Presentación de PowerPoint - uandina.edu.pe€¦ · imprecisos, y que no pueden ser atrapados por...
Transcript of Presentación de PowerPoint - uandina.edu.pe€¦ · imprecisos, y que no pueden ser atrapados por...
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
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
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
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
TERMODINÁMICA(entropía)
muerte
vida(evolución)BIOLOGÍA
…muerte vida
·Sensibilidad a las condiciones iniciales·Presencia de atractores·Cambios de fase...
45
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
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
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
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
•….
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)
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
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 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
…
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
MATEMATICAS
• ESTRUCTURAS PERMANECEN
CAMBIAN
SIGUEN IGUAL (REFORMA, REESTRUCTURACION)
TRANSFORMAN
ELLO FUNCIONA PARA LA MATEMATICAS, CULTURA, POLÍTICA, FILOSOFIA…… COMPLEJIDAD
78
MUNDO DISCRETO
- FISICA CUÁNTICA ----------------- ENERGÍA (DISCONTINUA)
E = mc2
- TEORÍA DE LA INFORMACIÓN --- 1 / 0
- TEORÍA CUANTICA DE LA INFORMACION - 1 y 0
84
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
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
PATRONES Y DISCRECIÓN
• TESELADOS
• CONJUNTOS EXTRANOS
• CONJUNTOS PARCIALMENTE ORDENADOS
• ENUMERACION
• TEORIA DE REDES
• GRAFOS E HIPERGRAFOS
• TEORÍA DE LA CODIFICACIÓN
91
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
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
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
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
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