Seminario sobre la Teoría de los Sistemas Auto-Organizados, 13-11-2017, preparado por Michel Ferré, matemático y profesor de matemáticas. El Seminario ha tenido lugar el 13 de noviembre de 2017 en la Universidad Popular Carmen de Michelena de Tres Cantos.

1. Documentación para el Seminario:
Teoría de los Sistemas Auto-organizados
Sesión: 13-11-2017
1.- Resumen parcial del Seminario- 1
2.- Resumen parcial del Seminario- 2
3.- Tensegridad
4.- Sistemas multi-agente
5.- La Información
6.- De la eusocialidad al súper organismo

2. 1.- Resumen parcial del seminario sobre los sistemas auto-
organizados - 1
Los mecanismos de auto-regulación
Un sistema es un conjunto de partes en interacción, es decir, es un
conjunto delimitado donde ocurre una actividad continua.
La primera característica de un sistema auto-organizado es la auto-
regulación. Globalmente, el conjunto de las actividades se mantiene en un
estado de equilibrio dinámico, es decir lejos de un equilibrio estático
termodinámico, lejos de la inmovilidad y del reposo.
Para mantenerse en esta situación, dispone de mecanismos internos de
tipo "termostato".
Es lo que se llama una retroacción "negativa", es decir que la retroacción
va siempre en el sentido opuesto a la tendencia: si hace frío, el calentador se
enciende; si hace demasiado calor, el calentador se apaga.
La homeostasis en un organismo es de este tipo.
Esta actividad interna regulada supone un ritmo y unos ciclos internos. Un
sistema dispone, pues, de una "frecuencia o tiempo interior".
La dialéctica "divergencia-convergencia" en la base de la organización.
Un sistema auto-organizado, de una manera más precisa, alberga dos
tipos de actividad:
- Una divergente, de expansión y multiplicación
- Otra convergente, de diferenciación y reducción.
Por ejemplo, en el caso de un sistema poblacional "presa-predador", la
multiplicación de los conejos es limitada por los lobos.
El sistema, como tal, es el resultado de la dialéctica constante entre
estas dos tendencias internas.
Esta dialéctica se materializa a través de la organización misma, que
incluye un nivel de control y una jerarquía de secuencias.
La optimización dentro de un sistema.
Un sistema auto-organizado tiende a la optimización. En el caso de un
ecosistema, por ejemplo, un estado anterior va preparando las condiciones
necesarias para que emerja un estado más complejo, hasta un límite
máximo llamado "clímax del ecosistema".

3. El "exterior" de un sistema es el sistema superior que lo contiene.
El sistema organismo, por ejemplo, pertenece al sistema especie. Este a
su vez pertenece a un ecosistema que se integra en una biosfera. La biosfera
está en un sistema solar que forma parte de una galaxia, etc...etc...
La dinámica de tipo convergente que limita y canaliza la dinámica
divergente proviene del nivel superior sistémico.
Por ejemplo, la especie, en este enfoque sistémico, es un sistema de
comportamientos (actitudes, acciones, coraje, miedo, etc...) que actúa en los
organismos a través de las hormonas y del cerebro. La especie es
esencialmente un sistema poblacional (o una red) de "actores".
El ecosistema, que contiene las especies, es un sistema de
comunicaciones, asociaciones y simbiosis.
Por su lado, la biosfera puede mantener unas condiciones globales
favorables a la vida a pesar de la variación de algunos parámetros como el
calor de sol (aumento de un 25% desde la aparición de la vida en la Tierra), o
la salinidad del mar (la erosión de los relieves montañosos lleva una cantidad
ingente de sales minerales a los océanos).
Lo hace gracias a su propia estructura en bucles biogeoquímicos donde
los seres vivos participan como factores aceleradores y transformadores. Así
subió el nivel de oxígeno en la atmosfera, en un momento de la evolución de la
vida, lo que permitió la aparición de unos organismos más complejos.
La biosfera es, de hecho, un sistema que produce y controla su propio
entorno.
2.- Resumen parcial del seminario sobre los sistemas auto-
organizados - 2
Sistemas y complejidad.
Los sistemas auto-organizados tienen varias características en función
de su nivel.
Además de la auto-regulación básica, cuando son la sede de una
circulación de mensajes (redes enzimáticas, por ejemplo), tienen una auto-
conexión interna que no deja ni un elemento aislado.
Son como puzzles donde todas les piezas están en comunicación.
Además, los contornos se corresponden de una manera dual. Los bordes de
una encajan exactamente con los bordes de la otra. Eso se ve en la forma
funcional que tienen las enzimas en relación con el sustrato sobre el cual van a
actuar.

4. En un nivel superior, los sistemas pueden presentar una integración de
sus partes o sub-sistemas. Funcionan como una unidad. Estos sistemas
integrados realizan una “ruptura de simetría” que orienta el conjunto hacia una
dirección única: una forma de polarización. Es el caso de un organismo que
tiene un propósito (tropismo) y hace converger todas sus funciones fisiológicas
hacia una meta específica.
En su relación con el entorno y su capacidad a reaccionar a pequeñas
perturbaciones, un sistema puede ser también adaptativo o proactivo. Sus
aptitudes son la manifestación de una simetría interna, es decir diferentes
rasgos, actitudes o comportamientos activos que le permiten responder a una
situación sin cambiar su estructura orgánica profunda. Son facetas de su
potencial como agente.
También un sistema puede optimizarse, llevar, a su más alto nivel, la
sincronización de sus diferentes actividades o la especialización de sus
agentes (si se trata de un sistema de tipo red social, como un ecosistema, por
ejemplo).
Otro nivel es la posibilidad para un sistema de desarrollarse,
transformándose. En el caso de un ser vivo, el cuerpo pasa por diferentes
fases. En la planta, por ejemplo, la variación empieza con la semilla y llega
hasta el fruto, pasando por el tallo, las hojas y las flores. Un sistema auto-
desarrollado presenta una forma de metamorfosis de la estructura y de las
funciones que supone un sistema de control mucho más complejo que una
simple auto-regulación.
Niveles superpuestos
Se pueden analizar los diferentes sistemas auto-organizados de la
naturaleza en función de los niveles de complejidad que acabamos de ver.
La auto-regulación El nivel físico en las moléculas por ejemplo
La auto-conexión El nivel metabólico
La auto-integración El nivel fisiológico-orgánico
La adaptación El nivel agente, un miembro de una especie, p.ej
La optimización sincrónica El nivel ecosistémico
La capacidad de desarrollo El nivel biosférico de las existencias
En este último caso, se asume que la biosfera no es un simple macro-
eco-sistema, sino un sistema de naturaleza diferente que genera existencias y
metamorfosis, agrupadas en ecosistemas
3.- Tensegridad (Wikipedia)
La Tensegridad es un principio estructural basado en el empleo de
componentes aislados comprimidos que se encuentran dentro de una red
tensada continua, de tal modo que los miembros comprimidos (generalmente
barras) no se tocan entre sí y están unidos únicamente por medio de
componentes traccionados (habitualmente cables) que son los que delimitan

5. espacialmente dicho sistema.
El término Tensegridad, proveniente del inglés Tensegrity, es un término
arquitectónico acuñado por Buckminster Fuller como contracción de “tensional
integrity” (integridad tensional).
A mediados de los años 70, Donald Ingber se plantea una hipótesis en
la que relaciona las estructuras de tensegridad con el comportamiento
mecánico de las células. Para comprobarlo, modela una estructura compuesta
por seis barras unidas con hilos elásticos. Al colocarla sobre una superficie
rígida tiende a adoptar una forma aplanada, mientras que sobre una superficie
flexible se alza mostrando una conformación más redondeada. Este
comportamiento se ajustaba al observado en células cuando se depositaban
sobre el mismo tipo de superficies. Ingber concluyó que, desde un punto de
vista mecánico, la célula podía considerarse un sistema de tensegridad. Los
descubrimientos en biología confirmaron esta hipótesis cuando, a principios de
la década de los 80, Keith R. Porter lograba desvelar una red tridimensional de
filamentos en el interior de las células (el cito-esqueleto ) que tendría el mismo
papel que las barras y los cables en las estructuras de tensegridad: equilibrar
los esfuerzos que darían forma y rigidez a la célula.
El cito-esqueleto es un entramado tridimensional de proteínas que

6. provee soporte interno en las células eucariotas, organiza las estructuras
internas e interviene en los fenómenos de transporte, tráfico y división celular.
En las células eucariotas, consta de filamentos de actina, filamentos
intermedios, microtúbulos y septinas, mientras que en las procariotas está
constituido principalmente por las proteínas estructurales FtsZ y MreB.
4.- Sistemas multi-agente
Agente inteligente (inteligencia artificial)
Un agente inteligente, es una entidad capaz de percibir su entorno,
procesar tales percepciones y responder o actuar en su entorno de manera
racional, es decir, de manera correcta y tendiendo a maximizar un resultado
esperado. Percibe su medioambiente con la ayuda de sensores y actúa en ese
medio utilizando actuadores (elementos que reaccionan a un estímulo
realizando una acción).
En este contexto la racionalidad es la característica que posee una
elección de ser adecuada, más específicamente, de tender a maximizar un
resultado esperado. Este concepto de racionalidad es más general y por ello
más aceptado que «inteligencia» (la cual sugiere entendimiento) para describir
el comportamiento de los agentes autónomos. Por este motivo, es mayor el
consenso en llamarlos agentes racionales.
Es posible clasificar a los agentes en 6 categorías principales:
1.- Agentes reactivos
2.- Agentes reactivos basados en modelo
3.- Agentes basados en objetivos
4.- Agentes basados en utilidad
5.- Agentes que aprenden
6.- Agentes de consultas
En muchos textos, se define agente inteligente como todo agente capaz
de tener conciencia de su entorno y actuar sobre él. No obstante es necesario
exigir que estas decisiones sean racionales en el sentido de que persigan algún
fin.
Por ejemplo, cuando un fotón con la suficiente energía incide sobre un
átomo, puede arrancar de él un electrón. Podríamos considerar al átomo
«inteligente» puesto que percibe su entorno (la incidencia del fotón) y actúa
sobre su entorno (emite un electrón). Sin embargo, la ausencia de relación
entre la emisión del electrón y cualquier hipotético interés del átomo muestra
que este no es un agente inteligente. Por lo menos, la «inteligencia» no sería
local.
Sistema multi-agente
Un sistema multi-agente (SMA) es un sistema compuesto por múltiples
agentes inteligentes que interactúan entre ellos. Los sistemas multi-agente
pueden ser utilizados para resolver problemas que son difíciles o imposibles de

7. resolver para un agente individual.
El dominio del sistema multiagente o de inteligencia artificial distribuida
es una ciencia y una técnica que trata con los sistemas de inteligencia artificial
en red.
Los agentes en un sistema multiagente tienen varias características
importantes:
 Autonomía: los agentes son al menos parcialmente autónomos
 Visión local: ningún agente tiene una visión global del sistema, o el
sistema es demasiado complejo para un agente para hacer un uso
práctico de esos conocimientos
 Descentralización: no hay un agente de control designado (o el sistema
se reduciría a un sistema monolítico).
Los sistemas multiagente pueden manifestar autoorganización, así como
auto-dirección y otros paradigmas de control y comportamientos complejos
relacionados, incluso cuando las estrategias individuales de todos sus agentes
son simples.
Inteligencia de enjambre
Inteligencia de enjambre es una rama de la Inteligencia artificial que
estudia el comportamiento colectivo de los sistemas descentralizados, auto-
organizados, naturales o artificiales. El concepto se emplea en los trabajos
sobre inteligencia artificial. La expresión fue introducida por Gerardo Beni y
Wang Jing en 1989, en el contexto de los sistemas robóticos móviles.
Optimización de colonia de hormigas
La optimización basada en colonias de hormigas (OCH) es una clase de
algoritmos de optimización inspirada en las acciones de una colonia de
hormigas. Los métodos OCH son útiles en problemas que necesitan encontrar
caminos hacia metas. El objetivo de la 'simulación de hormigas artificiales' a
través de agentes es la de localizar soluciones óptimas moviéndose a través de
un espacio de parámetros que representa todas las posibles soluciones.
Las hormigas naturales utilizan las feromonas que dirigen una a la otra, a
los recursos y a explorar su entorno. La simulación de 'hormigas' igualmente
permite grabar sus posiciones y la calidad de sus soluciones, para que en
posteriores iteraciones de simulación más hormigas puedan encontrar mejores
soluciones.
Optimización de múltiples enjambres
La optimización multi-enjambre es una variante de la optimización de
enjambres de partículas (PSO), basado en el uso de múltiples sub-enjambres
en lugar de un enjambre (estándar). El enfoque general en la optimización de
multi-enjambre es que cada sub-enjambre se centra en una región dada,
mientras que un método específico de diversificación decide dónde y cuándo
lanzar los enjambres secundarios. El marco multi-enjambre está especialmente

8. equipado para la optimización de problemas multi-modales, donde existen
múltiples óptimos (locales).
Una característica distintiva de los sub-enjambres es que tanto las
posiciones como velocidades iniciales no se seleccionan aleatoriamente al
igual que en los enjambres normales. En su lugar, estas conservan cierta
información respecto a las trayectorias previas de las partículas.
Estas cualidades han sido rigurosamente estudiadas y existen directrices
bien establecidas para su configuración, por ejemplo, es conocido que la
utilización de posiciones y velocidades no aleatoria mejoran el resultado de los
sistemas multi-enjambre, lo cual no ocurre con los enjambres comunes.
5.- La información 1/2
La información, tradicionalmente, se define como un conjunto
organizado de datos procesados.
Estos datos constituyen un mensaje que cambia el estado de
conocimiento del sujeto o del sistema que recibe dicho mensaje. Existen
diversos enfoques para el estudio de la información:
1.- En biología, la información se considera como estímulo sensorial
que afecta al comportamiento de los individuos.
2.-En computación y teoría de la información, como una medida de la
complejidad de un conjunto de datos.
3.- En comunicación social, como un conjunto de mensajes
intercambiados por individuos de una sociedad con fines organizativos
concretos.
Para Gilles Deleuze, la información social es un sistema de control,
en tanto que es la propagación de consignas que deberíamos creer o hacer
que creemos. En tal sentido, la información es un conjunto organizado de datos
capaz de cambiar el estado de conocimiento en el sentido de las consignas
transmitidas.
Teoría de la información – Shannon (1948)
El enfoque de la teoría de la información analiza la estructura
matemática y estadística de los mensajes, con independencia de su significado
u otros aspectos semánticos. Los aspectos en los que se interesa la teoría de
la información son la capacidad de transmisión de los canales, la
compresión de datos o la detección y corrección de errores. No se
preocupa por el aspecto semántico de la información (el significado).
Es una forma de caracterizar nuestro estado de conocimiento del
mundo a través de las probabilidades. Si sabemos que en el futuro pueden
suceder n cosas diferentes A 1 , … , A n, cada una con probabilidad p 1 , … , p
n, ese conjunto de probabilidades constituyen nuestro conocimiento del

9. mundo, una información debería reducir nuestra incertidumbre, variando las
probabilidades a p' 1 , … , p' n .
Si el segundo estado tiene menos incertidumbre es porque algunas
cosas se han hecho más probables frente a otras alternativas que se han
hecho menos probables.
Una forma de "medir la información" asociada a un mensaje o hecho
observado es calcular como algunas probabilidades han crecido. Una medida
conveniente de calcular la "concentración" de la certeza en algunas alternativas
es la entropía estadística.
Un ejemplo lingüístico ilustra bien este caso. Supongamos que nos
proponen adivinar la segunda letra de una palabra del español. Nos dicen que
en la segunda posición podría aparecer cualquier letra del alfabeto. Por tanto la
incertidumbre inicial se obtiene calculando la probabilidad de ocurrencia de
cada letra
Sin embargo, si nos dan como pista que "la primera letra es una Z",
entonces en segunda posición sólo puede aparecer A, O, U (aunque existen un
puñado de casos excepcionales de E e I) y por tanto con esa información se
reduce mucho la incertidumbre.
5.- La información 2/2
Acercamiento sistémico a la "información"
La información en sí no existe. Supone siempre un mensaje y una
codificación. Lo que es información para mí puede no tener sentido para otra
persona. Una información, entonces, siempre pertenece a un sistema de
comunicación.
La semiología o semiótica (del griego: σημειωτικός, "simiotikos") es la
ciencia que trata de los sistemas de comunicación dentro de las sociedades
humanas u otras, estudiando las propiedades generales de los sistemas de
signos, como base para la comprensión de toda actividad en grupo.
La semiosis es cualquier forma de actividad, conducta o proceso que
involucre signos, incluyendo la creación de un significado.
La semiósfera, o biosfera semiótica, (Yuri Lotman, 1922-1993) es el
mundo de los signos en el que todos los humanos viven e interactúan.
Los signos son representaciones que conforman un espacio delimitado
con respecto del espacio que lo rodea, que sería el espacio extrasemiótico.
Estos ámbitos se encuentran divididos por una frontera de puntos que
pertenecen a ambos espacios, la cual actúa como filtro y como traductor. Esta

10. traducción se articula dando sentido a la realidad extrasemiótica, es decir,
otorgando sentido dentro de alguno de los sistemas semióticos.
Espacios, fronteras, traducción son los elementos de una visión
sistémica.
El concepto general de la semiósfera remite a la idea de que el espacio
de la semiosis no es homogéneo, ya que existen esferas únicas de sentido, así
como “semiósferas particulares”, que serían los espacios individuales o
pertenecientes a distintos grupos sociales e históricos. Toda relación
comunicativa es una relación de traducción.
El concepto de cultura, ligado indisolublemente al de semiosis, actúa
como un estructurador.
Para Kalevi Kull (1952 - ), es el organismo el que crea el signo que se
convierte en una parte constitutiva de la semiósfera, y esto no constituye una
adaptación al ambiente, sino que es un acto de continua creación del
mismísimo ambiente.
En fin, la biosemiótica es un campo de la semiótica y de la biología que
estudia la producción, la acción y la interpretación de signos y códigos en el
ámbito biológico.
6.- De la eusocialidad al súper organismo
Eusocialidad
La eusocialidad (en griego "eu": "bueno/real" + "social") es el nivel más alto
de organización social que se da en ciertos animales. Existe en ciertas
especies de insectos, crustáceos y mamíferos. Las hormigas, las especies de
abeja de los géneros apis, bombus y meliponini, las especies de avispa del
género vespa, todos del orden Hymenoptera y las termitas, del orden Isoptera;
y también en algunos miembros de Thysanopteras y en algunos pulgones.
Synalpheus regalis es un tipo de gamba que exhibe comportamiento eusocial.
Inteligencia colectiva
Wikipedia española: “La inteligencia colectiva es una forma de inteligencia
que surge de la colaboración y concurso de muchos individuos.”
Wikipedia inglesa: “La inteligencia colectiva es una inteligencia grupal que
emerge de la colaboración, los esfuerzos colectivos y la competición de
muchos individuos y que se manifiesta en la posibilidad de tomar decisiones
consensuadas”.
Wikipedia francesa: “La inteligencia colectiva designa las capacidades
cognitivas de una comunidad, debidas a las interacciones múltiples entre sus
miembros (o agentes)”.

11. Aparecen varias formas de tomar decisiones consensuadas en bacterias,
animales, y seres humanos. Kropotkin es un referente temprano en su obra El
apoyo mutuo, al referirse a la inteligencia colectiva de pequeños animales e
insectos como abejas u hormigas. La inteligencia colectiva es mencionada
como inteligencia simbiótica por Norman Lloyd Johnson.
Super-organismo
La palabra súper-organismo se utiliza en biología y ecología en relación con
una sociedad de individuos. Es aplicada en himenópteros como las abejas, las
hormigas y termitas que son insectos sociales. Este concepto socio-biológico
hace hincapié en que una organización social, como una comunidad,
trasciende los organismos biológicos que la componen y supone una diversidad
funcional.
El origen común de todos estos himenópteros (hijos de la misma madre) tienen
las siguientes características:
- La existencia de un nido común que da protección y permite el
aprovisionamiento
- La longevidad de la madre y solapamiento de generaciones de
hermanas.
- La distribución y reparto de funciones de la colonia, con la aparición de
las castas.
- La comunicación entre todos los constituyentes del grupo social.
Si miramos la colmena como parte de un sistema biológico más amplio,
podemos observar relaciones simbióticas o sinérgicas que la relacionan
globalmente con el entorno.