El ensamblaje maquínico de la sensualidad

The Computational Beauty of Nature

Se lee en 4 min

“Todo esto se reduce a una idea simple pero profunda: reglas recurrentes simples pueden generar comportamientos extremadamente ricos y complicados. La teoría pura a menudo falla en hacer predicciones precisas de procesos naturales complicados porque el mundo no siempre obedece ecuaciones con soluciones analíticas. De manera similar, los experimentos con observaciones complicadas a menudo son inútiles porque no logran conectar las cosas en una dirección inversa y correlacionar efectos complejos a partir de causas simples. Solo a través del matrimonio entre teoría y experimentación es que muchas afirmaciones sobre la complejidad de la naturaleza pueden resistir pruebas razonables. La simulación, entonces, se convierte en una forma de experimentación en un universo de teorías. El propósito principal de este libro es celebrar este hecho.” — Gary William Flake

Tradicionalmente los científicos estudian 2 tipos de fenómenos:

  1. Agentes (moléculas, células, patos y especies).
  2. Interacciones entre agentes (reacciones químicas, respuestas del sistema inmune, apareamiento de patos, evolución, etc).

Tenemos 3 maneras de ver cómo las cosas trabajan:

  1. Enfoque puramente reduccionista
    1. Entender las cosas por disección.
  2. Entender colecciones completas al mismo tiempo
    1. Observando cuántos agentes, como las neuronas del cerebro, forman un patrón global.
  3. Enfoque intermedio
    1. La interacción entre los agentes.
      1. A través de este enfoque podemos ver cómo se pegan y unen niveles de entendimiento a otros.

Simplicidad y complejidad

Emergencia: sistemas que contienen unidades simples que, combinadas, forman un sistema más complejo. Este es un caso en el que todo el sistema es mayor que la suma de las partes, que es una definición justa de holismo— lo opuesto a reduccionismo.

Considera lo siguiente:

  • ¿Por qué encontramos estructuras auto-similares en biología, como los árboles, helechos, hojas, ramas? ¿Cómo se relaciona con la auto-similitud encontrada en objetos inanimados como los copos de nieve, montañas y nubes? ¿Existe alguna manera de generalizar la noción de auto-similitud para dar cuenta de ambos tipos de fenómenos?

  • ¿Existe una razón común sobre por qué es difícil predecir la bolsa de valores y el clima? ¿Es la impredecibilidad por conocimiento limitado o es inherente de estos sistemas?

  • ¿Cómo es que los colectivos como las colonias de hormigas, cerebros humanos y mercados económicos se auto-organizan para crear comportamientos complejos mucho más ricos que el comportamiento individual de sus componentes?

  • ¿Cuál es la relación entre la evolución, el aprendizaje y la adaptación encontrada en sistemas sociales?¿Es la adaptación única en los sistemas biológicos? ¿Cuál es la relación entre la adaptación y su entorno?

Las respuestas a estas preguntas tienen un hecho en común:

La naturaleza es frugal: De todas las posibles reglas usadas para gobernar la interacción entre agentes, los científicos encuentran que la naturaleza con frecuencia usa las más simples.

Para ver cuáles, considera los siguientes 3 atributos que pueden usarse para describir la interacción entre agentes:

  1. Colecciones, Multiplicidad y Paralelismo
    1. Sistemas complejos con propiedades emergentes son con frecuencia colecciones paralelas de unidades similares.
    2. Multiplicidad en el espacio.
    3. Un sistema paralelo es inherentemente más eficiente que un sistema secuencial, dado que las tareas pueden realizarse simultáneamente y más preparadas a través de la especialización.
    4. Los sistemas paralelos que son redundantes tienen tolerancia a la falla (si unas hormigas mueren pueden ser prontamente sustituidas).
    5. Sutiles variaciones entre las unidades paralelas permiten múltiples soluciones a los problemas realizarse (selección natural).
  2. Iteración, Recursión y Retroalimentación
    1. La iteración involucra una forma de persistencia en el Tiempo.
    2. La recursión es responsable de varios tipos de auto-similitud vistos en la naturaleza (casi todos los sistemas biológicos contienen estructuras auto-similares, así como sistemas físicos deben su riqueza a la Recursión.
    3. Los mecanismos de retroalimentación, como los animales que reaccionan de acuerdo a su entorno, también pueden cambiarlo, lo que quiere decir que acciones futuras por el animal tendrán que tomar en cuenta estos cambios.
  3. Adaptación, Aprendizaje y Evolución
    1. La adaptación puede verse como consecuencia del paralelismo y la iteración en un entorno competitivo con recursos finitos.
    2. La combinación de la multiplicidad y la iteración fungen como una especie de filtro.
    3. Con los mecanismo de retroalimentación entre el agente y su entorno, la adaptación puede verse como formar un bucle en la causa y efecto de los cambios tanto en los agentes como entornos.

Computabilidad e incomputabilidad

Habla sobre la Gödelizasión en nombre de Kurt Gödel. Con este número es posible saber que existen tanta cantidad de programas computacionales como números naturales, ya que todos estos programas se pueden gödelizar.

Máquina de Turing

Modelos de Computación

La diferencia entre computar y modelos de computación puede entenderse como una receta de comida:

  • Modelo de computación: La receta para crear nuevas recetas—una receta de recetas.

En términos formales:

  • Computación: Describe cómo mapear números a otros números.
  • Modelos de computación: Describe cómo construir los mapeos que mapean números a otros números.

Algunos modelos de computación son:

Vista Gráfica