Ao de la Promocin deFACULTAD

la Industria Responsable
y
DE INGENERIA
Compromiso Climtico

DE
SISTEMA E INFORMATICA

TRABAJO DE INVESTIGACIN

TEMA

PROFESOR

EL MUNDO DE LAS CIENCIAS DE LA

COMPLEJIDAD
:

INTEGRANTES

ING. CARLOS A. GARCIA CORTEGANO

Ortiz Zavaleta Miguel Angel

Aranda Cardenas Katerine
Isuiza Del Aguila Karen
Guillen Fachin Favio
Rosas Baez Diego

ASIGNATURA

FISICA II

NIVEL ACADMICO

II

CICLO ACADMICO

IV

IQUITOS 2014
PER
CONTENIDO
Introduccin................................................................................................4
1.Origen y naturaleza de las ciencias de la complejidad.
de la ciencia.................................................. 5

Pensando la metamorfosis

2.El problema ms difcil. Criterios de demarcacin de/para la

complejidad...............................................................................................8
2.1.

Distincin entre complejidad y pensamiento sistmico..................9

2.2.

Distincin entre ciencias de la complejidad

y pensamiento complejo......................................................................10

2.3.

Distincin entre ciencias de la complejidad y ciberntica

3.Ciencias de la complejidad......................................................................11
3.1.

Libros de recuentos periodsticos acerca

complejidad..................................................12

3.2. Artculos clsicos o fundacionales sobre complejidad

complejidad

de las ciencias de la
y ciencias de la

3.3. Textos panormicos, clsicos e introductorios sobre

complejidad...............................................................................................13
3.4. Textos tcnicos sobre diversos aspectos de la complejidad.............14
3.5. Estado actual de las ciencias de la complejidad
3.5.1. Complejidad y termodinmica del no equilibrio............................15
3.5.2. Complejidad y caos
3.5.3. Complejidad y fractales..................................................................16
3.5.4. Complejidad y catstrofes
3.5.5. Complejidad y redes
3.5.6. Complejidad y lgicas no-clsicas..................................................17
3.6. Emergencia y auto-organizacin
3.7. Complejidad y sistemas cunticos.....................................................18
3.8. Modelamiento y simulacin de sistemas complejos.........................19
4.Complejidad y sistemas vivos
4.1. Modelamiento y simulacin de sistemas biolgicos, sistemas inspirados biolgicamente y
vida artificial.............................................20
5.Complejidad y ciencias sociales...........................................................22
5.1. Bibliografa general sobre complejidad y ciencias sociales y
humanas..................................................................................................23
5.2. Complejidad y sociologa................................................................24
5.3. Complejidad y antropologa.

5.4. Complejidad y filosofa...................................................................25

5.5. Complejidad e historia
5.6. Complejidad, administracin y organizaciones sociales.............. 26
5.6.1. Complejidad, economa y finanzas
5.6.2. Consultora empresarial en el marco de las ciencias de la complejidad
5.7. Complejidad y psicologa...............................................................27
5.8. Complejidad y estudios culturales
6.Ingeniera de sistemas complejos
6.1. Metaheursticas (hbridas, paralelas, hiperheursticas), optimizacin y resolucin de
problemas........................................................................28
6.2. Sistemas computacionales naturales, inteligentes y
biolgicos..............................................................................................30
6.2.1. Computacin suave.....................................................................31
6.2.2. Inteligencia computacional....................................................... 32
6.2.3. Computacin natural
6.3. Computacin evolutiva o algoritmos evolutivos...........................33
6.4. Inteligencia colectiva o teora de enjambres.................................34
6.5. Computacin con membranas o sistemas P
6.6. Computacin inmune o sistemas inmunes artificiales..................35
6.7. Complejidad, sistemas bioinspirados, biorrobtica y biohardware

INTRODUCCIN
Las ciencias de la complejidad expresan el resultado de algunas de las mejores
mentes humanas en los ltimos tiempos por tratar de pensar, de explicar y de
comprender, en fin, de hacer efectivamente posibles temas y problemas tales como:
Es el Universo un sistema estable a largo plazo? Podemos comprender la realidad
de otra forma que como siempre lo hicimos, dado que hacia delante, los
conocimientos alcanzados parecen ser limitados o insuficientes?
Por qu suceden las turbulencias, las fluctuaciones, las inestabilidades, y por qu
razn el orden en cualquier plano o contexto se rompe y da lugar a nuevas formas,
momentos y estructuras?

Cmo es posible que las cosas tiendan a hacerse cada vez ms entreveradas,
enredadas incluso, en fin, complejas?
En sntesis: qu es la complejidad y por qu las cosas son o se vuelven o se hacen
complejas y acaso cada vez ms y ms complejas?
Cuando hablamos de ciencias de la complejidad, no simplemente hablamos de
sistemas, fenmenos o comportamientos complejos sino, ms exactamente, de
sistemas (fenmenos y/o comportamientos) de complejidad creciente.

ORIGEN Y NATURALEZA DE LAS CIENCIAS DE LA COMPLEJIDAD.

PENSANDO LA METAMORFOSIS DE LA CIENCIA
En diversos momentos han surgido diversos esfuerzos por lograr sntesis, por
aproximar lo diverso, por integrar conocimientos, disciplinas, ciencias, saberes,
tradiciones, experiencias distintas. Uno de los ms recientes intentos por llevar a
cabo una sntesis de conocimientos tuvo lugar en plena Guerra Fra, alrededor de los
aos 1960. Nos referimos a la epistemologa. Los nombres que llevan a cabo este
esfuerzo incluyen autores como G. Bachelard, J. Piaget, y otros.
La epistemologa, algo de lo cual muy poco se habla y existe hoy en da en los
principales escenarios cientficos y acadmicos en el mundo, trat de ser una teora
general del conocimiento cuya finalidad era al mismo tiempo, de un lado, trazar las
precisiones entre lo que es o era ciencia, disciplina, saber y prctica y lo que
no lo era (o es).
Sin embargo, hay una experiencia an ms importante, se trata, precisamente, de las
ciencias de la complejidad.
Las ciencias de la complejidad tienen un doble origen.
De un lado, en el plano terico, sus orgenes se remontan al descubrimiento del
clculo infinitesimal por parte de Newton y Leibniz, dado que el clculo consiste en

el primer abordaje cientfico, lgico y filosfico del ms apasionante de todos los

problemas: el estudio del movimiento; esto es, el estudio de los sistemas dinmicos.
A partir de Newton y Leibniz, posteriormente, en el giro del siglo XIX al XX, Henri
Poincar sienta las bases para lo que ms adelante ser el estudio de fenmenos,
sistemas y comportamientos.

Simultneamente, David Hilbert presenta en el famoso segundo congreso mundial de

matemticas en el ao 1900, los 23 problemas que habran de ocupar a los prximos
cien aos.
Aos ms tarde dos jvenes lgicos echarn por tierra los pilares .
Son ellos Alan Turing y Kurt Gdel. Con Turing y con Gdel asistimos al segundo
gran hito en el nacimiento de las ciencias de la complejidad.
En 1929, Gdel, entonces de veintitrs aos, presenta su tesis de doctorado sobre el
famoso teorema de incompletud, pero lo hace pblico en el congreso de matemticas
de Konigsberd, el 7 se septiembre de 1930.
Con su teorema, Gdel demuestra que toda la tradicin occidental ha sido
esencialmente tautolgica. En contra de la tradicin, Gdel sostiene que la verdad de
un sistema se encuentra, si quiere dejar de ser tautolgica, por fuera del sistema; en
otras palabras, la verdad de un sistema no se define por el sistema mismo ni tampoco
en referencia a los elementos y las relaciones que componen o que articulan el
sistema. Hay verdades que no son demostrables; los sistemas verdaderos son
intrnsecamente incompletos. Si un sistema quiere ser coherente entonces es
incompleto, y si quiere ser completo entonces es inconsistente y, por tanto,
tautolgico.
Por su parte, en 1936, Alan Turing, a los veinticinco aos, publica Los nmeros
computables, con una aplicacin al Entscheidungsprobiem (problema de decisin),
que hace referencia a un problema muy especfico de la lgica simblica que nos
permita establecer si, particularmente, las proposiciones de la aritmtica son
verdaderas o falsas.

En otras palabras, Turing demuestra con la ayuda de lo que se conocer como la

Mquina de Turing, que no existen algoritmos para determinados programas.
Gracias a ello, los problemas de computacin se dividen en dos grupos: en
problemas decidibles y en problemas indecidibles (o tambin en lenguajes decidibles
e indecidibles).
Un problema indecidible es todo aquel para el cual no existe (por el momento)
ningn algoritmo que nos permita establecer de antemano si dicho lenguaje es
verdadero o falso.
De otra parte, un programa (o lenguaje, o problema) se dice que es decidible si existe
un algoritmo que establece si el programa es verdadero o falso.
Con Turing, los problemas de computacin saltan al primer plano.

Mquina de Turing
Una mquina de Turing es un dispositivo que manipula smbolos sobre una tira de
cinta de acuerdo a una tabla de reglas. A pesar de su simplicidad, una mquina de
Turing puede ser adaptada para simular la lgica de cualquier algoritmo de
computador y es particularmente til en la explicacin de las funciones de una CPU
dentro de un computador.

El
tercer
hito
conducente al origen de las ciencias de la complejidad lo constituyen los trabajos de
Ilya Prigogine que dan lugar al desarrollo de la termodinmica del no-equilibrio.
Cuando la Academia de Ciencias le confiere, en 1977, a Ilya Pirigogine el premio
nobel de qumica expresa que es debido a que este autor introdujo en las ciencias lo
que las ciencias no tenan: tiempo, historia.

As, el gran mrito de la termodinmica del no-equilibrio estriba exactamente en que

introduce el tiempo como el factor mismo o la razn misma de la complejidad y/o de
la complejizacin del mundo, de la sociedad, de la naturaleza.

EL PROBLEMA MS DIFCIL. CRITERIOS DE DEMARCACIN DE / PARA

LA COMPLEJIDAD
En uno de sus libros ms importantes y sin embargo menos conocidos, K. Popper
sostiene que los dos problemas fundamentales de la epistemologa son: el problema
de la induccin y el problema de los criterios de demarcacin.
El primero, como se sabe, se origina en la obra de D. Hume y consiste en el
problema de cuntas observaciones particulares son necesarias o suficientes para
llevar a cabo y sostener una generalizacin.
Este problema, quedado resuelto por Popper y sostiene que toda induccin es una
deduccin. Sin embargo, afirma Popper, el problema del criterio de demarcacin
queda sin resolver.

LA DISTINCIN ENTRE COMPLEJIDAD Y PENSAMIENTO SISTMICO

PENSAMIENTO SISTMICO
El pensamiento sistmico determina su propio mbito de trabajo: se interesa en
sistemas, esto es, en complejos de elementos que se encuentran en interaccin.
Una expresin de parte de von Bertalanffy reconoce que existen sistemas abiertos y
sistemas cerrados.
CIENCIAS DE LA COMPLEJIDAD
Ya que en el marco de las ciencias de la complejidad, absolutamente ninguna de las
teoras que la componen (por ejemplo, teora de fluctuaciones, teora de turbulencias,
y otras) as como ninguna de las ciencias que conforman el mundo de la
complejidad, sostiene que existan sistemas cerrados ni mucho menos sistemas
aislados.

En complejidad nicamente existen sistemas abiertos.

Ms radicalmente: es imposible que existan sistemas cerrados o aislados; se trata, tan
slo de abstracciones. Todos los sistemas son abiertos. Ni siquiera el universo en que
vivimos es cerrado o aislado.
La idea de que tan slo existen sistemas abiertos fue, notablemente, la obra de la
termodinmica del no equilibrio. Todos los sistemas necesitan para operar, funcionar
o vivir esencialmente tres elementos que no tienen los sistemas por s mismos sino
que proceden del entorno, del medioambiente.
Ellos son: informacin, materia y energa.
Ni la energa ni la materia ni la informacin provienen de los sistemas cualesquiera
que ellos sean; se encuentran el entorno, provienen del entorno.
LA DISTINCIN ENTRE CIENCIAS DE LA COMPLEJIDAD Y
PENSAMIENTO COMPLEJO
El pensamiento complejo hace referencia, notablemente, a la obra de E. Morin y a la
de sus epgonos.
En consecuencia, el rasgo diferenciador ms claro entre las ciencias de la
complejidad y el pensamiento complejo es precisamente: en el caso de Morin se trata
de intuiciones, ideas, espritu y propsitos que, ciertamente, no son rechazables sin
ms.
En el caso de las ciencias de la complejidad se trata de argumentos, demostraciones,
lgica(s), rigor, experimentos, modelaciones y simulaciones que han enriquecido de
manera fundamental la comprensin del mundo y del universo, y que constituyen, a
todas luces, una autntica revolucin en el conocimiento.
Con las ciencias de la complejidad se trata, evidentemente, de un avance de la
ciencia, un progreso del conocimiento humano.
LA DISTINCIN ENTRE CIENCIAS DE LA COMPLEJIDAD Y
CIBERNTICA
Desarrollada en 1948 por Norbert Wiener, la ciberntica busca encontrar los
elementos comunes que explican el funcionamiento de las mquinas automticas y el
sistema nervioso (central) humano, a partir de lo cual se lanza en la bsqueda de una
teora que abarque todo el campo del control y la comunicacin en las mquinas y en
los organismos vivos.

As pues, la ciberntica estudia el control y la comunicacin entre mquinas y seres

vivos.
Un rasgo propio de las ciencias de la complejidad en general es el hecho de que por
encima de la idea de causalidad y de centralidad, reconoce de entrada y trabaja sobre
ella, la idea de procesos y sistemas en paralelo, no jerarquizados, sin control central y
en la que el centro emerge siempre en funcin de cada tarea o situacin en un sistema
determinado cualquiera.
CIENCIAS DE LA COMPLEJIDAD
Las ciencias de la complejidad representan una autntica revolucin en el
conocimiento, al mejor estilo de las revoluciones cientficas estudiadas por T. Kuhn,
pero que en realidad son herederas de la trada G. Bachelard, G. Canguilhem y A.
Koyre. Se trata de un grupo de ciencias que, por tanto, contienen numerosas teoras,
una diversidad de modelos explicativos, una gama amplia de conceptos, en fin, una
pluralidad de mtodos y lgicas cuyo tema de base es, para decirlo en trminos
genricos: Por qu las cosas son o se vuelven complejas?Qu es, al fin y al cabo,
complejidad?.
El mundo de las ciencias de la complejidad se ocupa de las transiciones
orden/desorden; es decir, por qu el orden se rompe? Y tambin: cmo es posible
que a partir del desorden sea posible el/otro orden?
La buena ciencia trabaja con problemas. Y aqu el problema es complejidad de esta
suerte, el estudio de los sistemas, fenmenos y comportamientos que se caracterizan
por complejidad creciente corresponde exactamente a aquella clase de situaciones en
las que una pluralidad (multiplicidad o diversidad; que es la marca distintiva de la
complejidad) no puede ser reducida de ninguna manera a un momento anterior, a una
instancia inferior, en fin, a un multiplicidad ms elemental o simple.
El esquema 5 contiene los tres grandes ejes de trabajo en ciencias de la complejidad.
Ellos son: la teora matemtica de la complejidad - ms propiamente conocida como
el conjunto de los problemas P versus N-P, las relaciones entre el universo
microscpico y el universo macroscpico, y la teora de los sistemas dinmicos.

LIBROS DE RECUENTOS PERIODSTICOS ACERCA DE CIENCIAS DE

LA COMPLEJIDAD.
El periodismo cientfico cumple, indudablemente, una funcin fundamental en las
sociedades democrticas. Hay pases, como Inglaterra, notablemente, en donde las
discusiones sobre ciencia estn ya tan arraigadas que incluso hay espacio para la
presentacin de la mala ciencia (bad science ). Las universidades de Inglaterra tienen
espacios sobre la mala ciencia, e incluso peridicos muy serios como The Guardian
disponen de un espacio para discutir uno de los problemas ms difciles en ciencia, la
pseudo-ciencia.
ARTCULOS CLSICOS O FUNDACIONALES SOBRE COMPLEJIDAD Y
CIENCIAS DE LA COMPLEJIDAD
La ciencia contempornea se escribe en artculos cientficos (papers). Tal es la
tradicin que se remonta, con seguridad, a los cinco famosos artculos del ao
maravilloso de A. Einstein (1905). Anteriormente la ciencia se haca en forma de
libros. Desde entonces prevalece la idea acerca de la importancia de la publicacin
de artculos en revistas prestigiosas.
A esta tendencia existen excepciones notables, siendo quizs la ms importante en el
marco de las ciencias de la complejidad el libro de B. Mandelbrot que da origen a los
fractales. La cienciometra en general viene a reforzar positivamente esta tendencia
en la historia de los aportes novedosos a la ciencia en general.
Para un conocimiento fundamental acerca del estado del arte en complejidad es
imposible no haber ledo y trabajado estos artculos. O al contrario, dicho de manera
positiva: una formacin slida en complejidad pasa por conocer y haber trabajado
estos artculos. Ellos son la conditio sine qua non para un adecuado conocimiento
acerca de las especificidades, algunas de las ms importantes categoras y conceptos,
en fin, la apertura a una dimensin anteriormente totalmente desconocida.

Quizs habramos podido incluir aqu algunos de los artculos que, indirectamente,
sientan las bases de la complejidad. Artculos de Gauss o de Poincar, de Riemann o
de Hilbert, por ejemplo. Pasamos por alto acerca de un criterio tan abierto e
impreciso: por esta razn se encuentran aqu los autores que forman parte del
hardcore de la complejidad.
TEXTOS PANORMICOS, CLSICOS E INTRODUCTORIOS SOBRE
COMPLEJIDAD
Existe una dificultad para el acceso a las ciencias de la complejidad. Se trata del
hecho de que la inmensa mayora de la bibliografa se encuentra en ingls
La razn principal para esta circunstancia - ineludible- estriba en el hecho de que las
ciencias de la complejidad nacieron y durante un tiempo largo se alimentaron de las
ciencias ms slidas, con mayor prestigio, las ms seguras y con mejores apoyos de
diverso tipo. Pero es igualmente cierto que las ciencias de la complejidad vienen
abrindose, rpidamente, a las llamadas ciencias sociales y humanas. En contextos
hispanohablantes, en general, en los que la formacin en ciencia y en pensamiento
abstracto (matemticas, lgica) no siempre son los mejores, el acercamiento a las
ciencias de la complejidad se hace ms difcil. Por esta razn, particularmente entre
acadmicos de las llamadas ciencias sociales y humanas y entre otros que se
caracterizan por una excesiva especializacin o, por el contrario, por ser generalistas,
el atractivo del pensamiento complejo y de los enfoques sistmicos resulta ms
atractivo por lo fcil.
Ya lo deca H. Pagels: las ciencias de la complejidad se desarrollaron a partir de las
ciencias naturales y/o positivas debido, sencillamente, a que los sistemas fsicos son
los ms simples que hay y de una complejidad bastante menor al de las ciencias
sociales y humanas.
TEXTOS TCNICOS SOBRE DIVERSOS ASPECTOS DE LA
COMPLEJIDAD
Se trata de la publicacin de libros panormicos, introductorios y de divulgacin,
cuestin que suele darse, principalmente, durante los primeros aos de vida del
campo. Lo que hasta aqu se ha mostrado es justamente eso. Sin embargo, de otro
lado, se trata de la publicacin de textos que profundizan en aspectos particulares del
campo, en sus problemas o conceptos relevantes, en sus lneas y proyectos de
investigacin o que vislumbran, simplemente, nuevos problemas, retos u horizontes
de cara al futuro del campo. Particularmente, hay un fenmeno que es absolutamente
imposible de omitir y que, mejor an, merece un lugar por s mismo. Se trata de la
Enciclopedia de Complejidad, editada por R. Meyers, que se menciona en la
bibliografa que se presenta a continuacin. Ciertamente algo ms de la mitad de la

Enciclopedia no es sobre complejidad en el sentido riguroso de la palabra. La mayor

parte corresponde a enfoques sistmicos.
ESTADO ACTUAL DE LAS CIENCIAS DE LA COMPLEJIDAD
Las ciencias de la complejidad eran aritmticamente- seis, incluyendo la hiptesis
que venimos trabajando segn la cual las lgicas no-clsicas son una de las ciencias
de la complejidad. Pues bien, el esquema 6 tiene la funcin de mostrar, actualmente,
ms all de la enumeracin o presentacin general de las ciencias de la complejidad,
el estado actual del trabajo y de la investigacin en este campo.

En cualquier caso, este esquema debe ser tomado como un mapa de las ciencias de la
complejidad que contiene, en su base, territorios irregulares tanto como valles, si
cabe la metfora. Las relaciones directas e indirectas en el marco de las ciencias de la
complejidad apuntan precisamente al estado de la investigacin actualmente.
COMPLEJIDAD Y TERMODINMICA DEL NO EQUILIBRIO
Cronolgicamente, la primera de las ciencias de la complejidad fue la termodinmica
del no-equilibrio, desarrollada por I. Prigogine. En sentido estricto la termodinmica
clsica y la termodinmica del no-equilibrio son una sola y misma ciencia que
comprende dos momentos: el clsico, que pivota alrededor de la nocin de equilibrio
y por tanto, ulteriormente, de muerte-, y la nueva cuyo centro es el no-equilibrio, y
en consecuencia la vida.
COMPLEJIDAD Y CAOS
Fue desarrollada por E. Lorenz en los aos 1962-64. Pero hubieron de pasar muchos
aos para que fuera reconocida su importancia. Esta historia est muy bien narrada

por J. Gleick. El estudio central del caos estriba en la identificacin de atractores

extraos (un concepto acuado por D. Ruelle). Inicialmente el caos permanece como
una teora de sistemas deterministas. Al cabo del tiempo, su inters se vuelca hacia el
caos indeterminista o subcuntico.
COMPLEJIDAD Y FRACTALES
La geometra de fractales es, histricamente hablando, la tercera de las ciencias de la
complejidad. Existe una fuerte implicacin recproca entre caos y fractales. La razn
es que todo atractor extrao tiene en su base una dimensin fractal. Los fractales han
resultado de inmensa ayuda en la medicin de numerosos sistemas y
comportamientos, en ciencias de la salud y economa, en sistemas sociales y en
astronoma.
COMPLEJIDAD Y CATSTROFES
La teora de catstrofes nace y permanece vinculada durante un tiempo largo a un
campo desarrollado tambin por R. Thom, el cobordismo. Hay que decir que en
cuanto teora matemtica, la teora de catstrofes prcticamente desaparece. La razn
es que, relativamente al caos, resulta una teora muy costosa en trminos de G. de
Ockahm. En efecto, mientras que el caos trabaja los sistemas dinmicos con base en
tres conceptos - atractores fijos, atractores peridicos y atractores extraos- la teora
de catstrofes propona.
Siete modelos fundamentales. catstrofe es el trmino empleado para determinar
sencillamente cambios sbitos, imprevistos, irreversibles.
COMPLEJIDAD Y REDES
La ciencia de redes complejas, desarrollada originariamente por D. Watts, L.
Barabasi y S. Strogatz entre los aos 2001 y 2003, constituye la quinta de las
ciencias de la complejidad.
Un rasgo fundamental de las ciencias de la complejidad estriba exactamente en este
punto: a la pregunta Qu es complejidad? O Por qu sucede la complejidad?, por
ejemplo, las ciencias de la complejidad no aportan en marcado contraste con la
ciencia clsica- una sola respuesta. Por el contrario, se aportan diversas respuestas.
Lo que es importante tener en cuenta, sin embargo, es que no es verdad que cualquier
respuesta sea posible o aceptada.
COMPLEJIDAD Y LGICAS NO-CLSICAS

EMERGENCIA
Y AUTO-

ORGANIZACIN
Indudablemente, los conceptos de emergencia y de auto-organizacin constituyen
pilares fundamentales de las ciencias de la complejidad. Diversos autores, antes que
(pre)suponerlos como conceptos o categoras de complejidad, se han dado a la tarea
de explicar exactamente en qu consiste la emergencia y cmo surge y qu hace la
auto-organizacin. Los dos autores ms destacados en este sentido son J. Holland y
S. Kauffman.
Dicho de manera negativa, las ciencias de la complejidad no trabajan con base en el
principio de causalidad (y ni siquiera de multicausalidad; por ejemplo, con estudios
multivariados). La causalidad permanece como un patrimonio de la ciencia y la
filosofa clsicas. Sin embargo, dicho de manera positiva o afirmativa, los sistemas
de complejidad creciente tanto contienen como apuntan hacia emergencias,
adaptaciones, sorpresas y autorganizacin (esquema 8).

COMPLEJIDAD
Y SISTEMAS
CUNTICOS
Los sistemas de
complejidad
creciente
se
fundan en la
fsica cuntica en
general y en la
mecnica
cuntica en particular, y ello por una razn fundamental, a saber: el modelo clsico
Galileo, Coprnico, Kepler y Newton- ya est cerrado y nada nuevo puede ser
incluido en l. Esto significa exactamente que la mecnica clsica ha sido incluida,
como un momento particular en la teora de la relatividad, de un lado, y adems y
principalmente en el modelo cuntico. El conocimiento del mundo fsico dirige su
mirada hacia el vrtice en el que, se cree, habrn de confluir la relatividad y la
cuntica, que es en una teora de la gravitacin cuntica.

MODELAMIENTO Y SIMULACIN DE SISTEMAS COMPLEJOS

El modelamiento y la simulacin son especficos de los sistemas de complejidad
creciente. Esta idea requiere an una incorporacin y una elaboracin por parte de
quienes se inician en el estudio y el trabajo en profundidad con la complejidad.
El fundamento de este tipo de modelamiento se bas, por ejemplo, en la mecnica
clsica, la lgica formal clsica, el clculo, las ecuaciones diferenciales o la
geometra euclidiana.
En el marco de las ciencias de la complejidad la idea es completamente contraria
(esquema 9).
El modelamiento planteado en estos trminos permite abordar fenmenos complejos
sin la necesidad eliminar la incertidumbre ni de linealizarlos.

COMPLEJIDAD Y SISTEMAS VIVOS

El fenmeno de mxima complejidad conocida en el universo son, sin lugar a dudas,
los sistemas vivos. No sin razn J. Maddox sealaba que los tres problemas ltimos
de la investigacin cientfica y filosfica son:
El conocimiento del origen y la estructura de la materia
El conocimiento acerca del origen y la naturaleza de la vida
El problema de las relaciones mente-cerebro.

La vida es una especie de materia que no se reduce a simple materialidad; por lo

menos no hasta que sepamos qu es la materia; y por tanto, las relaciones con la
antimateria, as como las relaciones de la energa con la energa oscura del universo.
Las relaciones mente-cerebro son pertinentes para un tipo de vida: supuesta la
escisin, bsica, entre organismos ssiles y mviles. Estamos en los umbrales del
estudio de las relaciones entre vida y complejidad.
Los dos problemas fundamentales en el estudio de los sistemas vivos son los
relativos al origen de la vida, es decir su lgica. Muchos se ha avanzado en el primer
problema, pero el segundo problema es el que presenta los desarrollos ms slidos.
El estudio de la vida en general implica de entrada el reconocimiento de que existen
dos formas principales de sistemas vivos:
La vida natural._ Se basa cuya fsica es el Carbono y cuya qumica es la
Tabla de Elementos Peridicos. Esta apunta a la naturaleza
la vida artificial ._Se basa cuya fsica es el Silicio y cuya qumica
incluye a los Algoritmos Genticos. Esta apunta a la naturaleza creada

MODELAMIENTO Y SIMULACIN DE SISTEMAS BIOLGICOS,

SISTEMAS INSPIRADOS BIOLGICAMENTE Y VIDA ARTIFICIAL

Hay tres fenmenos conspicuos que brillan con luz propia:

Los sistemas biolgicos
los sistemas inspirados en la biologa
la vida artificial
Se sostiene la hiptesis de que la vida artificial puede y debe ser comprendida como
una de las ciencias de la complejidad. Desde su nacimiento, las ciencias de la
complejidad han trabajado, integrado e impulsado activamente dos campos de
trabajo paralelos:
Los algoritmos genticos (J. Holland)
La vida artificial (Ch. Langton)
El nexo entre ambos es el inters manifiesto por la forma en que los sistemas
inspirados biolgicamente contribuyen a comprender la vida en el planeta, tanto
como a prefigurar la vida posible; algo que en el lenguaje tcnico se designa como
la vida tal y como podra ser (life as it could be). El crecimiento en este campo es
sostenido, slido y creciente.
Pero la vida artificial no trata nica ni exclusivamente de construir modelos y
realizar simulaciones. La vida artificial trabaja en tres planos complementarios:
El modelamiento y la simulacin de sistemas biolgicos
La construccin de sistemas capaces de evolucionar, aprender y adaptarse en
entornos cambiantes
El estudio de las capacidades de cmputo de los sistemas biolgicos y su
implementacin como nuevas arquitecturas y modelos de computacin

COMPLEJIDAD Y CIENCIAS SOCIALES

El concepto de ciencias sociales y humanas es, la lettre , un concepto
decimonnico. Surge gracias a A. Comte y de ah en adelante se desarrolla: ya sea en
trminos de ciencias del espritu (Dilthey), o como ciencias sociales y ciencias
humanas. Ulteriormente ha habido incluso la discusin acerca de ciencias sociales
aplicadas contrario sensu a lo que sera un grupo de ciencias no aplicadas o puras.
Dado el progreso del conocimiento el trabajo en trminos interdisciplinarios,
cruzados, transversales, integrales, que es justamente lo que caracteriza a la ciencia
de punta en general y a las ciencias de la complejidad en particular, el concepto
mismo de ciencias naturales o positivas y ciencias sociales y humanas resulta, al
cabo, vetusto. Lo que sucede es que administrativamente, en el mundo entero an se
estructura el conocimiento en trminos de las divisiones provenientes del siglo XIX
y comienzos del siglo XX.
Como quiera que sea, las ciencias sociales y humanas requieren abrirse de acuerdo
con el informe de la Comisin Gulbenkian. Esta apertura de las ciencias sociales es,
para un buen lector, de un lado, hacia la sociedad, y de otra parte y de un modo muy
fundamental, abrirse a las ciencias llamadas naturales y a las tecnologas
(ingenieras, digamos). Pues bien, con
seguridad: se trata de abrirse a los progresos cruzados que en otros dominios
cientficos estn teniendo lugar. La bibliografa referida a continuacin tiene que ver
con el dilogo abierto, frontal, con las ciencias de la complejidad. Esta historia es
reciente, pero es al mismo tiempo slida y creciente. Est bien nutrida aunque an se
encuentre en paales, por as decirlo.

BIBLIOGRAFA GENERAL SOBRE COMPLEJIDAD Y CIENCIAS SOCIALES

Y HUMANAS
La idea general es que las ciencias sociales y humanas poseen, estudian, se ocupan
de los sistemas, fenmenos y comportamientos de mxima complejidad conocida
hasta la fecha, a saber: los sistemas humanos.
Los fenmenos que ocupan los sistemas fsicos, por ejemplo, son bastante ms
predecibles. Una parte de la comunidad cientfica de cientficos sociales, cuando
escuchan los temas de complejidad sostienen: Pero si es justamente lo que hacemos
nosotros, y es lo que siempre hemos dicho, o: se trata de vino viejo en tonel
nuevo, por ejemplo.
Mientras que existe algn escepticismo en una parte de la comunidad de este grupo
de cientficos, incluidos filsofos, existe una parte grande y slida que trabaja en
trminos de conceptos, metodologas, lenguajes y enfoques propios de las ciencias de
la complejidad. Digmoslo de manera puntual: en el contexto de las ciencias de la
complejidad, las antiguas divisiones entre ciencia y tecnologa (ingeniera, por
ejemplo), entre ciencias duras y ciencias blandas, entre ciencia y filosofa se hace,
ya, insostenible. El encuentro de ciencias y disciplinas modifica el propio estatuto
epistemolgico y social que posean antes del encuentro, el dilogo y el trabajo
mancomunado.
El encuentro de ciencias y disciplinas se establece en funcin de la identificacin de,
y el trabajo sobre, problemas. Son los problemas los que unen a los cientficos entre
s, y a ellos con la sociedad en general. Su comprensin, su esfuerzo de resolucin,
los horizontes que
contienen, las dimensiones que anticipan - hacia delante y hacia atrs.

COMPLEJIDAD Y SOCIOLOGA
La sociologa siempre se ocup de sujetos colectivos en el mejor espritu de la
complejidad-. Pero los redujo a diversos planos y conceptos. En este sentido, el
primer libro sobre sociologa y complejidad aparece en el 2006. Aunque, desde otra
perspectiva, el libro de D. Watts - socilogo de formacin- es un ejemplo magnfico
en el que la sociologa se cruza con y se integra a la fsica, la criticalidad auto-

organizada, las redes complejas, la irreversibilidad de la flecha del tiempo, etc. Aqu,
la sociologa deja de ser tal sencillamente ciencia social en el sentido de la
clasificacin propia del siglo XIX, para metamorfosearse (I. Prigogine) en (uno de
los componentes de las ciencias de la) complejidad.

COMPLEJIDAD Y ANTROPOLOGA
El primer libro de antropologa y complejidad se concentra, sintomticamente, en la
vida artificial y en la cultura digital de la cual las ciencias de la complejidad es la
mejor expresin. Es el estudio (tesis doctoral, en rigor) de Helmreich. Sin embargo,
el libro de mayor profundidad en antropologa y, por consiguiente en arqueologa (la
arqueologa es antropologa en pasado), es el trabajo, hasta ahora insuperable de
Beekman y Baden. Por su parte, el trabajo de Adams tiene el mrito de trabajar las
dinmicas sociales y culturales tomando como hilo conductor la energa. El libro de
Prez-Taylor es una compilacin de
textos que se mueven o intentan moverse hacia la complejidad, no siempre ni
exactamente en la direccin de las ciencias de la complejidad.

COMPLEJIDAD Y FILOSOFA
La corriente principal (mainstream) de la filosofa se ha dividido en dos: una que
hace, al mejor ejemplo de autores como Aristteles, Hegel o Husserl, de s misma un
motivo de trabajo; o, en el mejor de los casos, un pretexto para desarrollarse como
philosophia primera. La otra, es la filosofa que renuncia a la metafsica y se
transforma en tica, tica aplicada, sociologa, teora del derecho o filosofa poltica,
entre otras. Los autores contemporneos son numerosos en cualquier de estas dos
posturas principales de la filosofa contempornea. Entre los filsofos
contemporneos que trabajan complejidad
resaltan los dos nombres mencionados a continuacin. Un elemento comn a ambos
es que se trata, en rigor, de filsofos de la ciencia. Un nombre tangencial a las
ciencias de la complejidad pero muy consciente del significado de temas como la
vida artificial es D. Dennett, que se omite aqu debido a no tiene ningn texto mayor
directamente relacionado con complejidad, aunque tiene varios artculos y captulos
de libro en eventos dedicados a la vida artificial y las ciencias cognitivas.

COMPLEJIDAD E HISTORIA
Consagrado como uno de los mejores historiadores contemporneos, y entre los
mejores en esta disciplina en toda la historia, W. H. McNeill tiene el mrito de abrir
las puertas en doble va: de la historia hacia la complejidad, y de la complejidad de la
historia y la historiografa mismas. Sin embargo, sera injusto omitir aqu los trabajos
de F. Fernndez- Armesto, a pesar de que no emplea para nada el concepto de
complejidad en su obra; sus trabajos son estupendos ejemplos de lo que es el
trabajo historiogrfico en el marco de las
ciencias de la complejidad. De alguna manera tambin hay que mencionar aqu el
trabajo historiogrfico del terico de la cultura, J. Barzun.

COMPLEJIDAD, ADMINISTRACIN Y ORGANIZACIONES SOCIALES

Aunque la literatura sobre complejidad y administracin es muy grande, son pocos
los textos que valen la pena. La mayora de la literatura es simple y llana jerga. Los
textos que se mencionan a continuacin dan una idea clara de que es posible pensar y
actuar en contextos de finanzas, gobierno, administracin, economa, teora de
juegos. Los administradores, financistas e ingenieros son eminentemente
pragmticos y principalmente piensan en herramientas y aplicaciones. Una lectura
juiciosa de la siguiente bibliografa sorprendera a ms de administrador e ingeniero.
COMPLEJIDAD, ECONOMA Y FINANZAS
La economa tradicional permanece en el marco de cuatro ejes: microeconoma,
macroeconoma, finanzas y comercio. Las dems son reas episdicas, como la
historia de las doctrinas econmicas, por ejemplo. Las finanzas, por su parte pueden
encontrar en el dilogo con los fractales luces novedosas.
CONSULTORA EMPRESARIAL EN EL MARCO DE LAS CIENCIAS DE LA
COMPLEJIDAD
Es sabido que en Estado Unidos hay un dicho muy popular: si una idea es buena,
produce dinero. Pues bien, la complejidad ms exactamente las ciencias de la
complejidad- son una muy, muy buena idea. En efecto, el nmero y la importancia de
las empresas, las experiencias de negocios, que incorporan a las ciencias de la
complejidad incluye a las ms destacas y fuertes empresas en el mundo. Siempre
cabe recordar no solamente en el plano terico, poltico o militar, por ejemplo
aquella idea de H. Pagels segn la cual quien domine las ciencias de la complejidad
tendr, por decir lo menos, una clara ventaja competitiva en el mercado, una posicin
de ventaja en

los procesos de negociacin en general, en fin, una estructura mental que le aporta
rditos magnficos. Las referencias a continuacin ilustran estas ideas. Aqu, la idea
es que quienes estn interesados naveguen, en profundidad, en los links
mencionados.
COMPLEJIDAD Y PSICOLOGA
En psicologa predominan, en el mejor de los casos, ya con personalidad propia, los
enfoques sistmicos. Hace rato que existe, con estatuto y derecho propio una
sicologa sistmica. Con mucha frecuencia, se hace referencia a la obra de H.
Maturana. Sin embargo, hay que decir que, en sentido estricto, la obra de Maturana
no forma parte, en manera alguna de las ciencias de la complejidad, sino de aquello
que, en referencia a la Enciclopedia de Complejidad y Ciencias de Sistemas reseada
antes arriba, se integra en las
ciencias de sistemas; que son histricamente anteriores a la emergencia de la
complejidad. El segundo libro referido a continuacin contiene el nacimiento (y el
debate) del concepto de autopoiesis, obra de F. Varela y H. Maturana.
COMPLEJIDAD Y ESTUDIOS CULTURALES
Los estudios culturales estn dominados, hoy por hoy, por los llamados estudios
postcoloniales. En un sentido estricto, los estudios post-coloniales han logrado
recientemente demarcarse del llamado pensamiento postmodernista. Pues bien, los
dos libros mencionados a continuacin se zambullen, si cabe la expresin, en el mar
de las ciencias de la complejidad; con placer y con habilidad de buenos nadadores.
INGENIERA DE SISTEMAS COMPLEJOS
La historia de la ingeniera se divide en dos: la ingeniera clsica o ingeniera
convencional y la ingeniera de sistemas complejos.
El primero de los libros sobre ingeniera de sistemas complejos aparece recin en el
2006. Desde entonces, no obstante, su desarrollo ha sido impresionante. Sin
embargo, en el mundo, facultades de ingeniera y de administracin permanecen an
al margen del estudio y trabajo en ingeniera de sistemas complejos. Tan slo a nivel
de Institutos y Centros de Investigacin se incorpora, se desarrolla, se trabaja y se
ensea activamente la ingeniera de sistemas complejos. Y por consiguiente, la
computacin bioinspirada.
METAHEURSTICAS (HBRIDAS, PARALELAS,
HIPERHEURSTICAS), OPTIMIZACIN Y RESOLUCIN DE
PROBLEMAS
Las metaheursticas son el marco algortmico ms reciente para el trabajo con, y la
resolucin de, problemas complejos en ciencia, ingeniera y negocios. Estas

reconocen la imposibilidad de una solucin ptima y buscan hallar, por el contrario,

soluciones razonables con recursos aceptables. Antes de ellas predominaron las
tcnicas convencionales de la investigacin de operaciones y los modelos heursticos
de la inteligencia artificial. Pero, justamente, el trabajo con metaheursticas se hace
necesario e incluso ineludible cuando las tcnicas y los modelos convencionales
reconocen su incapacidad para abordar los problemas de complejidad creciente.
Cuatro grandes retos (o problemas abiertos) motivan las investigaciones ms
recientes en el campo de las metaheursticas:
- El primero tiene que ver con posibilidad, e incluso con la necesidad, de construir
sistemas hbridos no slo empleando metaheursticas sino tambin, adems, modelos
matemticos clsicos (de la investigacin de operaciones) y heursticas
convencionales (de la inteligencia artificial). Algunos de los campos que ms aportan
a esta discusin son la computacin.
- El segundo reto consiste en saber cundo y cul metaheurstica elegir durante el
proceso de resolucin de un problema determinado. La finalidad es seleccionar en
cada punto de decisin de un problema dado, y de forma automtica, la (meta)
heurstica de bajo nivel ms adecuada a partir de un conjunto finito de posibilidades.
-El tercer problema se refiere al diseo de metaheursticas paralelas y distribuidas
con el fin de explotar las cada vez mayores prestaciones que estas arquitecturas
suponen. A su vez, este reto estimula el desarrollo de nuevas arquitecturas y modelos
de computacin. All, los trabajos en computacin no convencional juegan un papel
central.
-Finalmente, el cuarto reto intenta subsanar las dificultades manifiestas cuando de
afinar o poner a punto los parmetros de la(s) metaheurstica(s) seleccionada(s)
(configurar la(s) metaheurstica(s)) se trata. Un ejemplo conspicuo en este caso son
las metaheursticas auto-adaptativas.
Las dos familias principales de metaheursticas son: las metaheursticas basadas en
soluciones nicas y las metaheursticas basadas en poblaciones. La primera familia
se inspira principalmente en las matemticas, la lgica y la fsica, y consiste en la
manipulacin y transformacin de una solucin nica a lo largo del proceso de
bsqueda y optimizacin. El segundo grupo se inspira, fundamentalmente, en la
biologa y emplea no una solucin nica sino una poblacin de soluciones que
interactan y evolucionan en el tiempo. Es en este segundo caso cuando se habla de
espacios de soluciones. En este grupo son cuatro los principales paradigmas: la
computacin evolutiva, la inteligencia de enjambres, la computacin inmunolgica y
la computacin con membranas.

Ambas familias
son

complementarias. Mientras las primeras son muy buenas para explotar las mejores
soluciones en una zona especfica (optimizacin local), el segundo grupo logra
explorar todo el espacio de soluciones (optimizacin global). En otras palabras:
mientras estas intensifican, aquellas diversifican. Los problemas (complejos) actuales
en ciencia e ingeniera implican tanto explotacin como exploracin, justificando,
una vez ms, la necesidad y la pertinencia de los sistemas hbridos.
SISTEMAS COMPUTACIONALES NATURALES, INTELIGENTES Y
BIOLGICOS
Computar es un rasgo comn, transversal, si se prefiere, a los seres humanos, a los
sistemas expertos y artificiales, a la vida en general y a la naturaleza misma. Cada
poca posee su propia metfora. Una de las ltimas metforas acuadas es el
reconocimiento de que, finalmente, esto es, sustancialmente, lo que hace el universo
es computar; es decir, se trata de la idea segn la cual podemos encontrar procesos de
cmputo en todas las escalas y fenmenos de la naturaleza. En particular, como un
subconjunto de los sistemas de computacin natural, encontramos la computacin
inspirada biolgicamente (o computacin con metforas biolgicas).

El
esquema
muestra
la
evolucin de las
tcnicas
de
resolucin
de
problemas (de
optimizacin) y,
con ellas, de los
sistemas
computacionales. De un lado, las tcnicas de resolucin de problemas pasaron de los
modelos matemticos a los modelos inspirados por la biologa, atravesando por los
sistemas inteligentes y los sistemas cibernticos. No en vano, las miradas se han
desplazado hacia la inteligencia artificial bio-inspirada, hacia la inteligencia
computacional y hacia los sistemas complejos adaptativos inteligentes, y cada vez se
habla menos de la inteligencia artificial (clsica) sin ms. Los textos que se muestran
en esta seccin dan muestras consistentes de este hecho.
COMPUTACIN SUAVE.
Soft Computing no es un cuerpo homogneo de conceptos y tcnicas. Ms bien es
una mezcla de distintos mtodos que de una forma u otra cooperan desde sus
fundamentos. En este sentido, el principal objetivo de la Soft Computing es
aprovechar la tolerancia que conllevan la imprecisin y la incertidumbre, para
conseguir manejabilidad, robustez y soluciones de bajo costo. Los principales
ingredientes de la Soft Computing son la Lgica Fuzzy, la Neuro-computacin y el
Razonamiento Probabilstico, incluyendo este ltimo a los Algoritmos Genticos, las
Redes de Creencia, los Sistemas Caticos y algunas partes de la Teora de
Aprendizaje. En esa asociacin de Lgica Fuzzy, Neurocomputacin y
Razonamiento Probabilstico, la Lgica Fuzzy se ocupa principalmente de la
imprecisin y el Razonamiento Aproximado; la Neurocumputacin del aprendizaje, y
el Razonamiento Probabilstico de la incertidumbre y la propagacin de las
creencias.

INTELIGENCIA COMPUTACIONAL
Son ellos (el orden no importa): los sistemas difusos, las redes neuronales, los
sistemas inmunes artificiales, la computacin evolutiva y la inteligencia de
enjambres: todos ellos provenientes, en algn sentido, de metforas biolgicas. Se
acenta, adems, el papel de las posibles relaciones entre ellas.
Los dos aspectos clave de este reconocimiento son dos. De un lado, la inteligencia
artificial se ha desplazado, a travs de la inteligencia computacional, al plano,
ciertamente ms interesante y fructfero, de los sistemas bio-inspirados. De otra
parte, se pone de manifiesto la posibilidad y el potencial de pensar en sistemas
hbridos como lo plantea el esquema 14

COMPUTACIN NATURAL
En otro plano distinto, aunque fuertemente relacionado con la computacin suave y
la inteligencia computacional, se encuentra el campo de la computacin natural.
Dicho campo tiene tres grandes ramas que lo componen, estas son: i) el uso de
metforas provenientes de la naturaleza (en particular de la biologa) para resolver
problemas, ii) el modelamiento, la simulacin y la sntesis de fenmenos naturales a
travs del computador y iii) el uso de ideas y/o materiales naturales (como molculas
o clulas) para llevar a cabo procesos de computo inditos cuando se los mira
retrospectivamente. El esquema 15 permite observar la evolucin literalmente: las
especiaciones- que la computacin natural ha tenido. Este mismo esquema
suministra una idea clara acerca de la evolucin de la arquitectura de la computacin
desde von Neumann- hasta los desarrollos ms recientes y verosimilmente- hacia el
futuro.

COMPUTACIN EVOLUTIVA O ALGORITMOS EVOLUTIVOS

La simbiosis entre teora de la evolucin y con ella, por debajo de ella, por as
decirlo, la referencia a la Nueva Biologa- y la computacin en general constituye,
sin ninguna duda, una de las realizaciones ms originales en las ciencias de la
complejidad. Al respecto, sigue siendo totalmente vlido el reconocimiento muy
temprano- que hizo H. Pagels acerca de la importancia de las relaciones entre
complejidad y computacin. Al mismo tiempo que el computador hace posible a las
ciencias de la complejidad, stas contribuyen de manera significativa al propio
desarrollo de la computacin.
Podemos hablar, como es efectivamente, el caso, de tres clases de ciencia: la ciencia
de tipo inductivo (o emprico o empirista), la ciencia de tipo deductivo (o
racionalista), y la ciencia con base en modelamiento y simulacin. Los dos primeros
tipos de ciencia corresponden a la ciencia clsica y, por derivacin, a toda la ciencia
habida en la historia de la humanidad Occidental. La tercera es perfectamente
novedosa y dirige la mirada, absolutamente, hacia el futuro.

INTELIGENCIA COLECTIVA O TEORA DE ENJAMBRES

El estudio de los colectivos de animales _ los animales sociales, los insectos sociales
(hormigas, termitas, himenpteros benficos en general, pero tambin de los
cardmenes y las manadas), ha arrojado luces maravillosas acerca de la arquitectura
y la topologa de la naturaleza; y por tanto, tambin acerca de la sociedad humana en
general.
El rasgo definitivo ha sido el reconocimiento del siguiente hecho: la naturaleza no
piensa ni acta como la civilizacin occidental los postul siempre: secuencial,
jerrquica, lineal, cardinalmente. Por el contrario, la robustez de los sistemas
naturales descansa en series en paralelo, en la ausencia de control central rgido, en la

adaptacin. La inteligencia de enjambre pone de manifiesto una inteligencia bastante

mejor por robusta y evolutiva- que la inteligencia humana tradicional: la de los 2500
aos de la historia de Occidente.
Esta idea an deber ser plenamente explorada y apropiada por parte de la
comunidad acadmica y cientfica, as como por parte tambin del sector privado, el
sector pblico y de la propia sociedad civil.
COMPUTACIN CON MEMBRANAS O SISTEMAS P
Los sistemas informticos y computacionales tambin han incorporado por as
decirlo- la metfora biolgica y ecolgica. La ingeniera ha avanzado hasta la
programacin y el trabajo en trminos de hardware anlogos a los de los sistemas
vivos. Un caso conspicuo, reciente, que data del 1998, es la computacin con
membranas.
COMPUTACIN INMUNE O SISTEMAS INMUNES ARTIFICIALES
El estudio del sistema inmunolgico humano y en general, de los sistemas vivos-, ha
representado un aprendizaje estupendo, por lo pronto, para fsicos y expertos en
sistemas computacionales. Esta rea surge en 1998 y permite explorar caminos que
la ingeniera tradicional nunca imagin. Por decir lo menos, se trata de la
importancia de pensar por analoga; sin embargo, en rigor, aqu, se trata de bastante
ms que de una analoga.

COMPLEJIDAD, SISTEMAS BIO-INSPIRADOS, BIO-ROBTICA Y

BIO-HARDWARE
Los trabajos sobre sistemas inteligentes adaptativos y sobre vida artificial ya no
permanecen en el mbito de la pantalla del computador. Los sistemas inteligentes
vivos han salido del CPU y ya exploran espacios fsicos comunes con el de los seres
humanos. De esta suerte, las escisiones clsicas entre lo natural y lo artificial, o entre
lo analgico y lo digital, por ejemplo, quedan ampliamente superadas en
investigaciones y trabajos que comienzan a tener repercusiones (incipientes, por lo
pronto) en numerosos dominios del mundo cotidiano.

CONCLUSIONES
El surgimiento de las ciencias de la complejidad, se da gracias a aquellos personajes
que, de manera directa contribuyeron; sin ellos no habra sido posible el mundo de
los sistemas dinmicos de complejidad creciente.
La ciencia es el conjunto de conocimientos estructurados sistemticamente,
conocimiento obtenido mediante la observacin de patrones regulares, de
razonamientos y de experimentacin en mbitos especficos, a partir de los cuales se
generan preguntas, se construyen hiptesis, se deducen principios y se elaboran leyes
generales y sistemas organizados por medio de un mtodo cientfico.
Complejidad es la cualidad de lo que est compuesto de diversos elementos
interrelacionadas. Se refiere a un sistema complejo, que es un sistema compuesto de
partes interrelacionadas que como un conjunto exhiben propiedades y
comportamientos no evidentes a partir de la suma de las partes individuales.
Se trata de un grupo de ciencias que, por tanto, contienen numerosas teoras, una
diversidad de modelos explicativos, una gama amplia de conceptos, en fin, una
pluralidad de mtodos y lgicas.
El mundo de las ciencias de la complejidad se ocupa de las transiciones
orden/desorden; contiene tres grandes ejes, ellos son: la teora matemtica de la
complejidad - ms propiamente conocida como el conjunto de los problemas P
versus N-P, las relaciones entre el universo microscpico y el universo
macroscpico, y la teora de los sistemas dinmicos.
Estos tres grandes ejes se cruzan entre s e inauguran el mundo mismo de la
complejidad.