viernes, 1 de octubre de 2010

Platicando con el Profesor Pietro Terna sobre simulación y modelado.



Sobre el trabajo del Profesor Pietro Terna en torno a la modelación, en particular a agentes económicos, ya se habló con anterioridad en este Blog. En esta ocasión, Traza Digital transcribe una breve comunicación que entablo con él, como culminación a una entrada anterior de este sitio titulada “Preguntemos al profesor Pietro Terna”. Sus respuestas nos ilustran sobre los procesos de modelado y simulación que se pueden aplicar al campo del urbanismo:

Traza Digital: ¿Cuales son las tareas a realizar cuando se crea un modelo?

Pietro Terna: Tres tareas: i) describir la simulación con el uso de palabras, en una manera escrita y discutir tu idea con colegas y practicantes; ii) escribir una versión rápida del modelo, con una herramienta que permita elaborar un prototipo del modelo, como la herramienta fantástica Netlogo, iii) si tienes éxito en (i) y (ii), empieza a producir un modelo bien estructurado, usando una verdadera herramienta de Programación Orientada a Objetos desde cero (puro lenguaje) o de una manera estructurada (con acceso a una librería de funciones y clases dedicadas)

TD: ¿Que es la Programación Orientada a Objetos y porque es útil en la creación de modelos?

PT: La Programación Orientada a Objetos es una técnica enfocada a importar en un código de programación una representación metafórica del mundo real. La base es la presencia de Clases, como “maquinas” para generar instancias: en el Modelado Basado en Agentes las instancias de un mundo son agentes que se derivan de propiedades de clases que son útiles para definirlos como representaciones artificiales de sistemas económicos reales.

TD: ¿Cómo es posible traducir el comportamiento de este mundo real de manera metafórica para que pueda ser entendido por un programa de computadora? ¿Esto tiene que ver con formalizaciones matemáticas o modelos estadísticos? Si es así, ¿cual es este proceso de formalización?

PT: El mundo real se traduce en agentes que definen reglas para manejar su comportamiento; esto principalmente no es hecho a través de una formalización matemática o estadística, sino en términos de especificaciones mas detallas reportadas en líneas de código de computadora. Mi propuesta, reportada en http://web.econ.unito.it/terna/ct-era/ct-era.html, define varias capas en el modelo, con agentes, sus reglas y meta-reglas para modificar reglas.

TD: Al querer traducir en agentes que definan reglas y comportamientos de los fenómenos del mundo real nos damos cuenta de su complejidad e interconexión. Por esto mismo, cuando se tratan de estudiar dichos fenómenos estos deben de ser simplificados hasta un nivel manejable para elaborar un modelo. ¿Cuáles son los “trampas” que deben de ser evitadas para no caer en modelos inexactos por haberlos simplificado en exceso quizá sin darnos cuenta?

PT: Tenemos que poner mucha atención a dos diferentes características de un modelo: las interacciones inter-agentes y asuntos de tiempo respecto al paralelismo o acciones secuenciales. Entre más exacta sea la descripción en los detalles de estos dos lados, más exactos serán los resultados de la simulación y el resultado emergente será más interesante. No olvides: el diablo esta en los detalles.

TD: ¿Cómo podemos saber que estos resultados son validos o suficientemente exactos?

PT: Trata de simular lo que sucedió en el pasado, utilizando solamente datos existentes ya conocidos y previos al fenómeno en cuestión!

TD: ¿Y cuáles son las condiciones que un modelo deben de tener para ser considerado listo para la simulación?

PT: Unos resultados creíbles para los ojos del experto en la materia y conjeturas condicionales creíbles sobre el fenómeno real.

TD: Un propósito de la simulación es el saber más sobre un cierto fenómeno del cual no conocemos en su totalidad; ¿no es esta falta de conocimiento una gran limitante para el modelado y por lo tanto se corra el riesgo de obtener resultados erróneos?

PT: Al contrario, esta es una de las principales capacidades de la simulación basada en agentes: se abren cajas negras en base a una hipótesis razonable, construyendo características de comportamiento en los agentes y estructuras institucionales de cualquier nivel en una manera perfectamente conocida. De esta manera, se tiene en nuestras manos un lente de aumento, para comparar los resultados de la simulación con datos reales, para entender la eficacia de la hipótesis utilizada para “abrir cajas negras”

TD: ¿Existen experiencias en la que la simulación ha predicho correctamente fenómenos de la vida real antes de que sucedan?

PT: Mucho a un nivel de firma u organización, un poco en comportamiento agregado, tal como dinámicas de tasas de interés en un mercado económico, respuestas sociales y así similarmente en otros casos.


Con esta breve plática se inicia lo que se pretende sea un archivo de entrevistas con especialistas en el campo de la modelación y simulación urbana, y que puedan ser de utilidad a la comunidad interesada en estas disciplinas.

No hay comentarios:

Publicar un comentario

Un algoritmo computacional nos acaba de ayudar a encontrar sentido a una maraña de relaciones urbanas (y de paso hacer mejores programas de desarrollo urbano).

¿Cómo leer esta red compleja que resultó de un ejercicio ciudadano en Bahía de Los Ángeles, México? "Las fuerzas que afecta...