Sociedades artificiales y violencia virtual

Paul Krugman, el distinguido profesor de economía de la Universidad de Princeton y New York Times columnista, una vez explicó los motivos jejune de su elección de carrera. En mi adolescencia, mi fantasía secreta era convertirme en psicohistoriador, escribió, refiriéndose al truco central, la psicohistoria, de Isaac Asimov. Fundación trilogía. Krugman continuó: Algún día existirá una ciencia social unificada como la que imaginó Asimov, pero por el momento la economía está lo más cerca posible de la psicohistoria.

De la depuración étnica local al genocidio.

Eso es risible, dado el abismo entre la fantasía de Asimov de un cálculo predictivo de los asuntos humanos y la actualidad de la economía dominante, de hecho, de cualquiera de las ciencias sociales, como se practicó durante la mayor parte del siglo pasado. Sin embargo, las últimas décadas han visto nuevos enfoques. Uno de los más prometedores fue descrito por Joshua Epstein, investigador principal de la Brookings Institution, en Sociedades artificiales en crecimiento: las ciencias sociales de abajo hacia arriba , libro que publicó en 1996 en colaboración con Robert Axtell. Tal vez algún día la gente interprete la pregunta '¿Puedes explicarlo?' Como preguntando '¿Puedes crecer eso? sugirió Epstein. El modelado de la sociedad artificial nos permite 'hacer crecer' las estructuras sociales en silico demostrando que ciertos conjuntos de microespecificaciones son suficiente para generar los macrofenómenos de interés.

Esta historia fue parte de nuestro número de julio de 2007

• Ver el resto del número
• Suscribir

¿Qué significa esto? ¿Y por qué debería importarnos? La afirmación de Epstein era doble. Primero, señaló que si bien casi todos los patrones que interesan a los científicos sociales son emergentes, es decir, desarrollos complejos que surgen de muchas interacciones relativamente simples, disciplinas como la economía dominante conciben las sociedades como tendientes hacia algún equilibrio nocional. Las explicaciones estándar asumen, también, que las sociedades están formadas por agentes altamente racionales que, poseyendo pleno conocimiento, actúan siempre en su propio interés. Cuando se trata de cómo las poblaciones reales de diversos actores con racionalidad limitada en realidad evolucionan sus patrones de, digamos, distribución de la riqueza, señaló Epstein, las explicaciones de las acciones no tienen casi nada que decir. (Ver Carta al editor de Joshua Epstein).

Epstein no fue el único que hizo esas críticas. Pero propuso, en segundo lugar, que los modelos informáticos en sí mismos podría describir sociedades con eficacia. A principios de la década de 1990, Epstein y Axtell habían creado una simulación llamada Sugarscape, una cuadrícula que representa un paisaje bidimensional habitado por subprogramas autónomos (agentes) que eran impulsados ​​de un cuadrado a otro por crudos metabolismos artificiales que demandaban un recurso, denominado azúcar. Cuando cientos de estos agentes fueron programados para que sus rangos de visión y tasas metabólicas variaran, incluso de manera simple, surgieron patrones sorprendentes.

De hecho, Epstein y Axtell aprenderían que con sus modelos, el truco [era] obtener mucho fuera , mientras pone lo menos posible, como escribe Epstein en su último libro, Ciencias sociales generativas: estudios en modelado computacional basado en agentes . A principios de la década de 1990, los dos hombres establecieron dos regiones de su red de Sugarscape para ser ricas en recursos de azúcar, de modo que los agentes rápidamente gravitaron hacia ellos. Algunos agentes con una visión superior y tasas metabólicas bajas acumularon grandes reservas de azúcar. Otros agentes, con visión más débil y altas tasas metabólicas, subsistieron o murieron en zonas donde el azúcar escaseaba. Esencialmente, descubrieron Epstein y Axtell, Sugarscape funcionaba como un modelo de sociedad de cazadores-recolectores, reproduciendo una característica común de las sociedades humanas: la distribución sesgada de la riqueza. Por supuesto, la noción de que los autómatas toscos que se mueven alrededor de una red informática sugieren que la desigualdad de la riqueza es una característica innata de la existencia humana no será del agrado de los marxistas sino de la mayoría del resto de nosotros, dado lo variadas que sabemos que son nuestras experiencias individuales. Sin embargo, la naturaleza está llena de relaciones estadísticas peculiarmente consistentes, que se repiten en ámbitos diferentes y que los estadísticos denominan leyes de poder.

La ley de potencia más común es la distribución de Pareto, llamada así por el economista italiano del siglo XIX Vilfredo Pareto. A fines de la década de 1890, Pareto argumentó que en cualquier sociedad dada, el 20 por ciento de la gente poseerá el 80 por ciento de la riqueza. Pero la distribución de Pareto, también conocida como la regla 80-20, se mantiene en contextos humanos tan diversos como el tamaño de los asentamientos (unas pocas ciudades grandes, muchos pueblos más pequeños) y la frecuencia de las palabras en el texto (algunas palabras se usan con frecuencia, la mayoría de las palabras con poca frecuencia). ), así como por fenómenos naturales como el tamaño de las partículas de arena y de los meteoritos. El hecho de que el comportamiento de los autómatas de Sugarscape produjera distribuciones de tipo ley de potencia les indicó a Epstein y Axtell que estaban en lo cierto.

A principios de la década de 1990, Epstein hizo una presentación en el Instituto Santa Fe en Nuevo México, un centro para el estudio de sistemas adaptativos complejos en contextos naturales, humanos y artificiales. Mostré una de nuestras historias artificiales ambientada en el paisaje estándar de Sugarscape con dos picos de azúcar, una tierra baja de azúcar en el medio y tierras baldías de azúcar a los lados; efectivamente, una simple representación de un valle, me dijo Epstein. Le pregunté a la audiencia si le recordaba a alguien algo. La mano de George Gumerman se disparó y dijo: 'Me recuerda a los anasazi'.

George Gumerman es un antropólogo que durante décadas ha sido un destacado experto en los anasazi, antepasados ​​de los pueblos de la actualidad que desde aproximadamente 1800 a. C. hasta 1300 c.e. habitaba Long House Valley en el noreste de Arizona. Epstein y Axtell decidieron usar su modelo basado en agentes para crear una civilización anasazi virtual y ver cómo se comparaba con la extensa base de datos de patrones de asentamiento y similares reunidos por Gumerman y sus colegas. Epstein recordó: Comenzamos de nuevo, construyendo el terreno artificial desde cero, con gran exactitud. Elementos como los patrones climáticos, los rendimientos de maíz, las fluctuaciones del nivel freático y multitud de otros factores entraron en el modelo. El gran truco era: ¿Podríamos idear buenas reglas para nuestros anasazi artificiales, ponerlas donde estaban las reales en el año 900 d.C. y dejarlas correr hasta que crecieran la verdadera historia? Epstein recordó una sesión en la que los anasazi artificiales de su equipo establecieron un asentamiento exactamente donde Long House, el verdadero asentamiento anasazi, había estado. Simplemente nos sentamos gritando en el aire con satisfacción. Todo el negocio ha avanzado muchísimo desde entonces. Ahora hay mucha gente haciendo este tipo de trabajo.

Por supuesto. El sitio web de la Revista de sociedades artificiales y simulación social , por ejemplo, enumera artículos con títulos como Cascadas de fracaso y extinción en sistemas complejos en evolución. El nuevo libro de Epstein recopila sus propios artículos desde 1996; un CD adjunto permite a los lectores ver las ejecuciones de los modelos descritos en el texto y explorar los modelos por su cuenta. En los proyectos descritos en el libro, Epstein y sus colaboradores modelaron, además de los anasazi, el surgimiento de varios fenómenos: patrones en el momento de la jubilación; clases sociales; conformidad irreflexiva con las normas sociales; patrones de infección por viruela después de un incidente bioterrorista; y organización exitosa y adaptativa.

Los modelos son fascinantes. En ambas variantes descritas en Generación de patrones de violencia civil espontánea (ver figuras 1 y 2), hay agentes regulares, así como agentes llamados policías, que representan una autoridad política central. La pantalla izquierda muestra el comportamiento manifiesto de los agentes habituales (azul si está inactivo, rojo si está activo) y la derecha el paisaje emocional subyacente, donde los agentes están coloreados de acuerdo con su nivel de agravio político (cuanto más oscuro es el rojo, mayor es el agravio). La queja tiene dos componentes: legitimidad ( L ) del estado, según lo perciben los agentes, y las penurias ( H ), que es una privación física o económica y varía entre agentes. Además, los agentes pueden engañar: en la pantalla izquierda, los agentes agraviados pueden volverse azules (aparentando no ser rebeldes) cuando hay policías (siempre negros) cerca, y luego ponerse rojos (activamente rebeldes) cuando los policías se alejan. Epstein también asignó diferentes niveles de aversión al riesgo ( R ) a los agentes: algunos son más proclives a rebelarse que otros. Los agentes evalúan su probabilidad de ser arrestados por la policía antes de unirse a una rebelión, y sus evaluaciones dependen de su visión ( v ) de lo que les rodea, es decir, cuántas posiciones de la cuadrícula (norte, sur, este y oeste) pueden ver. Finalmente, los agentes arrestados por la policía reciben sentencias de cárcel ( J ). Los agentes arrestados van a la cárcel por un período aleatorio y salen tan agraviados como entraron, me dijo Epstein. Siempre bromeo diciendo que esos son los únicos dos supuestos realistas en todo el modelo.

Aunque este modelo puede parecer demasiado simple, genera patrones lo suficientemente realistas una vez que el operador humano establece los parámetros de L y J , la visión de los agentes y policías, y sus densidades iniciales y luego permite que ambos grupos se muevan e interactúen. En la variante uno, Rebelión Generalizada contra la Autoridad Central (ver figura 1), pueden surgir altas concentraciones de activistas, agentes agraviados en zonas con baja densidad de policías. Cuando eso sucede, incluso los agentes levemente agraviados encuentran racional arriesgarse a la rebelión. Es precisamente por esta razón que la libertad de reunión es generalmente lo primero que se restringe bajo regímenes represivos. Además, el modelo muestra el sello de un sistema complejo: equilibrio puntuado, con largos períodos de relativa estabilidad interrumpidos por estallidos rebeldes. En algunas carreras, la pantalla del paisaje emocional de la derecha puede ser de color rojo brillante con el agravio de los agentes, mientras que la pantalla de la izquierda es completamente azul debido a su inactividad pública. ¿Cuál sería más probable que desencadenara una revolución: una gran reducción absoluta de L (legitimidad) en pequeños incrementos o una reducción menor realizada en un gran paso? Esto último, resulta. En el caso de la reducción grande pero incremental, la policía puede eliminar a los agentes activistas uno por uno y encarcelarlos. Por el contrario, una reducción brusca y repentina de la legitimidad incita a múltiples agentes agraviados a una rebelión activa a la vez. Como señaló Epstein, una vez que 50 personas se rebelan, es mucho menos arriesgado ser el número 51.

La variante dos, violencia entre grupos, es más interesante. Ahora los agentes se dividen en dos etnias, azul y verde. La legitimidad se convierte en la valoración de cada grupo del derecho a existir del otro grupo, explicó Epstein. En este contexto, el activista de un agente significa que mata a un miembro del grupo étnico contrario. Los policías son fuerzas de paz, y si el modelo se ejecuta sin ellos y L entre todos los agentes se reduce tan solo en un 20 por ciento, la limpieza étnica comienza rápidamente. Cuando se presenta a la policía, surgen refugios seguros. No obstante, continúa la hostilidad interétnica. En última instancia, como muestra la figura 2 y Epstein me dijo, cuando dejas de lado la legitimidad en esta variante, siempre termina con un lado borrando al otro. La densidad de copiado se puede establecer en cualquier nivel. Con bajas densidades de policías, se obtiene un genocidio rápido. Con altas densidades de policías, a veces también se puede obtener un genocidio rápido, pero también un resultado muy variable. En promedio, más policías hace que se demore más. ¿Suficiente más para justificar el gasto de vigilancia policial adicional? Todo es muy incierto, dice Epstein; el simple hecho de tener una oleada de policías no garantizaría un buen resultado.

En conjunto, de hecho, Epstein enfatizó que sus modelos estaban destinados principalmente a lograr un poder explicativo. Explicar algo no significa que puedas predecirlo, dijo. Señaló que aunque podemos explicar los rayos y los terremotos, tampoco podemos pronosticar. Si esperamos, como Asimov, predecir el futuro, los modelos de Epstein decepcionarán. De hecho, debido a que sus modelos dan resultados muy divergentes incluso cuando sus agentes están programados con reglas muy simples, indican que nunca será posible predecir el futuro. Sin embargo, las sociedades artificiales de Epstein hacen más para aclarar los mecanismos ocultos que subyacen a los cambios sociales y sus consecuencias inesperadas que cualquier herramienta que los científicos sociales hayan poseído hasta ahora. En el futuro, ellos y otros como ellos podrían sugerir cómo los legisladores pueden diseñar el tipo de intervenciones pequeñas y baratas que tienen grandes resultados beneficiosos.

Mark Williams es un Revisión de tecnología editor colaborador.

Ciencias sociales generativas: estudios en modelado computacional basado en agentes
Por Joshua M. Epstein
Estudios de Princeton en la serie de la complejidad
Prensa de la Universidad de Princeton, 2006, 49,50 dólares

esconder