O que distingue o CAS dos SMAs (sistemas multiagentes) puros é seu foco em propriedades características e de alto nível, como auto-similaridade, complexidade, emergência e auto-organização. Um SMA é simplesmente definido como um sistema composto por múltiplos agentes interagindo. No CAS os agentes assim como os sistemas são adaptativos, o sistema é auto-semelhante. Um CAS é uma coletividade complexa e autossimilar de interações de agentes adaptativos. Os CAS caracterizam-se por um elevado grau de capacidade adaptativa, o que lhes confere resiliência “Resiliência (ecologia)”) face a perturbações.

Outras propriedades importantes são a adaptação (homeostase), a comunicação, a cooperação, a especialização, a organização espacial e temporal e, claro, a reprodução. Podem organizar-se a todos os níveis: as células especializam-se, adaptam-se e reproduzem-se tal como fazem os organismos maiores. A comunicação e a cooperação ocorrem em todos os níveis, desde o agente até o nível do sistema.

Dentro da classe de Sistemas Complexos é conveniente fazer a diferença entre aqueles que são Adaptáveis ​​e aqueles que não o são. Segundo Axelrod, um Sistema Complexo Adaptativo é um Sistema Complexo formado por agentes ou populações que buscam se adaptar por meio de uma intervenção planejada. Segundo esta definição, um tornado é um Sistema Complexo Não Adaptativo (as partes não têm capacidade para intervenções planeadas), mas os peões numa grande cidade constituem um Sistema Complexo Adaptativo (as pessoas têm a capacidade de fazer intervenções planeadas para evitar colisões com outros peões). Axelrod propõe que em um Sistema Adaptativo Complexo existem três processos centrais: Variação, Interação e Seleção.

Para Mitchell, um Sistema Complexo (Adaptivo) é “Um sistema no qual grandes redes de componentes sem controle central e com regras operacionais simples dão origem a um comportamento coletivo complexo, processamento sofisticado de informações e adaptação através de aprendizagem ou evolução”. (Mitchell 2009:13). De acordo com Mitchell, esta definição contém três propriedades comuns de Sistemas Adaptativos Complexos:

1. Mitchell partilha a ideia de Holland de que o comportamento colectivo complexo, com padrões mutáveis ​​e difíceis de prever, tem a sua origem na acção colectiva e não nas acções individuais dos componentes do sistema.

2. Processamento de informações e sinais produzidos no ambiente interno e externo.

3. Mudanças adaptativas no sistema através de processos de aprendizagem ou evolutivos. Um dos autores fundamentais no desenvolvimento da Teoria dos Sistemas Adaptativos Complexos é John H. Holland.

Para Holland, um Sistema Complexo Adaptável é um sistema composto por uma grande variedade de diferentes agentes e componentes não estáticos que não mantêm uma configuração fixa, sem um planejamento central ou órgão de direção, mas que juntos desenvolvem uma identidade única e mantêm um padrão estável e coerente ao longo do tempo. Nesta definição, Holland expande o significado do termo “adaptação” para incluir a aprendizagem e os processos a ela relacionados.

Para Kevin Dooley, um Sistema Adaptativo Complexo comporta-se/evolui de acordo com três princípios fundamentais: a ordem é emergente em vez de ter um determinado nível (por exemplo, redes neurais), a história do sistema é irreversível e o futuro do sistema é muitas vezes imprevisível. que exploram o seu ambiente e desenvolvem esquemas para a interpretação e representação das regras de ação. Estes esquemas estão sujeitos a alterações e evolução (Fonte: K. Dooley, AZ State University).

Para Murray Gell-Mann, um Sistema Complexo Adaptativo adquire informações sobre o seu ambiente no qual interage e identifica regularidades nas informações obtidas, condensando essas regularidades numa espécie de esquema ou modelo e atua no mundo real com base nesse esquema (Fonte: "The Quark and the Jaguar: Adventures in the Simple and the Complex", p.17).

Para Stephanie Forrest, Sistemas Adaptativos Complexos são constituídos por elementos que interagem e se adaptam em um ambiente operacional. Os agentes agem e são influenciados pelo seu ambiente local. Não há controle global sobre o sistema. Todos os agentes só são capazes de influenciar outros agentes a nível local. Cada agente é movido por mecanismos simples, geralmente regras de condição-ação, onde as condições são muito sensíveis ao ambiente. (Fonte: Forrest, 1990).

Contenido

Holland menciona cuatro propiedades y tres mecanismos comunes a todos los SCA. Otras propiedades y mecanismos de los Sistemas complejos Adaptables pueden derivarse a partir de estos siete elementos básicos:.

Agregação

A agregação pode ser usada de duas maneiras. Primeiro, é uma maneira fácil de simplificar SCAs adicionando itens semelhantes em categorias. Uma vez definida uma questão de interesse, detalhes irrelevantes são ignorados e coisas que diferem nesses detalhes são agrupadas em uma categoria. Categorias elaboradas tornam-se blocos de construção que podem ser combinados para construir modelos.

Um segundo uso da propriedade de agregação está relacionado ao surgimento de comportamentos complexos gerados pela soma das interações de agentes menos complexos. Os agregados (metaagentes) atuam como agentes em um nível superior e podem apresentar comportamentos e capacidade adaptativa não presentes em agentes individuais. Nesse sentido, a agregação fornece uma estrutura hierárquica aos SCAs.

Não linearidade

Em linhas gerais, podemos entender a linearidade como uma propriedade que nos permite obter um valor para o todo através da soma dos valores ponderados de suas partes. Quando um sistema tem a propriedade de linearidade, é fácil usar a matemática para criar modelos por meio de análise de tendências, métodos de amostragem ou encontrar equilíbrio. Infelizmente as SCAs não possuem esta propriedade de linearidade, o que torna o seu estudo e o estabelecimento de teorias particularmente difícil. Numa SCA, as interações não lineares quase sempre fazem com que o comportamento agregado seja mais complexo do que a simples soma dos comportamentos individuais.

Fluxos

Nos SCAs, os fluxos ocorrem a partir de um relacionamento na tríade Nó-Conector-Recurso. Em termos gerais, os nós são os agentes que realizam o processamento dos recursos, enquanto os conectores são os canais de comunicação que determinam possíveis interações. Nas SCAs, os fluxos na rede variam ao longo do tempo como consequência do processo de adaptação e aprendizagem. Nesse processo, tanto nós quanto conectores podem aparecer ou desaparecer dependendo do sucesso na busca por adaptação. As tags quase sempre definem as principais interações delimitando as redes e criando a estrutura hierárquica. Agentes com tags úteis se adaptam e se espalham, enquanto aqueles com tags inúteis acabam sendo extintos.

Os fluxos têm duas propriedades principais:

1. O efeito multiplicador. O efeito de uma ação inicial se propaga através da rede de interações causando mudanças notáveis ​​em todo o sistema. Este efeito, que surge independentemente da natureza particular do recurso, é evidente quando ocorrem mudanças evolutivas.

2. O efeito de reciclagem. Este efeito é devido a ciclos nas redes. A reciclagem com a mesma quantidade de recursos iniciais pode alimentar muitas vezes a rede, fazendo com que o sistema retenha seus recursos e produza maior consumo de recursos em cada nó, o que faz com que os agentes prosperem ainda mais.

Diversidade

Cada classe de agente ocupa uma posição no SCA, que é definida pelas interações que nela se concentram. Se uma classe de agente for removida, o sistema tentará se adaptar criando outra classe de agente no processo que forneça as interações faltantes. Nesse sentido, a persistência de cada agente individual depende do ambiente, que é em grande parte constituído por outros agentes. A diversidade também é criada quando um agente de sucesso se espalha, gerando novas oportunidades de interação com outros agentes. Nesse processo também se cria a oportunidade de especialização, o que aumenta ainda mais a diversidade. Num SCA, as interações perturbadas pela extinção de um determinado tipo de agentes são comumente restabelecidas pelo aparecimento de novos agentes que podem ser diferentes dos extintos, desta forma a diversidade é produto das contínuas adaptações do SCA.

Rotulado

A marcação ou rotulagem é um mecanismo “que facilita consistentemente a formação de agregados” (Holland 2004:28), é a base da estrutura hierárquica presente numa SCA. Além disso, a marcação facilita a interação seletiva de um agente com outros agentes que seriam indistinguíveis sem a utilização deste mecanismo. Desta forma, a marcação constitui um mecanismo de sobrevivência para agregação e formação de fronteiras nas SCAs (Holland, 2004). Este mecanismo permite quebrar as simetrias presentes em uma SCA de forma que possamos observar e agir sobre propriedades que não eram evidentes. As interações baseadas em tags fornecem uma base sólida para seleção, especialização e cooperação.

Modelos Internos

A aprendizagem dos agentes numa SCA depende da sua capacidade de antecipar e prever os resultados das suas ações. O mecanismo de antecipação é a geração de modelos internos.

A característica mais importante de um modelo interno é que ele deve permitir fazer inferências úteis sobre as consequências futuras da situação que está sendo modelada.

O princípio fundamental para a criação de modelos internos é a agregação em categorias. Para criar um modelo interno, o agente deve selecionar padrões a partir das informações que recebe do ambiente e gerar mudanças em sua estrutura interna ou modelo interno. Então as mudanças no modelo devem permitir ao agente antecipar os resultados que serão obtidos quando o padrão reaparecer. Nos mamíferos superiores, os modelos internos dependem diretamente da experiência sensorial.

Em geral distinguiremos duas classes de modelos internos:

1. Modelo interno tácito. Descreve uma ação atual motivada pela previsão implícita de algum estado futuro desejado, como no caso de uma ameba movendo-se em direção à comida.

2. Modelo interno manifesto. É a base para explorações explícitas, mas internas, das alternativas disponíveis ao agente. Os modelos internos tácitos e manifestos estão presentes em todas as SCAs. O processo de evolução pode favorecer a geração e seleção de modelos internos eficazes e eliminar modelos ineficientes.

Blocos de construção

Os modelos internos baseiam-se em amostras limitadas de um ambiente em constante mudança. Os modelos serão úteis na medida em que descobrirmos certas regularidades que são relevantes para a situação que desejamos modelar e omitirmos detalhes inúteis.

A pesquisa de blocos de construção é uma capacidade reversa de agregação; uma cena complexa é analisada tentando identificar seus elementos componentes que sejam reutilizáveis ​​e já tenham sido testados pela seleção natural e pelo aprendizado.

Como a construção de modelos consome grande parte dos recursos limitados dos agentes, a identificação dos blocos de construção torna-se uma capacidade crítica.

A agregação de blocos de construção produz blocos de construção para um nível superior, como no caso de quark/núcleo/átomo/molécula/organela/célula...etc.

“Ganhamos experiência através da utilização repetida de blocos de construção, mesmo quando estes não aparecem mais de duas vezes na mesma situação” (Holland 2004:50). Por esta razão, quando confrontados com uma nova situação, podemos combinar blocos já testados para modelar a situação, antecipar possíveis consequências e escolher a acção apropriada.

Quando uma SCA possui modelos internos tácitos, a descoberta e combinação de blocos de construção está sujeita à escala de tempo determinada pela evolução do sistema; enquanto que se o modelo for manifesto, a escala de tempo é geralmente de menor magnitude.

Uma característica importante de muitos sistemas adaptativos complexos é o surgimento de características e estruturas globais semelhantes em sistemas completamente diferentes. Os sistemas adaptativos complexos são caracterizados da seguinte forma e os mais importantes são:.

• O número de elementos é suficientemente grande para que as descrições convencionais (por exemplo, um sistema de equações diferenciais) não só sejam impraticáveis, como também não ajudem na compreensão do sistema, os elementos também têm de interagir e a interação deve ser dinâmica. As interações podem ser físicas ou envolver a troca de informações.

• Tais interações são grosseiras, ou seja, qualquer elemento do sistema é afetado e afeta outros sistemas.

• As interações não são lineares, o que significa que pequenas causas podem ter grandes resultados.

• As interacções são principalmente, mas não exclusivamente, com países vizinhos e a natureza da influência é modulada.

• Qualquer interação pode alimentar-se diretamente ou após uma série de estágios intermediários; esse feedback pode variar em qualidade. Isso é conhecido como “recorrência”.

• Os sistemas são abertos e pode ser difícil ou impossível defini-los.

• Sistemas adaptativos complexos operam longe das condições de equilíbrio.

• Todos os sistemas adaptativos complexos têm uma história, evoluem e o seu passado é corresponsável pelo seu comportamento presente.

• Os elementos do sistema ignoram o comportamento de todo o sistema como um todo.

Sistemas Adaptativos Complexos podem ser encontrados em psicologia cognitiva, inteligência artificial, sociologia, ecologia, biologia, economia e genética. Abaixo estão alguns exemplos de SCA com seus agentes correspondentes entre parênteses:.

• Mercados (comerciantes).

• Economias (empresas).

• Ecossistemas (organismos).

• Sistemas imunológicos (anticorpos).

• Células biológicas (proteínas).

• Sistemas sociais (pessoas).

• Sistemas políticos (partidos).

Outro exemplo é o mercado de ações, no qual os agentes adaptativos (traders) aprendem dia a dia e mudam as suas ações à medida que avançam.

Outro bom exemplo é o sistema imunológico, que parte do simples, mas aprende a prevenir doenças complexas.

Outros exemplos de SCA incluem insectos sociais e colónias de formigas, a biosfera, o ecossistema, o cérebro, a célula e o desenvolvimento de um embrião, a produção nas empresas e, em geral, qualquer grupo social humano, baseado na cultura e num sistema social, como partidos políticos ou redes sociais de comunidades.

[1] Holanda, John H. (2004). A Ordem Oculta. Fundo de Cultura Económica.

[2] Holanda, John H. (2006). Estudando Sistemas Adaptativos Complexos, Journal of Systems Science and Complexity 19: http://hdl.handle.net/2027.42/41486.

[3] Axelrod, Robert. (2000). Aproveitando a Complexidade. Livros Básicos.

[4] Mitchell, Melanie. (2009). Complexidade uma visita guiada. Imprensa da Universidade de Oxford.

[5] Page, Scot E. e Miller, John H. (2007). Sistemas Adaptativos Complexos. Imprensa da Universidade de Princeton.

[6] http://wiki.cas-group.net/index.php?title=Complex_Adaptive_System.

[7] Ozalp Babaoglu, Universidade de Bolonha.

[8] Stephanie Forrest, Universidade do Novo México.

[9] Melanie Mitchell, Universidade Estadual de Portland.

[10] Simon A. Levin, Universidade de Princeton.

[11] John H. Holland, Universidade de Michigan, Instituto Santa Fé.

[12] Murray Gell-Mann, Instituto Santa Fé.

[13] Lara Rivero, Arturo (UAM-Xochimilco).

[14] Alvarado López, Raúl (UAM-Xochimilco).

Livros

Muitos dos livros recentes sobre complexidade e sistemas adaptativos complexos têm a ver com modelação baseada em agentes (ABM) nas ciências sociais ou com o Santa Fe Institute (SFI) e os seus prestigiados investigadores: Stuart Kauffman, Murray Gell-Mann, John H. Holland e Chris Langton. A história do Instituto Santa Fé é descrita por M. Mitchell em seu livro intitulado “Complexidade”. Dos muitos livros publicados por este Instituto temos:.

• A Mente, O Cérebro e Sistemas Adaptativos Complexos, ed. por Harold J. Morowitz, Jerome L. Singer, Santa Fe Institute Studies in the Sciences of Complexity, Addison-Wesley, 1995.

• Introdução à teoria da computação neural, John Hertz, Anders Krogh e Richard Palmer, Santa Fe Institute Studies in the Sciences of Complexity, Addison-Wesley, 1991.

• A Complexidade da Cooperação: Modelos de Competição e Colaboração Baseados em Agentes, Robert Axelrod, Princeton University Press, 1997.

• Emergência: Leituras Contemporâneas em Filosofia e Ciência, Mark A. Bedau e Paul Humphreys (Eds.), MIT Press, 2007.

• Complexidade: A vida à beira do caos, Roger Lewin, University of Chicago Press, 2000.

• Primeiras Civilizações, Bruce G. Trigger, The American University in Cairo Press, 1993.

• Origens da mente moderna, Merlin Donald, Harvard University Press, 1993.

• As origens da vida - do nascimento da vida às origens da linguagem, John Maynard Smith e Eörs Szathmáry, Oxford University Press, 1999.

• Como funciona a natureza, Per Bak, Springer-Verlag, 1996.

• Complexidade e Evolução, Max Pettersson, Cambridge Univ. Imprensa, 1996.

• Ciências Sociais Generativas: Estudos em Modelagem Computacional Baseada em Agentes, Joshua M. Epstein, Princeton University Press, 2007.

• Sistemas Adaptativos Complexos: Uma Introdução aos Modelos Computacionais da Vida Social, John H. Miller e Scott E. Page, Princeton University Press, 2007.

• M. Waldrop, Complexidade: A Ciência Emergente no Limite da Ordem e do Caos, Simon & Schuster, 1992.

• Ordem Oculta: Como a Adaptação Cria Complexidade, John Holland, Basic Books, 1996.

• Emergência: Do Caos à Ordem, John H. Holland, Basic Books, 1999.

• Mais livros podem ser encontrados na lista a seguir.

Artigos

• John H. Holland, Sistemas Adaptativos Complexos: Uma Introdução.

• Ecossistemas e a Bioesfera como Sistemas Adaptativos Complexos, Simon A. Levin, 1998.

• Sistemas Adaptativos Complexos: Explorando o conhecido, o desconhecido e o incognoscível, Simon A. Levin, 2002.

• Gaia como sistema adaptativo complexo, Sistemas Imunes e sistemas biológicos (Stephanie Forrest).

• Modelagem de sistemas adaptativos complexos com Echo, S. Forrest e T. Jones. Em Sistemas Complexos: Mecanismo de Adaptação, R.J. Stonier e X.H. Yu (eds.), Amsterdã, Holanda: IOS Press, pp. 3-21 (1994).

• Computação Emergente: Fenômenos auto-organizados, coletivos e cooperativos em redes de computação naturais e artificiais, Stephanie Forrest, Physica D 42 (1990) 1-11.

• - Engenharia de sistemas.

• - Sistemas complexos.

• - Teoria dos sistemas.

• - Dinâmica do sistema.

• - Sistema dinâmico.

• - Sistema complexo.

• - Uma descrição do Principia Cybernetica Web.

O que distingue o CAS dos SMAs (sistemas multiagentes) puros é seu foco em propriedades características e de alto nível, como auto-similaridade, complexidade, emergência e auto-organização. Um SMA é simplesmente definido como um sistema composto por múltiplos agentes interagindo. No CAS os agentes assim como os sistemas são adaptativos, o sistema é auto-semelhante. Um CAS é uma coletividade complexa e autossimilar de interações de agentes adaptativos. Os CAS caracterizam-se por um elevado grau de capacidade adaptativa, o que lhes confere resiliência “Resiliência (ecologia)”) face a perturbações.

Outras propriedades importantes são a adaptação (homeostase), a comunicação, a cooperação, a especialização, a organização espacial e temporal e, claro, a reprodução. Podem organizar-se a todos os níveis: as células especializam-se, adaptam-se e reproduzem-se tal como fazem os organismos maiores. A comunicação e a cooperação ocorrem em todos os níveis, desde o agente até o nível do sistema.

Dentro da classe de Sistemas Complexos é conveniente fazer a diferença entre aqueles que são Adaptáveis ​​e aqueles que não o são. Segundo Axelrod, um Sistema Complexo Adaptativo é um Sistema Complexo formado por agentes ou populações que buscam se adaptar por meio de uma intervenção planejada. Segundo esta definição, um tornado é um Sistema Complexo Não Adaptativo (as partes não têm capacidade para intervenções planeadas), mas os peões numa grande cidade constituem um Sistema Complexo Adaptativo (as pessoas têm a capacidade de fazer intervenções planeadas para evitar colisões com outros peões). Axelrod propõe que em um Sistema Adaptativo Complexo existem três processos centrais: Variação, Interação e Seleção.

Para Mitchell, um Sistema Complexo (Adaptivo) é “Um sistema no qual grandes redes de componentes sem controle central e com regras operacionais simples dão origem a um comportamento coletivo complexo, processamento sofisticado de informações e adaptação através de aprendizagem ou evolução”. (Mitchell 2009:13). De acordo com Mitchell, esta definição contém três propriedades comuns de Sistemas Adaptativos Complexos:

1. Mitchell partilha a ideia de Holland de que o comportamento colectivo complexo, com padrões mutáveis ​​e difíceis de prever, tem a sua origem na acção colectiva e não nas acções individuais dos componentes do sistema.

2. Processamento de informações e sinais produzidos no ambiente interno e externo.

3. Mudanças adaptativas no sistema através de processos de aprendizagem ou evolutivos. Um dos autores fundamentais no desenvolvimento da Teoria dos Sistemas Adaptativos Complexos é John H. Holland.

Para Holland, um Sistema Complexo Adaptável é um sistema composto por uma grande variedade de diferentes agentes e componentes não estáticos que não mantêm uma configuração fixa, sem um planejamento central ou órgão de direção, mas que juntos desenvolvem uma identidade única e mantêm um padrão estável e coerente ao longo do tempo. Nesta definição, Holland expande o significado do termo “adaptação” para incluir a aprendizagem e os processos a ela relacionados.

Para Kevin Dooley, um Sistema Adaptativo Complexo comporta-se/evolui de acordo com três princípios fundamentais: a ordem é emergente em vez de ter um determinado nível (por exemplo, redes neurais), a história do sistema é irreversível e o futuro do sistema é muitas vezes imprevisível. que exploram o seu ambiente e desenvolvem esquemas para a interpretação e representação das regras de ação. Estes esquemas estão sujeitos a alterações e evolução (Fonte: K. Dooley, AZ State University).

Para Murray Gell-Mann, um Sistema Complexo Adaptativo adquire informações sobre o seu ambiente no qual interage e identifica regularidades nas informações obtidas, condensando essas regularidades numa espécie de esquema ou modelo e atua no mundo real com base nesse esquema (Fonte: "The Quark and the Jaguar: Adventures in the Simple and the Complex", p.17).

Para Stephanie Forrest, Sistemas Adaptativos Complexos são constituídos por elementos que interagem e se adaptam em um ambiente operacional. Os agentes agem e são influenciados pelo seu ambiente local. Não há controle global sobre o sistema. Todos os agentes só são capazes de influenciar outros agentes a nível local. Cada agente é movido por mecanismos simples, geralmente regras de condição-ação, onde as condições são muito sensíveis ao ambiente. (Fonte: Forrest, 1990).

Contenido

Holland menciona cuatro propiedades y tres mecanismos comunes a todos los SCA. Otras propiedades y mecanismos de los Sistemas complejos Adaptables pueden derivarse a partir de estos siete elementos básicos:.

Agregação

A agregação pode ser usada de duas maneiras. Primeiro, é uma maneira fácil de simplificar SCAs adicionando itens semelhantes em categorias. Uma vez definida uma questão de interesse, detalhes irrelevantes são ignorados e coisas que diferem nesses detalhes são agrupadas em uma categoria. Categorias elaboradas tornam-se blocos de construção que podem ser combinados para construir modelos.

Um segundo uso da propriedade de agregação está relacionado ao surgimento de comportamentos complexos gerados pela soma das interações de agentes menos complexos. Os agregados (metaagentes) atuam como agentes em um nível superior e podem apresentar comportamentos e capacidade adaptativa não presentes em agentes individuais. Nesse sentido, a agregação fornece uma estrutura hierárquica aos SCAs.

Não linearidade

Em linhas gerais, podemos entender a linearidade como uma propriedade que nos permite obter um valor para o todo através da soma dos valores ponderados de suas partes. Quando um sistema tem a propriedade de linearidade, é fácil usar a matemática para criar modelos por meio de análise de tendências, métodos de amostragem ou encontrar equilíbrio. Infelizmente as SCAs não possuem esta propriedade de linearidade, o que torna o seu estudo e o estabelecimento de teorias particularmente difícil. Numa SCA, as interações não lineares quase sempre fazem com que o comportamento agregado seja mais complexo do que a simples soma dos comportamentos individuais.

Fluxos

Nos SCAs, os fluxos ocorrem a partir de um relacionamento na tríade Nó-Conector-Recurso. Em termos gerais, os nós são os agentes que realizam o processamento dos recursos, enquanto os conectores são os canais de comunicação que determinam possíveis interações. Nas SCAs, os fluxos na rede variam ao longo do tempo como consequência do processo de adaptação e aprendizagem. Nesse processo, tanto nós quanto conectores podem aparecer ou desaparecer dependendo do sucesso na busca por adaptação. As tags quase sempre definem as principais interações delimitando as redes e criando a estrutura hierárquica. Agentes com tags úteis se adaptam e se espalham, enquanto aqueles com tags inúteis acabam sendo extintos.

Os fluxos têm duas propriedades principais:

1. O efeito multiplicador. O efeito de uma ação inicial se propaga através da rede de interações causando mudanças notáveis ​​em todo o sistema. Este efeito, que surge independentemente da natureza particular do recurso, é evidente quando ocorrem mudanças evolutivas.

2. O efeito de reciclagem. Este efeito é devido a ciclos nas redes. A reciclagem com a mesma quantidade de recursos iniciais pode alimentar muitas vezes a rede, fazendo com que o sistema retenha seus recursos e produza maior consumo de recursos em cada nó, o que faz com que os agentes prosperem ainda mais.

Diversidade

Cada classe de agente ocupa uma posição no SCA, que é definida pelas interações que nela se concentram. Se uma classe de agente for removida, o sistema tentará se adaptar criando outra classe de agente no processo que forneça as interações faltantes. Nesse sentido, a persistência de cada agente individual depende do ambiente, que é em grande parte constituído por outros agentes. A diversidade também é criada quando um agente de sucesso se espalha, gerando novas oportunidades de interação com outros agentes. Nesse processo também se cria a oportunidade de especialização, o que aumenta ainda mais a diversidade. Num SCA, as interações perturbadas pela extinção de um determinado tipo de agentes são comumente restabelecidas pelo aparecimento de novos agentes que podem ser diferentes dos extintos, desta forma a diversidade é produto das contínuas adaptações do SCA.

Rotulado

A marcação ou rotulagem é um mecanismo “que facilita consistentemente a formação de agregados” (Holland 2004:28), é a base da estrutura hierárquica presente numa SCA. Além disso, a marcação facilita a interação seletiva de um agente com outros agentes que seriam indistinguíveis sem a utilização deste mecanismo. Desta forma, a marcação constitui um mecanismo de sobrevivência para agregação e formação de fronteiras nas SCAs (Holland, 2004). Este mecanismo permite quebrar as simetrias presentes em uma SCA de forma que possamos observar e agir sobre propriedades que não eram evidentes. As interações baseadas em tags fornecem uma base sólida para seleção, especialização e cooperação.

Modelos Internos

A aprendizagem dos agentes numa SCA depende da sua capacidade de antecipar e prever os resultados das suas ações. O mecanismo de antecipação é a geração de modelos internos.

A característica mais importante de um modelo interno é que ele deve permitir fazer inferências úteis sobre as consequências futuras da situação que está sendo modelada.

O princípio fundamental para a criação de modelos internos é a agregação em categorias. Para criar um modelo interno, o agente deve selecionar padrões a partir das informações que recebe do ambiente e gerar mudanças em sua estrutura interna ou modelo interno. Então as mudanças no modelo devem permitir ao agente antecipar os resultados que serão obtidos quando o padrão reaparecer. Nos mamíferos superiores, os modelos internos dependem diretamente da experiência sensorial.

Em geral distinguiremos duas classes de modelos internos:

1. Modelo interno tácito. Descreve uma ação atual motivada pela previsão implícita de algum estado futuro desejado, como no caso de uma ameba movendo-se em direção à comida.

2. Modelo interno manifesto. É a base para explorações explícitas, mas internas, das alternativas disponíveis ao agente. Os modelos internos tácitos e manifestos estão presentes em todas as SCAs. O processo de evolução pode favorecer a geração e seleção de modelos internos eficazes e eliminar modelos ineficientes.

Blocos de construção

Os modelos internos baseiam-se em amostras limitadas de um ambiente em constante mudança. Os modelos serão úteis na medida em que descobrirmos certas regularidades que são relevantes para a situação que desejamos modelar e omitirmos detalhes inúteis.

A pesquisa de blocos de construção é uma capacidade reversa de agregação; uma cena complexa é analisada tentando identificar seus elementos componentes que sejam reutilizáveis ​​e já tenham sido testados pela seleção natural e pelo aprendizado.

Como a construção de modelos consome grande parte dos recursos limitados dos agentes, a identificação dos blocos de construção torna-se uma capacidade crítica.

A agregação de blocos de construção produz blocos de construção para um nível superior, como no caso de quark/núcleo/átomo/molécula/organela/célula...etc.

“Ganhamos experiência através da utilização repetida de blocos de construção, mesmo quando estes não aparecem mais de duas vezes na mesma situação” (Holland 2004:50). Por esta razão, quando confrontados com uma nova situação, podemos combinar blocos já testados para modelar a situação, antecipar possíveis consequências e escolher a acção apropriada.

Quando uma SCA possui modelos internos tácitos, a descoberta e combinação de blocos de construção está sujeita à escala de tempo determinada pela evolução do sistema; enquanto que se o modelo for manifesto, a escala de tempo é geralmente de menor magnitude.

Uma característica importante de muitos sistemas adaptativos complexos é o surgimento de características e estruturas globais semelhantes em sistemas completamente diferentes. Os sistemas adaptativos complexos são caracterizados da seguinte forma e os mais importantes são:.

• O número de elementos é suficientemente grande para que as descrições convencionais (por exemplo, um sistema de equações diferenciais) não só sejam impraticáveis, como também não ajudem na compreensão do sistema, os elementos também têm de interagir e a interação deve ser dinâmica. As interações podem ser físicas ou envolver a troca de informações.

• Tais interações são grosseiras, ou seja, qualquer elemento do sistema é afetado e afeta outros sistemas.

• As interações não são lineares, o que significa que pequenas causas podem ter grandes resultados.

• As interacções são principalmente, mas não exclusivamente, com países vizinhos e a natureza da influência é modulada.

• Qualquer interação pode alimentar-se diretamente ou após uma série de estágios intermediários; esse feedback pode variar em qualidade. Isso é conhecido como “recorrência”.

• Os sistemas são abertos e pode ser difícil ou impossível defini-los.

• Sistemas adaptativos complexos operam longe das condições de equilíbrio.

• Todos os sistemas adaptativos complexos têm uma história, evoluem e o seu passado é corresponsável pelo seu comportamento presente.

• Os elementos do sistema ignoram o comportamento de todo o sistema como um todo.

Sistemas Adaptativos Complexos podem ser encontrados em psicologia cognitiva, inteligência artificial, sociologia, ecologia, biologia, economia e genética. Abaixo estão alguns exemplos de SCA com seus agentes correspondentes entre parênteses:.

• Mercados (comerciantes).

• Economias (empresas).

• Ecossistemas (organismos).

• Sistemas imunológicos (anticorpos).

• Células biológicas (proteínas).

• Sistemas sociais (pessoas).

• Sistemas políticos (partidos).

Outro exemplo é o mercado de ações, no qual os agentes adaptativos (traders) aprendem dia a dia e mudam as suas ações à medida que avançam.

Outro bom exemplo é o sistema imunológico, que parte do simples, mas aprende a prevenir doenças complexas.

Outros exemplos de SCA incluem insectos sociais e colónias de formigas, a biosfera, o ecossistema, o cérebro, a célula e o desenvolvimento de um embrião, a produção nas empresas e, em geral, qualquer grupo social humano, baseado na cultura e num sistema social, como partidos políticos ou redes sociais de comunidades.

[1] Holanda, John H. (2004). A Ordem Oculta. Fundo de Cultura Económica.

[2] Holanda, John H. (2006). Estudando Sistemas Adaptativos Complexos, Journal of Systems Science and Complexity 19: http://hdl.handle.net/2027.42/41486.

[3] Axelrod, Robert. (2000). Aproveitando a Complexidade. Livros Básicos.

[4] Mitchell, Melanie. (2009). Complexidade uma visita guiada. Imprensa da Universidade de Oxford.

[5] Page, Scot E. e Miller, John H. (2007). Sistemas Adaptativos Complexos. Imprensa da Universidade de Princeton.

[6] http://wiki.cas-group.net/index.php?title=Complex_Adaptive_System.

[7] Ozalp Babaoglu, Universidade de Bolonha.

[8] Stephanie Forrest, Universidade do Novo México.

[9] Melanie Mitchell, Universidade Estadual de Portland.

[10] Simon A. Levin, Universidade de Princeton.

[11] John H. Holland, Universidade de Michigan, Instituto Santa Fé.

[12] Murray Gell-Mann, Instituto Santa Fé.

[13] Lara Rivero, Arturo (UAM-Xochimilco).

[14] Alvarado López, Raúl (UAM-Xochimilco).

Livros

Muitos dos livros recentes sobre complexidade e sistemas adaptativos complexos têm a ver com modelação baseada em agentes (ABM) nas ciências sociais ou com o Santa Fe Institute (SFI) e os seus prestigiados investigadores: Stuart Kauffman, Murray Gell-Mann, John H. Holland e Chris Langton. A história do Instituto Santa Fé é descrita por M. Mitchell em seu livro intitulado “Complexidade”. Dos muitos livros publicados por este Instituto temos:.

• A Mente, O Cérebro e Sistemas Adaptativos Complexos, ed. por Harold J. Morowitz, Jerome L. Singer, Santa Fe Institute Studies in the Sciences of Complexity, Addison-Wesley, 1995.

• Introdução à teoria da computação neural, John Hertz, Anders Krogh e Richard Palmer, Santa Fe Institute Studies in the Sciences of Complexity, Addison-Wesley, 1991.

• A Complexidade da Cooperação: Modelos de Competição e Colaboração Baseados em Agentes, Robert Axelrod, Princeton University Press, 1997.

• Emergência: Leituras Contemporâneas em Filosofia e Ciência, Mark A. Bedau e Paul Humphreys (Eds.), MIT Press, 2007.

• Complexidade: A vida à beira do caos, Roger Lewin, University of Chicago Press, 2000.

• Primeiras Civilizações, Bruce G. Trigger, The American University in Cairo Press, 1993.

• Origens da mente moderna, Merlin Donald, Harvard University Press, 1993.

• As origens da vida - do nascimento da vida às origens da linguagem, John Maynard Smith e Eörs Szathmáry, Oxford University Press, 1999.

• Como funciona a natureza, Per Bak, Springer-Verlag, 1996.

• Complexidade e Evolução, Max Pettersson, Cambridge Univ. Imprensa, 1996.

• Ciências Sociais Generativas: Estudos em Modelagem Computacional Baseada em Agentes, Joshua M. Epstein, Princeton University Press, 2007.

• Sistemas Adaptativos Complexos: Uma Introdução aos Modelos Computacionais da Vida Social, John H. Miller e Scott E. Page, Princeton University Press, 2007.

• M. Waldrop, Complexidade: A Ciência Emergente no Limite da Ordem e do Caos, Simon & Schuster, 1992.

• Ordem Oculta: Como a Adaptação Cria Complexidade, John Holland, Basic Books, 1996.

• Emergência: Do Caos à Ordem, John H. Holland, Basic Books, 1999.

• Mais livros podem ser encontrados na lista a seguir.

Artigos

• John H. Holland, Sistemas Adaptativos Complexos: Uma Introdução.

• Ecossistemas e a Bioesfera como Sistemas Adaptativos Complexos, Simon A. Levin, 1998.

• Sistemas Adaptativos Complexos: Explorando o conhecido, o desconhecido e o incognoscível, Simon A. Levin, 2002.

• Gaia como sistema adaptativo complexo, Sistemas Imunes e sistemas biológicos (Stephanie Forrest).

• Modelagem de sistemas adaptativos complexos com Echo, S. Forrest e T. Jones. Em Sistemas Complexos: Mecanismo de Adaptação, R.J. Stonier e X.H. Yu (eds.), Amsterdã, Holanda: IOS Press, pp. 3-21 (1994).

• Computação Emergente: Fenômenos auto-organizados, coletivos e cooperativos em redes de computação naturais e artificiais, Stephanie Forrest, Physica D 42 (1990) 1-11.

• - Engenharia de sistemas.

• - Sistemas complexos.

• - Teoria dos sistemas.

• - Dinâmica do sistema.

• - Sistema dinâmico.

• - Sistema complexo.

• - Uma descrição do Principia Cybernetica Web.