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