Simulación para las ciencias sociales

El libro que comentamos hoy apareció originalmente en 1999, en la Open University Press. Nosotros manejaremos la segunda edición al castellano, preparada por Francisco Miguel Quesada para la editorial McGraw-Hill (2006). Nuestra edición procede de la edición revisada de 2004. Gilbert es profesor en la Universidad de Surrey y editor del "Journal of Artificial Societies and Social Simulation", mientras que Troitzsch es profesor de la Universidad de Coblenza-Landau.

La obra consta de diez capítulos y tres apéndices. Como es fácilmente imaginable, se inicia con dos capítulos introductorios para, a partir del tercer capítulo, ir manejando los instrumentos conceptuales e informáticos. Y así, empezamos con las bases para simular la dinámica de sistemas, ilustrada con una breve presentación del lenguaje DYNAMO, que servirá también para informatizar el modelo de Martínez Coll (1986) de "palomas, halcones y burgueses". Se trata de un modelo del estado natural hobbesiano, en el que la paloma nunca trata de hacerse con las posesiones de otros, el halcón, por contra, trata de apoderarse de manera agresiva y el burgués espera a que las posesiones de los demás sean abandonadas. Una extensa y bonita presentación del programa STELLA completa el capítulo. El capítulo cuarto conduce al lector al mundo de los micromodelos y sus subtipos, centrándose en un ejemplo sacado de la reforma tributaria alemana y usando la aplicación informática UMDBS. Es de destacar cómo cada capítulo viene acompañado de una extensa y muy útil reseña bibliográfica comentada. El capítulo cinco deja de lado las modelizaciones de tiempo continuo y presenta las características de los modelos de colas, o modelos estocásticos que dependen de estados anteriores. Todo esto es ilustrado magistralmente mediante una simulación SimLab de los tipos de servidores de un aeropuerto (p. 87 y ss.) A partir del capítulo sexto entramos en los modelos de simulación multinivel o modelos de poblaciones interactuantes. Por usar un ejemplo de los propios autores (ver p. 100), los atributos de una población dependen de los atributos individuales agregados y estos, a su vez, dependen de los atributos de la población. Y así, la distribución por géneros de la población dependerá del número de varones y mujeres mientras que la tasa de mortalidad podrá depender no sólo del tamaño de la población sino también de la distribución por géneros. El entorno de simulación MIMOSE es puesto a prueba en modelizaciones sobre formación de opinión, y nuevamente en el modelo "paloma-halcón-burgués", ya comentado. A continuación, el capítulo siete nos acerca a la teoría evolutiva de juegos a través de los autómatas celulares. Los autómatas celulares modelizan un mundo en el cual el espacio es representado como una cuadrícula uniforme y el tiempo avanza por periodos discretos. El más famoso de entre ellos es, sin duda, el Juego de la Vida de Conway. Este tipo de modelos constituyen hoy por hoy, el terreno de modelización más emergente en las ciencias de la vida y en las ciencias sociales, puesto que permiten investigar los resultados macroscópicos de millones de acontecimientos simples microscópicos: desde la proliferación de células cancerígenas hasta la propagación de epidemias, pasando por fenómenos sociales, como la evolución de poblaciones con diferentes tipos de rasgos individuales (egoístas, altruistas...) En este sentido, recomiendo la lectura del magistral libro de Nowak, "Evolutionary Dynamics" (2006). Quizá quepa reprochar a los autores del libro, objeto de esta recensión, que no hayan situado este capítulo algo más al comienzo de la obra, puesto que la simulación actual de procesos pivota, en gran medida, sobre este tipo de simulaciones. NetLogo, el ya mítico programa diseñado por Papert y SITSIM son los modelos computacionales introducidos. El capítulo ocho también es de gran importancia porque aborda la cuestión de los modelos multi-agente. Estos programas autónomos, capaces de controlar las propias acciones basándose en sus percepciones de su entorno operativo, copan el campo de la Inteligencia Artificial Distribuida y son de rabiosa actualidad. Se agradece que Gilbert y Troitzsch, en una obrita introductoria, comenten cuestiones muy de última hornada, como el diseño de agentes con emociones, reprochándoseles, no obstante, que perseveren en el uso de NetLogo, seguro que por motivos didácticos. Hubiera sido deseable introducir, a modo de ejemplificación, algún sistema más inteligente y planificador, estilo HOMER (véase "An Introduction to Multi-Agent Systems" de Wooldridge). Los modelos presentados (tipo SUGARSCAPE o MANTA) son del estilo "fungus eaters" de Toda, esto es, modelos de bajo nivel. En el capítulo siguiente se sigue en una línea similar, pero incidiendo más en el aspecto de la interacción evolutiva, a través del desarrollo en NetLogo de un modelo de Jager sobre agentes "rudos", "gorrones" y "espectadores". De relevancia es que la parte final va dedicada a presentar brevemente dos arquitecturas cognitivas como SOAR y ACT-R, algo no siempre presente en obras de carácter introductorio. Para finalizar, el libro culmina con una introducción a modelos de redes neuronales, enfocadas a la simulación social, y a los algoritmos genéticos de John Holland.

En conjunto, hemos de decir que, para ser una introducción, la obra reseñada es muy completa, equilibrada y está muy bien actualizada. Las referencias para guiar al lector en futuras lecturas son exhaustivas y, muy importante, aparecen comentadas. En resumidas cuentas, creemos que quizá no exista en castellano un mejor lugar para introducirse al lector neófito en el área de la simulación computacional y felicitamos a la editorial McGraw-Hill por la traducción de la versión revisada de esta obra de dos científicos punteros como Gilbert y Troitzsch.