINEALIDAD

•Cuando un sistema lineal se convierte en uno no-lineal:

•Descripción

•Modelamiento y simulación

•Leyes de potencia

•Percolación

•Procesamiento de información

•Adaptación

•….

CAMBIANDO LA LINEALIDAD EN NO-LINEALIDAD

•Modelos

•Teoría

•Modelamiento y simulación

Y SIN EMBARGO…

•Qué es la no-linealidad?

•No debe ser nunca asimilada a análisis multi-causal

•No tiene nada que ver con multiplicidad de variables

•Es indiferente a la variedad de inputs (entradas)

QUÉ ES UN MODELO?

• Observación – Descripción – Modelo – Teoría – Ciencia

Experiencia

DIFERENTES CLASES DE MODELOS

•Modelo teórico o conceptual

•Modelo matemático/lógico

•Modelo computacional

•Modelo informacional

•Modelos de justicia

•Modelos económicos

•Modelos financieros

•Modelos políticos•Modelos pedagógicos

COMPLEJIDAD Y/COMO POSIBILIDAD

•Las ciencias de la complejidad son ciencias de lo posible,

•Mientras que la ciencia normal es ciencia de lo real

COMPLEJIDAD Y MEDICIÓN

•Hay dos tendencias en el mundo:

a) Podemos medir la complejidad universalmente

b) Cada sistema complejo posee su propia complejidad

SISTEMAS COMPLEJOS NO-LINEALES

•Un sistema no-lineal gana información, no memoria

PROCESAMIENTO DE INFORMACIÓN

• Procesamiento clásico: Modelo Máquina de Turing

• Procesamiento no-clásico: Modelos alternativos a la máquina de Turing (o-TM, u-TM, etc.)

• MT no determinista

• Hypercomputación biológica

LOS “CUERPOS” DE LOS SISTEMAS SOCIALES

• Sistemas simples Trayectorias Sistemas duales o binarios

LOS DUALISMOS

• Nación-territorio

• Comprador-vendedor

• Oferta-demanda

• Ciudadano-representatividad

• Derechos-deberes

• Médico-paciente

• Profesor-estudiante

• Hombre-mujer

• Hombre-naturaleza

• Actor-espectador

• Artista-curador

• Hablante-oyente

• Individuo-sociedad

• Preferencias-utilidades

• Aseguramiento-riesgo

LOS ESPACIOS SOCIALES

• Son variables, no son rígidos (vs. ciudad, etc.)

ComputaciónNatural

Computación

inspirada por la

naturaleza

Síntesis de fenómenos

naturales en

computadores

Computación con

nuevos materiales

naturales

Computación

cuánticaRedes

neuronales naturales

Computación

evolutiva

Inteligencia de

enjambre

Sistemasinmunes

artificiales

Geometría

fractal

Vida Computación

con ADN

artificial

70

MODELAMIENTO Y SIMULACIÓN

Modelamiento Simulación

Aplicación Comprensión

ComputadorSistema Real(mundo real)

Modelo

71

¿Cómo puede el modelado computacional mejorar la

atención médica y / o la investigación biomédica?

Modelo de las arterias

obstruidas identifica áreas

de daño de la pared (a la

izquierda) y los puntos de

alta tensión de flujo

sanguíneo (derecha), que

predicen ruptura de la placa

aterosclerótica. Fuente:

Dalin Tang, Worcester Polytechnic Institute.

El tratamiento de la enfermedad

cardíaca. Los investigadores están

desarrollando modelos de la mecánica de los

vasos sanguíneos, el flujo de sangre, y las

válvulas del corazón. Estos modelos se pueden

utilizar en un número de maneras, incluyendo la

optimización del diseño de dispositivos

implantados tales como válvulas cardíacas

artificiales y stents de las arterias

coronarias. Los investigadores también están

utilizando modelos computacionales para

desarrollar herramientas de decisión para los

médicos que pueden proporcionar una guía

para el tratamiento de enfermedades

cardiovasculares basado en el análisis detallado

de las características específicas de cada paciente.

72

Este modelo predice los cambios en la tensión dentro de un tejido en respuesta a cambios en las propiedades físicas y químicas. Fuente: JayHumphrey de la Universidad de Yale

Lesión en la rodilla Modelado y tratamiento. En la

articulación de la rodilla, los movimientos hechos en

caminar, correr, y durante la práctica deportiva pueden

ejercer tensión y deformar el tejido del cartílago

subyacente. Patrones de deformación anormales

pueden estimular las células en el cartílago para

producir respuestas bioquímicas que inducen lesiones

en el cartílago. Por lo tanto, las respuestas a nivel

celular afectan la función a nivel de tejido, lo que afecta

a la función en todo el nivel del cuerpo, haciendo que la

gente se sienta dolor al mover la rodilla. Cada uno de

estos diferentes niveles se conoce como una escala

biológica.Los modeladores están desarrollando

"modelos multiescala" para estudiar enfermedades y

condiciones examinado todas las escalas que afectan

el sistema o problema en cuestión. En el ejemplo de un

modelo de lesión de rodilla, células, tejidos y

musculoesqueléticos se utilizan en conjunción para

mapear la deformación celular en el cartílago,

ligamentos, meniscos y como la articulación de la rodilla se somete a varias fuerzas.

73

Modelado patógeno y la respuesta inmune para el

tratamiento de la tuberculosis. La tuberculosis sigue

siendo un problema en todo el mundo, infectando a un

tercio de la población. La terapia actual es difícil para los

pacientes a que se adhieran a, ya que requiere 6 meses

de tratamiento con múltiples antibióticos. Los

investigadores están utilizando un enfoque experimental /

computacional combinado para desarrollar un modelo

realista que describe la respuesta inmune a la infección

con la bacteria que causa la tuberculosis. El objetivo es

predecir el resultado de las estrategias de tratamiento

que aumentan la inmunidad durante el tratamiento

antibiótico. Los resultados del modelo se utilizarán para

desarrollar mejores terapias que optimizan los efectos

combinados de tratamiento antibiótico y la respuesta

inmune.Este enfoque también proporcionará datos y

herramientas a la comunidad más amplia de

investigadores que investigan diversas áreas

relacionadas con la tuberculosis, la inmunidad, y el

modelado computacional.

Modelo computacional que

muestra moléculas que se

mueven dentro y fuera del sitio

de la formación de granuloma

tuberculosis. Fuente: Denise

Kirschner, de la Universidad de

Michigan

74

INGENIERIA DE LA CIENCIAS DE LA COMPLEJIDAD• METAHEURÍSTICAS (HIBRIDOS, PARALELOS, HIPERHEURÍSTICAS)

• INTELIGENCIA COMPUTACIONAL, INTELIGENCIA ARTIFICIAL BIO INSPIRADA, COMPUTACION SUAVE, COMPUTACION NATURAL Y COMPUTACIÓN BIO INSPIRADA.

• COMPUTACION EVOLUTIVA

• INTELIGENCIA DE ENJAMBRES

• COMPUTACION CON MENBRANAS

• COMPUTACIÓN INMUNE O SISTEMAS INMUNES ARTIFICIALES

• COMPLEJIDAD, SISTEMAS BIO-INSPIRADOS, BIO-ROBÓTICAS Y BIO-HARDWARE.

COMPLEJIDAD Y SISTEMAS VIVOSCOMPLEJIDAD Y CIENCIAS SOCIALESORGANIZACIONES Y COMPLEJIDAD

75

COHOMOLOGÍA

76

POLITOPOS

77

MATEMATICAS

• ESTRUCTURAS PERMANECEN

CAMBIAN

SIGUEN IGUAL (REFORMA, REESTRUCTURACION)

TRANSFORMAN

ELLO FUNCIONA PARA LA MATEMATICAS, CULTURA, POLÍTICA, FILOSOFIA…… COMPLEJIDAD

78

79

PROBLEMA DE LA VIDA:

CONTINUO DISCRETO

80

83

MUNDO DISCRETO

- FISICA CUÁNTICA ----------------- ENERGÍA (DISCONTINUA)

E = mc2

- TEORÍA DE LA INFORMACIÓN --- 1 / 0

- TEORÍA CUANTICA DE LA INFORMACION - 1 y 0

84

Ondas en resonancia

ORDEN ONDA RESULTANTE

SALUD

Estado E.M

ENFERMEDAD

PATOLOGIA

H2

H1

A

B

C

85

Ondas Schumann (1952)

Físico alemán descubrió que el planeta tenia una serie de OEM en resonancia en la ionosfera terrestre, que afectan directamente a las personas, animales, etc.

Patrón EM entre 7.8 Hz (frec. baja) y 60 Hz (frec. alta).

El pulso establecido en el hipotálamo de los seres humanos es 7.8 Hz, en relajación-meditación-concentración alcanza a 10 Hz. El universo 800 Giga Hz.

Investigaciones (7.8 a 8 Hz, campos débiles):• Alterar comportamiento celular, tejidos,

órganos.• Alterar niveles hormonales• Alterar procesos químicos celulares.• Alterar percepción del tiempo • Inducir al sueño y meditación.• Disminuir nivel de stress• Beneficiar los procesos de inmunidad.• Equilibrar ritmo cerebral• Lentificar las taquicardias.• Estimular procesos aprendizaje.• Expandir la conciencia.• Generar mayor flujo de E° vital.• Estimular procesos curativos naturales.• Incrementar la actividad del biocampo

humano, creando barrera contra agresiones físicas, psíquicas o medio ambientales.

86

OEM Cerebrales

87

88

Ej. Mundos discreto

MATEMATICA

CONTINUA (SIGLO XIX y XX)

• FUNCIONES

• CALCULO INTEGRAL

• LÍMITES

• ALGEBRA

• ESTADISTICA

DISCRETA (SIGLO XXI)

• CONJUNTOS PARCIALMENTE ORDENADOS

• CONJUNTOS EXTREMOS

• GEOMETRIA DISCRETA Y COMBINATORIA

• TEORÍA DE PROBABILIDADES DISCRETAS

• PROBLEMAS COMBINATORIOS

• TEORIA DEL JUEGO

• TOPOLOGIA

• LÓGICAS NO CLASICAS

• MATEMATICAS DE SISTEMAS COMPUTACIONALES

89

90

PATRONES Y DISCRECIÓN

• TESELADOS

• CONJUNTOS EXTRANOS

• CONJUNTOS PARCIALMENTE ORDENADOS

• ENUMERACION

• TEORIA DE REDES

• GRAFOS E HIPERGRAFOS

• TEORÍA DE LA CODIFICACIÓN

91

TESELADOS

92

93

94

SISTEMAS DISCRETOS = SISTEMAS COMPLEJOS

• CAOS

• CATÁSTROFES

• TERMODINAMICA DEL NO EQUILIBRIO

• REDES COMPLEJAS

• GEOMETRÍA FRACTAL

• LÓGICAS NO CLÁSICAS

• INESTABILIDADES

• FLUCTUACIONES

• TURBULENCIAS

• ATRACTORES

• COMPUTACIÓN NO LINEAL (SIMULCIÓN)

• PERCOLACIÓN

• REDES LIBRES DE ESCALA

• INTELIGENCIA DE ENJAMBRES.

95

Hubs

96

Turbulencia

97

EMERGENCIA

TRANSICION DE FASE

98

Redes complejas

99

AUTO-ORGANIZACIÓN

El mundo

complejo

indígena en el

que estamos

100

101

102

RASGOS ICONOGRÁFICOS SOBRE LA MOLÉCULA DEL AGUA (Fractales)

103

Me da ascoHado - Mozart500 personas rezando

Fotos cristales de agua (Dr. Emoto)

104

Fractales en la naturaleza

105

Sistemas con múltiples interacciones

entre muchas unidades, incertidumbre,

indeterminaciones, fenómenos

aleatorios, azar.

Fractales del organismo humano

106

COMPLEJIDAD Y CIENCIAS SOCIALES

“Estoy convencido de que las naciones y pueblos que dominen las nuevas ciencias de la complejidad serán las superpotencias económicas, culturales y políticas del siglo que viene”.

H. Pagels (1988)

107

108

PENSAR EN COMPLEJIDAD

•Espacio(s) de fase

•Transiciones de fase

•Espacio(s) de configuración

Transición de Fase

COMPLEJIDAD EN UNA PALABRA

•El estudio de la complejidad implica una filosofía del movimiento

•Movimiento súbito, imprevisto, no-controlado, irreversible

114

COMPLEJIDAD COMO POSIBILIDAD

•Las ciencias de la complejidad son ciencias de lo posible,

•Mientras que la ciencia normal es ciencia de lo real

115

FUTURO SOBRE EL ESTUDIO DE LOS SISTEMA COMPLEJOS

Marcial FERRO RODRÍGUEZ

116

Sistemas Complejos Campus Digital Desde abril de 2014, la UNESCO reconoce oficialmente el Complejo Campus Digital Systems como Programa UNITWIN, una red mundial de instituciones de investigación y de educación superior. ¿Por qué un Complejo Campus Digital Systems El Complejo Campus Digital Systems federa las instituciones de investigación y educativas en todo el mundo frente a los desafíos de la ciencia de los sistemas complejos. Coordina una red internacional en evolución de los científicos a identificar los retos científicos a pesar de 'que viven los sistemas complejos hojas de ruta', facilitando la puesta en común de los recursos de investigación y educativas para hacer frente a estos desafíos. El Campus Digital tiene departamentos virtuales federar la dirección de la comunidad frente a cada desafío. El Campus Digital está abierto a todos los ciudadanos del mundo a participar en la solución de los desafíos locales y globales que se avecinan. (leer más). ¿Quién está en la red CS-DC La lista de los miembros fundadores con sus representantes es aquí . El Complejo Campus Digital Systems es administrado por el Consejo de los representantes de los Miembros Fundadores con la ayuda de la Sociedad de Sistemas Complejos.

Cómo unirse a la CS-DC Un nuevo miembro fundador unirse con sólo el envío de una carta de compromiso de su Presidente o de su Vicepresidente y designando un líder científico encargado de los contactos con los demás socios de la CS-DC (ver detalle en la carta de compromiso ). Al unirse a la CS-DC, un nuevo miembro no tiene gastos extras, pero se beneficiará de la financiación nacional e internacional a través de la Hoja de Ruta CS-DC. Utilizará y contribuir a los recursos CS-DC compartidos (datos, software, hardware, de investigación y de materiales educativos y plataformas, etc) a lo largo de su propio Programa de Investigación y Enseñanza (ver en detalle cómo unirse ).

Reuniones Lucca 25 de septiembre 2014 la UNESCO UNITWIN CS-DC: Ciencia, Política y Aplicaciones Reunión Satélite en el ECCS'14 - Conferencia Europea sobre Sistemas Complejos Esta reunión satélite reunirá a los miembros de la CS-DC, de todas partes del mundo, para revisar progreso y evaluar los desafíos relacionados con la coordinación y el intercambio de la investigación y los recursos educativos entre los más de cien universidades e instituciones de todo el mundo. Las sesiones se combinarían presentaciones físicas y remotas para incluir miembros que asisten a ECCS en Lucca y los que no pueden hacerlo.

117

118

PLAN DE ESTUDIOS EN CIENCIA DE LOS SISTEMAS COMPLEJOS

El é currículo toile se basa en los Grandes Desafíos de los Sistemas Complejos

Ciencia incluido en el Plan de trabajo para ASSYST Sistemas Complejos La ciencia y sus

aplicaciones 2012-2020 . Ellos están organizados en tres categorías principales:

1. Preguntas - las cuestiones transversales de la ciencia integradora interdisciplinario;

2. Objetos - preguntas relacionadas con objetos específicos y dominios verticales de estudio;

3. Educación y Práctica Profesional - preguntas relacionadas con los problemas prácticos

de la educación y la reeducación gran número de personas en la nueva ciencia, tomando la

ciencia en aplicaciones en los sectores privado y público, y la comprensión de cómo las

necesidades de la política global y local dirigirán y apoyo el desarrollo de la nueva ciencia.

Categorías están compuestos por cursos, y los que se agregan los Grandes Desafíos, que

todavía se puede dividir en Temas.

Ciencia de los sistemas complejos formal

Computación peta escalar

Sistemas complejos artificiales

Surgimiento y emergencia multiescalar

A partir de un control óptimo de la gobernanza PREGUNTAS

El comportamiento colectivo

Dinámica estocástica y multiescala

Epistemología, aprendizaje automático

Geo ciencias y el medio ambiente

La computación ubicua

Desarrollo sostenible

El aprendizaje y la co-evolución OBJETO

Cognición, individual / social,

Complejidad eco sistémica

Funciones fisiológicas

De las moléculas a los organismos

Materia compleja

Práctica profesional EDUCACION

Educación y formación 119

120