miércoles, 1 de agosto de 2012

Predicción, políticas públicas y pixeles: a lo que se enfrenta un modelador urbano en Latinoamérica.

Al día de hoy, existe un ente donde se concentra todo lo que somos, donde se concentra (o se revuelve, como sucede en América Latina con singular alegría) toda una serie de elementos producto de la naturaleza humana. Este ente es la ciudad, y es injusto llamarla por un solo nombre al considerar la gran cantidad de cosas que en ella suceden. La ciudad es mucho más que calles, manzanas, gente, carros y edificios. Esta aglomeración en veces violenta y otras fortuita, de poder, caprichos, historia, belleza, desigualdad, abstracción política y espejo de todo lo humano, es terriblemente compleja. Lejos quedaron los días de las ciudades pre-industriales cuando el intercambio cultural solo sucedía con los más próximos, la movilidad hasta donde los caballos jalaran y las grandes obras tardaban más de 200 años en completarse (¿existiría la prisa en aquel entonces?). Superando con creces todo lo anterior, las ciudades ahora son cuna y consecuencia del avance en la infraestructura de servicios (¡gracias por estar disponibles!, ¡malditos por facilitar la dispersión!), las telecomunicaciones, el transporte, una economía que en veces no se eligió participar, pleitos políticos, movimientos ciudadanos y de una conciencia de lo que sucede en otras partes del mundo. Cada uno de los elementos antes mencionados, y muchos más, tienen un efecto multiplicador sobre los otros, lo que ante nuestra sorpresa y asombro da nacimiento a su vez a nuevas formas de actuar en la ciudad. Así ha sido en las últimas décadas, y seguirá por otras más. Y es a este ente al que, de una u otra manera, tratamos de estudiar y entender los que nos dedicamos a estudiar la ciudad.

La ciudad entonces, es sumamente compleja, y así como se ha distanciado de sus pasadas formas, igualmente las maneras de querer entenderla deben de estar a la par. Afortunadamente quedó atrás la concepción de que su creación recaía solo en el arquitecto-urbanista para dar paso a una concepción multidisciplinaria de la ciudad, lo que ha implicado un cruce con otras disciplinas de maneras antes impensables. Unos de estos procesos de cruce es la extensión del pensamiento matemático e informático hacia la ciudad en la segunda mitad del siglo pasado, en particular a unos temas en donde se conjuga lo anterior: el modelado y la simulación. A partir de los años sesenta, y gracias al avance de las computadoras, lentamente se ha incluido en el discurso de la ciudad temas que antes eran exclusivos del pensamiento matemático como lo son la teoría de la complejidad, sistemas no lineales, autómatas celulares y procesos emergentes; todos estos aplicados al estudio de las dinámicas de usos de suelo, transporte y el mercado inmobiliario entre otros temas. El modelado urbano engloba todos estos conceptos, y nos abre una posibilidad de estudiar a la ciudad de una manera que hasta hace poco no existía: el tener un laboratorio urbano en donde podamos experimentar con ciudades sintéticas.



Un modelo es la simplificación de una estructura o sistema de la vida real y la simulación es ingresar información a dicho modelo, correrlo hacia adelante en el tiempo y observar que sucede (Gilbert, 2005) (Axelrod, 2003). La maqueta de un edificio es un ejemplo: ni es el edificio en sí ni contiene todos los atributos del mismo, solo los suficientes para que sea una fiel representación. La maqueta ni está hecha de concreto ni contiene instalación eléctrica o hidráulica como el edificio real. El que no los contenga es irrelevante para los fines con que se construyó la maqueta. Un modelo urbano funciona de la misma manera: está elaborado para que asemeje lo mejor posible a la realidad que se quiere estudiar, dejando fuera los elementos que no son relevantes a la misma; y así como la maqueta de un edificio nos ayuda a entender el edificio real, así también el empleo de la simulación ofrece varias ventajas. Para empezar, la investigación experimental casi se desconoce en los campos de las ciencias sociales (Gilbert, 2005). Es difícil imaginar los costos económicos que implicaría experimentar sobre una ciudad real, sin siquiera considerar los de tipo social o político. Por esto mismo, el poder experimentar sobre modelos que emulan a la ciudad es ahora más factible, gracias en parte a los avances informáticos que hacen posible procesar con rapidez gran cantidad de datos. Dado que esto se realiza dentro de una computadora, un mismo modelo puede simularse varias veces, descubriendo en este proceso relaciones e interdependencias entre los componentes urbanos. De aquí se desprende el valor de la simulación, ya que al observar el comportamiento del modelo bajo diferentes escenarios es posible desarrollar teorías o comprender el comportamiento de la ciudad. Inclusive, siempre y cuando el modelo esté armado con los datos más fieles a la realidad posibles, se puede llegar a realizar predicción. Al día de hoy es evidente el potencial del uso del modelado porque ya hay todo un trabajo de encuentro entre los lenguajes de programación y el urbanismo y de este hacia la abstracción formal de sus fenómenos, encuentro que ha generado un espacio en común para estas ciencias que todavía no toma forma ni termina por definirse. Este espacio ha permitido vislumbrar una serie de principios sobre cómo debe de llevarse a cabo, a través del método científico, este aún incipiente encuentro de disciplinas.

II 

Desde el punto de vista teórico, el proceso mediante el cual se arma y simula un modelo es relativamente sencillo de entender, pudiéndose visualizar en tres grandes pasos. Aunque es obvio mencionarlo, y en el método científico nunca hay que dar pie a que otros supongan qué es lo que estamos haciendo (¿desde qué especialidad se está suponiendo?), lo primero es identificar nuestro enigma, una pregunta cuya respuesta aún no se conoce y que va a ser el objetivo a resolver a través de la simulación. Una vez identificado de manera clara este objetivo, se procede a estudiar su comportamiento en la vida real para saber cómo reproducirlo en un modelo. Al igual que el ejemplo de la maqueta en donde el arquitecto antes de elaborarla debe primero estar frente al edificio que va a representar y apreciarlo en todos sus aspectos; de igual manera el investigador urbano debe primero conocer lo más posible la naturaleza de lo que ha de modelar. Dicho modelador en su proceso de estudio debe de hacer suposiciones de porqué el objeto de estudio se comporta de tal o cual manera, y estos supuestos procede a traducirlos en un lenguaje formal, casi siempre a un lenguaje de computadora. De nuevo con el ejemplo de la maqueta, aunque el arquitecto conozca los detalles internos del edificio, al representarlo en una maqueta puede tomarse la libertad de no construirlos ya que la función de dicha maqueta puede ser solo el apreciar cómo se ve el edificio real desde el exterior. Igualmente el investigador urbano debe de decidir qué elementos va a representar en su modelo de acuerdo a los fines que persigue, y esta decisión no siempre es fácil. De aquí se puede plantear la siguiente pregunta: si aún no conozco bien el objeto real, ¿cómo saber entonces cuales de sus componentes son relevantes representar en el modelo? Parte de la respuesta se puede obtener al definir para qué se quiere modelar el objeto de estudio, y de acuerdo a expertos como Axelrod, Gillbert o Batty modelamos para dos cosas: entender o predecir. Estas dos metas son extremos opuestos con respecto a qué tanto dejamos fuera de un modelo o, dicho en otras palabras, que tan complejo debe de ser. Si lo que se persigue es entender el objeto, el modelo es más sencillo y tiende a ser genérico, sin hacer referencia a un objeto específico del mundo real (el ejemplo más claro es el juego de Simcity: no representa una ciudad específica del mundo, pero podemos ver con mucha claridad por ejemplo las consecuencias de bajar los impuestos sobres las condiciones físicas de su infraestructura). En el otro extremo está la predicción, la cual demanda un alto nivel de fidelidad con respecto a lo que se modela y por lo mismo mayor complejidad.
Ya definido lo anterior, lo que prosigue es construir el modelo con el uso de un programa informático, preferentemente uno que sea familiar al mayor número de usuarios para que el modelo pueda ser reproducido, experimentado y adaptado a las necesidades de otros usuarios.
Si el primer paso fue definir y modelar nuestro enigma, el segundo es ingresar información al modelo y hacer pasar el tiempo sobre el mismo, es decir, hacer la simulación. Por último, el tercer paso es asegurar que todo lo que se ha hecho es correcto y que la información arrojada tenga el suficiente grado de confiabilidad para nuestros propósitos, y esto se logra en tres partes. En la primera, denominada Verificación, lo que se persigue es la consistencia interna del modelo; y esto se logra observando si el programa funciona como se intencionó; independientemente de que si es una reproducción fiel o no de la realidad. Esto significa que si el programa se hizo para que arroje dos cantidades: población y vehículos, este no se equivoque sumando unos con otros por ser esto imposible en la vida real. En la segunda parte, denominada Validación, se debe de asegurar que el modelo en su funcionamiento sea una representación lo suficientemente acertada de la realidad. Una buena manera de comprobar esto es someter el modelo a una condición tan simple que de antemano se conozca cual sería el resultado en el mundo real y observar si el modelo lo cumple. Por último, en la tercera parte denominada Análisis de Sensibilidad, se realizan pruebas para observar cómo reacciona el modelo ante pequeñas variaciones en la información ingresada. Si el modelo es muy sensible ante inclusive las variaciones más pequeñas, amerita una revisión.

III 

Aunque el proceso de modelado y simulación es relativamente sencillo de entender, de ninguna manera significa que hay una sola manera de hacerlo. Enmarcado dentro del tema de la simulación ha habido una evolución en la forma de abordarlo que va cambiando mientas se logran avances en las matemáticas y ciencias computacionales, no necesariamente porque las ciudades tengan una equivalencia con estas disciplinas, sino porque es posible abordarlas cada vez de una manera más completa. Solo hay que tomar el ejemplo del avance en el poder de procesamiento de las computadoras, lo que ha permitido trabajar con mayores cantidades de información de manera más rápida; y es que de verdad, las ciudades son un inconmensurable cúmulo de datos y procesos, para decirlo en términos computacionales. Y quizá fue esta concepción de la ciudad en forma de datos, una de tantas como se puede ver, lo que derivó en esta unión de matemáticas-computación-urbanismo. Fue solo cuestión de tiempo cuando alguien vio una semejanza entre el tema de redes y la intrincada estructura vial para poder aplicarlo al estudio de las calles y carreteras, o una relación entre los estudios de inteligencia artificial y las formas en que la gente toma decisiones respecto a donde comprar, hacia donde desplazarse y decidir si se ubica cerca de personas diferentes a ellos mismos.

Bien, hasta aquí es estimulante ver todas las posibilidades de la simulación enfocada al estudio de nuestras ciudades. Las metodologías están ahí al igual que los equipos computacionales, cada vez más baratos y con mayor poder de procesamiento, listos para recibir todos los modelos que les ingresemos para ver qué resultados nos pueden dar. Aparte, hay diferentes paquetes de software exclusivos a la simulación, e inclusive hay gratuitos que en este mismo momento se pueden descargar de la internet junto con abundantes tutoriales sobre como armar modelos. Pareciera que tuviéramos todo a nuestra disposición para que inmediatamente nos pusiéramos a modelar. Pero la verdad es que al día de hoy, ni todas las computadoras ni todos los estudios de simulación han realmente pasado a ser parte de la forma de hacer ciudad, ni en las escuelas ni mucho menos en las instituciones encargadas de administrar el desarrollo urbano; y por el estado del arte de esta todavía nueva disciplina (los expertos aún no se ponen de acuerdo a que campo debe de clasificarse) quizá sea mejor así, o por lo menos debería aplicarse con mucho cuidado. Lo más sano sería por lo pronto aplicarse para entender la ciudad y no tanto para predecirla, mucho menos en ciudades donde la falta de información urbana es abundante. Y es que cuando hablamos de simular la ciudad, no hay una sola manera de hacerlo: no siempre va a estar la información disponible ni habrá expertos en programación a la mano y, claro, siempre habrá una manera distinta de interpretarla. La ciudad es tan malvadamente compleja de modelar en su totalidad que no existe una sola metodología que la abarque toda. Con esto no me refiero que no es posible representarla, ya que al fin siempre haremos una simplificación de ella, me refiero a que sus atributos no son posibles representarlos en una sola plataforma. Por lo mismo, hay modelos que nunca los vamos a ver representados gráficamente porque solo van a expresar términos económicos, ¿pero como prescindir de la economía? imposible. Va a haber otros sobre intercambio de bienes y servicios donde el resultado será una serie de relaciones y cantidades impresas o cuando mucho en tablas y diagramas. Luego, hay otros más que muestran desplazamientos de transporte, crecimiento de la mancha urbana y cambios de uso de suelo. Estos a diferencia de los anteriores manejan la dimensión espacial a través de, ahora sí, representaciones gráficas similares a planos o mapas. Si los expertos no acuerdan aún una forma clara para abordar la simulación urbana, ¿cómo pedírselo a los no iniciados a que la asuman? Esto no es porque el modelado todavía esté en tela de juicio, sino porque es una disciplina tan nueva como decir que empezó a usarse apenas en los años noventa y que irá avanzando mientras avancen las computadoras, las metodologías, la información disponible y los estudios urbanos para los cuales deben de participar tantas disciplinas como aristas y dimensiones tiene la ciudad.

IV 

Ahora, la cereza en el pastel: el ser humano.
Desde mucho antes de aplicarse en ciudades, la práctica del modelado ya tenía éxito en otras ciencias como la química, la física y las ciencias naturales. En esta última son conocidos los modelos denominados cazador-presa donde se observa en la pantalla de una computadora pixeles que representan lobos, ovejas y manchas de pasto distribuidas en una amplia superficie. A través de este modelo se entienden mejor las dinámicas de población en la naturaleza: los lobos se comen a las ovejas y estas a su vez se alimentan de pasto, los lobos aumentan en número mientras el de ovejas disminuye, luego los lobos disminuyen por falta de ovejas y el pasto empieza a crecer porque no es consumido. Posteriormente la población de ovejas vuelve a aumentar por la presencia de pocos lobos, la cantidad de pasto disminuye, regresan al acecho los lobos al ver crecido la oferta de ovejas, vuelve a crecer el número de lobos y se repite el ciclo. Si solo los seres humanos fuéramos así de predecibles. Como ya se ha mencionado de manera reiterativa la ciudad es muy compleja, pero no hubiera tanto problema en modelarla si se comportara mecánica y repetitiva. Agreguemos a la fórmula al ser humano y esta se vuelve impredecible en muchos aspectos, aunque afortunadamente a nivel macro se puede observar cierta consistencia en su comportamiento. Como seres humanos nos comportamos de una manera más compleja que ovejas y lobos, y como tal nos manifestamos de maneras que no son solo del ámbito mecanicista y por lo mismo creamos formas que ni son físicas ni son fáciles de medir, como lo son las leyes, las instituciones y las formas de gobernar. Tomemos como ejemplo esto último; el gobierno y lo que emana de él: las políticas públicas. En teoría, las políticas públicas son las acciones del gobierno hacia sus gobernados. Por el supuesto impacto que estas tienen, suponiendo que las grandes obras solo son posibles a través del poder económico del gobierno, el impacto sobre la ciudad debería de ser de primer orden, impacto que se reflejaría en el comportamiento de la ciudad y, por ende, debería y es materia de atención al momento de modelar. Pero esto es solo una manera de ver a las políticas públicas en la ciudad: su supuesto impacto a través de las instituciones públicas sobre los gobernados. Pero sobre la ciudad hay más actores activos. De hecho, se han concebido por lo menos 6 maneras de ver cómo las políticas, y la "política", influyen en la ciudad (Kirlin-Erie, 1972). La concepción de que la ciudad es el resultado del poder institucional es solo una, pero también se puede estudiar a través de la distribución informal de este poder. También a través de la existencia de grupos de interés, de la cultura, de la forma en cómo se proveen los servicios y, aquí tiene un campo sin explorar el modelado, a través de los impactos no tangibles y sutiles de la forma de gobernar.

Si estas concepciones son de origen externo, nos haría bien pensar más sobre las ciudades de América Latina (¿porqué es tan escasa la reflexión urbana latinoamericana?). Claro, hay muchos trabajos de transporte, la distribución del ingreso, hacienda, impuestos y el mercado inmobiliario en el territorio, pero siempre de ciudades que no están dentro de nuestro territorio nacional, mucho menos del resto de los países hispanohablantes de nuestro continente. Aquí tenemos nuestras particularidades, algunas recientes, otras ya pasadas pero con impactos que se siguen sintiendo y con unas raíces profundamente arraigadas a un suelo que es fértil a la diversidad cultural que toma posiciones y territorios: crecimiento acelerado, migración rural a la ciudad, desigualdad salarial, influencia de estructuras informales de poder e irregularidad, entre otras. Y no caigamos en el error de aseverar que para entender la ciudad latinoamericana debemos de estudiar las ciudades pre-industriales anglosajonas supuestamente porque estas eran como lo son ahora las latinas. No, estas ciudades ocupan sus propios modelos y teorías (Barros, 2004). No hay de donde asirse de manera segura para un modelador de estas ciudades, no por lo menos con teorías europeas. Quien se dedique a esto debe de bajar a conocerlas, caminar sus espacios y sobre todo, con más ahínco con que se hace en otras ciudades del mundo, conocer a la gente que las crea, pues son en estas ciudades del llamado tercer mundo donde se aplica con más fuerza lo que Kirlin y Erie llaman los aspectos simbólicos de la política, y quizá en su estudio descubramos por fin alguna luz del porqué de su crecimiento caótico, que seguramente no es más que un gran reproche urbano colectivo e inconsciente a no saber todavía como encausar la ciudad sin tener que recurrir, o dejarse moldear, por formas que no son propias.


En el pasado reciente era imposible representar en una computadora a individuos tomando decisiones, pero qué interesante es ahora ver que esto es posible a través de modelos basados en agentes en donde cada uno es una persona, institución o grupo que se comporta de manera autónoma, socializa, reacciona a su entorno y toma iniciativa. También ya es factible generar condiciones para observar comportamiento emergente: agentes que estaban programados para replicar ciertos comportamientos específicos, al interactuar entre sí crean otros comportamientos diferentes y novedosos inclusive para el propio programador. Este es el caso de los autómatas celulares: una amplia retícula de celdas sobre la que se pueden representar dinámicas de suelo como crecimiento, disminución, desplazamiento e inclusive su desaparición.
Entonces, los avances ahí están. Una disciplina aun no consolidada, metodologías en evolución, diversas formas de ver la ciudad pero, en fin, lo suficiente ya existe para iniciar y ¿lo están las instituciones responsables de administrar el desarrollo urbano? Sin discutir si el modelo institucional es el único para entender la gobernanza de la ciudad, por lo menos es uno de los más asumidos tanto por gobernantes como gobernados. Si este es tal, habría que hacer algunas observaciones de la posibilidad del uso del modelado urbano frente a la situación actual de la administración pública. Primero, esta no es proactiva en aspectos tecnológicos, tan es así que en ciudades que cuentan con centros de investigación es evidente su desaprovechamiento y por lo mismo, la que podría ser una oportunidad de acercamiento al tema queda desaprovechada. Otra seria limitante es la disponibilidad de información en materia urbana. Si esta depende exclusivamente de las administraciones municipales, su acceso, validez y actualización dependerá de factores tan elementales como lo es el recurso económico hasta tan absurdos como su reiterada desaparición en las transiciones de gobierno. Otro reto es la inherente complejidad técnica de la simulación, que requiere tanto de cuadros especializados como de un equipo multidisciplinario, características a las que se encuentran alejados la mayoría de los ayuntamientos. Una causa que indirectamente abona al desconocimiento es la falta de instituciones que estudien el fenómeno urbano y, donde las hay, su interacción con los municipios es cuando mucho protocolaria. Y esto permanecerá así porque en los académicos de las ciencias duras no hay un interés en los temas urbanos por considerarlos privativos de las esferas administrativas, y porque los integrantes de dichas administraciones consideran poco prácticos los productos académicos. Finalmente, hablando en lo que le corresponde a la administración pública, el rezago en la reflexión e investigación urbana es por falta de una clara política en materia de desarrollo urbano que emane tanto de los órdenes de gobierno como desde los diferentes agentes urbanos. Salvo muy contadas intenciones, la ciudad está ausente en el discurso político y la falta de rumbo urbano es la más clara muestra.


Bibliografía

Axelrod, R. (2003), Advancing the art of simulation in the social sciences.

Batty, M., Urban modelling.

Barros, J. (2004), Urban growth in latin america: exploring urban dynamics trough agent-based simulation.

Gilbert, N., Terna, P. (1999), How to use and build agent-based models in social science.

Gilbert, N., Troitzsch, N. (2005), Simulation for the social scientist.

Kirlin, J., Erie, S. (1972), The Study of City Governance and Public Policy Making: A Critical Appraisal.