Aparitia Si Dezvoltarea Ciberneticii. Obiectul Si Metodele Ciberneticii Economice
CAPITOLUL 1
APARIȚIA ȘI DEZVOLTAREA CIBERNETICII.
OBIECTUL ȘI METODELE CIBERNETICII ECONOMICE
1.1 Precursorii (înainte de 1948)
Unii termeni și multe idei care au constituit limbajul cibernetic și cel sistemic apar cu mult înainte de momentul considerat de istoria științei ca fiind cel al întemeierii ciberneticii.
Se consemnează, astfel, faptul că termenul ,,kybernetes” înseamnă în limba greacă veche ,,cârmaci”, iar Platon îl utilizează într-unul dintre dialogurile sale în sensul abstract de ,,pilotaj unei entități politice”. Din cunvântul kybernetes se pare că provine, în limba română, ,,a chivernisi”, dar, printr-o filieră slavă, un ,,guvernator” însemna cunducătorul unei provincii (gubernie). ,,Guvern” provine din guvernator, gubernie, deci și din kybernetes.
Conceptul de sistem (sustemo în latină însemnând mulțime, adunare, reuniune) în știința modernă este utilizat în mod sistematic începând cu secolul al XVII-lea, însemnând un set de concepte organizate, clasificate, mai ales în sens folozofic. Astfel, R. Descartes în al său ,,Discurs asupra metodei”, introduce un set coordonat de reguli care să fie utilizat într-un anumit context. După Descartes, aproape fiecare filozof important și-a construit un sistem filozofic propriu, plecând de la anumite postulate de bază. Liebnitz, de exemplu, a formulat ,,principiul armoniei prestabilite” între substanțe, conform căruia orice schimbare într-o substanță necesită să fie corelată cu o schimbare în alte substanțe. Până la sfârșitul secolului al XVIII-lea, noțiunea filozofică de sistem era bine stabilită, fiind considerată ca o mulțime de practici și metode utilizabilă în studiul lumii reale.
Deja, la începutul sec. XX, oamenii de știință realizaseră importanța stabilirii de interdependențe reciproce și corelații între fenomene și procese, ceea ce a condus la cauzabilitatea complexă în explicarea științifică a acestora, deci și la ceonceptul de sistem. N. Hartmann dezvoltă o teorie a stratificării, bazată pe introducerea unor nivele ale realității, fiecare nivel fiind descris utilizând categorii comune, în timp ce între nivele există corelații cauzale.
Termenul de ,,cibernetică” îl regăsim în Enciclopedia Franceză, operă colectivă, care încerca să curpindă toate cunoștințele acumulate de omenire până în sec. XIX. Într-un articol scris de Ampère privind clasificarea științelor, este inclusă și știința ciberneticii, reprezentând ,,arta guvernării”.
Între 1854 – 1878 , psihologul francez Bernard, în mai multe lucrări, stabilește existența unui ,,mediu intern” în ființele vii, stabilind o diferență clară între ceea ce se întâmplă înăuntru și ceea ce se întâmplă în afara organismului. Cam în același timp, este descoperit și primul dispozitiv de reglare biologic: acțiunea nervilor care se află pe cord și care determină accelerarea și moderarea bătăilor inimii. Deja, atunci, era cunoscut dispozitivul de reglare a presiunii aburului al lui Watt care, se pare, a fost primul dispozitiv tehnic de acest tip.
Concomitent cu aceste acumulări în domeniul tehnic și biologic, sitemica și cibernetica începeau să fie prezente și în științele matematice și fizice. Matematicianul francez Poincarè începea studiile legate de instabilitatea sistemelor într-o epocă în care gândirea mecanicistă și concepția privind echilibrul imuabil erau dominante. Lucrările sale, care au revoluționat matematica sfârșitului de secol XIX și începutul de secol XX, au condus, ulterior, la apariția și dezvoltarea teoriei sistemelor dinamice.
Un alt fapt important este apariția, în 1936, a teoriei grafelor, în urma publicării de către germanul Konig a unei lucrări în care rezolva o celebră problemă pusă în urmă cu două secole de către Euler, și anume problema podurilor din Königsberg.
Russell și Whitehead publică în 1925 ,,Principia Mathematica” în care stabilesc condițiile în care un set de reguli logice este noncontradictoriu.
În domeniul fizicii, francezul Bénard făcuse, în 1908, o descoperire curioasă privind celulele haxagonale care se formează într-un vas de apă încălzit. Era prima observație privind structurile disipative pe care, ulterior, Prigogine, avea să le explice și să le formalizeze într-o teorie a sistemelor funcționând departe–de–echilibru.
Treptat, metoda sistemică își face simțită prezenta în științele umaniste. Brentano începe cercetările de psihologie experimentală, care l-au condus la definirea sistemică a relației dintre subiect și obiect, Wertheimer stabilește principiile organizării perceptuale care-l conduc apoi la formularea psihologiei Gesteltastiste, adică a psihologiei percepției formelor, dezvoltată ulterior de Kohler și Koffka.
În științele istorice, românul A. D. Xenopol are o viziune sistemică asupra evoluției civilizațiilor, fără însă a nega influența unor fenomene sau evenimente unice asupra istoriei. Ulterior, concepția sa privind existența unui ,,sistem de principii privind știința istoriei” a fost preluată și dezvoltată de istorici precum Toynbee și Brandel, preocupați de mărirea și decăderea civilizațiilor și culturilor care arată existența, implicită sau explicită, a unor linii comune de forță.
În 1932, Cannon introduce în biologie conceptul de homeostază care anticipează cu 20 de ani viziunea marelui cibernetician Ross Ashby privind tendința generală a sistemelor cibernetice de a-și prezerva echilibrul dinamic.
În 1938, medicul român Odobleja publică la Paris ,,Psihologia Consonatistă”, un tratat de înalt nivel științific privind concepția sistemică și cibernetică asupra lumii vii și nevii care, din nefericire, a fost neglijată de o lume științifică bulversată de iminența izbucnirii celui de-al Doilea Război Mondial. Opera sa, aflată în curs de recuperare, constituie una dintre cele mai solide contribuții la apariția teoriei generale a sistemelor și ciberneticii.
1.2 Întemeietorii (1948 – 1960)
Vedem că, deja, încă înainte de 1940, condițiile de apariție a ciberneticii și teoriei generale a sistemelor erau îndeplinite. În tot mai multe discipline științifice metoda sistemică tindea să fie dominantă, iar diferite exemple de sisteme cibernetice (paradigme în sensul lui Kuhn) preocupau cele mai strălucite minți ale omenirii. A urmat perioada anilor de război care, trecând peste efectele dezastruoase pe plan material și uman, a avut rolul de factor declanșator al unor descoperiri științifice majore. Pe lângă descoperirire din fizică, matematică, chimie, medicină, ș.a., perioada menționată a contribuit major și la apariția ciberneticii.
Norbert Wienner, considerat aproape unanim fondatorul ciberneticii, era încă înainte de război, un strălucit profesor de matematică la MIT din S.U.A. Provenea dintr-o familie evreiască germană, tatăl său fiind, de asemenea, profesor la Pinceton, dar de limbi slave. Se spune că acesta cunoștea bine peste 30 de limbi străine.
Norbert Wiener însă a avut talent de matematician, fiind declarat de contemporanii săi chiar un geniu matematic (vezi lucrarea autobiografică ,,Sunt matematician”).
Norbert Wiener
În perioada războliului, Wiener face parte din grupul oamenilor de știință americani pe care guvernul îi chemase să contribuie, prin ideile în descoperirile lor, la efortul de război al S.U.A. Wiener s-a ocupat de dispozitivele de ochire ale tunurilor antiaeriene, domeniu în care el credea că are mai multă experiență, deja fiind recunoscut ca matematicianul care elaborase o relație de descriere a mișcării browniene (mișcarare perfect aleatoare, observată de biologul Brown la grăunțele fine de polen aflate pe suprafața apei). Procesul aleator Wiener constituie și astăzi un model util al mișcării aleatoare, utilizat, de exemplu, în finanțe.
În studiile sale legate de dispozitivele de ochire și apoi de pilotajul navelor, el descoperă că condiția de bază a unei ochiri corecte este reglarea printr-o buclă feedback, dar, spre deosebire de controlul ingineresc, el se orientează nu pe mijloacele tehnice și electrice necesare, ci asupra noțiunii fundamentale de ,,mesaj”, sau “informație”, cum am spune astăzi, și a modului în care aceasta este transmisă de la obiectul observat (avion) la observator (dispozitivul de ochire).
Înțelegând rolul esențial al informației în sisteme, începând cu cele tehnice și până la organizațiile umane, Wiener formulează pentru prima oară un principiu care stă la baza ciberneticii și definește legăturile profunde ale acesteia cu informația: ,,cantitatea de informație dintr-un sistem este o măsură a gradului său de organizare, astfel că entropia unui sistem este o măsură a gradului său de dezorganizare” (1948).
Deja, la acel moment, Wiener era informat privind lucrările lui McCulloch și Pitts referitoare la rolul conexiunilor nervoase în transmiterea impulsurilor de la creier către restul organelor și a înțeles că informația reprezintă un element esențial al controlului și comunicării, indiferent de tipul de sistem avut în vedere.
Un rol important în definirea acestor idei și concepții noi l-au jucat doi colaboratori ai lui N. Wiener, Arturo Rosenblueth și Julian Bigelow, cu care acesta colaborează intens încă înainte de război. Arturo Rosenblueth, profesor de psihologie la Harvard Medical School, era interesat de transmiterea impulsurilor nervoase și de inhibiția cerebrală determinată pe această cale. Julian Bigelow, matematician ca și N. Wiener, colabora cu acesta din urmă la dezvoltarea unei teorii a predicției și la proiectarea unui calculator care să poată fi utilizat în controlul dispozitivelor de ochire ale tunurilor. O problemă cu care cei doi s-au confruntat era aceea a etapei în care în procesul de ochire se interfera omul, reprezentat de tunar, pe de o parte, și de pilotul avionului țintă, pe de altă parte. Deși foarte bine informați asupra funcțiilor de predicție, sistemelor de control și mecanismelor de ochire, cei doi s-au confruntat cu problema comportamentului voluntar al operatorilor umani. Ei ajung la concluzia că feedbackul privind erorile joacă un rol tot atât de important ca și servomecanismele care asigură ghidarea dispozitivelor de ochire. Atunci și-au pus problema dacă există bucle feedback și în sistemul nervos al omului și cum aceste bucle pot fi utilizate pentru a corecta eventualele erori înregistrate în procesul de ochire. Wiener și Bigelow îl consultă, în această privință, pe Rosenblueth.
Din colaborarea celor trei rezultă o lucrare publicată în 1943 în revista ,,Pshilosophy of Science”, sub titlul: ,,Behaviour, purpose, and teleology”. Principala temă dezvoltată în lucrare era o clasificare a tipurilor de comportament al sistemelor cu referire specială la conceptul de scop. Ei defineau comportamentul ca pe ,,orice schimbare a unei entități în raport cu mediul său înconjurător”, înțelegând că orice modificare a unui obiect, detectabilă extern, poate fi considerată ca și comportament. De aici apare ,,metoda comportamentală” care, aplicată unui obiect sau sistem, presupune examinarea outputului acestuia și a relației outputului cu inputul. Această metodă era opusă “metodei analitice”, dominantă la acea vreme în știință, prin care erau studiate cu precădere structura, proprietățile și organizarea intrinsecă a obiectului sau sistemului, și nu relațiile acestora cu mediul înconjurător.
Conform clasificării introduse în lucrarea menționată mai sus, comportamentul poate fi ,,activ”, deci obiectul însuși este sursa activității observate și ,,inactiv”, în care obiectul suportă influența mediului, iar outputul său provine doar din input. Comportamentul activ, la rândul său, se împarte în ,,orientat către scop” și ,,neorientat către scop” sau ,,aleator”. Ei consideră că o mașină este ,,orientată către scop” doar dacă are anumite condiții finale precizate către care activitatea acesteia este orientată.
Comportamentul orientat către scop era, la rândul său, clasificat în ,,feedback” sau ,,teleologic”, și ,,non-feedback” sau ,,non-teleologic”. Sistemele feedback sunt definite ca acele sistemde ochire. Atunci și-au pus problema dacă există bucle feedback și în sistemul nervos al omului și cum aceste bucle pot fi utilizate pentru a corecta eventualele erori înregistrate în procesul de ochire. Wiener și Bigelow îl consultă, în această privință, pe Rosenblueth.
Din colaborarea celor trei rezultă o lucrare publicată în 1943 în revista ,,Pshilosophy of Science”, sub titlul: ,,Behaviour, purpose, and teleology”. Principala temă dezvoltată în lucrare era o clasificare a tipurilor de comportament al sistemelor cu referire specială la conceptul de scop. Ei defineau comportamentul ca pe ,,orice schimbare a unei entități în raport cu mediul său înconjurător”, înțelegând că orice modificare a unui obiect, detectabilă extern, poate fi considerată ca și comportament. De aici apare ,,metoda comportamentală” care, aplicată unui obiect sau sistem, presupune examinarea outputului acestuia și a relației outputului cu inputul. Această metodă era opusă “metodei analitice”, dominantă la acea vreme în știință, prin care erau studiate cu precădere structura, proprietățile și organizarea intrinsecă a obiectului sau sistemului, și nu relațiile acestora cu mediul înconjurător.
Conform clasificării introduse în lucrarea menționată mai sus, comportamentul poate fi ,,activ”, deci obiectul însuși este sursa activității observate și ,,inactiv”, în care obiectul suportă influența mediului, iar outputul său provine doar din input. Comportamentul activ, la rândul său, se împarte în ,,orientat către scop” și ,,neorientat către scop” sau ,,aleator”. Ei consideră că o mașină este ,,orientată către scop” doar dacă are anumite condiții finale precizate către care activitatea acesteia este orientată.
Comportamentul orientat către scop era, la rândul său, clasificat în ,,feedback” sau ,,teleologic”, și ,,non-feedback” sau ,,non-teleologic”. Sistemele feedback sunt definite ca acele sisteme în care inputul este modificat de către output într-o direcție necesară pentru a reduce diferența dintre situația curentă și situația scop.
Unele mașini includ un feedback continuu al erorii de acest tip, remarcă ei. Transmisia semnalelor de la output la input necesită timp, astfel că, uneori, direcția feedbackului se inversează (deci de la input la output) și astfel apar în comportamentul sistemului oscilații. Acesta este fenomenul care intervine frecvent atunci când în dispozitivele de ochire se interpune sistemul nervos al omului, care constituie un sistem feedback de control al erorii.
O altă distincție făcută de cei trei oameni de știință este între comportament feedback de tip ,,extrapolativ” sau ,,predictiv” și ,,non-extrapolativ” sau ,,non-predictiv”. În comportamentul extrapolativ, traiectoria țintei este anticipată și scopul este definit în raport cu poziția viitoare a acesteia. Predicția poate fi de ordinul întâi, ordinul doi sau de ordin superior. În dispozitivele de ochire, spun ei, este necesară o predicție de ordinul doi, deoarece trebuie prevăzut atât comportamentul tunarului (ochitorului) cât și al pilotului avionului ochit.
După apariția lucrării menționate, Wiener și Rosenblueth au avut ideea lansării unui program științific în care diferiți oameni de știință să abordeze aceleași probleme din perspective diferite.
În 1945, Rosenblueth devine șeful laboratoarelor de psihologie la Institutul Național de Cardiologie din Mexico City. În vara anului 1945, Wiener i se alătură pentru o perioadă de două săptămâni și cei doi colaborează în problema formulării matematice a transmiterii impulsurilor într-o rețea de elemente excitabile conectate, așa cum este mușchiul cardiac. În lucrările lor, cei doi utilizează rezultatele obținute de Warren McCulloch și Walter Pitts și raportate în lucrarea ,,A Logical Calculus of the Ideas Immanen in Nerous Activity”, apărută în 1943, care stă la baza teoriei actuale privind rețelele neuronale și și neurociberneticii.
În vara anului 1946, Norbert Wiener se reîntoarce în Mexic, cu un grant de la Fundația Rockefeller, pentru o nouă perioadă de colaborare cu Rosenblueth. Rezultatele obținute sunt raportate la cea de-a treia întâlnire în cadrul Grupului de Conferințe Josiah Macy sub numele de ,,Teleological Mechanisms” (1948).
Conferințele Josiah Macy, Jr. au avut un rol foarte important în dezvoltarea noii științe a ciberneticii, drept pentru care trebuie descrise, mai ales că reprezentau, pentru acel timp, o noutate. Ele încercau să pună în practică ideea că descoperirile dintr-un anumit domeniu științific pot fi stimulate de cunoașterea acumulată în alte domenii, astfel că, prin eliminarea izolării și granițelor stricte între diferite științe, se puteau crea canale prin care să se obțină o diseminare și schimb de informații între oameni de știință din diferite domenii științifice.
Fundația J. Macy Jr. a încercat să promoveze această idee organizând mai multe grupuri de conferințe pe diferite teme, printre care și cele despre impulsul nervos. Pentru fiecare temă era ales un mic număr de oameni de știință care să formeze un nucleu și care includea reprezentați ai tuturor disciplinelor științifice relevante. Erau, de asemenea invitați să participe și alți oameni de știință interesați de tema respectivă.
Un alt principiu al Fundației J. Macy Jr. era acela că discuțiile nu trebuiau urmate de elaborarea unei lucrări, acest lucru creind impresia asumării unei autorități în domeniu de către grupul respectiv. Se încurajau, în schimb, discuțiile colegiale într-o atmosferă informală. Fiecare întâlnire dura două zile și se desfășura într-un loc retras. Pentru a asigura consistența discuțiilor, zilnic erau doar doi sau trei vorbitori, iar ascultătorii erau încurajați să îi întrerupă.
Nucleul grupului care se ocupa de inhibiția cerebrală era format din W. McCulloch, (chairman), A. Rosenblueth, Gregory Bateson, L. Kubic, Margaret Mead, precum și din directorul medical al Fundației, Frank Fremont-Smith. Ca invitați s-au alăturat grupului N. Wiener, J. von Neumann, W. Pitts, Lorente de No ș.a.
Gregory Bateson
Prima întâlnire a grupului a avut loc în martie 1946 și a avut drept temă: ,,Mecanisme feedback și sisteme circulare cauzale în sistemele biologice și sociale”. Două alte întâlniri au avut loc tot în 1946; prima, în septembrie, cu tema ,,Mecanisme teleologice în societate”, iar a doua în octombrie despre ,,Mecanisme teleologice și sisteme circulare cauzale”, în care Rosenblueth și Wienner au descris experimentele făcute începând cu 1944 asupra mușchilor și trasnmiterii impulsurilor nervoase.
Conferințele Macy au continuat în 1947 și s-au referit tot la macanismele teleologice, în timp ce conferințele din 1948 au abordat problemele structurii limbajului.
Deja în 1947 se poate spune că noua știință a ciberneticii era conturată. Ceea ce lipsea era numele noii discipline științifice.
Iată cum descrie chiar Norbert Wiener momentul alegerii acestui nume: ,,Cu mai bine de patru ani în urmă, grupul de oameni de știință din jurul Dr-lui Rosenblueth și al meu am devenit conștienți de unitatea esențială a setului de probleme centrate pe comunicare, control), și mecanica statistică, atât la mașină cât și în țesutul viu. Pe de altă parte, eram serios împiedicați de lipsa de unitate din literatura privind aceste probleme și de absența unei terminologii comune sau chiar de un singur nume pentru acest domeniu. După multe discuții, am ajuns la concluzia că toată terminologia existentă este inadecvată pentru a servi la dezvoltarea viitoare a doemniului așa cum trebuie; și, așa cum se întîmplâ deseori penintre oamenii de știință, am fost obligați să alegem o expresie artificială în limba gracă pentru a umple acest gol. Am decis să denumim întregul domeniu al teoriei controlului și comunicării, atât la mașini cât și la animale prin denumirea ,,Cibernetica”, care l-am format pornind de la grecescul ,,kybernetes” sau ,,cârmaci” (Wiener, 1948, p.19).
Cibernetica a fost imediat aleasă ca denumirea pentru următoarele conferințe ale Fundației J. Macy, care au continuate în fiecare an, din 1949 până în 1953. Conținutul conferințelor din anii 1950, 1951, 1952, 1953 și 1955 a fost transcris de Heinz von Foerster și publicat de Fundația Josiah Macy, Jr.
Deoarece participanții la aceste conferințe proveneau din domenii atât de diferite, era inevitabil ca întrei ei să apară controverse. Una dintre acestea a fost cea legată de unul dintre conceptele actuale fundamentale ale științei, și anume informația. O parte dintre oamenii de știință participanți la acele conferințe aveau convingerea că buclele feedback servesc la transmiterea energiei, în timp ce N. Wiener susținea primatul informației.
În acel timp, teoria informației era în curs de elaborare, Claude Shannon împreună cu Denis Weaver publicând, în 1948, lucrarea sa fundamentală ,,The Mathematical Theory of Communication”, care se ocupa de modalitățile de codificare a datelor pentru a îmbunătăți acuratețea transmisiei informației. Tot el introduce bitul ca unitate fundamentală e măsură a cantității de date transmise.
O temă importantă a conferințelor a fost modul în care pot fi utilizate conceptele din teoria informației în procesul de comunicare umană. Este introdusă analogia dintre bucla feedback și canalul de informație, iar legătura inversă de la output la input este considerată ca un mesaj purtător de informație care are un triplu sens: sintactic, semantic și pragmatic. Treptat a apărut și problema stocării informației în mașinile de calcul automate.
Toate aceste teme sunt sintetizate în mod strălucit de Norbert Wiener în prima sa carte dedicată noii științe: ,,Cibernetica, sau știința comenzii și comunicării la ființe și mașini”, care apare în 1948 la editura Wiley, New York.
Cu aceasta se poate spune că epoca întemeietorilor se încheia, și începea epoca pionierilor.
1.3 Pionierii (1948 – 1960)
Deși lucrările inițiale ale Norbert Wiener până în 1948 au avut un rol esențial în crearea ciberneticii, aceasta a devenit o adevărată disciplină științifică doar ca urmare a eforturilor conjugate ale unui șir de oameni de știință care au realizat necesarele conexiuni între conceptele fundamentale, au introdus metodele noii științe și au extins domeniile de aplicare ale acesteia. Se poate afirma că ,,aceste minți enciclopedice au deschis căi și orizonturi atât de largi încât ar fi posibil ca ele să nu fie niciodată complet explorate” (C. François, 1999, p. 208).
În 1949, Claude Shannon și Denis Weaver publică celebra lucrare ,,Mathematical Theory of Communication” prin care impun definitiv știința informației. Autorii introduc conceptul de comunicație plecând de la componentele esențiale ale acesteia: sursa, codul, mesajul, transmițătorul, semnalul, canalul și receptorul. Abordată din punct de vedere tehnic, teoria informației în viziunea lui Shannon și Weaver accentua aspectele cantitative și entropice ale informației, fără să se refere explicit, însă, la aspectele de conținut (semantice și pragmatice).
În cibernetică, însă, aceste două aspecte legate de conținutul mesajului sau comunicării sunt cele mai importante, cu toate că ele depind, într-o oarecare măsură, de conținutul sintactic ale comunicării. Prin conjuncția cu teoriei informației, apare la adevărata sa valoare conceptul fundamental de informație și rolul acesteia în sistemele cibernetice.
Rolul informației în sistemele cibernetice și modul în care aceasta determină eficiența proceselor de reglare și control sunt dezvoltate de către W. Ross Ashby (1956) care în lucrarea sa fundamentală ,,Introduction to Cybernetics” formulează una dintre legalitățile fundamentale ale sistemelor cibernetice, și anume Legea verietății necesare, conform căreia pentru a obține o varietate dată la ieșirea unui sistem este necesar să se asigure la intrarea sistemului respectiv o varietate cel puțin la fel de mare.
W. Ross Ashby
În 1952 tot W. Ross Ashby publicase o lucrare considerată drept punct de reper în constituirea inteligenței artificiale, și anume ,,Design for a Brain”. Dar această lucrare are o importanță foarte mare și pentru dezvoltarea actuală a Științelor Complexității, constituind o dovadă certă a genezei acestor științe din cibernetică. Ideea principală în această carte (care are un substitutul sugestiv: Originea comportamentului adaptiv) este că orice mecanism adaptiv (de la organismele foarte simple și până la organizațiile complexe) trebuie să facă două lucruri: să-și rezolve problemele de zi cu zi și, periodic, să se restructureze. În cazul unei întreprinderi productive, de exemplu, aceasta trebuie să producă în mod curent produsele sale și, periodic, să dezvolte un nou produs sau să se reorganizeze în întregime.
O astfel de organizație, care produce cu succes produsele obișnuite, dar și dezvoltă o serie de noi produse care le impune pe piață este posibil să fie adaptivă. Această concepție îl duce pe Ashby la ideea de auto-organizare și chiar formulează o legitate referitor la aceasta: ,,Orice sistem dinamic determinant supus unor legi neschimbate, ea dezvoltă ,,organe” care sunt adaptate la mediul său înconjurător”.
Pentru acea vreme, această concepție era prea radicală, confirmarea deplină a teoriei lui Ross Ashby venind însă după ce Științele Complexității au început să se dezvolte, deci după anul 1982.
Atingerea acestui stadiu, însă, mai avea să întârzie aproximativ două decenii, timp în care conceptele și ideile novatoare ale întemeietorilor ciberneticii au continuat să se dezvolte. În paralel cu lucrările lui Wiener, Ashby, Weaver ș.a., teoria generală a sistemelor, inițiată de Ludwig von Bertalanffy, încearcă să facă din sistem paradigma centrală a științei. Acest lucru era deosebit de dificil după ce știința parcursese câteva mii de ani în care accentul se punea pe părțile componente ale sistemului, pe metoda analitică de abordare a proprietăților acestora. De multe ori, Bertalanffy este comparat cu Cristofor Columb pentru descoperirea sa într-un domeniu în care nu se descoperise nimic înainte. Având ambiția să descopere ,,legile izomorfe ale științei”, Bertalanffy vedea în teoria generală a sistemelor o modalitate de a determina ,,unificarea științelor”.
Ludwig von Bertalanffy
Keneth Boulding, unul dintre primii economiști care au privit în mod sceptic bazele destul de șubrede pe care era construită teoria economică a timpului său, a încercat să reformuleze aceste baze pornind de la legitățile și principiile teoriei generale a sistemelor. Din păcate, programul său de regenerare pe baze sistemice a economiei nu a putut fi dus până la capăt, lăsând în urmă un mare hiatus și producând, în prezent, un decalaj serios în ceea ce privește dezvoltarea pe baze sistemice a economiei în raport cu alte științe.
Boulding a fost, totodată, și unul dintre primii economiști care a înțeles în mod profund raporturile de interdependență dintre sistemul economic și sistemul ecologic, militând împotriva distrugerii naturii în scopuri mercantile. Din nefericire, nici aceste lecții nu au fost înțelese de contemporani, drept pentru care ne confruntăm, după mai bine de 40 de ani, cu primejdiile pe care el le anticipa atunci când spunea că “distrugerea naturii înseamnă distrugerea planetei deci și a întregii civilizații umane”.
O altă direcție importantă de dezvoltare a ciberneticii și sistemicii a fost stimulată de lucrările lui John von Neumann, creatorul teoriei automatelor, dar și a teoriei jocurilor, a programării matematice și a altor discipline științifice. Un adevărat geniu matematic, von Neumann a creat un număr considerabil de modele conținând elemente interactive care evoluau către configurații complexe pe baza unor reguli de transformare deosebit de simple. Automatele celulare, create de von Neumann împreună cu S. Ulam constituie încă un obiect important de studiu pentru specialiștii din domeniile Științelor Complexității.
John von Neumann
Von Neumann a creat și conceptul de automat capabil de reproducere care utilizează principiile ciberneticii și care, mai târziu, l-au inspirat pe Maturana și Varele în crearea teoriei autopoiesisului.
H. von Foerster, unul dintre cei mai entuziaști participanți la conferințele Macy, și-a continuat cercetările științifice, încercând să dezvolte o ,,cibernetică a ciberneticii”. Cuvântul de bază era ,,auto” căruia i se juxtapuneau principalele concepte cibernetice. Astfel, el a încercat să definească într-un limbaj sistemic auto-comportamentul, auto-elementul, auto-procesul, auto-organizarea ș.a., fapt ce a condus la un pas important înainte în cibernetică.
Acest avans este considerat de unii autori ca o nouă cibernetică, sau o cibernetică de ordinul doi.
Gordon Pask a fost unul dintre cei care au înțeles importanța principiilor și legităților generale ale ciberneticii pentru gândirea umană și, în special, pentru cunoaștere. Științele cognitive de astăzi sunt, în cea mai mare parte, dezvoltate pe baza lucrărilor lui Pask în domeniul cunoașterii și conștiinței de tip cibernetic. Pornind de la concepția lui Wiener, de care se apropie în timpul studiilor sale medicale la Cambridge, Pask dă conștiinței o semnificație generală care asigură unitatea dintre natură și om și care se formează printr-un feedback permanent între cele două entități ce determină adaptarea uneia la alta. Apare pentru prima oară ideea, reluată și dezvoltată în anii noștri, conform căreia natura are o inteligență proprie și răspunde în mod adecvat agresiunii omului asupra ei. Mașinile de învățat, proiectele dezvoltate de Pask au constituit un imbold în dezvoltarea inteligenței artificiale și roboticii.
În 1958 Pask produce un sistem de învățare denumit SAKI, care era, după expresia sa, o ,,mașină de învățare adaptivă”. Interesul său pentru învățarea automată a fost continuat și dezvoltat până în zilele noastre, când învățarea virtuală se dezvoltă pe baza principiilor stabilite în lucrările sale.
Remarcabilă ca deschidere și conținut de idei, conferința lui Pask, ,,Mecanizarea proceselor de gândire”, ținută de acesta la Laboratorul Național de Fizică din Londra, a adunat oameni de știință și practicieni din domeniul ciberneticii și disciplinelor asociate din toată lumea, printre care Stafford Beer, H. Von Foerster, W. McCulloch, D. Mackay, Marvin Minsky, W. Ross Ashby ș.a. Pornind de la ideile și conceptele formulate de Pask în această conferință, în diferite laboratoare științifice din lume au început programe de cercetare în domeniile învățării umane, dezvoltării simulării pe calculator și a altor modele ale proceselor de învățare, studiul interacțiunilor în grupurile sociale mici și dezvoltarea sistemelor adaptive de control care, la rândul lor, au dus la importante progrese în comunicarea de grup, învățare și rezolvarea problemelor.
Pringle în 1951 stabilise deja analogia existentă între evoluție și specializare, pe de o parte, și învățarea umană și adaptare, pe de altă parte. El dăduse un model descriptiv al creierului ca un mediu pentru evoluția unor forme de organizare din ce în ce mai complexe. La rândul său, W. Ross Ashby (1956), din perspectiva ciberneticii abstracte, arătase că evoluția unor forme mai complexe este o consecință necesară pentru un sistem format dintr-un număr relativ mare de părți componente care inițial sunt slab cuplate și cărora li se aplică o restricție (sau regulă, sau principiu de selecție).
Pask, pentru care lucrările lui Ross Ashby au constituit o sursă permanentă de inspirație, a înțeles totuși că, pentru teoria acestuia, mediul de evoluție și natura entităților evolutive sunt irelevante. Acest lucru l-a condus către o viziune cu totul particulară privind organizarea creierului, concentrată pe ceea ce el a numit mai târziu ,,evoluția simbolică” a conceptelor mentale, concepție preluată astăzi în Științele Complexității și utilizată pentru a explica apariția, dezvoltarea și dispariția modelelor mentale ale agenților.
Conform acestei concepții, dezvoltată de Stafford Beer, părintele ciberneticii manageriale:
– există o limită a resurselor disponibile (ele pot fi conceptualizate ca ,,spațiu de stocare”, ,,energie liberă” sau ,,timp de prelucrare”);
– unitățile de bază sau părțile din care un sistem auto-organizator este construit sau modelat sunt ele însele chiar sisteme auto-organizatoare;
– sistemul și părțile sale sunt active.
Aceste principii se aplică oricărui tip de sistem complex, începând cu organismele vii cele mai simple și mergând până la creierul uman.
Stafford Beer
În sfârșit, un ultim nume de care vom aminti, ale cărui lucrări fac, de fapt, legătura între etapa pionierilor și cea a inovatorilor, este Ilya Prigogine. Opera sa are o importanță uriașă pentru înțelegerea rolului energiei și entropiei în sisteme, dar și pentru spargerea tiparelor gândirii mecaniciste, tributară modelului de dezvoltare științifică promovat în secolele XVIII și XIX. Asupra contribuțiilor sale ne vom opri mai în detaliu în capitolele următoare.
Ilya Prigogine
1.4 Inovatorii (1960 – 1985)
După contribuțiile inițiale, care au definit domeniul de studiu și metodele ciberneticii, a urmat o perioadă în care aceste metode au început să fie extinse și generalizate, tinzând treptat să înlocuiască metodele clasice utilizate în diferite științe. O dată cu acest proces de extindere, însăși cibernetica se perfecționa, înțelegându-se mai bine raporturile sale cu obiectul de studiu și rolul pe care îl are factorul uman în mecanismul feedback dintre observator și sistemul observat.
Este perioada în care se constituie cibernetica de ordinul doi, prima mare transformare pe care o suferă această știință în procesul permanent de auto-perfecționare.
În 1963 Maruyama introduce conceptul de ,,proces cauzal amplificator”, care se referă la rolul buclelor feedback pozitive în sistemele aflate în centre și competițiile cu alte sisteme din mediul înconjurător. Pentru a descrie procesul de creștere generat de buclelele feedback pozitive, el folosește atât automatele celulare ale lui von Neumann cât și așa-numitul joc al vieții al lui Conway. Competiția generată între sistemele aflate în procesele de creștere pentru resursele disponibile din mediu este descrisă de Maruyama cu ajutorul ecuațiilor logistice, introduse încă din secolul al XIX-lea de Verhulst și utilizate de Lotka și Volterra în anii ’20 ai secolului XX pentru a descrie competiția pradă-prădător în mediu cu resurse de hrană limitate.
Maruyama își dă seama că procesele de creștere având la bază mecanisme feedback pozitive pot fi distructive dacă nu sunt limitate, astfel încât să permită refacerea resurselor disponibile ale mediului înconjurător, drept pentru care propune încorporarea în model a unei a doua bucle feedback, bazată pe observarea stării mediului și care are rolul de a limita creșterea în condițiile în care resursele sunt pe cale de dispariție.
În 1962 apare o lucrare excepțională prin conținutul său de idei și prin consecințele pe care le-a avut asupra dezvoltării ciberneticii, dar și a altor științe. Este vorba despre ,,The Architecture of Complexity” a lui Herbert A. Simon (laureat al premiului Nobel pentru economie în 1978). Apare astfel în știință paradigma generală a complexității, care, douăzeci de ani mai târziu, va duce la dezvoltarea unui întreg ansamblu de discipline științifice care se ocupă de studiul complexității.
Herbert A. Simon
Ideile lui H. Simon erau, însă, prea revoluționare pentru timpul său, dar trebuie remarcat faptul că ele au încolțit tocmai în mediul creat de cibernetică și teoria sistemelor, iar intenția declarată a lui Simon a fost reformarea teoriei economice pornind de la principiile statuate de cele două științe. În lucrările sale ulterioare, Simon declară explicit că, prin introducerea complexității a încercat să teoretizeze sistemele economice percepute ca sisteme complexe, văzută de el ca o alternativă la paradigma neo-clasică a economiei.
A. Miller începe să publice în 1965 lucrările sale privind clasificarea sistemelor vii, lucrări ce s-au constituit ulterior într-o carte fundamentală pentru teoria sistemelor, și anume ,,Livind Systems”, apărută în 1978. Clasificarea sa cuprinde sisteme începând de la celulă și mergând până la sistemul ecologic planetar. Fiecare dintre aceste sisteme (20 la număr) poate să aibă diferite nivele de complexitate, variind între 1 și până la 8). Sisteme aflate pe nivele ierarhice diferite sunt, totuși, izomorfe, proprietățile sistemelor de pe nivelele superioare fiind emergente din cele ale sistemelor aflate pe nivele inferioare.
Această taxonomie generală a sistemelor introdusă de Miller este, deseori, comparată cu tabloul elementelor chimice al lui Mendeleev, poate și datorită faptului că unele dintre sistemele introduse în clasificarea lui Miller încă nu au fost descoperite, deși acest lucru ar fi posibil în viitor.
În cursul deceniului ’80 al secolului trecut, Herman Haken a propus și dezvoltat ,,sinergetica”, o știință privind modul în care diferite sisteme sau părți ale acestora co-evoluează și cooperează pentru a crea o ordine nouă în aceste sisteme sau în procesele în care ele intervin. El a introdus așa-numitul “principiu al sclaviei”, conform căruia anumite elemente sau subsisteme devin dominante și impun celorlalte componente anumite restricții și limite în ceea ce privește funcționarea sau chiar obiectivele acestora.
Știința sinergeticii nu s-a dezvoltat pe măsura așteptărilor inițiale ale lui Haken. Sinergetica a fost totuși legătura necesară dintre termodinamică și teoria sistemelor haotice, care începea să se dezvolte puternic în anii ’70 – ’80.
Tot în Germania, Eigen, Winkler și Schuster încep, între anii 1973 – 1978, studiul comportamentelor ciclice ale sistemelor și proceselor care îi aduc relativ aproape de teoria autopoiesisului. Concepte precum hiperciclu, înțeles ca o ierarhie de procese care se includ unele pe altele, sunt puse în conexiune cu atractorii, condițiile la limită, disiparea, cataliza și autocataliza, stabilitatea structurală ș.a. Ei nu reușesc, însă, să explice suficient de bine rolul ciclicității în auto-reproducere, deci în autopoiesis.
Umberto Maturana a fost cel care a dat cea mai elaborată teorie a autopoiesisului și, împreună cu Francesco Varela și Heinz von Foerster, au determinat apariția ciberneticii de ordinul doi.
Francesco Varela
Autopoiesisul reprezintă un concept multidimensional, aplicabil tuturor categoriilor de sisteme vii, dar și celor care conțin sisteme vii (economice, sociale ș.a.). Ideea de autopoiesis apare în jurul anului 1967 ca urmare a colaborării, la Universitatea de Chile, dintre H. Maturana și F. Varela. Ei elaborează un proiect științific care urmărea să demonstreze că, la un anumit nivel și într-un anumit mod, toate sistemele vii au o organizare comună; și că aceasta este caracterizată de două proprietăți de închidere strâns dependente una de alta:
închiderea în producție: sistemul este compus din componente care dau naștere la procese de producție care, la rândul lor, produc împreună mai mult decât acele componente luate separat.
închiderea în spațiu: autoconstruirea unei limite între sine și ambianța în care este inclus, chiar și doar pentru a se distinge de ceilalți.
Principalul scop al teoriei autopoiesisul este să arate că organizarea autopoietică este necesară (dar nu și suficientă) pentru emergența vieții.
Însăși cibernetica a început să se transforme, apărând, la începutul anilor ’70, cibernetica de ordinul doi a lui H. Maturana și F. Varela. Teoria acestora, denumită și autopoiesis, încearcă să explice esența care deosebește un organism viu de o entitate nevie. Ea sugerează că un organism viu poate fi considerat un proces circular, autocatalitic având drept scop principal propria supraviețuire. Ulterior, lucrările lui von Foerster (1995) și von Glasersfeld (1987) au evidențiat faptul că organismele vii răspund la influențele exercitate de mediul înconjurător în moduri care determină propria lor autoorganizare internă. Deci aceste sisteme nu sunt doar autoorganizatoare, dar și autopoietice, altfel spus au capacitatea de a se reproduce. Într-un anumit sens, acest lucru duce la apariția unui feedback interior sistemului, acesta determinând organizarea și autoorganizarea, fără a fi necesar ca informația utilizată să fie furnizată din afara limitelor sistemului.
Momentul apariției autopoiesisului este foarte important deoarece la începutul anilor ’70 ai secolului trecut deja din cibernetică se desprinseseră complet știința calculatoarelor și teoria controlului automat, astfel că cibernetica trebuia să-și definească un nou drum care să o deosebească de alte discipline științifice bazate mai mult pe principii și metode mecaniciste.
Mișcarea de idei care a fost declanșată de teoria autopoiesisului a lui Maturana și Varela a dus, în final, după cum am spus, la constituirea a ceea ce este astăzi denumit cibernetica de ordinul doi. Această concepție nouă începea de la recunoașterea faptului că cunoștințele noastre referitoare la sisteme sunt mediate de reprezentări simplificate sau modele ale acestora care nu cuprind, totuși, toate aspectele sistemului ci doar pe acelea considerate relevante pentru scopul în care este realizat acel model. Deci proprietățile sistemelor trebuie distinse de cele ale modelelor asociate lor, acestea din urmă depinzând de cei care au realizat modelele respective.
Dacă în cibernetica de ordinul întâi (a lui N. Wiener) un sistem reprezenta un obiect pasiv, datorită obiectivului care putea fi observat, studiat și pus apoi deoparte, cibernetica de ordinul doi a promovat ideea interacțiunii dintre sistemul observat și observator, deci modelul realizat de obsrevator depinde, în ultimă instanță, de interacțiunea dintre sistem și observatorul acestuia. Observatorul ar putea fi și el un sistem cibernetic, încercând realizarea unui model al altui sistem cibernetic. Așa a apărut sintagma ,,cibernetica ciberneticii”, amintită mai sus și utilizată de H. von Foerster pentru a denumi noua cibernetică construită pornind de la ideile de mai sus.
Atunci când aceste idei teoretice s-au materializat în metode și tehnici de realizare a modelelor, s-a constatat că relația sistem-observator induce o complexitate ireductibilă atât de mare încât metodele formale, bazate pe matematică, sunt extrem de limitative.
Acesta a fost, poate, evenimentul care a declanșat dezvoltarea impetuoasă a Științelor Complexității, ale căror germeni existau deja în lucrările lui H. A. Simon încă din anii ’60. Însuși Simon a fost acela care a supus unei analize critice evoluția teoriei sistemelor și ciberneticii, dar și a inteligenței artificiale și economiei, arătând că în sistemele reale, complexitatea a fost considerată mult timp o barieră pe care cunoștințele noastre ar fi capabile să o împingă cât mai departe posibil. Această concepție este, însă, falsă deoarece complexitatea reprezintă o proprietate intrinsecă a acestor sisteme, ca orice altă proprietate. În acest context, este necesar să învățăm să operăm cu complexitatea și nu să o reducem la ceva mai simplu. ,,Modelarea este un mijloc principal – poate cel mai important – pentru studierea comportamentului sistemelor complexe …. Modelarea, atunci, necesită unele principii fundamentale pentru a opera cu această complexitate” spune H. A. Simon (1990).
Concepția sa privind complexitatea, elaborată încă din 1962 într-o lucrare considerată ca fiind actul de naștere al științelor complexității (,,The Architecture of Complexity”, apărută în Proceedings of the American Philosophical Society 106 (6), p. 467 – 482), se sprijinea pe patru concepte fundamentale: ierarhie, evoluție, decompozabilitatea slabă și simplitate descriptivă.
În concepția lui Simon, un sistem complex este format dintr-un număr mare de părți care interacționează într-un mod non-simplu, astfel că nu este posibilă reprezentarea proprietăților sistemului respectiv considerat ca un întreg. Sistemele complexe apar adeseori sub forma unei ierarhii (compuse din subsisteme care, la rândul lor, conțin alte subsisteme ș.a.m.d.) în care intensitatea interacțiunilor dintre părți poate fi corelată fie cu extinderea lor spațială, fie cu gradul de conectare comunicațională. Astfel de sisteme ierarhice pot evolua mai rapid decât o fac sistemele non-ierarhice de mărime comparabilă. (Simon utilizează un exemplu cu doi ceasornicari, dintre care unul asamblează ceasuri utilizând piesele disparate, în timp ce al doilea asamblează subansamble). Deci, existența unor forme intermediare stabile exercită o puternică influență asupra evoluției fenomenelor complexe.
Sistemele ierarhice complexe sunt aproape decompozabile (slab decompozabile) în sensul că interacțiunile dintre subsisteme sunt slabe dar nu neglijabile, fapt ce face ca comportamentul pe termen scurt al subsistemelor componente să fie aproximativ independent de comportamentul pe termen scurt al celorlalte componente. Pe termen lung, însă, comportamentul oricărei componente depinde de comportamentul celorlalte componente.
Faptul că sistemele complexe sunt ierarhice și slab decompozabile ne permite să le înțelegem mai bine, deci induce o simplificare a descrierii lor. El remarcă faptul că ,,dacă o structură complexă este complet neredundantă – deci dacă nici un aspect al structurii sale nu trebuie să fie explicată plecând de la altele – atunci aceasta este cea mai simplă descriere posibilă” (Simon, 1962). O astfel de structură este greu de obținut, dar cele utilizate efectiv pot fi mai simple decât în cazul în care nu s-ar lua în considerare structura ierarhizată a sistemului și descompunerea slabă a acestuia. Astfel de descrieri pot fi reprezentate de modele ale sistemelor complexe bazate pe concepte cum ar fi: starea, procesul sau regulile de tranziție ale stărilor.
Această ultimă remarcă a lui H. Simon este făcută în contextul în care modelele bazate pe ecuații, în special ecuații diferențiale sau diferențe finite, căpătaseră o mare dezvoltare. Ulterior, s-a arătat că astfel de modele nu simplifică descrierea, ci înlocuiesc un tip de evoluție cu altul. De multe ori, o astfel de substituție este reducționistă, iar aceasta înseamnă că se renunța la reprezentarea unor proprietăți ale sistemelor complexe modelate, în schimbul obținerii unei simplități în reprezentare.
Începând cu anii ’80, teoria sistemelor complexe, fondată pe lucrările lui Herbert Simon, s-a dezvoltat treptat, ducând la apariția Științelor Complexității.
1.5 Apariția și dezvoltarea Științelor Complexității
Atât conceptul de complexitate cât și Științele Complexității au o lungă și complicată istorie care trebuie cunoscută înainte de a putea decide dacă ele reprezintă o speranță certă pentru știința tradițională în general și științele economice în particular. Plexus înseamnă, în latină, împletit, încolăcit, din care derivă și cuvântul complexus, cu sensul de împletit împreună. Complexitatea presupune, deci, în primul rand, o multitudine de elemente, procese sau fenomene care sunt interdependente și interconectate în cadrul unui sistem sau între un sistem și mediul său înconjurător.
Într-un sistem complex, interdependența și conectivitatea apar în mod natural, fiind rezultatul scopului sau obiectivului comun al părților și elementelor sale, indiferent de nivelul la care acesta există (micro sau macro), de dimensiunile sale (sistem de dimensiuni mici sau mari) sau de orizontul de timp la care acesta se raportează (termen scurt, mediu sau lung).
Conectivitatea și interdependența, multidimensionalitatea și dinamismul sunt caracteristici ,,genetice” ale sistemelor complexe, indiferent de natura lor substanțială sau abstractă, de consistența sau inconsistența componentelor sale și de obiectivele sau funcțiile îndeplinite de acestea.
Dar ceea ce determină, după părerea noastră, interesul științific major pentru studiul sistemelor complexe constă mai mult în capacitatea acestora de a se adapta la mediu și a evolua până acolo încât să creeze o nouă coerență și ordine între componentele sale sau între sistem și mediu, proprietate denumită co-evoluție.
Un sistem complex capabil de adaptare și co-evoluție se mai numește Sistem Adaptiv Complex și reprezintă obiectul de studiu al Științelor Complexității sau, cel puțin, a unei mari părți a acestora.
Dacă până la jumătatea anilor 80 ai secolului XX, științele complexității și conceptul de bază al acestora, sistemul adaptiv complex erau privite cu rezervă de știința oficială, un șir de oameni și evenimente remarcabile au contribuit decisiv la afirmarea și dezvoltarea explozivă a unui domeniu științific considerat de către unii autori ca fiind definitorii pentru știința secolului XXI.
Unul dintre marii savanți ai zilelor noastre, Stuart Kauffman, co-fondator al științelor complexității, spunea: “Știința secolului al XVIII-lea, urmând revoluției newtoniene, a fost caracterizată ca fiind dominată de conceptele simplității organizate, știința secolului XIX, via mecanica statică, s-a concentrat pe complexitatea dezorganizată, iar știința secolului XX și a secolului XXI se confruntă cu complexitatea organizată.” (Kauffman, 1993).
Cu toată această evoluție spectaculoasă, nu putem spune astăzi cu certitudine că există o singură Știință a Complexității, ci mai multe teorii ce provin din zone diferite ale științei, dar care au în comun faptul că abordează, din unghiuri de vedere diferite și cu metode distincte, sistemul adaptiv complex.
Deși nu toți contributorii la această întreprindere științifică recunosc acest lucru în mod explicit, filiația Științelor Complexității se regăsește clar în Teoria Generală a Sistemelor, dezvoltată de Ludwig von Bertalanffy în anii ’40 și în cibernetica de ordinul întâi a lui Norbert Wiener, apărută în anul 1948.
Von Bertalanffy descria Teoria Generală a Sistemelor ca pe o știință a întregului, în care ,,întregul reprezintă mai mult decât suma părților sale” . Tot el are, pentru acea vreme, o viziune științifică extrem de actuală: ,,Entități de un nou tip esențial populează sfera gândirii științifice. Știința clasică, prin diversele sale discipline cum ar fi chimia, biologia, psihologia sau științele sociale, încearcă să izoleze elementele universului observat – componente chimice și enzime, celule, senzații elementare, indivizi concurând liber, și așteaptă ca, punându-le împreună din nou, conceptual sau experimental, întregul sau sistemul – celulă, organismul, societatea care rezultă – ar fi și inteligibil. Acum am învâțat că pentru a înțelege sistemul nu doar elementele, dar și interacțiunile dinte ele trebuie studiate” (L. von Bertalanffy, 1968).
Oamenii de știință cum au fost James G. Miller, Anatol Rapoport, Keneth Boulding, John Plat,, Richard L. Meier, Margaret Mead ș.a. au contribuit ulterior la dezvoltarea Teoriei Generale a Sistemelor.
Un impuls decisiv l-a dat acestei teorii apariția și dezvoltarea pe principii sistemice a ciberneticii de ordinul întâi a lui Norbert Wiener.
Cibernetica, așa cum s-a dezvoltat ea în faza inițială, care se întinde până prin anii ’60 ai secolului trecut, se ocupă de sistemele cu bucle feedback, deci de acele sisteme care conțin mecanisme capabile să influențeze intrările în vederea atingerii unor ieșiri dorite. Desigur că astfel de sisteme pot fi atât simple, cât și complexe, dar existența buclelor feedback constituie astăzi, în unele concepții privind complexitatea, o condiție necesară a existenței sistemelor complexe.
Din Teoria Generală a Sistemelor și cibernetică s-au desprins ulterior unele dintre noile științe care au marcat decisiv drumul către apariția Științelor Complexității, cum ar fi: inteligența artificială (Simon și Newell), dinamica sistemelor (Forrester), sinergetica (Hoken), teoria catastrofelor (Thom), teoria sistemelor vagi (Zadeh) ș.a., fiecare dintre acestea dezvoltând cunoștințele despre sistemele complexe dintr-un anumit punct de vedere sau într-o anumită direcție.
Începând cu anii ’80 începe constituirea Științelor Complexității pe baza științifică pusă deja de Teoria Generală a Sistemelor, cibernetică și de alte discipline științifice ,,sistemice”, care au abordat același obiect de studiu, și anume sistemul complex.
E. Milerton-Kelly (2003) distinge, într-o retrospectivă privind dezvoltarea Științelor Complexității, cel puțin cinci componente importante:
i) concepția despre sistemul adaptiv complex și complexitate dezvoltată la Institutul Santa Fe (S.U.A.) prin lucrările lui S. Kauffman (1993, 1995, 2000), J. Holland (1995, 1998), Chris Langton și Murray Gell-Mann (1994);
ii) concepția lui Axelrod privind complexitate și cooperare în procesele de adaptare și autoorganizare (Axelrod (1990, 1997), Axelrod și Cόhen (2000));
ii) modelarea și simularea pe calculator a complexității (Casti (1997), Bonabeau ș.a. (1999), Epstein și Axtel (1996), Ferber (1999));
iii) concepția privind structurile disipative și sistemele care funcționează departe de echilibru (Prigogine și Stengers (1985), Nicolis și Prigogine (1989)); sistemele autopoiectice și cibernetica de ordinul doi (Maturana și Varela (1992), N. Luhman (1995));
iv) teoria haosului și sistemelor haotice (Gleick (1987)); și, în sfârșit,
v) complexitatea economică și profitul crescător (W.B. Arthur (1990, 1995, 2000)).
Un moment distinct îl reprezintă și prima încercare de unificare a diferitelor științe ale complexității, întreprinsă de St. Wolfram, care publică o lucrare voluminoasă, intitulată ,,A New Kind of Science”, în care se includ diferitele tendințe apărute până în anul 2000 în acest domeniu, fără însă a reuși până acum să creeze o teorie unificatoare acceptată de toți cei care, într-un fel sau altul, abordează sistemul adaptiv complex.
1.6 Ce implicații au Științele Complexității asupra teoriei economice
Pentru a putea face o evaluare corectă a progresului înregistrat în teoria economică în urma utilizării paradigmei complexității și conceptelor încorporate Științelor Complexității trebuie să pornim de la ipotezele și concepțiile neadecvate care stau la baza economiilor neoclasice.
Într-o lucrare a grupului de la Santa Fe, Arthur, Durlauf și Lane (1997) sintetizează cel puțin șase motive pentru care teoria economică actuală ar trebui schimbată. Aceste motive sunt formulate în mod pozitiv, în sensul că ele reprezintă proprietăți ale sistemelor economice care nu sunt luate în considerare de teoria economică actuală, dar care ar putea fi încorporate, în condițiile fundamentării acesteia pe principiile sistemelor adaptive complexe. Aceste motive sunt următoarele:
1) Comportamentul economiei este determinat de interacțiunea și conectivitatea dintre o multitudine de agenți distribuiți și eterogeni (gospodării, firme, bănci, agenții ale statului ș.a.);
2) Economia nu are un organism de control global, ci este controlată prin mecanismele de competiție și cooperare care se creează între agenți;
3) Economia are o organizare de tip ierarhic încrucișat și chiar recursiv. Unitățile (elementele) de la un nivel includ agenți și interacțiuni care sunt componente (unități) ale nivelului următor;
4) Economia se află într-o stare de continuă adaptare, agenții modificându-și permanent comportamentul și produsele;
5) Există o noutate permanentă determinată de apariția de noi piețe, tehnologii, comportamente și instituții;
6) Acești factori produc dinamici departe-de-echilibru, datorită cărora economia nu se află niciodată la echilibru sau într-un optim global. Noi îmbunătățiri și oportunități sunt întotdeauna prezente.
Economia precum și diferite componente ale acesteia au toate caracteristicile unui sistem adaptiv complex. Este o concluzie care poate avea consecințe profunde asupra teoriei economice, dar care nu a fost și nu este acceptată cu prea multă ușurință. Dar știința economică nu se află la primul eveniment de acest fel. Trebuie reamintită opoziția îndârjită a economiștilor clasici, în frunte cu A. Marchall, atunci când a fost formulată concepția keynesiană, ce urma apoi să domine gândirea economică până la apariția monetarismului în anii ’60 și care încă, în diverse forme, constituie o concepție economică dominantă. Numai succesul pe care l-au avut politicile macroeconomice intervenționiste, recomandate de Keynes pentru scoaterea economiilor țărilor dezvoltate din criza declanșată de consecințele primului război mondial, a reprezentat punctul critic al acceptării noii teorii.
Criza actuală din economie este, poate, mult mai profundă, deși cauzele sunt diferite. După cum atrage atenția pe bună dreptate Fritjof Capra: ,,Câteva decenii după al II-lea Război Mondial, modelul keynesian al economiei capitaliste, bazat pe un contract social între capital și muncă și pe reglajul fin al ciclurilor de afaceri din economia națională prin măsuri centralizatoare-mărirea sau micșorarea ratei dobânzilor, reducerea sau sporirea impozitelor etc. a avut un succes remarcabil, aducând prosperitate economică și stabilitate socială pentru majoritatea țărilor având economii de piață mixte. În anii ’70 însă, modelul și-a atins limitele conceptuale.” (F. Capra, 2004).
Deși mulți economiști recunosc, explicit sau implicit, acest lucru, nu se poate spune că ideile și concepțiile despre o nouă economie sunt prea numeroase.
Întrebarea care se pune este dacă teoriile privind sistemul adaptiv complex, dezvoltate până în prezent, pot oferi un fundament teoretic solid pentru elaborarea unei noi teorii economice, adecvată proceselor de rapidă schimbare a relațiilor de producție și sociale la care asistăm în prezent. Tot F. Capra spunea: ,,Noua economie constă dintr-o meta-rețea globală de interacțiuni tehnologice și umane complexe, implicând multiple bucle de feed-back care operează departe de echilibru și produc o diversitate nesfârșită de fenomene emergente. Creativitatea, adaptabilitatea și capacitățile sale cognitive amintesc fără îndoială de rețelele vii, dar ea nu prezintă stabilitatea care este una dintre proprietățile cheie ale vieții. Circuitele de informație ale economiei globale operează la o asemenea viteză și folosesc o asemenea multitudine de surse încât trebuie să reacționeze constant la un torent de informații, iar sistemul ca întreg ajunge să scape de sub control.” (F. Capra, op. cit.).
Nici nu se poate o descriere sintetică mai bună a economiei globale actuale, la care trebuie adăugate însă elementele de impredictibil și haos care pot oricând să se transforme în crize și catastrofe majore, cu efecte în lanț asupra tuturor economiilor naționale.
Din această perspectivă, concepțiile economice actuale, cu toate încercările de modernizare a lor, anunțate de prefixul ,,neo”, nu sunt decât palide încercări de a surprinde o realitate care este prea dinamică și complicată pentru a încăpea în niște scheme și modele rigide, de multe ori statice și complet lipsite de imaginație.
Cu toate acestea, nu putem afirma că Științele Complexității pot acum să-și asume pe deplin sarcina de a descrie și interpreta procesele și fenomenele economice. Ceea ce le lipsește este o metodologie unitară, acceptată în toate domeniile științifice care se ocupă de sistemul adaptiv complex, metodologie de la care să se înceapă adevărata reconstrucție a teoriei economice a viitorului. Încercări în acest sens au început să apară; vezi, de exemplu, lucrarea ,,A New Kind of Science” a lui Stephan Wolfram, apărută în 2002, dar, după cum am mai spus, aceasta încă nu a reușit să câștige o apreciere unanimă, cu toate eforturile întreprinse de autor.
O altă încercare o constituie elaborarea ciberneticii de ordinul trei, proces început după anul 2000 de o serie de oameni de știință (S. Umpleby, F. Heylighen, F. Geyer, C. Joslyn, ș.a.), care are ca principal obiectiv realizarea unei sinteze dintre principiile ciberneticii și noile teorii ale complexității, știind faptul că sistemele adaptive complexe sunt și sisteme cibernetice. S. Umpleby, unul dintre primii cercetători care au formulat clar deosebirile dintre această cibernetică, denumită de el și cibernetica socială, și cibernetica de ordinul întâi (inginerească), respectiv cibernetica de ordinul doi (biologică, evoluționistă) afirma: ,,Când teoriile despre fenomenele fizice se schimbă, presupunem că fenomenele însele nu se schimbă. De exemplu, când fizicienii își schimbă concepția trecând de la mecanica newtoniană clasică la mecanica cuantică, comportamentul atomilor nu se schimbă. Dar, când teoriile despre sistemele sociale se schimbă, sistemele sociale funcționează diferit. De exemplu, teoriile lui Adam Smith, Karl Marx, John Maynard Keynes și Milton Friedman au schimbat modul în care funcționează sistemele sociale. Deci, în sistemele sociale există o circularitate sau un dialog între teorii și fenomene.” (Umpleby, 2001).
Deci cibernetica de ordinul trei (sociocibernetica) creează cunoaștere pentru ca aceasta să poată fi utilizată în vederea atingerii unor scopuri umane. Teoriile și ideile sociale, care le includ și pe cele economice, nu reprezintă altceva decât instrumente și mijloace ale schimbării și transformării sociale. Dacă vrei să perfecționezi un sistem social, de exemplu o firmă, atunci elaborezi o teorie mai bună asupra modului în care ar trebui să funcționeze firma respectivă, după care transformi firma în concordanță cu teoria sau modelul respectiv.
Deși o astfel de întreprindere pare logică, noile teorii și idei elaborate sunt supuse unor restricții și limitări puternice (legale, materiale, umane, dar și inerțiale), care tind să prezerve vechea structură, vechile idei și concepte, chiar dacă acestea sunt, în mod evident, depășite. Din această cauză, apare o circularitate, un feed-back între teorie și sistemul social, care duce la modificare treptată a teoriei, dar și a sistemului social, în acord cu teoria perfecționată. Treptat, prin acest proces circular, se ajunge la un nou sistem social care corespunde mai bine scopurilor urmărite.
În acest fel, nu numai realitatea economică, dar și teoriile și modelele care încearcă să interpreteze această realitate ar fi într-o continuă transformare și perfecționare. Am avea, de fapt, două sisteme adaptive complexe, unul real iar celălalt conceptual (virtual), care se influențează și intercondiționează pe măsură ce evoluează într-un mediu complex. Evident că o astfel de evoluție a științelor complexității nu reprezintă decât o ipoteză ce poate sau nu să devină reală. Dezvoltarea sistemului adaptiv complex pe care îl reprezintă știința în general, și știința economică în particular va arăta, mai devreme sau mai târziu, dacă ipoteza formulată este adevărată.
1.7 Cibernetica și Științele Complexității – către o nouă sinteză
Se acceptă astăzi tot mai mult ideea că cibernetica nu este o singură știință, ci o metaștiință, din care a decurs grup de discipline științifice interdependente care au ca obiect comun de studiu sistemele complexe.
Stuart Kaufman a denumit această mulțime de discipline științele complexității, prevăzându-le totodată un rol dominant în evoluția științei secolului XXI. El afirma: “secolul XXI va fi secolul științelor despre complexitatea organizată” (S. Kaufman, 1993). Desigur că se referea la complexitatea organizată despre care vorbea Herbert Simon (1983), dezvoltând o idee a lui Denis Weaver introdusă în urmă cu 20 de ani.
Care sunt aceste științe ale complexității ce își revendică, explicit sau implicit, rădăcinile din cibernetică și Teoria Generală a Sistemelor a lui von Bertalanffy? O listă provizorie a lor este dată în Tabelul 1. De ce provizorie? Deoarece procesul de constituire a lor este în plină desfășurare și ne putem aștepta, an de an, la noi și noi intrări de discipline, la fenomene de grupare sau chiar de dispariție a unora dintre ele. Deci avem de-a face cu o listă deschisă și, chiar mai mult decât atât, cu o nouă sinteză a disciplinelor științifice derivând din cibernetică și TGS.
Tabelul 1.1
Ceea ce unește aceste discipline, în afara originii lor comune, este obiectul de studiu, sistemul complex, abordat însă cu metode diferite, din unghiuri de vedere diferite, în scopuri diferite.
Nu știm cât va dura acest proces de sinteză și unde va ajunge el. Dar deja implicațiile pentru dezvoltarea în continuare a ciberneticii sunt imense Atât de mari încât, poate, însăși definiția dată de Norbert Wiener ar trebui schimbată. Cu toate că, după aprecierea noastră, chiar și această definiție a fost incomplet înțeleasă și exploatată științific, mai ales partea a doua a ei referitoare la comunicarea la ființe și mașini.
1.8 Spre o cibernetică de ordinul trei
Stuart Umpleby (2001) vorbește despre “cibernetica de ordinul trei” ca despre o cibernetică societală (ce nu trebuie confundată cu cibernetica socială a lui Georg Klaus), sau o cibernetică a sistemelor conceptuale. Principala sa trăsătură distinctivă ar fi feedback-ul dintre teorie și organizarea socială, astfel încât, prin perfecționarea conceptelor teoretice, să ajungem la însăși schimbarea societății.
Saltul pe care l-ar realiza știința, în general, ar fi imens, cu consecințe greu de anticipat acum. Ea ar depăși starea descriptivă și interpretativă actuală și ar deveni într-adevăr ceea ce Marx anticipa: o forță de producție a societății, capabilă să se transforme pe sine, dar să transforme și societatea care îi dă naștere. În acest fel, cibernetica și-ar putea realiza pe deplin rolul său creator, întrevăzut deja de Norbert Wiener în “Dumnezeu și Golem”.
Pentru a ajunge la un astfel de rezultat este necesară însă parcurgerea unei etape de clarificare a raporturilor dintre diferitele științe ale complexității dintre care, probabil câteva vor dispărea, se vor adăuga altele, iar unele dintre ele se vor maturiza și vor rămâne stabile și în cotinuare.
Intrebarea care se pune imediat este dacă este posibilă acum apariția unei teorii generale a complexității. Cei mai mulți oameni de știință cred că nu este posibilă, cel puțin pe un termen previzibil, realizarea unei singure teorii care să explice și să anticipeze toate aspectele privind sistemele complexe din natură și societate. Cu toate acestea, așa cum afirmă Melanie Mitchell (1997) este posibilă apariția unor noi teorii care să explice emergența structurilor de prelucrare a informației de la metanivel din componente interactive aflate la micronivel. Aceste ar putea explicita condițiile în care apar diferitele tipuri de structuri în sistemele complexe precum și rolul acestora în comportamentul global al sistemelor.
O primă concluzie care se impune este aceea că, în ceea ce privește sinteza dintre cibernetică și noile teorii ale complexității, nu ne aflăm la sfârșitul acestui proces ci abia la începutul său.
Dar este necesară oare o astfel de metaștiință a sistemelor complexe? Dacă analizăm atent conținutul și dezvoltarea actuală a științelor complexității, observăm că ele dervă, într-o măsură mai mare sau mai mică, din cibernetică și teoria generală a sistemelor. Evident că unele dintre ele au o filogenie mai complicată, trecând prin inteligența artificială, știința calculatoarelor sau chiar matematică. Acest lucru nu schimbă, însă, cu nimic originea lor comună, observabilă atât în obiectul de studiu, sistemul complex, cât și în ontologia fiecărei discipline.
Problema care se pune este dacă sistemele complexe sunt sisteme cibernetice, sau mai bine zis, sunt și sisteme cibernetice. O astfel de concluzie ar duce imediat la ideea că rolul de metaștiință l-au îndeplinit, în toată perioada lor de dezvoltare și probabil că îl vor mai îndeplini mult timp de acum înainte, cibernetica și teoria generală a sistemelor, structurate într-o nouă știință, deja denumită “cibernetica de ordinul trei”.
Inainte de a încerca o tentativă de a rezolva o astfel de problemă, să precizăm că cibernetica de ordinul trei, dezvoltată practic în ultimul deceniu al secolului XX, este cibernetica cu impact social, sau cibernetica sistemelor conceptuale. Plecând de la constatarea că sistemele sociale reprezintă ceva diferit de sistemele fizice, Umpleby, principalul promotor al unei astfel de concepții, spunea: “Când teoriile despre fenomenele fizice se schimbă, presupunem că fenomenele însele nu se schimbă. De exemplu, când fizicienii si-au schimbat concepția trecând de la mecanica newtoniană clasică la mecanica cuantică, comportamentul atomilor nu s-a schimbat. Dar, când teoriile despre sistemele sociale se schimbă, sistemele sociale funcționează diferit. De exemplu, teoriile lui Adam Smith, Karl Marx, John Maynard Keynes și Milton Friedman au schimbat modul în care funcționează sistemele sociale. Deci, în sistemele sociale există o circularitate sau un dialog între teorii și fenomene” (Umpleby, 2001).
Dar să vedem mai concret în ce ar consta această nouă cibernetică socială. Cel mai bine se poate observa diferența dintre vechile concepții cibernetice (cibernetica de ordinul întâi și de ordinul doi) și această nouă cibernetică apelând la un tablou comparativ ca cel din Tabelul 2.
Tabelul 1.2
Dacă cibernetica de ordinul întâi este considerată cibernetica inginerească, cibernetica de ordinul doi, cibernetica biologică, în schimb cibernetica de ordinul trei apare ca fiind cibernetica socială și având, din această perspectivă, proprietăți distincte față de cele premergătoare.
Astfel, la nivel epistemic, cibernetica de ordinul trei creează cunoaștere pentru ca aceasta să fie utilizată în vederea atingerii unor scopuri umane. Ideile și teoriile sociale nu sunt altceva decât instrumente și mijloace ale schimbării sociale. Dacă vrei să perfecționezi un sistem social, să spunem o firmă, atunci elaborezi o teorie mai bună asupra modului în care ar trebui să funcționeze această firmă, după care modifici firma în concordanță cu teoria respectivă. Deși o astfel de abordare pare logică, noile teorii și idei ce apar sunt supuse unor restricții puternice, deoarece organismul social din care face parte firma se opune unui astfel de demers (restricții legale, materiale, dar și inerțiale), tinzând să prezerve vechea structură. Din această cauză, se formează o circularitate între teorie și sistemul social care determină modificarea treptată a teoriei, dar și a sistemului în acord cu teoria perfecționată. Treptat, se ajunge la un nou sistem social care corespunde mai bine scopurilor urmărite.
1.9. O redefinire a ciberneticiiI. Obiectul și metodele ciberneticii economice
În acest context se pune întrebarea dacă însăși cibernetica nu ar trebui redefinită ținând cont de noile sale atribute de metaștiință. O astfel de definiție ar trebui să includă, dacă nu toate, cvasitotalitatea aspectelor tratate de noile științe ale complexității astfel încât să devină foarte clară filiația acestora din cibernetică precum și obiectul care este circumscris ariei mai largi abordate de cibernetică. O astfel de definiție ar putea fi următoarea: Cibernetica este știința care studiază adaptarea sistemelor complexe la medii complexe.
Prin introducerea unei noi definiții, cibernetica nu numai că nu-și pierde identitatea, dar contribuie și mai mult la noua sinteză ce se realizează între diferite științe preocupate de studiul sistemelor adaptive complexe din diferite unghiuri de vedere. Prin natura sa intrinsecă, sistemul cibernetic nu poate fi decât un sistem complex care se adaptează permanent la medii complexe, iar cunoașterea lui se poate face numai în măsura în care utilizăm toate metodele pe care diferitele științe ale complexității le pun la dispoziție în acest scop. Deci obiectul de studiu al ciberneticii îl constituie sistemul complex adaptiv iar metodele de studiu sunt constituite din acele metode pe care diferitele științe ale complexității le-au creat și dezvoltat în vederea abordării dintr-o perspectivă sau alta a sistemelor adaptive complexe.
Acesta este și motivul pentru care credem că într-un viitor apropiat ponderea metodelor de modelare utilizate de cibernetică va înclina în favoarea modelării-bazate-pe-agenți, reușindu-se astfel depășirea situației actuale în care majoritatea modelelor utilizate astăzi în cibernetică și nu numai sunt modele-bazate-pe-ecuații. O astfel de abordare ar fi benefică pentru multe dintre sistemele studiate de cibernetică sau de diferitele științe ale complexității.
Astfel, destul de recent s-a constituit un domeniu ce se ocupă exclusiv cu studiul aplicării agenților în rezolvarea diferitelor tipuri de probleme economice, domeniu denumit Economia bazată pe agenți. Scopul acesteia este crearea de economii artificiale(virtuale) cu ajutorul unor interacțiuni economice între agenți(sisteme, subsisteme) care, la început, nu au cunoștințe despre mediul înconjurător, dar au abilitatea de a învăța observându-se apoi ce tipuri de piețe, instituții și tehnologii dezvoltă agenții, cum ei își coordonează acțiunile și se organizează ei înșiși într-o economie.
Economiile de piață precum și diferitele componente ale acestora (firme, gospodării, bănci ș.a.) sunt privite în acest cadru ca sisteme cibernetice, constând dintr-un mare număr de agenți adaptivi întreținând interacțiuni paralele locale. Aceste interacțiuni locale dau naștere anumitor regularități macroeconomice cum ar fi protocoale de împărțire a pieței și norme de comportament care, la rândul lor, au o reacție inversă asupra determinării interacțiunilor locale. Rezultatul este un sistem dinamic complicat de lanțuri cauzale recurente conectând comportamente individuale, rețele de interacțiuni și rezultate sociale. Dar acesta este tocmai sistemul cibernetic de care ne ocupăm în cadrul de față. Această carte o privim tocmai prin această perspectivă, și anume aceea a trecerii masive către utilizarea noilor tehnici și metode bazate pe agenți în cibernetică.
Economia bazată pe agenți, privită ca viitoare metodă de studiu a sistemelor adaptive și evolutive complexe formate din agenți autonomi interactivi, aduce sistemul economic în laboratoare, pentru a studia evoluția economiilor de piață descentralizate în condiții experimentale controlate. Două aspecte fundamentale decurg din aceste studii. Primul este unul descriptiv, axat pe explicarea constructivă a comportamentului global emergent. De ce apar regularități globale în aceste economii în ciuda unei planificări și a unui control de sus în jos? Cum aceste regularități globale sunt generate de jos în sus, prin interacțiunile locale repetate dintre agenți interacționând autonom? Și cum de apar aceste regularități și nu altele? Al doilea aspect este cel normativ, axat pe proiectarea de mecanisme de reglare și control. Dându-se o entitate economică particulară, existentă sau virtuală, care sunt implicațiile acestei entități pentru performanțele economiei ca un întreg? De exemplu, cum poate un protocol de piață anumit sau o reglementare guvernamentală afecta eficiența economică?
In cibernetică, trecerea la laboratorul experimental ar fi de importanță covârșitoare. Atunci s-ar putea efectiv începe cu construirea unei economii cu o populație inițială de agenți. Acești agenți pot include atât entități economice (de exemplu: investitori, bănci, consumatori ș.a) cât și entități reprezentând diferite fenomene sociale sau din mediu (de exemplu guvernul, pământul, vremea, tehnologia). Starea inițială a economiei este specificată prin precizarea atributelor inițiale ale agenților. Atributele inițiale ale unui agent pot include caracteristici asupra tipului de agent, norme comportamentale internalizate, moduri interne de comportament (inclusiv modul de comunicare și învățare) și informația stocată intern despre sine și despre ceilalți agenți din economie. Economia ar evolua apoi în timp, fără alte intervenții din afară. Toate evenimentele care pot să apară ulterior decurg din interacțiunile de tip agent – agent care au loc în timpul simulării evoluției sistemului cibernetic respectiv. Deja astfel de încercări sunt efectuate la scară de laborator în diferite țări (de exemplu Modelul ASPEN elaborat de Laboratoarele SANDIA din SUA).
CAPITOLUL 2
SISTEMUL ADAPTIV COMPLEX
Obiectul de studiu al ciberneticii, după cum am văzut în capitolul anterior, îl reprezintă sistemul adaptiv complex (în engleză Complex Adaptiv System sau, prescurtat, CAS). În ultimii 20 de ani, studiul CAS a atras o serie de oameni de știință celebri, incluzând câțiva laureați ai premiilor Nobel, printre care Murray Gell-Man, Phillip Anderson, Keyneth Arrow, Ilya Prigogine, Thomas Schelling ș.a., provenind din diferite domenii științifice, cum ar fi: fizica, chimia, economia, matematica, ingineria, științele calculatoarelor etc.
Pașii care au condus la Științele Complexității și la formarea legăturilor acestora cu Cibernetica, în particular cu Cibernetica de ordinul trei, sunt deja cunoscuți.
În continuare, vom încerca să dăm răspunsuri la câteva întrebări esențiale, cum ar fi: Ce este un CAS? Cum apare el în economie? Ce metode pot fi utilizate pentru a studia un CAS? Ce implicații are CAS asupra ciberneticii și aplicațiilor acesteia în economie? Care sunt avantajele și dezavantajele utilizării paradigmei CAS și metodelor legate de aceasta pentru cunoaștere în general, și cunoașterea economică în particular?
Toate aceste întrebări le vom aborda cu intenția declarată de a demonstra că putem transforma cadrul teoretic al studierii CAS într-un arsenal de tehnici și metode cu ajutorul cărora diferitele CAS existente în economie să poată fi înțelese și, mai ales, să poată fi transformate atunci când acest lucru este necesar.
2.1 Definiții ale Sistemului Adaptiv Complex (CAS)
Ca în orice domeniu științific în plină formare, și în Științele Complexității definițiile date CAS sunt extrem de diferite. Enumerând totuși câteva dintre cele mai importante, putem determina acele proprietăți care conferă specificitate CAS în raport cu alte sisteme.
Sistemele adaptive complexe se găsesc peste tot în jurul nostru, iar științele complexității confirmă faptul că marea majoritate a sistemelor reale sunt complexe. Ecosistemele, sistemul atmosferic, traficul rutier, organizațiile sociale, grupurile teroriste, piețele ș.a. sunt toate sisteme adaptive complexe. Datorită abundenței excepționale de astfel de sisteme, a diversității lor devine destul de dificil să le definești și poate și mai dificil să încerci să stabilești acele principii și/sau proprietăți generale care le conferă specificitate în categoria mai largă a sistemelor complexe.
K. Dooley (2002) se referă la trei principii care trebuie să stea la baza definirii unui sistem adaptiv complex. Primul principiu afirmă că ordinea și controlul în astfel de sisteme sunt proprietăți emergente și nu predeterminate. Al doilea principiu specifică faptul că istoria lor este ireversibilă, iar al treilea principiu este acela că viitorul în aceste sisteme este incert. De exemplu, economiile de piață pot fi considerate sisteme adaptive complexe în raport cu principiile lui Dooley. Astfel, agenții care alcătuiesc astfel de economii (firme, gospodării, bănci comerciale, agenții guvernamentale ș.a.) dezvoltă propriile lor reguli ale jocului pentru a efectua și controla tranzacțiile ce au loc între ei. Aceste reguli ale jocului nu sunt stabilite în prealabil, dar ele sunt respectate de către noii agenți care intră în economie. Evident că aceste reguli emerg din faptul că ele sunt acceptate de către toți agenții. Controlul respectării regulilor existente se face, de asemenea, prin eliminarea de pe piață a agenților care nu le respectă. În al doilea rând, în economiile de piață nu se pot anula tranzacțiile deja efectuate. Istoria acestor tranzacții este, deci, ireversibilă. De aceea, în mediul de afaceri al acestor economii persistă lecțiile deja invățate de agenți în urma tranzacțiilor efectuate, nu numai de către ei, dar și de către ceilalți agenți în trecut. În sfârșit, indiferent de prognozele care sunt făcute privind evoluția viitoare posibilă, agenții sunt supuși unor riscuri care sunt imposibil de prevăzut în orice economie de piață, chiar și într-una foarte bine organizată sau consolidată.
S. A. Levin (2002) definește sistemul adaptiv complex pornind tot de la trei proprietăți ale acestuia:
(1) diversitatea și individualitatea componentelor;
(2) interacțiuni localizate între aceste componente; și
(3) existență unui proces autonom care utilizează rezultatele acestor interacțiuni pentru a selecta o submulțime a acestor componente pentru replicare sau consolidare (mecanism de adaptare).
Dacă primele două proprietăți sunt ușor de înțeles și acceptat, cea de-a treia proprietate implică nenumărate discuții, ea fiind însă cea care asigură unitatea de vederi în ceea ce privește sistemele adaptive complexe. După cum arată Levin, este esențial să se facă distrincție privind nivelul sau nivelele la care selecția are loc. Procesul de dezvoltare animală, de exemplu, este unul în care formele macroscopice emerg din interacțiuni microscopice, astfel că un număr de celule stem se diferențiază printr-un proces orietat de interacțiunile locale, până când se obțin organele și celelalte componente ale organismului animal. Selecția naturală este bazată pe reguli locale de interacțiune, în concordanță cu consecințele pe care diferitele reguli le au pentru fitness-ul organismului ca un întreg. În economie, un exemplu de mecanism de selecție este ,,mâna invizibilă” a lui Adam Smith care determină ,,o ordine socială binefăcătoare care emerge din consecințele neintenționale ale acțiunilor umane individuale” (Levin, 1999).
Axelrod și Cohen (1999), într-o lucrare ce a marcat în mod decisiv impunerea Științelor Complexității ca un domeniu științific major al științelor secolului XXI, propun o definiție a sistemelor adaptive complexe utilizând trei teme: varietate, interacțiune și selecție.
Toate CAS sunt alcătuite dintr-un număr mare de agenți care interacționează. Într-o economie, de exemplu, acești agenți reprezintă unitățile de bază, începând cu firmele, gospodăriile, băncile comerciale ș.a. Acești agenți sunt diferiți între ei, deci există o varietate mare de agenți, dată de proprietățile și comportamentele lor diferite. În consecință, agenții vor reacționa în mod diferit la stimulii aplicați de către alți agenți sau de mediul înconjurător.
Agenții interacționează unul cu altul, formând o rețea complexă de conexiuni și dependențe, care reprezintă, de fapt, mediul în care aceștia evoluează. Nici un agent nu poate exista în afara acestei rețele de interacțiuni, care poate fi reprezentată de interdependențe materiale, energetice, informaționale, juridice, umane ș.a. Într-o economie de piață, tranzacțiile dintre agenți pe diferite piețe, reglementarea activității diferitelor instituții (Banca Centrală, CNVM ș.a.), activitatea desfășurată de băncile comerciale pentru creditarea firmelor etc., sunt exemple de astfel de interacțiuni. Inerent, prin apariția acestor interacțiuni se formează bucle feedback pozitive, care determină creșterea, amplificarea proceselor în care sunt angrenați agenții, dar și bucle feedback negative, care le asigură acestora stabilitatea în fața multitudinii de influențe exercitate prin intermediul interacțiunilor din cadrul rețelei. Utilizând aceste bucle feedback, agenții își pot defini anumite strategii de evoluție și dezvoltare, care să le asigure un succes în raport cu ceilalți agenți, succes ce poate să meargă de la simpla supraviețuire și până la obținerea de profit.
Unii agenți întreprind o operație de selecție a acestor strategii pentru a se adapta mai bine la mediu, deci la influențele exercitate de câte ceilalți agenți. Aceasta constituie, după Axelrod și Cohen, ideea fundamentală a sistemelor adaptive complexe. Selecția celei mai bune strategii are la bază anumite criterii. Ea poate sau nu să fie un act conștient. De exemplu, selecția darwiniană și mână invizibilă a lui Adam Smith sunt mecanisme de selecție fără intervenția conștientă a agenților. Agenți cum ar fi firmele, guvernele, organizațiile economice internaționale ș.a. încearcă să selecteze strategii pentru a-și atinge scopurile proprii utilizând, în mod conștient, analize, prognoze, modele, informații de cea mai diversă natură. Astfel de sisteme se adaptează în mod permanent, proces în care însăși agenții și natura interacțiunilor dintre aceștia se modifică.
Leigh Tesfatsion (2005) definește sistemul adaptiv complex pornind de la o definiție dată sistemului complex de către Flake (1998). Astfel, conform acestuia, sistemul complex are două proprietăți:
– sistemul este compus din unități interdependente;
– sistemul are proprietăți emergente, deci proprietăți apărând din interacțiunile unităților care nu sunt proprietăți ale unităților individuale însele.
Arătând că introducerea unei singure definiții a sistemului adaptiv complex este dificilă, Tesfatsion propune mai multe variante, și anume:
Definiția 1: Un sistem adaptiv complex este un sistem complex care include unități reactive, deci unități capabile să prezinte sistematic atribute diferite ca reacție la condițiile de mediu schimbate.
Definiția 2: Un sistem adaptiv complex este un sistem complex care include unități orientate către un scop, deci unități care sunt reactive și care orientează cel puțin unele dintre reacțiile lor către atingerea scopurilor.
Definiția 3: Un sistem adaptiv complex este un sistem complex care include unități planificatoare, deci unități care sunt orientate către atingerea unor scopuri care încearcă să exercite un anumit grad de control asupra mediului său înconjurător pentru a facilita atingerea acestor scopuri (Tesfatrion, 2005, pag.5).
O definiție mai scurtă, dar de o mare claritate dau Plsek, Lindberg și Zimmerman (1997): ,,Un Sistem Adaptiv Complex este un sistem compus din agenți individuali, care au libertatea de a acționa în moduri care nu sunt total predictibile și ale căror acțiuni sunt interconectate astfel încât acțiunile unui agent schimbă contextul pentru alți agenți”. (Plsek ș.a.,1997, pag.2).
O astfel de definiție se poate aplica unei mari varietăți de sisteme adaptive complexe cum ar fi: piața de capital, o colonie de termite, sistemul imunitar al organismului uman, oricărei organizații umane, începând cu o întreprindere, o afacere, o echipă, un departament într-o organizație, o familie etc.
Așadar, într-un CAS, agenții operează conform propriilor reguli interne sau unor modele mentale, (scheme, roluri) diferite de la agent la agent. Altfel spus, fiecare agent poate avea propriile sale reguli privind modul în care răspunde acțiunilor pe care le exercită modul înconjurător asupra lui; fiecare agent poate, de asemenea, să aibă propria interpretare asupra evenimentelor care se petrec în mediul său înconjurător. Regulile, schemele și modelele mentale nu este necesar să fie explicite, de multe ori agenții nefiind conștienți de existența lor. De asemenea, nu este necesar ca atitudinea lor în raport cu ceilalți agenți sau cu mediul să fie rațională, logică sau conștientizată. Se observă că aceste aspecte caracterizează comportamentul uman în aproape toate sistemele sociale.
Agenții unui sistem adaptiv complex pot să împărtășească același model mental sau să aibă, fiecare dintre ei, propriul său model. De asemenea, agenții pot să-și modifice aceste modele mentale în raport cu acțiunile pe care le exercită asupra celorlalți agenți și/sau mediului.
Deoarece agenții pot să-și schimbe și, în același timp, să împărtășească același model mental, ei sunt deci capabili să învețe; comportamentul lor se poate atunci adapta în timp, atât în raport cu ceilalți agenți cât și în funcție de mediul în care evoluează.
Adaptarea înseamnă deci, în esență, că agenții și sistemele în care ei sunt încorporații co-evoluează.
Comportamentul unui CAS este emergent și acesta reprezintă un punct cheie în înțelegerea unor astfel de sisteme. Așadar, un sistem adaptiv complex reprezintă mai mult decât suma părților sale componente (sinergie). În plus, fiecare agent și fiecare CAS este inclus într-un alt sistem adaptiv complex ș.a.m.d. (ierarhie). De exemplu, un individ este un CAS; el aparține unei echipe, echipa este inclusă într-un departament al unei firme, care aparține unei industrii ș.a.m.d.; toate acestea fiind, la rândul lor, CAS între care există interacțiuni.
Un sistem adaptiv complex poate dobândi și, de regulă, și dobândește comportamente noi, care decurg din aceste interacțiuni. Deoarece interacțiunile determină apariția unor rețele, comportamentul sistemului este neliniar, ceea ce înseamnă, în esență, că modificări mici în anumite puncte ale rețelei pot determina schimbări majore în comportamentul sistemului, dar și că schimbări mari pot să nu aibă nici un efect. Datorită acestor lucruri, atunci când într-un sistem adaptiv complex se întâmplă anumite lucruri, suntem surprinși și multe dintre evenimentele care au loc în astfel de sisteme nu pot fi anticipate.
Datorită noutății și neliniarității introduse de aceste interacțiuni în comportamentele agenților care îl compun, un CAS are un comportament general care este, de regulă, impredictibil. Acest lucru presupune, în esență, că nu se poate cunoaște suficient de bine comportamentul agenților, modelele lor mentale sau rețeaua de interacțiuni care se stabilește între aceștia. Impredictibilitatea reprezintă pur și simplu, imposibilitatea de a obține o descriere detaliată a comportamentului unui sistem adaptiv complex doar pe baza analizei acestuia, sau a părților sale componente. Trebuie lăsat sistemul să funcționeze pentru a vedea ceea ce se întâmplă cu el și cu componentele sale, mai ales pe termen mediu și lung.
Totuși, în ciuda acestei impredicitibilități pe termen mediu și lung, este posibil să se obțină anumite predicții asupra comportamentului sistemului adaptiv complex pe intervale mai scurte de timp, care au șansa să fie, uneori corecte.
Un CAS este inerent auto-organizator. Ordinea, creativitatea și progresul pot emerge în mod natural din interacțiunile unui CAS; ele nu trebuie impuse din afară. Mai mult, într-un CAS, controlul este distribuit prin intermediul interacțiunilor dintre agenți; nu este deci necesară existența unui agent care să efectueze un control centralizat. Acest lucru intră în contradicție cu concepția clasică privind managementul organizațiilor, conform căreia organizarea și controlul sunt funcții de bază ale oricărui sistem de conducere, iar acesta trebuie să exercite permanent acțiuni care să mențină sau să restabilească ordinea și controlul în toate compartamentele sau părțile organizației. O astfel de concepție este tributară în mod evident concepției mecaniciste conform căreia organizația ar trebui să se comporte ca un mecanism și orice perturbație în funcționarea acestui mecanism se datorează unei defecțiuni a uneia sau mai multor componente care trebuie ,,reparate” prin intervenția unui organism sau subsistem însărcinat cu acest lucru.
În contrast cu această concepție, controlul distribuit nu necesită un astfel de organism de control centralizat. De exemplu, în cazul coloniilor de termite, acestea sunt cei mai desăvârșiți constructori de pe Terra. Ele înalță cele mai mari structuri de pe planetă, comparativ cu mărimea unei termite. Dacă omul ar fi capabil să contruiască clădiri asemănătoare cu cele ale termitelor, acestea ar trebui să aibă zeci de kilometri înălțime și ar fi capabile să adăpostească zeci de milioane de oameni. Pentru a face acest lucru, termitele nu ascultă de o conducere centrală, nu există arhitecți, constructori, transportatori sau alte meserii necesare în realizarea de construcții umane. Fiecare termită acționează local, într-un context în care celelalte termite acționează, de asemenea, local. Cooperarea dintre termite emerge dintr-un proces de auto-organizare. Dimpotrivă, multe din teoriile tradiționale despre management spun că prin acțiunea unui singur om sau a câtorva oameni se poate organiza și conduce un sistem complex.
Chris Langton denumește mulțimea de circumstanțe în care apare această emergență creativă ,,limita haosului”. Aceasta este un loc în care nu este destul de mult acord și certitudine pentru a alege următorul pas în mod obișnuit, dar nici nu există destul dezacord și incertitudine astfel încât sistemul să cadă într-o dezorganizare completă.
Putem, acum, sintetiza principalele caracteristici și proprietăți definitorii ale sistemelor adaptive complexe:
sistemele de acest tip sunt compuse din agenți individuali;
agenții au interpretări și desfășoară acțiuni bazate pe propriile lor modele mentale;
agenții pot avea, fiecare, propriul său model mental sau îl pot împărtăși cu ceilalți agenți;
modelele mentale se pot schimba; drept urmare, învățarea, adaptarea și co-evoluția sunt posibile în aceste sisteme;
interacțiunile dintre agenți și dintre sisteme sunt încorporate altor sisteme;
comportamentul sistemului în ansamblul său emerge din interacțiunile dintre agenți;
acțiunile unui agent schimbă contextul altor agenți;
sistemul poate învăța noi comportamente;
sistemul este neliniar; adică mici modificări pot conduce la schimbări majore în sistem;
comportamentul sistemului este, în general, impredictibil la nivel de detaliu;
predicțiile pe termen scurt asupra comportamentului sistemului sunt, uneori, posibile;
ordinea este o proprietate inerentă sistemului și nu trebuie impusă din afară;
creativitatea și noutatea emerg din comportamentul de ansamblu al sistemului;
sistemele sunt capabile de auto-organizare.
Evident că aceste proprietăți definitorii pot avea, în cazurile concrete ale unor sisteme adaptive complexe din realitate, o multitudine de forme de manifestare, ceea ce dă, de fapt, varietatea infinită de sisteme care alcătuiesc această realitate.
O ultimă definiție pe care o vom introduce este cea dată de E. Mitleton-Kelly (2003). Acesta consideră că un CAS este definit de zece caracteristici generice, și anume:
auto – organizarea;
emergența;
conectivitate;
interdependența;
feedbackul;
funcționarea departe-de-echilibru;
explorarea spațiului posibilităților;
co-evoluția;
istoricitatea;
dependența de traiectorie.
Să facem, în continuare, câteva considerații privind aceste caracterisitici pe care le vom și utiliza pe măsură ce vom prezenta metodele și tehnicile prin care sunt abordate diferitele sisteme adaptive complexe din natură, economie sau societate.
2.1.1. Conectivitatea și interdependența
Comportamentul complex în CAS apare din interdependența, interacțiunea și interconectivitatea elementelor din cadrul unui sistem și dintre un sistem și mediul său înconjurător.
Într-un sistem social, de exemplu, conectivitatea și interdependența înseamnă că o decizie sau acțiune ale unui individ (grup, organizație, instituție sau chiar a sistemului uman în ansablul său) pot afecta alți indivizi și sisteme. Aceste efecte nu au un impact uniform și egal, deci vor putea varia în raport cu ,,starea” fiecărui individ și sistem la acel moment de timp. ,,Starea” unui individ sau a unui sistem va include istoria sa și reprezentarea actuală a acesteia, care, la rândul ei, se referă la organizarea și structura sa.
Conectivitatea se aplică inter-relațiilor dintre indivizi în cadrul unui sistem, dar și relațiilor dintre sisteme sociale umane, care pot fi reprezentate ca și sisteme de artefacte cum ar fi sistemul tehnologiei informaționale (IT) și sistemul intelectual de idei.
Conectivitatea și interdependența reprezintă un prim aspect al modului în care apare comportamentul complex.
Un alt aspect important și strâns legat de cel anterior este că CAS sunt multidimensionale și toate dimensiunile interacționează și se influențează una pe alta. Acest lucru înseamnă că interacțiunile și interdependențele se formează între componente care se află pe nivele diferite, iar în cadrul fiecărui nivel, conexiunile pot fi orizontale și verticale. Un sistem multidimensional poate fi abordat din multiple puncte de vedere, aceste dimensiuni suprapunându-se și interferdu-se reciproc, pentru a revela o anumită fațetă, corespunzătoare uneia dintre dimensiuni. Odată modificat punctul de vedere din care abordăm sistemul respectiv, se va evidenția o altă fațetă care poate să ofere noi și noi informații și cunoștințe relative la sistemul respectiv.
Dar caracteristica definitorie a conectivitătii din cadrul unui CAS este că îl face capabil să se adapteze și să evolueze și, în acest fel, să creeze o nouă ordine și coerență. Această creare a unei noi ordini și coerențe reprezintă un factor determinant al complexității. Indivizii acționând aleator sau conform unei anumite agende niciodată nu pot să lucreze eficient ca un grup sau o organizație fără a crea o coerență în ce privește un nou mod de a lucra, noi structuri și relații diferite, în care ierarhiile pot fi răsturnate sau ignorate. Acest lucru, se pare că este influențat de viteza și intensitatea cu care se propagă influențele între agenții din cadrul CAS.
Propagarea influenței într-un CAS depinde, evident, de gradul de conectivitate și interdependență. De exemplu, ecosistemele biologice nu sunt total conectate. De regulă, fiecare specie interacționează cu o anumită submulțime din numărul total specii existente în mediul său înconjurător, deci sistemul are o anumită structură extinsă de tip rețea. În stemele sociale acest lucru este asemănător. Există o rețea de legături cu diferite grade de conectivitate între diferitele componente ale sistemului respectiv (familii, orașe, popoare etc.)
Gradul de conectivitate, presupune, deci, luarea în considerare a forței de cuplare și de dependență, cunoscute sub numele de interacțiuni epistatice – iar acestea sunt funcții de măsura în care contribuția la fitness adusă de un individ depinde de alți indivizi. În procesele biologice, fitnessul unui organism sau specii depinde de caracteristicile altor organisme sau specii cu care ea interacționează, în timp ce ele toate se adaptează și se modifică simultan. Cu alte cuvinte, o singură entitate (allele, gene, organism sau specie) nu contribuie la fitnessul general independent de toate celelalte entități. Contribuția fitness a unui individ poate depinde de toți ceilalți indivizi din acel context. Aceasta este o măsură contextuală a dependenței, a influenței directe sau indirecte pe care fiecare entitate le are cu celelalte entități cu care aceasta este cuplată.
Într-un sistem social, fiecare individ aparține mai multor grupuri și unor contexte diferite și contribuția sa la fiecare context depinde parțial de alți indivizi din acel grup și de modul în care ei sunt legați de individul în cauză. Un exemplu este atunci când un nou membru se alătură unei echipe. Contribuția acelui individ va depinde de ceilalți membrii ai echipei și de spațiul pe care ei îl creează pentru o astfel de contribuție, care este definit de coordonate cum ar fi îndemânarea, expertiza, cunoașterea etc. aduse de noul membru.
În sistemele adaptive complexe, conectivitatea dintre indivizi sau grupuri nu reprezintă o relație constantă sau uniformă, ci variază în timp și ca diversitatea, intensitatea și calitatea interacțiunilor dintre agenții umani. Conectivitatea poate fi, de asemenea, formală sau informală, desemnată sau nedesemnată, implicită cu conexiuni tacite, sau explicită.
Mai mult, gradul de conectivitate determină rețeaua de relații și transferul de informație și cunoaștere și constituie un element esențial în procesele feedback.
2.1.2. Co-evoluția
Conectivitatea se aplică nu numai în cadrul unui sistem, dar și sistemelor cu care acesta este conectat în cadrul unui sistem complex de nivel superior. De exemplu un sistem biologic este conectat cu alte sisteme într-un ecosistem. Acest lucru înseamnă că ,,fiecare tip de organism are, ca parte a mediului său înconjurător, alte organisme de același tip sau de tipuri diferite … adaptarea la un tip de organism schimbă atât fitnessul cât și peisajul fitness al altor organisme” (Kauffman, 1993, p. 242). Modul în care fiecare element influențează și, la rândul său, este influențat de celelalte elemente legate de el într-un ecosistem este partea a procesului de co-evoluție, pe care Kauffman îl definește ca ,,un proces de peisaje cuplate, deformate în care mișcările adaptive ale fiecărei entități schimbă peisajele vecinilor săi” (Kauffman, 1993).
Un alt mod de o a descrie co-evoluția este acela că evoluția unui domeniu sau entități este pațial dependentă de evoluția altor domenii sau entități legate cu acesta; sau că un domeniu sau entitate se schimbă în context cu altele. Noțiunea de co-evoluție se orientează pe evoluția interacțiunilor și pe evoluția reciprocă.
În sistemele umane, co-evoluția în sensul evoluției interacțiunilor se orientează către relația dintre entitățile co-evolutive.
Un punct important este că co-evoluția are loc în cadrul unui ecosistem și nu poate să aibă loc izolat. Într-un context social, un ecosistem include dimensiuni sociale, culturale, tehnice, geografice și economice și co-evoluția poate afecta atât forma instituțiilor cât și relațiile și interacțiunile dintre entitățile co-evolutive (termenul de entitate poate fi substituit cu oricare dintre termenii individ, agent, echipă, organizație, industrie, economie etc.).
O deosebire poate, de asemenea, să fie făcută între “co-evoluția cu” și “adaptarea la” un mediu în schimbare.
Deși se face o distincție între un ,,sistem” și ,,mediul” său, este important de notat că nu există o dihotomie sau, o limită clară între aceste două, în sensul că un sistem este separat de și, totodată, se adaptează la un mediu în schimbare. Noțiunea la care se ajunge privește cât de mult un sistem este legat de alte sisteme în cadrul unui ecosistem. Într-un astfel de context este necesar să considerăm sistemul în funcție de co-evoluția sa cu alte sisteme, decât ca o adaptare la un mediu distinct și separat.
Într-un ecosistem social co-evolutiv, fiecare organizație este un agent care atât influențează cât și este influențat de ecosistemul social. Acești agenți pot fi consumatori, producători, instituții economice, culturale, juridice ș.a. Strategiile acestora nu pot fi privite simplu ca un răspuns la un mediu în schimbare, care este separat de organizație, ci ca o mutare adaptivă, care va afecta atât pe inițiatorul acțiunii cât și pe toți ceilalți influențați de el. Noțiunea de co-evoluție este deci una de potențare, ceea ce sugerează că toate acțiunile și deciziile afectează ecosistemul social.
Nici un individ sau organizație nu este mai puțin puternică, dar fiecare acțiune a entităților reverberează printr-o rețea intricată de inter-relații și afectează ecosistemul social. Dar co-evoluția înseamnă și responsabilitate, deoarece ecosistemul care este influențat și afectat va afecta și influența la rândul său celelalte entități din cadrul său. Această noțiune nu este similară cu răspunsul pro-activ sau reactiv. Ea este ,,senzitivitatea” la acțiuni și privește atât schimbările mediului cât și posibilele consecințe ale acțiunilor.
Privită din această perspectivă, co-evoluția are loc atunci când entitățile legate între ele se schimbă în același timp.
Co-evoluția afectează deci atât indivizii cât și sistemele și este operațională la diferite nivele, scale și domenii. Co-evoluția are loc la toate nivelele și scalele și poate fi clasificată în co-evoluție endogenă când se aplică indivizii și grupurile din cadrul unei organizații și în co-evoluție exogenă, când organizația interacționează cu alte ecosisteme. Această clasificare este totuși o simplificare – atât procesele endogene cât și cele exogene sunt intercorelate și granițele dintre organizație și ,,mediul” său înconjurător nu pot fi clar definite și stabilite.
Mai mult, noțiunea de ,,ecosistem” se aplică atât organizației cât și mediului exterior al acesteia, care include organizația respectivă. Deci noțiunea de ecosistem complex co-evolutiv este una de interacțiuni și relații intricate și încrucișate și de influențe multidirecționale, atât directe cât și mediate.
Conectivitatea și interdependența propagă efectele acțiunilor, deciziilor și comportamentelor prin ecosistem, dar această propagare sau influență nu este uniformă și depinde de gradul de conectivitate.
2.1.3. Structuri disipative, funcționarea–departe–de–echilibru și istoria
Un alt concept cheie în definirea CAS este structura disipativă, care reprezintă modalitățile prin care sistemele deschise schimbă energie, materie sau informație cu mediile lor și care atunci când sunt împinse ,,departe–de–echilibru” creează noi structuri și o nouă ordine.
Ilya Prigogine a luat în 1977 Premiul Nobel pentru chimie pentru lucrările sale privind structurile disipative și termodinamica dezechilibrului. Prigogine a dat o interpretarea nouă celei de-a doua legi a termodinamicii. Disoluția în entropie nu este o fatalitate absolută, ci ,,în anumite condiții, entropia însăși devine generator de ordine”. Pentru a fi mai precis ,,în condiții de non-echilibru, cel puțin, entropia poate produce, în loc de degradare, ordine (și) organizare. Dacă este așa, atunci entropia, însăși, își pierde caracterul său disipativ. În timp ce anumite sisteme dispar, alte sisteme evoluează simultan și cresc cu mai multă coerență” (Prigogine și Stengers, 1985).
În structurile disipative apare tendințe de a avea soluții alternative care se numesc bifurcații. Acest termen este nepotrivit, deoarece separarea poate să aibă loc între mai multe soluții posibile. O bifurcație poate conduce la mai multe traiectorii posibile, unele dintre ele stabile, altele instabile. Ea apare într-un punct critic ce nu poate fi, însă, prevăzut. De asemenea, nu se poate prevedea pe care dintre traiectoriile posibile, stabile sau instabile, va evolua în continuare sistemul. ,,Doar șansa va decide, prin dinamica fluctuațiilor. Sistemul va încerca să aleagă calea și va face mai multe încercări, unele fără succes la început, pentru a se stabiliza. Apoi o fluctuație particulară va avea loc. Prin stabilizare, sistemul devine un obiect istoric, în sensul că evoluția lui ulterioară depinde de alegerea în punctul critic” (Nicolis și Prigogine, 1989).
Într-un sistem social, printr-o serie de decizii critice fiecare individ alege din mai multe alternative posibile, ceea ce poate determina o traiectorie anumită de evoluție pentru fiecare individ. Alternativele disponibile, totuși, sunt restricționate de starea curentă a persoanei și de starea peisajului (landscape) pe care persoana îl ocupă. Deci comportamentul emergent al persoanei este nu o problemă de șansă, ci rezultatul alegerii făcute de persoana respectivă dintr-o mulțime finită de alternative posibile. Odată cu o alegere făcută, există o dimensiune istorică și o evoluție ulterioară care depind de alegerea critică; dar înainte ca decizia să fie finalizată, alternativele sunt surse de inovație și diversificare, deoarece ele deschid diferite posibilități pentru individ și noi soluții pentru sistem.
Când o entitate socială (individ, grup, organizație, industrie, economie ș.a.) este în fața unei restricții, ea găsește noi moduri de operare, deoarece sistemele–departe–echilibru (de normele stabilite) sunt obligate să experimenteze și să exploreze spațiul lor al posibilităților și această explorare le ajută să descopere și să creeze noi paterne (modalități) de relații și structuri diferite.
2.1.4. Explorarea–spațiului–posibilităților
Complexitatea sugerează că pentru a supraviețui și a crește, o entitate are nevoie să exploreze spațiul său al posibilităților și să genereze varietate. Complexitatea sugerează, de asemenea, că o căutare pentru a determina o singură strategie ,,optimală” nu poate fi nici posibilă și nici decizională. Orice strategie poate fi optimă doar în anumite condiții, și când aceste condiții se schimbă, strategia nu mai rămâne mult timp optimală. Pentru a supraviețui, o organizație este necesar să verifice constant peisajul și să încerce diferite strategii. O organizație poate să aibă în loc de o singură strategie, mai multe micro-strategii care îi permit să evolueze. Aceasta reduce riscul de a obține o singură strategie prea târziu, care poate să nu fie chiar cea mai bună și să suporte co-evoluția senzitivă cu un ecosistem în schimbare. În esență, mediile instabile și piețele în rapidă schimbare necesită metode flexibile bazate pe varietatea necesară (Ashby, 1969).
Adaptarea flexibilă necesită, de asemenea, noi conexiuni sau noi moduri de a privi lucrurile. A vedea o nouă funcție pentru o parte a unei entități existente este numită ,,exapotion” (exapotare).
Când căutăm în spațiul posibilităților pentru un nou produs sau un mod diferit de a face lucrurile, nu este posibil să explorăm toate posibilitățile. Poate fi, totuși, posibil să considerăm schimbarea ca un pas înainte față de ceea ce există. În acest sens, exapotarea poate fi considerată o explorare a ceva care este denumit ,,posibilul adiacent” (Kauffman 2000). Deci este explorare un pas înainte, utilizând ,,blocuri componente” întotdeauna disponibile, dar punându-le împreună într-un nou mod.
Conform lui Kauffman (2000, p.22) a încerca ceva nou în domeniul molecular, morfologic, comportamental, tehnologic și organizațional se face prin explorarea posibilului adiacent. Rata de descoperire sau mutație, totuși, este restricționată de selecție pentru a evita catastrofele posibile care pot distruge o comunitate. Virușii și bacteriile au o rată a mutației foarte apropiată de eroarea-catastrofă, care este tranziția la o fază care face o populație nesutenabilă. Se pare că există o balanță între descoperire și ceea ce ecosistemul poate susține efectiv. Atât biosfera cât și econosfera se pare că au ,,mecanisme endogene care mijlocesc explorarea posibilului adiacent astfel încât, în medie, astfel de explorări conduc cu succes la găsirea de noi modalități de a susține viața” (Kauffman, 2000, p.156). În biosferă, adaptările sunt alese prin selecția naturală, iar în econosferă de succesul sau eșecul economic, la o rată care este sustenabilă.
Deși rata cu care noutatea poate fi introdusă este restricționată, posibilul adiacent este extensibil nedefinit (Kauffman, 2000, p. 142). Odată descoperirile realizate în posibilul adiacent, un nou posibil adiacent, accesibil din prezentul lărgit care include noi descoperiri, devine accesibil. Deschiderea constantă de noi nișe pe piețe în domenii și produse despre care cu câțiva ani în urmă nici nu știam că există reprezintă un exemplu de posibilități extinse ale posibilului adiacent.
2.1.5. Feedback
Feedbackul reprezintă mecanismul de bază în formarea în cadrul sistemului adaptiv complex a condițiilor de desfășurare a proceselor adaptive și de selecție. De regulă, vorbim despre feedback pozitiv și feedback negativ în funcție de influența exercitată de o buclă feedback asupra acțiunilor desfășurate de agenții care formează bucla respectivă. Feedbackul pozitiv (amplificator) determină schimbări în sistem, în timp ce feedbackul negativ are rol de echilibrare, amortizare și stabilirea a sistemului.
În ultimul timp, se constată o trecere a limbajului specific descrierii mecanismelor feedback către înlocuirea termenului de ,,mecansim” prin cel de ,,proces” considerat mai apropiat de realitate în cazul CAS.
În condițiile în care sistemele adaptive complexe funcționează departe–de–echilibru, iar componentele acestor sisteme sunt interconectate printr-o rețea de legături și conexiuni neliniare, un sistem devine ,,extrem de senzitiv la influențele externe. Mici intrări determină efecte mari, uneori destructive” (Prigogine și Stengers, 1985) ceea ce duce la reorganizarea întregului sistem. Acest proces se datorează și feedbackului pozitiv. ,,În aceste condiții departe–de–echilibru vedem că fluctuații sau perturbații foarte mici pot fi amplificate în unde gigantice, distrugătoare de structuri” (Prigogine și Stengers, 1985).
În cazul sistemelor umane, condițiile de funcționare departe–de echilibru operează când un sistem este perturbat suficient de mult de la normele stabilite sau de la modalitățile obișnuite de lucru sau odihnă. Într-o organizație privită ca sistem, aceste condiții pot să determine atingerea unui punct critic care să ducă la dezordine sau la crearea unei noi ordini și organizări. În acest din urmă caz se spune că s-a creat o nouă coerență. Procesele feedback pozitive sau amplificatoare susțin această transformare și ele constituie un punct de plecare pentru înțelegerea mișcării constante între schimbare și stabilitate în sistemele adaptive complexe.
Pentru a înțelege de ce este necesar ca CAS să atingă condițiile departe–de-echilibru trebuie arătat că procesele feedback nu acționează continuu. De asemenea, în anumite perioade, buclele feedback pozitive pot fi dominante, impunând schimbări în sistem, după care să devină dominante buclele feedback negative, care determină stabilitatea sistemului în urma schimbărilor pe care le-a suferit. Acest ciclu de dominanță alternativă a feedbackului pozitiv și negativ se poate repeta și poate să apară fără să putem spune care sunt cauzele apariției sau schimbării dominanței.
De exemplu, într-o companie, dacă efortul de a îmbunătăți performanțele și poziția de piață eșuează în mod continuu și dacă creșterile nu sunt mult timp sustenabile, atunci managerii acesteia pot determina producerea unei schimbări majore. Aceste intervenții pot, de asemenea, eșua și compania poate ajunge într-un ciclu constant de restructurări ineficiente. Un motiv pentru acest eșec este supraestimare a efectelor ,,mecanismelor adiacente” bazate pe bucle feedback negative, care au lucrat în trecut.
Dar într-un mediu turbulent, întregul ecosistem poate fi schimbat și nu putem întotdeauna extrapola succesul pe baza experienței trecute. Noi paterne de comportament și noi structuri pot să emeargă și acestea pot să depindă de sau se stabilesc prin noi procese feedback pozitive.
În sistemele umane, gradul de conectivitate (dependența sau interacțiunea epistatică) adeseori determină forța feedbackului. Feedbackul aplicat interacțiunilor umane înseamnă influența care schimbă acțiuni și comportamente potențiale. Mai mult, în cazul interacțiunilor umane, feedbackul este rareori o procedură foarte bine delimitată de tip input–proces–output, perfect predictibilă și cu rezultate bine determinate. Acțiunile și comportamentele pot să varieze în raport cu gradul de conectivitate dintre diferiți indivizi, ca și în raport cu timpul și contextul.
Co-evoluția poate, de asemenea, să depindă de influențele feedback reciproce dintre entități. O problemă importantă este, deci, cum gradul de conectivitate și feedbackul influențează co-evoluția. O primă întrebare legată de aceasta este modul în care structura unui ecosistem afectează co-evoluția. Kauffman afirmă că ,,Am găsit evidența … că structura unui ecosistem determină co-evoluția” (Kauffman, 1993, p.279). Această afirmație, demonstrată prin simularea pe calculator, se poate aplica și ecosistemelor sociale. Procesele feedback au, deci, o strânsă legătură atât cu gradul de conectivitate (la toate nivelele), cât și cu structura ecosistemului, și deci și cu co-evoluția.
Mai mult, cele două concepte esențiale de feedback pozitiv și negativ trebuie să fie utilizate pentru a descrie procesele feedback integrate multiple din sistemele adaptive complexe și trebuie regândită însăși natura feedbackului în acest context, pentru a putea include ulterior influențele multi-nivel, multi-proces și neliniare.
2.1.6. Dependența de traiectorie, istoricitate și legea profitului crescător
B. W. Arthur observă că teoria economică clasică este bazată pe ipoteza implicită conform căreia economia este dominată de bucle feedback negative, ceea ce conduce la dominanța unei concepții a legii profitului descrescător, care, la rândul ei, conduce la convingerea că în economie este posibilă obținerea unui echilibru economic stabil. Aceasta deoarece buclele feedback negative au un efect stabilizator și implică un singur punct de echilibru în care economia va revni după orice schimbare majoră pe care a suferit-o.
Exemplul utilizat de B. W. Arthur este creșterea prețului petrolului în anii 70 care a încurajat economisirea energiei și conservarea acesteia și a dus la creșterea numărului de exploatări petroliere, ceea ce a avut un efect asupra creșterii predictibile a ofertei și a rezultat într-o scădere a prețurilor spre sfârșitul anilor 80 ai secolului trecut.
Dar, după cum arată W.B. Arthur, astfel de forțe nu operează și domină întotdeauna. ,,În loc de aceasta, buclele feedback pozitive măresc (amplifică) efectele micilor schimbări economice și cresc profiturile, făcând posibilă apariția mai multor puncte de echilibru, depinzând de buclele feedback negative care, pot, de asemenea, să opereze în sistem” (Arthur, 1990).
Posibilitatea ca un sistem să aibă mai multe puncte de echilibru este dată de proprietățile structurilor disipative. În sistemele fizico-chimice această proprietate a unor substanțe de a se afla simultan în două sau mai multe stări stabile în anumite condiții la limită se numește bistabilitate și descrie ,,posibilitatea de a evolua, pentru valori date ale parametrilor, către mai mult de o stare stabilă” (Nicolis și Prigogine, 1989; p.24).
Mai mult, traiectoriile specifice pe care un sistem le urmează depind de istoria lor trecută. Ideea aici este că istoria trecută afectează dezvoltarea viitoare și pot exista mai multe traiectorii posibile sau paternuri pe care un sistem le poate urma. Acest lucru explică de ce comportamentul unui sistem este greu de prevăzut, chiar dacă menținem sistemul în cadrul anumitor limite.
Vom dezvolta această teorie elaborată de B. W. Arthur în capitolul următor.
2.1.7. Auto–organizarea, emergență și crearea unei noi ordini
Auto-organizarea, emergența și crearea unei noi ordini reprezintă caracteristici esențiale ale sistemelor adaptive complexe. Ordinea spontană care apare atunci când sistemul, pentru a răspunde la influențele exercitate de mediul înconjurător, trece la un nou mod de organizare se numește auto-organizare și reprezintă una dintre cele mai uimitoare proprietăți a sistemelor complexe, fie că este vorba despre sisteme umane, ecosisteme sau organizații.
Kauffman în cartea sa ,,Origins of Order: Self Organization and Selection” (1993) arată că selecția nu este, așa cum afirmă concepția evoluționistă Darwiniană, singura forță care determină adaptarea. Există și o a doua forță care produce spontan ordine, și anume auto–organizarea, aceasta fiind, alături de selecția naturală, absolut necesară pentru evoluție.
Proprietățile emergente, calitățile noi, paternele structurale apar în CAS din interacțiunea elementelor individuale, acestea reprezintând mai mult decât suma părților componente și sunt dificil de prevăzut studiind doar elementele considerate individual.
Emergența este procesul care determină apariția unei noi ordini împreună cu auto–organizarea. Francisco Varela, unul dintre creatorii ciberneticii de ordinul doi (autopoiesisului), atunci când se referă la emergență spunea că ea reprezintă tranziția de la regulile locale către principiile globale sau stările generale care însoțesc întreaga mulțime de agenți. De pildă, el afirmă că activitatea neuronală a creierului uman reprezintă o proprietate emergentă și de aici sunt posibile constiința, gândirea și creația.
Relațiile reciproce dintre micro-evenimente și macro-structuri sunt bidirecționale și se crează astfel o influență reciprocă atunci când feedbackul funcționează ,,Una dintre cele mai importante probleme ale teoriei evoluționiste este feedbackul eventual dintre structurile macroscopice și evenimentele microscopice: structurile macroscopice emerg din evenimentele microscopice, dar, la rândul lor, vor conduce la o modificare a mecanismelor microscopie” (Prigogine și Stengers, 1989). Apare deci un proces co-evolutiv în care entitățile individuale și macro–structurile create prin interacțiunile dintre aceste se influențează una pe alta într-un proces iterativ continuu.
În sistemele sociale, auto–organizarea poate fi descrisă ca apariția spontană a unui grup care execută o sarcină sau are un anumit scop comun; grupul decide ce face, cum și când face și nu există o entitate exterioară grupului care să orienteze activitatea acestuia.
Emergența în cadrul sistemului uman tinde să creeze structuri ireversibile sau idei, relații și forme de organizare care devin parte a istoriei indivizilor și instituțiilor și, la rândul lor, afectează evoluția acestor entități. De exemplu, apariția de noi cunoștințe și idei în cadrul unei echipe, firme sau chiar la nivelul întregii societăți poate fi descris ca un proces emergent deoarece rezultă din interacțiunile dintre indivizi și nu este suma ideilor existente, ci ceva cu totul nou și posibil neașteptat. Odată ce ideile sunt articulate, ele formează o parte a istoriei fiecărui individ, dar și a istoriei comune a echipei, firmei sau societății – procesul nu este reversibil – și aceste noi idei și cunoștințe pot fi utilizate pentru a genera alte idei noi și noi cunoștințe. În această viziune, învățarea organizațională și socială reprezintă proprietăți emergente – nu sunt doar simple ajustări sau însumări de noi idei, ci un proces bazat pe interacțiunea dintre indivizii ce aparțin echipei, firmei sau societății care creează noi modele mentale, împărtășite de toți indivizi din cadrul sistemului respectiv. Atunci când învățarea conduce la noi comportamente, se poate spune că organizația s-a adaptat și a evoluat.
Noile cunoștințe, împărțite de toți indivizii prin modele mentale comune, generează, la rândul lor, învățare și cunoaștere.
Apare, astfel, cu deosebită claritate legătura existentă între conectivitate, interdependență, emergență și auto–organizare. Acești piloni ai sistemelor adaptive complexe acționează împreună pentru a crea o nouă ordine și coerență, pentru a susține sistemul și a-i asigura supraviețuirea, în special atunci când mediul înconjurător se schimbă rapid.
2.2 Exemple de sisteme adaptive complexe în economie
2.2.1. Piața de capital ca sistem adaptiv complex
Printre sistemele economice care au trezit un interes deosebit specialiștilor din domeniul Științelor Complexității, piața de capital ocupă un loc privilegiat. Acest lucru are o serie de explicații asupra cărora, însă, nu vom insista prea mult. După părerea noastră, acest lucru poate fi înțeles dacă ne referim la câteva caracteristici ale piețelor de capital: omogenitatea ,,produselor” tranzacționale, numărul mare de agenți de piață, istoricitatea acesteia și, nu în ultimul rând, atracția exercitată de această piață pentru cei care vor să câștige bani.
Teoria clasică privind piața de capital, dezvoltată pe baza concepției privind formarea echilibrelor de piață a lui Alfred Marshall, pornește de la ideea că se poate determina o legătură deterministă sau probalistică între cauză și efect și că această legătură poate fi previzibilă. Când o piață este supusă unui șoc exogen, cum ar fi, de exemplu, noutățile privind evoluția economiei, sistemul de piață poate să absoarbă acest șoc și să revină, după un timp finit, la starea de echilibru.
Cu toate că multe dintre teoriile ce au inspirat această concepție mecanicistă s-au modificat între timp, de exemplu principiul de nedeterminare al lui Heisenberg ce stă astăzi la baza fizicii cuantice, în economie acest progres nu s-a produs tot atât de repede. Multe dintre concepțiile care domină și astăzi economia își găsesc originea în ideile și metodele științifice bazate pe determinism și predicitbilitatea relațiilor de tip cauză-efect.
În ultimii 50 de ani, teoria piețelor financiare s-a dezvoltat pe aceeași bază, astfel încât astăzi încă ea este tributară unor ipoteze discutabile cum ar fi eficiența piețelor și raționalitatea investitorilor.
Ipoteza eficienței piețelor afirmă că prețurile activelor financiare încorporeză toată informația relevantă și că această informație este ușor disponibilă și larg răspândită, astfel că orice investitor are acces la ea și nu există posibilitate ca unul dintre ei să profite de anumite oportunități și să obțină rezultate superioare.
Altfel spus, câștigurile obținute pe piața de capital recompensează doar riscul pe care și-l asumă anumiți investitori față de alții care înregistrează pierderi fiindcă nu acceptă riscul respectiv. Ipoteza eficienței pieței nu afirmă că prețurile pe această piață ar fi corecte, ci faptul că nu există prețuri care ar fi determinate de anumite cauze sistematice, care nu ar putea fi cunoscute și utilizate de către toți investitorii.
Teoria privind formarea prețurilor, care este subsumată ipotezei eficienței pieței de capital, este construită pornind de la ipoteza că prețurile activelor financiare ar fi perfect independente unul față de celelalte. În consecință, schimbările prețurilor respective sunt determinate doar de apariția unor informații noi, neașteptate pe piață, lucru care este, de asemenea, aleator. Drept urmare, pe măsură ce investitorii primesc noi informații și le prelucrează, ei pot să anticipeze prețurile și să ia decizii care să ducă la obținerea unui profit dorit.
A doua ipoteză privește modalitatea în care investitorii iau deciziile respective și presupune că investitorii sunt decidenți raționali. Acest lucru înseamnă, în esență, că, în procesul continuu de a căuta oportunități de profit, ei rezolvă o problemă de alegere între risc și venit. Mai precis, investitorii raționali caută să obțină, din tranzacțiile de piață efectuate, cel mai mare venit pentru un anumit nivel de risc.
Testarea acestor ipoteze a demonstrat fără tăgadă faptul că ele sunt false. Cu toate acestea, teoria piețelor de capital continuă și astăzi să dezvolte modele și proceduri de lucru bazate pe aceste ipoteze. Un motiv ar fi inerția mare existentă în științele economice, iar un alt motiv l-ar constitui coerența matematică și logică a modelelor abstracte realizate, char dacă ele nu au multe puncte comune cu realitatea.
O alternativă la aceste teorii ar fi considerarea pieții de capital ca un sistem adaptiv complex. Pentru ca o astfel de schimbare de paradigmă să fie acceptabilă, trebuie demonstrat că, prin noua abordare, gradul nostru de înțelegere privind comportamentul acestor piețe crește, iar rezultatele obținute prin aplicarea metodelor și modelelor construite pe baza noii concepții sunt mai bune decât cele anterioare.
Piețele financiare, în particular piețele de capital, pot fi considerate sisteme adaptive complexe, ele fiind alcătuite dintr-o mulțime de agenți interdependenți și conectați care prezintă comportamente de grup emergente, dobândite în urma agregării comportamentelor individuale ale acestor agenți. Agregarea acestor comportamente individuale face ca sistemul să acționeze unitar în ,,punctele critice”, deci schimbările mari apar ca rezultat al acumulărilor unor stimuli reduși ca intesitate dar care, în momentul declanșării, se propagă sub formă de avalanșă.
Agenții dintr-un sistem adaptiv complex își culeg informația din mediul înconjurător, o combină cu propriile lor interacțiuni cu mediul și, de aici, rezultă propriile decizii și proceduri decizionale. Desigur că aceste decizii și proceduri vor concura unele cu altele, fiind comparate în raport cu un ,,fitness” și numai cele mai eficiente strategii de decizie vor supraviețui. Aceasta face ca, în timp, sistemul să se adapteze la schimbările din mediu și să răspundă în mod adecvat apariției unor ,,anomalii”.
Interacțiunile dintre agenți în sistemele adaptive complexe sunt neliniare. În cazul piețelor de capital acest lucru este demonstrat de faptul că, în cazul interacțiunilor cauză-efect, anumite modificări mici produc rezultate exagerat de mari. Apariția crizelor și crahurilor bursiere este o dovadă a acestui lucru.
În sfârșit, mecanismele feedback, care amplifică (pozitive) sau amortizează (negative) efectele ce apar pe piețele de capital sunt cele care determină tendințele speculative pe aceste piețe. În condițiile în care un investitor sau un grup restrâns de investitori, profitând de o schimbare de preț neașteptată, prin vânzarea sau cumpărarea de acțiuni, obțin câștiguri mai mari decât cele medii, este evidentă acțiunea unei bucle feedback pozitive. Acest proces, însă, nu poate continua mult timp deoarece alți investitori încep și ei să cumpere sau să vândă același tip de acțiune, fapt care duce, rapid, la eliminarea câștigurilor mai mari. Acționează, în acest caz, o buclă feedback negativă care stabilizează din nou piața.
Mecanismele feedback existente pe piețele de capital fac ca astfel de fenomene să aibă o viață scurtă, având succes, de regulă, acei investitori, care profită cel mai repede de oportunitățile care se ivesc datorită unor perturbații externe sau unor comportamente emergente neașteptate.
Considerând piața de capital sistem adaptiv complex trebuie să reconsiderăm întreaga concepție privind comportamentul investitorilor pe astfel de piețe. Perioade de stabilitate, urmate de schimbări rapide, existența unor puncte critice, absența oricăror mișcări regulate în evoluția indicatorilor ce le caracterizează ș.a. fac din aceste piețe sisteme pentru care este greu, dacă nu imposibil de elaborat previziuni. Din această cauză, investitorii trebuie să apeleze la un cu totul alte metode pentru a decide asupra investițiilor făcute. Practic, întreaga teorie clasică, începând cu modelele lui Markowitz, Sharpe ș.a., ar trebui reformulată, deoarece se bazează pe ipotezele probabilistice privind formarea prețurilor.
Deplasarea interesului de la modelele deductive căte cele inductive în acest domeniu este crucială. În cele mai multe situații, se constată că raționamentul pe aceste piețe este colectiv, acționând spiritul de imitație și nu judecata rațională a agenților individuali.
Trecerea la metodele bazate pe sisteme adaptive complexe este, evident, un proces dificil și numai obținerea unor rezultate mai bune în acest din urmă caz ar fi de natură să determine schimbarea de paradigmă în acest domeniu.
Treptat, aceste rezultate se acumulează, mai ales datorită posibilității de a simula activitatea investitorilor utilizând, de exemplu, modele ale piețelor artificiale de capital.
2.2.2. Ecosisteme digitale pentru afaceri
În ultimii ani, un nou concept a apărut și s-a dezvoltat la granița dintre biologie, ecologie, economie și lumea afacerilor: ecosistemul digital pentru afaceri (EDA). Modul în care este acesta definit și utilizat arată faptul că EDA reprezintă, de fapt, un sistem adaptiv complex. Din perspectiva biologiei, un ecosistem este: ,,Un sistem de organisme ocupând un habitat, împreună cu acele aspecte ale mediului fizic cu care interacționează” (The New Shorter Oxford English Dictionary, 1993) sau ,,O comunitate de organisme vii cu aerul, apa și celelalte resurse” (The Merriam-Webster, Third New International Dictionary of the English Language, 1986).
Așadar, un ecosistem biologic este, în primul rând, un sistem care constă din diferite organisme vii din aceeași arie sau zonă. Există interacțiuni între organisme și mediul înconjurător, format din aer, apă și resurse de hrană. Aceste interacțiuni determină anumite limite în ce privește evoluția și dezvoltarea ecosistemului.
Hanon(1997) stabilește principalele caracteristici comune sistemelor ecologice și economice. El arată că amândouă sunt sisteme dinamice, construite (structurate) pe bază organică și care au metode de producție, schimb, stocare și dezvoltare asemănătoare. Hannon introduce chiar un output net al ecosistemului, analog cu produsul intern net al sistemului economci, care poate fi utilizat pentru a măsura performanțele ecosistemului în raport cu fluxurile de substanță și energie primite din mediu.
În concepția lui Lewin (1999), comunitățile ecologice din natură cuprind specii care sunte interconectate printr-o rețea densă de conexiuni. Aceste comunități formează, la rândul lor, ecosisteme locale care au proprietățile sistemelor complexe. Lewin găsește o analogie strânsă a acestora cu comunitățile de afaceri, ceea ce explică de ce companiile, ca și organismele biologice, funcționează în cadrul unei rețele dense de interacțiuni, începând de la economia locală și până la economia globală. Ecosistemele biologice și sistemele economice, ,,sunt sisteme adaptive complexe și deci urmează aceleași legități profunde”. Cu toate acestea, există și o diferență fundamentală între aceste sisteme și anume capacitatea oamenilor de a adopta decizii conștiente, în timp ce organismele biologice nu au o conștiință de același fel. În ciuda acestei diferențe, Lewin crede că ,,o înțelegere a acelor legități din natură va conduce la o mai mare înțelegere a modului de lucru al companiilor și a economiei din care ele fac parte”. (Lewin, 1999).
Sturat Kauffman a fost preocupat în mod special de ecosistemele biologice care, după părerea sa sunt ,,nișe în mijlocul unei anumite activități”. De exemplu, când transporturile erau dominate de căruțe trase de cai, existau multe afaceri complementare cum ar fi rotării, ceaprazări (producătoare de hamuri), potcovării etc. După ce automobilul a înlocuit căruța, noi forme de activități le-au înlocuit pe cele vechi: construcția de drumuri și autostrăzi, rețele de benzinării, moteluri etc. În acest fel, ecosistemul “căruță” a fost înlocuit cu ecosistemul “automobil”. Deci co-evoluția a impus dispariția unui sistem și apariția altui sistem. Procesul de co-evoluție va putea produce ecosisteme și mai complexe cum ar fi rețele economice formate din companii din lumea înaltei tehnologii (Lewin, 1999).
Observăm totuși că, în exemplele de mai sus, este vorba de ecosisteme de afaceri, care se deosebesc oarecum de ecosistemele naturale. Mai întâi, în ecosistemele digitale pentru afaceri, agenții sunt inteligenți și sunt capabili să planifice și să-și reprezinte viitorul cu o anumită acuratețe. În al doilea rând, ecosistemele de afaceri concurează pentru a câștiga noi membri. Un astfel de comportament nu se observă în natură, ecosistemele naturale acționând uneori chiar împotriva admiterii de noi membri. În al treilea rând, ecosistemele de afaceri pot apela la anumite inovații, în timp ce ecosistemele naturale au ca scop doar supraviețuirea (Iansiti și Levien, 2004).
Așadar, între ecosisteme și sistemele economice există destule asemănări, dar și deosebiri care, însă, nu le separă ci, dimpotrivă, le pot reuni, așa cum încearcă ecosistemele digitale pentru afaceri să facă. ,,Când vom înțelege că economia este un ecosistem – nu o mașină izolată și separată de mediul său înconjurător – vom înțelege adevărurile fundamentale despre ceea ce face economia să lucreze” (Baden și Lewin, 1999).
Deci ecosistemele biologice și ecosistemele digitale pentru afaceri au o serie de proprietăți comune cum sunt: interacțiunea, interdependența, comportamentul emergent, auto-organizarea, feedbackul, neliniaritatea ș.a. De asemenea, trebuie subliniat că amândouă tipuri de sisteme funcționează ca niște organisme și nu ca o mașină. În plus, nici ecosistemele biologice și nici ecosistemele digitale pentru afaceri nu sunt optimizatoare ale propriului lor comportament. În ecosistemele pentru afaceri, firma reprezintă echivalentul organismelor din cadrul ecosistemului biologic.
Ecosistemul didgital pentru afaceri s-a impus cu putere după ce Uniunea Europeană a lansat o serie de proiecte și un program care să anuleze decalajul dintre performanțele întreprinderilor mici și mijlocii din Europa și Statele Unite. Aceste ecosisteme constau din ,,specii digitale” care ocupă un ,,mediu digital”. Speciile digitale pot fi componente și programe soft, aplicații, servicii, cunoaștere, modele de afaceri, module de învățare, cadru conceptual, arhitecturi și legislație. Mediul de afaceri include specii care se comportă precum speciile din lumea naturală, deci interacționează, evoluează și chiar st sting (Nachira, 2002).
Mitleton- Kelly (2003) vorbește și el despre ,,ecosisteme sociale” atunci când se referă la organizații și corporații din lumea afacerilor. Organizațiile co-evoluează în cadrul unui ecosistem social, deoarece co-evoluția nu poate să aibă loc în izolare. Drept urmare, un ecosistem social constă din organizații, și nu din indivizi, și de aici derivă calificativul ,,social”. Mitleton-Kelly demonstrează faptul că orice ecosistem social este un sistem evolutiv complex, deci un tip de sistem mai evoluat decât sistemul adaptiv complex.
Conceptul de ecosistem digital a fost definit de mai mulți autori, dar încă lipsește o definiție precisă și unanim acceptată. Astfel, Iansiti și Levien (2004) utilizează ecosistemul de afaceri ca pe o analogie care ajută să explicăm și să înțelegem anumite caracteristici ale lumii de afaceri moderne. ,,Credem că poate mai mult decât orice alt tip de rețea, un ecosistem biologic constituie o analogie puternică pentru a înțelege rețeaua de afaceri” (Iansiti și Levien, 2004). Acest lucru este posibil deoarece ecosistemele biologice, ca și ecosistemele pentru afaceri, sunt caracterizate de un număr mare de agenți interconectați care depind unul de altul în vederea asigurării eficienței și supraviețuirii. Speciile biologice din cadrul ecosistemelor naturale împart destinul lor cu celelalte specii în același mod ca firmele dintr-un ecosistem pentru afaceri.
După Moore (1993), agenții dintr-un ecosistem pentru afaceri ,,lucrează cooperând și concucrând pentru a susține noi produse, pentru a satisface nevoile consumatorilor și, eventual, pentru a încorpora următoarele inovații”. Deci, ecosistemele digitale își asigură necesarul de resurse atât pe competiție cât și pe cooperare. Lewin (1999) spune că este dificil să afirmi, într-un ecosistem pentru afaceri, cine este prieten și cine este dușman. Dificultatea crește deoarece această situație se schimbă pe măsură ce mediul se schimbă. Tot Lewin adaugă că poate nu interacțiunile competitive sunt importante în aceste sisteme cât întregul complex de interacțiuni.
După Iansiti și Levien (2994) există trei factori care determină succesul unui ecosistem pentru afaceri. Primul, productivitatea este factorul fundamental care, la un anumit moment, va defini succesul oricărui tip de afacere. Al doilea, orice ecosistem pentru afaceri ar trebui să fie robust. Robustețea în ecosistemele naturale înseamnă capacitatea de supraviețuire când șocurile externe sau interne din ecosistem tind să-l distrugă. În domeniul afacerilor, acest lucru înseamnă acumularea de avantaje competitive din diferite surse și abilitatea de a se transforma când mediul se schimbă. În al treilea rând, un ecosistem pentru afaceri ar trebui să aibă abilitatea de a crea nișe și oportunități pentru noile firme.
Prin apartenența lor la rețelele interconectate de companii, firmele au beneficii, dar și înfruntă noi pericole. Beneficiile includ oportunitatea de a forma alianțe și de a evolua în rețea, protejate de invadatorii potențiali. Aceeași interconectare, totuși, poate să conducă și la dezastru. ,,Când orice este conectat direct sau indirect la toate celelalte, schimbări într-o parte a sistemului se pot propaga prin interiorul sistemului și, uneori, organizațiile pot dispărea fără să greșească cu nimic. Acest tip de impredictibilitate este un aspect neplăcut al sistemelor complexe, dar dă o imagine realistă a mediului de afaceri” (Levin, 1999).
Moore definește ecosistemul digital ca ,,o comunitate economică” susținută de o bază formată din organizații și indivizi. Această comunitate economică produce bunuri și servicii de valoare pentru clienți, care sunt ei înșiși membri ai ecosistemului. Organismele membre includ, de asemenea, ofertanți, producători, competitori și alți asociați”.
Ecosistemul pentru afaceri a fost, de asemenea, definit în funcție de peisaj (landscape). Kauffman (1993) definește fitnessul peisajului ca o structură reprezentând fitnessul unui organism în mediul său înconjurător. Peisajul fitness poate fi imaginat ca un plan definit de două axe pe care se reprezintă diferiți factori de fitness, cum ar fi viteza, agilitatea, enduranța sau inteligența. Acest plan poate avea dealuri și văi în raport cu diferitele mărimi ale fitnessului asociate diferitelor valori ale factorilor de fitness reprezentați pe axe. Normal, pot fi mai mult de două axe, dar este mai ușor de reprezentat dacă această structură este gândită doar în trei dimensiuni.
Un organism sau o organizație se poate afla, la un moment dat, într-un anumit punct al peisajului fitness, dar acest lucru se poate schimba datorită schimbărilor din caracteristicile organismului sau datorită schimbărilor din mediu. Peisajul fitness reprezintă, deci, o structură dinamică pe care organismul sau organizația o parcurge neîncetat. Deși conceptul ca atare a fost dezvoltat mai întâi în biologie pentru analiza ecosistemelor biologice, el este astăzi folosit frecvent în ecosistemele de afaceri. Levin (1999 definește ecosistemul pentru afaceri ca fiind alcătuit din mai multe companii, fiecare având o anumite poziție în propriul său peisaj. Aceste peisaje se cuplează unele cu altele, astfel că schimbări într-un peisaj determină un efect asupra altor peisaje, și anume ale competitorilor, colaboratorilor și producătorilor complementari.
Iansiti și Levien (2004) văd patru roluri diferite îndeplinite de organizațiile care aparțin unui ecosistem pentru afaceri. Rolul principal îl joacă companiile care servesc ca integratori și care au un mate impact asupra întregului sistem. Totuși, aceste companii sunt în număr mic. Jucătorii de nișă, pe de altă parte, constituie cea mai mare parte a ecosistemului de afaceri. Dominatorii și proprietarii de hub sunt tipuri de organizație care atrag resurse de la sistem, dar nu procedează la fel atunci când trebuie să le și cedeze către sistem.
În concluzie, ecosistemele pentru afaceri conțin un mare număr de agenți care pot fi firme și alte organizații. Ele sunt interconectate în sensul că se influențează unele pe altele. Această interconectare se realizează prin diferite tipuri de conexiuni dintre membri. Aceste interacțiuni pot fi atât competitive cât și cooperative. Aplicarea conceptelor și metodelor sistemelor adaptive complexe în domeniul ecosistemelor digitalke pentru afaceri este o activitate aflată într-un stadiu de început dar cu mari perspective pentru a înțelege și a opera mai performant în mediile de afaceri.
CAPITOLUL 3
PROCESE FEEDBACK FUNDAMENTALE
ÎN SISTEMELE ADAPTIVE COMPLEXE
Feedbackul reprezintă o caracteristică esențială a sistemelor adaptive complexe. El presupune existența unor conexiuni și inderdependențe directe și/sau mediate între agenții care se află pe un anumit nivel sau pe nivele diferite ale CAS. Prin intermediul feedbackului se transmit informații necesare proceselor de adaptare și selecție, se definesc strategii de supraviețuire și se controlează intensitatea fluxurilor dintre diferiți agenți. De asemenea, feedbackul este cel care declanșează și mediază procesele de emergență. F. Capra, referindu-se la apariția noului în sistemele complexe, arată: ,,Într-o organizație umană, evenimentul declanșator al procesului de emergență poate fi un comentariu improvizat, care să pară important persoanei care l-a făcut, dar să fie semnificativ pentru o serie de oameni dintr-o comunitate de practică. Fiindcă are semnificații pentru ei, aceștia vor dori să fie perturbabili și vor circula rapid informația prin rețelele organizației. Pe măsură ce traversează diferite bucle de feed-back, se poate ca informația să fie amplificată și extinsă, eventual într-o asemenea măsură încât organizația să nu o mai poată absorbi, în structura sa actuală. Când se întâmplă acest lucru, înseamnă că s-a atins un punct de instabilitate. Sistemul nu mai poate să integreze noua informație în ordinea sa existentă; el este forțat să-și abandoneze unele structuri, comportamente sau credințe. Rezultatul este o stare de haos, confuzie, incertitudine și îndoială; iar din starea aceasta haotică ia naștere o nouă formă de ordine, organizată în jurul unei noi semnificații. Noua ordine nu a fost planificată de vreun individ, ci s-a ivit ca rezultat al creativității colective a organizației” (F. Capra, 2004, p. 171 – 172).
Transformarea rapidă a economiei, care a trecut de la așa numita economie a ,,cărămizii și mortarului” la o economie de tip rețea (networked economy) a făcut ca rolul și importanța proceselor feedback să devină majore. Tot F. Capra spune: ,,Noua economie constă dintr-o metarețea globală de interacțiuni tehnologice și umane complexe, implicând multiple bucle de feed-back care operează departe de echilibru și produce o diversitate nesfârșită de fenomene emergente”. (F. Capra, 2004, p. 203).
Deși sunt cunoscut de o lungă perioadă de timp), mecanismele și dispozitivele de reglare sunt destul de târziu teoretizate și recunoscute ca fiind universale în sistemele reale. Astfel, la prima întâlnire Macy, care a avut ca subiect ,,inhibiția cerebrală” și la care au participat Gregory Bateson, Waren McCulloch, Margret Mead, Laurance Frank, Laurance Kubic și Arturo Rosenblueth, acesta din urmă prezintă o comunicare privind ,,mecanismele teleologice”, ,,cauzalitatea circulară” și ,,feedback” (1942). Ideile acestuia sunt reluate într-o lucrare colectivă intitulată ,,Behavior, Purpose and Teleology”, având drept autori pe A. Rosenblueth, N. Wiener și Julian Bigelow și care, se pare, este prima lucrare științifică în care mecanismele de control care urmăresc un scop sunt denumite ,,feedbackuri”.
De fapt, prima dintre conferințele Macy, reluate după război, ce a avut loc în 1946, a avut drept temă ,,Feedback Mechanism and Circular Canal Systems în Biological and Social Systems”, este considerată locul de naștere al ciberneticii. Deci această știință ia ființă, practic, pornind de la înțelegerea importanței mecanismelor și proceselor feedback în sistemele reale.
Trebuie, totuși, amintit faptul că omul de știință român Ștefan Odobleja, în lucrarea sa fundamentală ,,Psychologie Consonaniste", accentuase rolul feedback-ului și universalitatea acestuia în sisteme încă din anii 1938 -–1939. Meandrele necunoscute ale dezvoltării științei au făcut însă ca această contribuție exepțională să fie recunoscută mult mai târziu.
Principiul care stă la baza construcției unei bucle feedback este deosebit de simplu. Diversitatea de situații în care bucla feedback apare face însă ca efectele acesteia să fie deosebit de complexe. Vom prezenta, în continuare, câteva dintre definițiile și viziunile privind bucla feedback și importanța acesteia în sistemele adaptive complexe. Vom introduce câteva dimensiuni distincte ale feedbackului, după care vom arăta rolul și importanța mecanismelor feedback în economie.
3.1. Feedback-ul – definiții și proprietăți
Mecanismul feedbackului are o definiție foarte simplă: ,,influența exercitată asupra inputului de către o parte a outputului” (Golec, 2004). Cu toată această simplitate, nu trebuie subestimată importanța mecanismelor feedback și ubicuitatea acestora în oricare tip de sisteme, de la nivel micro sau macro.
Definiția de mai sus poate fi extinsă, considerând două viziuni diferite asupra feedbackului, una sistemică și cealaltă decizională.
Din punctul de vedere al abordării sistemice, mecanismele feedback au un rol important în orice sistem complex. Prin întoarcerea unei părți a outputului din nou în sistem, se obține un mecanism de reglare. Reglarea se bazează pe două mari tipuri de feedback: feedback pozitiv și feedback negativ.
Mecanismele feedback pozitive sunt acelea în care acțiunea rezultată merge în aceeași direcție ca și condiția care a determinat-o.
De exemplu, într-un sistem economic, creșterea veniturilor populației determină sporirea volumului economisiri. Creșterea economiilor la nivelul întregii economii duce la creșterea volumului investițiilor directe. Realizarea unui număr din ce în ce mai mare de capacități de producție determină creșterea numărului de locuri de muncă, deci a volumului de salarii câștigate de angajați. Acest lucru duce la o nouă sporire a veniturilor populației. Se observă că, în cadrul acestei bucle feedback, tendința este ca mărimea diferitelor variabile aflate pe conturul acesteia să crească, obținându-se, în final, o nouă creștere a variabilei care a declanșat procesul, și anume veniturile populației. Spunem că avem, în acest caz, o buclă feedback pozitivă.
O buclă feedback se numește negativă dacă acțiunea rezultată se opune condițiilor care au determinat-o. Astfel spus, dacă creșterea unei variabile a determinat activatea buclei feedback respective, atunci, după parcurgerea conturului buclei, în etapa (iterația) următoare, acea variabilă va înregistra o scădere.
De exemplu, o creștere a veniturilor populației duce la creștere economisirii. Aceasta face ca oferta de depozite bancare să crească. Datorită creșterii ofertei de depozite, rata reală a dobânzii la depozite va scădea. Acest lucru determină o scădere a volumului de depozite depuse în bănci, indivizii preferând să investească sub alte forme. Scăderea volumului depozitelor face ca veniturile populației să înceapă să se reducă. Se observă că efectul obținut după parcurgerea întregului contur al buclei feedback este opus celui inițial, deci bucla feedback este negativă.
Se observă, deci, că buclele feedback pot fi pozitive sau negative. De fapt, în sistemele adaptive, rareori se întâmplă ca o buclă feedback să se manifeste în mod clar ca un feedback pozitiv sau negativ. Aceasta se întâmplă deoarece diferitele variabile aflate pe conturul unei bucle pot să fie încorporate și altor bucle feedback care au polaritatea diferită.
Esențial, însă, este să se înțeleagă faptul că mecanismele feedback dintr-un CAS pot să se manifeste ca niște feedbackuri pozitive, caz în care ele au un efect de stimulare, de amplificare a acțiunilor pe care le determină în sistem, sau feedbackuri negative, atunci când au efecte de stabilizare, de echilibrare și de menținere a integrității sistemului în raport cu mediul său înconjurător. Ambele procese feedback sunt esențiale pentru CAS, un proces nelimitat de creștere, de dezvoltare într-o anumită direcție putând fi tot atât de distructiv ca și cel datorită pierderii stabilității sistemului, epuizării resurselor din mediu, efectelor colaterale pe care le determină asupra mediului ca și un proces în care sistemul rămâne mult timp într-o stare staționară, fără perspectivă de a induce în sistem noutatea, creativitatea și auto-organizarea.
În abordarea sistemică, mecanismele feedback sunt foarte importante pentru reprezentarea interacțiunii reciproce dintre elementele sistemului. Totuși, o astfel de abordare poate fi, într-un anumit sens, ,,endogenă”, în măsura în care părțile sistemului sunt considerate incerte, incapabile să se modifice în raport cu starea mediului lor înconjurător.
Concepția decizională privește feedback-ul ca o transmitere a informației de evaluare sau corective la sursa originală sau controloare. Această informație se poate referi la o acțiune, în eveniment sau un proces.
Dacă ne referim, de exemplu, la deciziile luate în sistemele sociale, acestea sunt bazate, în mare măsură, pe conceptul de feedback. Managerii organizațiilor încearcă să estimeze corectitudinea deciziilor adoptate în trecut observând outputul rezultat ca urmare a deciziilor adoptate și introduc corecțiile necesare.
Pentru deciziile de grup, guvernarea democratică este un exemplu de control prin feedback al legilor adoptate, corecțiile necesare fiind introduse, de exemplu, prin alegeri.
Cea mai importantă consecință a informației transmise prin feedback este influența asupra motivației și consistenței decidenților. Este, de regulă, acceptat faptul că un decident, primind un feedback pozitiv, tinde să fie motivat și să continue cursul precedent al acțiunii cu mici modificări. Dacă el se confruntă cu un feedback negativ, atunci are tendința de a pierde motivația și a căuta alte alternative pentru rezolvarea problemei.
O altă consecință importantă a feedbackului este raporturile sale cu învățarea. În general învățarea nu poate să aibă loc fără existența a cel puțin unui feedback. Învățarea fără feedback este asemănată cu conducerea unei mașini legat la ochi, acest lucru se poate, dar conduce rapid la apariția unui accident.
Există mai multe criterii cu ajutorul cărora putem să clasificăm, în continuare, buclele și mecanismele feedback. Astfel, un prim criteriu este simplitatea acestora: putem avea bucle feedback simple, constituite dintr-un singur feedback și bucle feedback complexe (multiple) care conțin mai multe feedbackuri, posibil de polarități diferite.
Un alt criteriu este durata; în general, feedbackul se obține imediat după adoptarea unei decizii, desfășurarea unei acțiuni sau a unui proces. Există, însă, și bucle feedback cu întârziere, atunci când informația transmisă prin buclă necesită un anumit timp până când este prelucrată și transmisă.
În funcție de sursa feedbackului, putem avea bucle feedback extrinseci, care provin din surse externe, sau bucle feedback intrinseci, care provin din interiorul sistemului.
În raport cu puterea explicativă a feedbackului, dacă feedbackul oglindește doar evoluția dinamică a problemei (deci arătând doar rezultatul unei decizii anterioare) se numește feedback al outputului. În schimb, dacă feedbackul descrie de ce problema a evoluat într-un anumit mod, se numește feedback cognitiv.
În sfârșit, în funcție de efectul sau efectele pe care le exercită bucla feedback asupra unei mărimi considerate rezultative din procesul de feedback, avem: bucle feedback multiplicator, în cazul în care efectul final se obține înmulțind variabile respectivă cu o constantă de multiplicare; bucle feedback accelerator, dacă efectul procesului feedback se exercită asupra vitezei cu care crește sau scade variabila rezultativă considerată și, în sfârșit, bucle feedback mixte (accelerator-multiplicator), caz în care viteza de modificare a variabilei respective se înmulțește, la rândul ei, cu o constantă.
Trebuie arătat că aceste clasificări se referă doar la buclele feedback elementare; în realitate însă buclele feedback sunt, de cele mai multe ori, multiple. Agenții unui CAS sunt conectați prin intermediul unei multitudini de legături și conexiuni ce formează rețele și plase în nodurile cărora se află agenții respectivi iar configurația rețelelor determină apariția a diferite bucle feedback.
De aceea, în abordarea CAS, rareori se întâmplă să vorbim de bucle feedback simple; aceste sisteme conțin adevărate mecanisme feedback care se formează în mod obiectiv, ele nefiind rezultatul unei anumite voințe umane. Apariția și funcționarea lor este determinată de necesitatea ca sistemul adaptiv complex să-și mențină stabilitatea și integritatea și, în același timp, să răspundă în mod adecvat constrângerilor și perturbațiilor de orice fel venite din mediul extern.
Aceste mecanisme feedback, denumite în abordările cibernetice ale sistemelor, mecanisme de reglare și autoreglare, fac obiectul unor multiple abordări și încercări de a le înțelege în profunzime funcționarea și efectele pe care le determină în sistemele adaptive complexe. Astfel, F. Capra, referindu-se la procesul de globalizare economică, arată că: ,,odată ce rețelele financiare globale au atins un anumit nivel de complexitate, interconexiunile lor neliniare au generat rapid bucle de feedback care au dat naștere la numeroase fenomene emergente nebănuite. Noua economie rezultată este atât de complexă și de turbulentă încât desfide orice analiză în termeni economici convenționali” (Capra, 2004, pag. 201).
3.2. Mecanisme de reglare fundamentale ale sistemelor economice
Abordarea sistemelor economice ca sisteme adaqptive complexe pune în evidență existența unor mecanisme feedback, sub forma unor lanțuri (cicluri) de dependențe cauzale între variabilele economice fundamentale. Variabile extrem de importante, cum ar fi, de exemplu, venitul/outputul sunt influențate prin intermediul mai multor astfel de mecanisme feedback, nivelul final al acestora, obținut la un moment de timp specificat, fiind rezultatul suprapunerii și întrepătrunderii dintre efectele acestor mecanisme feedback ce acționează în cadrul sistemului economic.
Aceste mecanisme feedback se formează în mod obiectiv, ele nefiind rezultatul unei anumite voințe umane, apariția lor fiind determinată de necesitatea ca sistemul economic să-și mențină stabilitatea și integritatea, răspunzând în mod adecvat constrângerilor și perturbațiilor de orice fel venite din mediul extern (alte sisteme economice, sistemul populației, sistemul social etc.), dar și de a asigura, în limitele definite de toate aceste influențe, desfășurarea proceselor de atingere a echilibrului, creșterii și ciclicității, atât de necesare în procesul general de evoluție și dezvoltare economică
Apariția și acțiunea unor astfel de mecanisme feedback de reglare și autoreglare, observate de mai mult timp de abordările cibernetice ale sistemelor economice, dar și ale sistemelor biologice, ecologice, sociale etc., este astăzi recunoscută ca fiind specifice sistemelor complexe, indiferent de natura acestora. Existența acestor mecanisme feedback nu constituie o surpriză. Economiștii cunoșteau că sistemul economic, privit ca sistem dinamic evolutiv, își creează în mod natural astfel de mecanisme de reglare și autoreglare pe care le folosește apoi pentru asigurarea stabilității și creșterii. Nici un sistem economic nu poate supraviețui fără aceste mecanisme care să-i confere un anumit loc, o anumită poziție și putere în raport cu celelalte sisteme economice sau de altă natură din mediul înconjurător. Denumite, la descoperirea lor, mecanisme accelerator-multiplicator, ele au fost reprezentate mai întâi sub forma unor scheme simple, incluzând câteva dintre variabilele economice fundamentale (venitul/outputul, investițiile, consumul, economisirea populației ș.a.), ca ulterior să se constate că aceste mecanisme sunt, de fapt, atotcuprinzătoare, extinzându-și influența și puterea prin rețele care conectează întreg organismul economic ce nu poate să existe și să reziste mult timp fără ele. Cunoașterea profundă a structurii și efectelor unor astfel de mecanisme sau efecte, cum mai sunt ele denumite (Chiarella, 2000) este extrem de necesară din perspectiva înțelegerii comportamentelor sistemelor economice, a proceselor emergente care au loc la nivelul întregului sistem macroeconomic și a rețelelor care se creează pe măsură ce sistemul economic global se extinde și se consolidează. Tot mai mulți economiști realizează faptul că ne îndreptăm către o economie mondială de tip rețea, proces accelerat de utilizarea din ce în ce mai intensă a tehnologiilor informaționale în organizarea și conducerea sistemelor economice. In acest context, rețelele globale de fluxuri financiare și informaționale tind să absoarbă și să-și subordoneze fluxurile de bunuri și servicii din cadrul economiilor naționale. Tot F. Capra arăta: „Cufundate în niște rețele globale de fluxuri financiare, guvernele sunt tot mai puțin capabile să-și controleze politicile economice naționale” (ibid., pag. 215).
Un alt motiv care determină efortul de a cunoaște și folosi aceste mecanisme și efecte privește perfecționarea continuă a metodelor și modelelor economice. De regulă, metodele dezvoltate până acum consideră economia ca o structură ierarhică, în care efectele se transmit liniar, iar mărimea influențelor pe care le determină acestea poate fi determinată cu o oarecare precizie. Drept urmare, relațiile utilizate în aceste modele sunt predominant liniare, aditiv separabile (efectele pot fi separate pe factorii de influență care intră în relațiile modelelor), iar efectele neliniare sau multiplicative sunt greu de introdus, dacă nu chiar imposibil în forma actuală a acestor modele.
3.2.1 Clasificarea mecanismelor feedback de reglare
Mecanismele feedback de reglare, denumite și ,,efecte” [Chiarella, C., Flaschel, P. (2000)] se pot clasifica în trei mari categorii:
i) mecanisme (efecte) multiplicator;
ii) mecanisme (efecte) accelerator;
iii) mecanisme (efecte) mixte.
Această clasificare ține seama de efectul pe care-l exercită mecanismul ca atare asupra variabilelor rezultative pe care le include. Trebuie spus că orice mecanism se formează între mai multe variabile economice fundamentale între care se stabilesc influențe orientate care determină modificarea unui nivel sau unui flux economic. Drept urmare și celelalte mărimi incluse în mecanism se modifică într-un sens sau altul ca după parcurgerea în întregime a lanțului de dependențe, o singură dată sau de un număr nedefinit de ori, efectul final obținut să se observe ca o modificare de tip multiplicativ (mărimea economică rezultativă înmulțită cu un coeficient de proporționalitate), o modificare de tip accelerator (diferența dintre două valori măsurate la momente de timp succesive ale mărimii respective, s-a modificat semnificativ) și o modificare de tip mixt, în care se suprapune atât efectul multiplicator cât și cel accelerator.
Aceste trei efecte fundamentale le putem regăsi, singure sau în diferite combinații, atât în cadrul economiei reale, caz în care fluxurile și nivelele pe care le influențează sunt cu precădere materiale, cât și în cadrul economiei monetare, atunci când fluxurile și nivelele influențate constau cu precădere din valori sau active financiare.
O clasificare generală a acestor efecte feedback fundamentale este dată în tabelul următor. Evident că în economie ele apar în diferite combinații, ducând la mecanisme feedback cu o structură complexă dar care pot fi descompuse în final în mecanismele feedback fundamentale.
Tabelul 1
3.2.2. Mecanisme (efecte) feedback multiplicator
Principiul multiplicator în economie a fost descoperit de R.F. Kahn (1931) și utilizat mai târziu de J.M. Keynes (1936) pentru a explica o creștere a venitului / outputului ca urmare a creșterii investiției. În teoria sa, Keynes acordă o atenție deosebită relației ,,multiplicator” dintre outputul / venitul de echilibru și componentele autonome ale cheltuielilor agregate, în acest caz investițiile autonome:
unde c reprezintă propensitatea (înclinația) marginală pentru consum, Y – outputul / venitul și I0 – investiția autonomă.
În esență, principiul multiplicator spune că o creștere a investiției autonome determină o creștere a outputului. Deoarece poate fi scris ca iar ca , rezultă:
,
relație care exprimă dependența temporală de tip multiplicativ dintre Y și I0.
Efectul multiplicator, considerat izolat de alte tipuri de efecte, are un caracter stabilizator pentru piețele și fluxurile economice implicate. Acest lucru se explică prin faptul că în urma unei creșteri a variabilei determinante (cea care determină apariția efectului multiplicativ), această creștere nu se transmite către variabila rezultativă (cea care este în ultimă instanță influențată de apariția efectului respectiv) cu întreaga sa valoare ci atenuat, treptat depinzând de coeficientul multiplicator. Cu cât acest coeficient va avea o valoare mai mică, cu atât timpul necesar transmiterii întregului efect va fi mai mare. Acest lucru face ca sistemul economic să tindă către noua stare de echilibru, definită de valorile modificate ale mărimilor economice fundamentale într-o perioadă de timp suficientă pentru ca echilibrele parțiale de la nivelul piețelor și componentelor sistemului economic respectiv să se restabilească.
În literatură au fost puse în evidență până acum o serie de efecte multiplicator, dintre care cele mai frecvent întâlnite sunt:
– efectul Keynes;
– efectul Pigou;
– efectul Rose;
– efectul Mundell;
– efectul Fisher.
Aceste efecte au fost descoperite cu prilejul elaborării unor modele prin care se încerca să se explice dinamica economică, exprimată prin procesele de creștere și acumulare (de capital, de avuție ș.a.), de formare a ciclurilor și fluctuațiilor economice etc. Cu toate rezultatele promițătoare obținute în această direcție, mult timp preocuparea de a înțelege și utiliza efectele de tip multiplicator a fost neglijată în favoarea altor direcții în care s-a dezvoltat modelarea sistemelor economice. Numai că existența lor obiectivă în sistemele economice reale și efectele exercitate au impus revenirea interesului pentru aceste mecanisme.
3.2.2.1. Efectul multiplicator Keynes
Efectul multiplicator Keynes este cel mai cunoscut mecanism feedback și, împreună cu efectul Pigou, cel mai frecvent utilizat în modelarea sistemelor macroeconomice dinamice.
Efectul Keynes este stabilizator și corespunde transmiterii în economie a unor semnale de la cele trei piețe fundamentale (piața bunurilor și serviciilor, piața forței de muncă și, respectiv, piața financiară) către output / venit. În urma primirii semnalelor respective, outputul / venitul își ajustează mărimea astfel încât, în timp, tranzacțiile efectuate pe piața bunurilor și serviciilor, respectiv pe piața forței de muncă să determine refacerea echilibrelor perturbate de apariția unor creșteri sau scăderi în evoluția cheltuielilor autonome (investiții, consum, cheltuieli guvernamentale, export autonom).
În esență, efectul Keynes se poate formula în modelul următor: deflația prețurilor și salariilor duce la creșterea lichidităților reale de fonduri pe piața financiară, deci la o scădere a ratei nominale a dobânzii. Acest lucru determină o creștere a investițiilor și a consumului și, în consecință, a nivelului activității economice, soldat cu o creștere a venitului / outputului.
Oferta de bunuri și servicii, respectiv cererea de forță de muncă vor crește pe măsură ce venitul / outputul crește, reprezentând o garanție a continuării procesului deflaționist. Totuși, după un timp, prețurile și salariile se vor ajusta către valori care să reprezinte atât valoarea de echilibru dintre cererea agregată și oferta agregată (pe piața bunurilor și serviciilor), cât și rata salariului de echilibru care permite utilizarea completă a forței de muncă (pe piața forței de muncă).
Se poate întâmpla ca acest proces de ajustare să aibă un caracter ciclic, ceea ce face ca prețurile și salariile să crească și să scadă alternativ (prociclic) până când piețele revin la echilibru. În figura 3.1 se reprezintă mecanismul (efectul) multiplicator keynesian..
Pentru a descrie efectul multiplicator Keynesian putem utiliza diagrame de influență în care se reprezintă efectele interdependențelor ce se formează între piețe și mărimile economice fundamentale. Astfel, o scădere a prețurilor p, w și respectiv r pe cele trei piețe (piața bunurilor și serviciilor (PBS), piața forței de muncă (PFM) și piața financiară (PF)) determinată de un proces deflaționist va antrena creșteri ale cheltuielilor de consum (C) și ale cheltuielilor de investiții (I). Acestea determină mai departe o intensificare a activității în economia reală, soldată cu creșterea outputului / venitului. Drept urmare, oferta pe piața bunurilor și serviciilor, respectiv cererea de muncă pe piața forței de muncă vor crește, ducând la o nouă reducere de prețuri. Procesul continuă până când influența inițială determinată de procesul deflaționist se epuizează.
Scris sub forma unei diagrame de influență acest proces este următorul:
Aici am notat cu AS oferta de bunuri și servicii iar cu – cererea de muncă.
Putem observa existența a două bucle feedback care sunt amândouă pozitive, precum și faptul că piața financiară are un rol important în accelerarea sau temperarea efectului Keynes prin nivelul ratei nominale a dobânzii.
3.2.2.2. Efectul multiplicator Pigou
Spre deosebire de efectul Keynes care se inițiază prin intermediul pieței financiare, efectul multiplicator Pigou este declanșat de avuția acumulată în economie, în particular de balanțele monetare reale. Acest efect poate fi descris în modul următor:
Un proces deflaționist de scădere a prețurilor, p pe piața bunurilor și serviciilor (PBS) duce la creșterea balanțelor monetare reale, M/p. Drept urmare, oamenii vor dispune de o putere de cumpărare mai mare care se va concretiza în creșterea cheltuielilor de consum, C și, în consecință, într-o intensificare a activității economice soldată cu creșterea venitului/outputului, Y. Cererea de muncă, Ld va crește ducând, pe piața forței de muncă (PFM) la o creștere a ratei salariilor w. Drept urmare, balanțele monetare reale vor crește din nou, stimulând creșterea cheltuielilor de consum. În figura 3.2 este reprezentat efectul multiplicator Pigou.
Diagrama de influență asociată acestui efect este următoarea:
Spre deosebire de efectul Keynes, acest efect conține o singură buclă feedback pozitivă, iar piața bunurilor și serviciilor, prin modificarea prețurilor, este elementul declanșator al efectului.
O problemă care se pune este aceea a polarității buclei feedback (III) și durata procesului. De regulă, bucla feedback pozitivă acționează în direcția creșterii valorilor mărimilor economice implicate. Cu toate acestea, efectul Pigou este temperat după un timp și chiar dispare datorită unor condiții care restricționează intensificarea activității economice, deci transformarea cererii de consum în ofertă de produse (lipsa materiilor prime, taxele și impozitele, gradul în care piața bunurilor și serviciilor absoarbe oferta suplimentară etc.). Drept urmare, balanțele monetare reale se vor stabiliza, ceea ce va duce la atenuarea și dispariția efectului multiplicator Pigou.
3.2.2.3. Efectul multiplicator Rose
Efectul Rose (prezentat în figura 3.3 este mult mai puțin abordat în literatură, mai ales datorită lipsei de studii privind rolul pe care îl are repartizarea venitului la nivel macroeconomic asupra activității economice viitoare. Această repartizare are un rol destabilizator puternic, ceea ce face ca, după încheierea unui ciclu economic complet, economia să-și caute un nou echilibru stabil, ceea ce duce la apariția unor fluctuații economice neașteptate.
Efectul Rose privește, în esență, puterea de cumpărare reală a veniturilor salariale. Astfel, dacă această putere de cumpărare crește (datorită fie creșterii salariilor pe piața forței de muncă, fie scăderii prețurilor pe piața bunurilor și serviciilor) atunci cererea de consum va crește. Drept urmare, activitatea economică se intensifică cu efectele directe asupra creșterii ofertei agregate, respectiv creșterii cererii de muncă. Aceste creșteri determină în continuare scăderea prețurilor pe piața bunurilor și serviciilor și creșterea ratei salariului pe piața forței de muncă. În consecință, puterea de cumpărare a salariilor crește din nou.
Diagrama de infuențe în cazul efectului multiplicator Rose este următoarea:
Se obseervă existența a două bucle feedback ce acționează simultan, una în direcția scăderii prețurilor pe piața bunurilor și serviciilor, iar cealaltă în direcția creșterii ratei salariilor pe piața forței de muncă. Efectul lor combinat este creșterea puterii de cumpărare a salariilor. Ambele bucle feedback sunt pozitive, dar efectele lor finale sunt exprimate prin atingerea, la nivelul întregii economii, a unei anumite puteri de cumpărare pe piața bunurilor și serviciilor.
3.2.2.4. Efectul multiplicator Mundell
Acest efect multiplicator, descoperit de Robert Mundell (laureat al Premiului Nobel pentru economie în 1999), derivă din dependența pozitivă dintre investiție și rata inflației așteptate, realizată pe canalul ratei reale a dobânzii din cadrul mecanismului de transmisie monetară. Rata inflației așteptate este influențată de presiunea cererii agregate de pe piața bunurilor și serviciilor, precum și de anticipațiile inflaționiste ale agenților economici.
Deoarece mărimea investiției depinde pozitiv de rata inflației, creșterea acesteia din urmă duce la sporirea volumului investițiilor, ceea ce determină mai departe o creștere a activității economice și, de aici, o altă creștere a ratei inflației așteptate. Se formează astfel o buclă feedback cu efect destabilizator.
Mecanismul feedback realizat poate avea efecte mai mari dacă se ia în considerare și faptul că cererea de consum depinde negativ de rata reală a dobânzii (efectul de economisire).
În figura 3.4 se reprezintă mecanismul feedback inflaționist al lui Mundell. În aceasta se observă faptul că rata inflației, π este percepută la nivelul economiei reale prin diferența dintre rata dobânzii, r și inflația așteptată, .
Diagrama de influență în cazul efectului Mundell este următoarea:
Buclele feedback formată sunt pozitive amândouă, ceea ce duce la o creștere continuă a variabilelor p și w reprezentând prețul, respectiv rata salariului.
3.2.2.5. Efectul multiplicator Fisher (inflaționist)
Deflația, deci o scădere continuă a prețurilor și salariilor, determină o creștere a datoriei reale a firmelor. Percepând creșterea raportului datorii/capital, firmele reduce rata dorită a investiției ceea ce atrage după sine și o reducere a consumului. Acestea în continuare determină o scădere a nivelului activității economice, reducerea ofertei agregate de bunuri și servicii și a cererii de muncă, ajungându-se la o nouă reducere a prețurilor pe piața bunurilor și serviciilor și a salariilor pe piața forței de muncă.
În figura 3.5 se reprezintă efectul Fisher (inflaționist).
Procesul deflaționist, în cazul efectului Fisher, poate să devină și mai puternic pe măsură ce firmele dau mai frecvent faliment în starea deflaționistă a economiei de la un moment de timp dat (reprezentată, de exemplu, de o rată a deprecierii capitalului care depinde pozitiv de raportul datorii / capital).
Efecte similare, poate într-un mod mai puțin dramatic, apar datorită relațiilor debitor-creditor în sectorul gospodăriilor. Scăderea salariilor determină creșterea datoriei reale a gospodăriilor care își reduc consumul pentru a returna datoriile, ceea ce duce în timp la reducerea activității economice, având drept consecință reducerea cererii de muncă, deci și a ratei salariilor.
Diagrama de influență în cazul efectului Fisher deflaționist este următoarea:
Dacă considerăm simultan cele două forme ale efectului Fisher, manifestate la nivelul sectorului gospodăriilor, respectiv al firmelor, atunci dependențele cauzale care apar se amplifică, determinând în situațiile deflaționiste dar și inflaționiste, accelerări ale efectului date de suprapunerea influențelor determinate de datoriile reale asupra consumului. Acest lucru arată faptul că într-o economie atât procesul inflaționist cât și al cel deflaționist pot duce la obținerea unor efecte generale nedorite.
În figura 3.6 se reprezintă influențele exercitate de mecanismul feedback al lui Fisher în această situație.
3.3. Mecanismele (efectele) accelerator
Spre deosebire de mecanismele (efectele) multiplicator, mecanismele de tip accelerator se referă la o schimbare neliniară în variabilele care alcătuiesc lanțul feedback al dependențelor cauzale. Ele satisfac așanumitul principiu accelerator, descoperit de A. Aftalion (1913) și I.M. Clark (1917), dar utilizat pentru prima oară într-un model economic de către Harrod (1936).
Astfel, în modelul de creștere Harrod – Demar, se face ipoteza că nivelul investiției din anul t, it variază proporțional cu rata de schimbare a outputului din anul t față de anul , deci:
> 0 (1)
Logica economică a acestui principiu este următoarea: dacă se dau condițiile tehnologice și prețurile relative ale factorilor de producție (munca și capitalul), atunci o anumită mărime a stocului de capital va face posibilă o anumită rată a outputului. Dacă această rată a outputului se modifică, atunci, celelalte lucruri rămânând neschimbate, mărimea stocului de capital ce contribuie la realizarea outputului se va schimba. Deoarece, prin definiție, investiția netă reprezintă cantitatea cu care stocul de capital se va modifica, rezultă că mărimea investiției dorite depinde de rata de schimbare a outputului. Aceasta este ceea ce exprimă relația (1).
Coeficientul accelerator reprezintă un factor care arată cât de multă investiție este indusă de o schimbare cu un procent a outputului. Acesta influențează mai departe randamentul capitalului, rata dobânzilor, rata salariului ș.a.
Mecanismele accelerator, analizate din punct de vedere cibernetic, reprezintă efecte destabilizatoare, cărora le corspund, deci, bucle feedback pozitive. Aceste efecte destabilizatoare se concretizează de regulă, în creșteri monotone nemărginite ale mărimilor variabilelor implicate într-un lanț cauzal, fie în oscilații cu amplitudini crescătoare ale acestora.
Din această cauză, mecanismele accelerator sunt însoțite de mecanisme multiplicator care, după cum știm au efecte stabilizatoare (le corespund bucle feedback negative).
Această combinație a celor două mecanisme a condus la o clasă largă de modele ale dinamicii economice, denumite module multiplicator-accelerator (vezi, de exemplu, modulul oscilator al lui Samuelson, modelul ciclurilor comerciale al lui Hicks, modelul ciclului stocurilor al lui Metzler ș.a.).
Cu toate acestea, mecanismele accelerator pot fi studiate și separat, punându-se astfel în evidență cauzele care pot determina, într-o economie, apariția unor procese și fenomene destabilizatoare, care pot induce perturbații deosebit de grave în desfășurarea în bune condiții a activității economice.
În literatură efectele accelerator sunt împărțite în trei grupe în raport cu natura variabilelor implicate. Astfel putem avea:
– mecanisme accelerator reale:
i) mecanismul Harrod;
ii) mecanismul Kaldor;
iii) mecanismul Metzler;
– mecanisme accelerator financiare;
iv) mecanismul sporului de capital: piața obligațiunilor;
v) mecanismul sporului de capital: piațaacțiunilor;
vi) mecanismul sporului de capital: piața valutară;
mecanisme accelerator mixte (reale și financiare):
vii) mecanismul comportamentului aciclic al ratei dobânzii în raport cu creditul.
3.3.1. Mecanismul accelerator al lui Harrod
Cel mai cunoscut mecanism accelerator este cel utilizat de Harrod în modelul de creștere Harrod-Domar. În 1948, într-o analiză a ,,Teoriei Generale” a lui Keynes, Harrod spunea: ,,Există un concept, totuși, care joacă un rol central în ,,Teoria Generală” care nu este stație în care nu va fi înțeles în mod satisfăcător până când ,,Teoria Generală” nu va fi pusă în relație cu Dinamica. Economisirea pozitivă, care joacă un rol atât de important în ,,Teoria Generală” este în esență un concept dinamic. Acest lucru este fundamental. O afacere staționară a unei zecimi din venit pentru economisire este în esență dinamică deoarece ea include o creștere continuă a uneia dintre determinanții fundamentali ai sistemului, și anume cantitatea (stocul) este capital disponibil.
Acest lucru determină, chiar dacă toți ceilalți determinanți nu se modifică, schimbări continue în valorile multor variabile dependente”.
Era, astfel, exprimat foarte clar principiul accelerator conform căruia economisirea determină creșterea investiției care duce la creșterea de capital, deci și a venitului din care se constituie economisirea. Chiar dacă rata economisirii ar rămâne aceeași, de exemplu 1/10 ca la Harrod, mărimea economisirii crește datorită creșterii stocului de capital utilizat în producție și deci a venitului / outputului care se obține.
Schematic, mecanismul accelerator Harrodian se poate reprezenta astfel:
unde s reprezintă rata economisirii.
Efectul accelerator se exercită atât timp cât acest proces nu este controlat și stopat de alte forțe economice.
În figura 3.7 se arată modul în care efectul Harrodian determină creșterea outputului. Schimbările în vânzările așteptate ale firmelor reprezintă factorul declanșator al efectului Harrodian deoarece ele duc la schimbarea ratei economisirii, deci la declanșarea lanțului cauzal descris mai sus.
Schimbările în vânzările așteptate evident că influențează direct outputul firmelor care, mai departe este utilizat pentru a satisface cererea agregată de bunuri și servicii. Dar aceasta din urmă depinde și de efectul accelerator care duce la crearea unui venit cu o rată de creștere tot mai mare la nivelul gospodăriilor. Chiar dacă rata economisirii rămând constantă, venitul utilizat pentru investiții crește și la fel se întâmplă cu venitul utilizat pentru consum. Un venit destinat consumului mai mare va face ca cererea agregată de bunuri și servicii să fie mai mare. O cerere agregată mare duce la schimbări și mai mari în vânzările așteptate ale firmelor.
Se observă că mecanismul accelerator Harrodian acționează ca o buclă feedback pozitivă, deci determină instabilitate pe termen lung. Din această cauză, în sistemele economice reale el este conectat cu efecte multiplicator care reduce cererea agregată.
3.3.2. Mecanismul accelerator al lui Kaldor
Acest efect a fost descoperit de N. Kaldor și utilizat de el într-un model în care se încearcă să se explice ciclul afacerilor. Ceea ce distinge acest model de celelalte apărute în jurul anului 1940 este utilizarea unor funcții neliniare care produc cicluri endogene. Mai concret, Kaldor presupune că atât curba investițiilor, I = I (Y,K), cât și curba economisirii, S = S (Y,K), dependente amândouă de venit și de stocul de capital, sunt funcții neliniare.
Neliniaritatea acestor funcții are un rol important în înțelegerea efectului accelerator Kaldorian. Logica economică a lui Kaldor este următoarea: Curba investițiilor este neliniară deoarece rata de creștere a investiției se comportă diferit în funcție de diferitele nivele ale outputului. Astfel, când outputul se află la nivele extreme (foarte mic, respectiv foarte mare), rata de creștere a investiției este foarte redusă. De exemplu, pentru un nivel al outputului foarte redus există multă capacitate de producție neutilizată, astfel că o creștere în cererea agregată va induce o creștere foarte mică a investițiilor în noi capacități de producție. Aceasta deoarece excesul de cerere poate fi satisfăcut cu capacitatea de producție existentă și în consecință rata de creștere a investiției este mică.
Atunci când outputul este foarte mare costul extinderii capacităților de producție este, de asemenea, foarte mare (paradoxul Wicksellian). Drept urmare, industriile producătoare de capacități de producție vor oferi noile capacități la prețuri foarte mari. În acest condiții, doar investițiile de înalt randament vor fi puse în practică, la celelalte investiții renunțându-se datorită prețurilor mari. Deci și rata de creștere a investiției va scădea.
În ceea ce privește curba economisirii, S după cum explică Kaldor, pentru nivele scăzute ale outputului, venitul este atât de redus încât economisirea este exclusă de deciziile gospodăriilor, care folosesc întreg venitul disponibil pentru consum. Deci rata de creștere a economisirii este redusă. În schimb când outputul este foarte mare, extravenitul gospodăriilor este utilizat pentru economisire și mai puțin pentru consum care este efectiv saturat. În consecință, se economisește o mare parte din venit deci rata economisirii este foarte mare.
Esența efectului accelerator de tip Kaldorian constă în fenomenul de acumulare de capital la un moment dat de timp. Pentru un nivel foarte stabil al outputului, dacă are loc o investiție, stocul de capital crește. Pe măsură ce acest stoc crește, au loc anumite schimbări în curbele I și S.
Datorită neliniarității curbei I, rata de creștere a investiției va scădea, deci dI dK < 0. Totuși, tot mai multe bunuri capitale se produc și, în consecință și producția de bunuri de consum va spori. Aceasta face ca prețurile bunurilor de consum să scadă. Pentru consumatorul individual acest fenomen este important deoarece poate utiliza mai puțin venit pentru a cumpăra aceeași cantitate de bunuri ca înainte.
În consecință, o parte tot mai mare din venit va fi economisită. Datorită neliniarității curbei economisirii, S rata de creștere a economisirii va fi tot mai mare și dS / dK > 0. Dar economisirea S determină o nouă creștere a investiției I, a stocului de capital K și deci a outputului Y.
Totuși, după cum remarcă Kaldor, acest proces accelerator este oscilant, deși oscilațiile sunt de tip exploziv.
În figura 3.8 este reprezentat efectul accelerator Kaldorian.
3.3.3. Mecanismul accelerator al lui Metzler
Metzler a descoperit acest mecanism în 1941 și l-a folosit într-un model de tip multiplicator care încerca să explice ciclicitatea stocurilor de produse ce formează în economie. Ideea esențială era că producătorii doresc să păstreze stocurile de produse la un nivel proporțional cu vânzările așteptate dar, datorită întârzierii dintre producție și vânzare, politica de stocare aleasă de producători poate să aibă efecte accelerator asupra economiei.
În figura 3.9 se reprezintă efectul accelerator Metzlerian și conexiunile lui cu economia reală.
Ca structură, aceasta seamănă cu mecanismul accelerator al lui Harrod, cu deosebire că politica de stocare a firmelor influențează vânzările așteptate care declanșează, mai departe, efectul accelerator. Investițiile nu mai sunt acum în capacități de producție, ci în stocuri de produse.
3.3.4 Efecte ale sporului de capital (Blanchard))
R. Blanshard a descoperit efectele sporului de capital, care se manifestă pe diferitele tipuri de piețe financiare (piața obligațiunilor, piața acțiunilor sau piața valutară). Specificul acestor efecte este faptul că ele se mențin doar la nivelul economiei monetare, economia reală fiind neutră la acțiunea lor.
Dacă considerăm una dintre aceste piețe, să spunem piața acțiunilor, atunci cererea de active financiare pe această piață va crește odată cu creșterea randamentului activelor proprii și descrește atunci când rate ale randamentului acțiunilor deținute în proprietate de alți investitori crește. Așadar, o creștere a sporului de capital așteptat datorită deținerii în proprietate și sporirii randamentului acestora determină o creștere a cererii pentru activele financiare respective. Aceasta, la rândul ei, conduce la alte creșteri în prețul acțiunilor și deci la o nouă creștere în sporul de capital așteptat.In figura 3.10 se reprezintă efectul accelerator al sporului de capital în condițiile pieței acțiunilor.
Efecte asemănătoare pot fi puse în evidență și pe celelalte piețe financiare: piața obligațiunilor sau piața valutară.
3.4 Comportamentul anticiclic al ratei doânzii asupra creditelor acordate
Efectele de tip accelerator se pot regăsi în același mecanism care conectează economia reală și economia monetară. Efectele de tip accelerator sunt declanșate de o creștere a activității economice (încălzirea economiei) deci de o creștere a venitului/outputului realizat într-o perioadă dată de timp. Drept urmare, cererea de credite destinate investițiilor și consumului începe să scadă în condițiile în care atât firmele cât și gospodăriile dispun de venituri mai mari obținute ca urmare a creșterii activității economice. Costurile de căutare a creditelor vor scădea iar dobânzile la creditele acordate se vor reduce. Datorită ieftenirii creditului, volumul acestuia va crește și, în consecință, cheltuielile de consum și de investiții realizate pe seama creditelor vor crește. Activitatea economică se va intensifica în continuare, ducând la o nouă creștere a venitului/outputului disponibil dar și la creșterea venitului așteptat. Rezultatul final este o nouă creștere a venitului/outputului realizat în economie.
Denumirea de efect anticiclic este dată de faptul că în decursul manifestării procesului descris mai sus, venitul/outputul și rata dobânzii la creditele acordate au tendințe opuse de creștere și scădere, deci dacă Y crește atunci r scade și invers.
In figura 3.11 se reprezintă mecanismul accelerator financiar-monetar descris mai sus.
+
Efectul de transmisie al acestui mecanism este descris în modul următor:
3.5 Efecte mixte (multiplicator-accelerator)
Mai puțin abordate în literatură, efectele mixte reprezintă totuși o categorie extrem de importantă a mecanismelor feedback, ele reunind în cadrul aceleiași structuri atât un efect multiplicator cât și unul accelerator. Exemplul clasic de mecanism de tip accelerator-multiplicator este cel descris de P. Samuelson pentru economia reală.
Deoarece acest mecanism este foarte cunoscut nu îl vom mai prezenta. Vom introduce însă două alte mecanisme de acest tip, deci care au efecte accelerator-multiplicator. Este vorba despre:
i) efectul de portofoliu; și
ii) efectul de venit disponibil.
3.4.1 Efectul de portofoliu (avuție)
Acest efect se manifestă ca urmare a creșterii avuției reale din economie, fapt pentru care se mai numește și efect de avuție. Acumularea de avuție schimbă permanent structura portofoliului deținut de fiecare gospodărie din economie. Pe ansamblu, această acumulare schimbă deci portofoliul la nivelul întregii economii. Evident că cea mai volatilă componentă a acestui portofoliu sunt banii, în consecință acumularea de avuție reală duce la creșterea balanțelor monetare reale ale populației.
Avuția se acumulează la nivelul gospodăriilor prin intermediul activelor financiare (obligațiuni, acțiuni, bonuri de tezaur ș.a.) sau a părților din investițiile directe deținute în proprietate. Creșterea balanțelor monetare reale va duce la creșterea cererii de astfel de instrumente de economisire și, în consecință, la o creștere a ratei dobânzilor pe piața financiară.
Gospodăriile vor reacționa la creșterea avuției financiare concomitent cu creșterea dobânzilor economisind mai puțin și cheltuind mai mult pentru bunuri de consum și pentru bunuri de investiții. Un nivel mai înalt al avuției reduce deci nevoia de a economisi până când se atinge un plafon al avuției, care permite consumatorilor să cumpere mai multe bunuri de consum curent. Creșterea cheltuielilor de consum și de investiții, unele dintre ele făcute pe seama creditelor duce la creșterea cererii agregate care determină, la rândul său, creșterea producției (outputului).
In figura 3.12 se reprezintă efectul de portofoliu (avuție).
Md/p
Efectul de avuție se poate exercita și în alte moduri. Dacă Banca Centrală reduce rata dobânzii, atractivitatea obligațiunilor ca investiții financiare se reduce. In schimb, crește atractivitatea acțiunilor diferitelor firme. Mulți investitori încep să cumpere mai multe acțiuni și mai puține obligațiuni. Creșterea cererii de acțiuni sporește prețul acestora pe piața de capital. Dar prețuri mai mari pentru acțiuni înseamnă o avuție financiară mai mare a gospodăriilor. Această avuție mai mare duce la creșterea cheltuielilor pentru bunuri de consum. Creșterea prețului de piață al acțiunilor are efecte și asupra cheltuielilor de investiții. După teoria lui Tobin, o firmă își poate extinde capacitatea de producție în două moduri principale: cumpărând noi bunuri capitale sau cumpărând capacități de producție deja existente. Dar costul unei firme reprezintă tocmai prețul de piață al acțiunilor firmei respective, iar costul unei noi investiții reprezintă costul noilor bunuri capitale introduse în firmă. Pe măsură ce prețul acțiunilor crește, costul firmelor care sunt de vânzare crește. Deci întreprinderile care doresc să-și extindă capacitatea de producție sunt mai tentate să investească în bunuri capitale nou produse decât să cumpere firme deja existente. Schematic, efectul de transmisie exercitat de avuție poate fi reprezentat astfel:
Aici Wn este avuția nominală iar Md cererea nominală de active financiare (bani, obligațiuni, acțiuni etc.)
3.4.2 Efectul de venit disponibil
Un ultim efect pe care îl vom prezenta este cel de venit disponibil. Acesta se constituie la nivelul gospodăriilor din venitul total după plata taxelor și scăderea efectelor pe care le are inflația asupra avuției gospodăriilor. Dar rata curentă a inflației nu este încă cunoscută în momentul utilizării venitului disponibil, de aceea gospodăriile își determină venitul disponibil utilizând rata așteptată a inflației, pe care o estimează pe baza evoluției prețurilor observate pe piața bunurilor și serviciilor. De aceea o creștere a prețurilor pe această piață duce la creșterea ratei așteptate a inflației, dar și la o scădere a venitului disponibil. Ca o consecință directă a acestui lucru, cheltuielile pentru bunuri de consum vor diminua, ceea ce va duce, în timp, la scăderea nivelului activității economice. Drept urmare, oferta de bunuri de pe piața bunurilor și serviciilor se va reduce, ducând la o nouă creștere a prețurilor, deci la o rată crescătoare a inflației așteptate.
Deși efectul pare destul de simplu, el are consecințe profunde asupra alocării resurselor destinate reluării ciclului economic. Aceasta deoarerce din venitul disponibil se constituie fondul destinat cheltuielilor de consum, dar și cel destinat economisirii. Dacă venitul disponibil scade, atunci și economisirea se va reduce, făcând ca, în decursul timpului, cheltuielile destinate investițiilor să se reducă. Aceasta va afecta, evident, nivelul activității economice, determinând o nouă reducere a venitului/outputului realizat.
In figura 3.13 este reprezentat schematic efectul de venit disponibil.
p
Efectul de transmisie asociat mecanismului venitului disponibul poate fi scris în modul următor :
Aici venitul disponibil, Yd se determină prin relația :
Se observă existența a două bucle de reglare, una multiplicator, prin mintermediul cheltuielilor de consum, iar cealaltă accelerator prin intermediul economisirii și acheltuielilor de investiții. Mai sus T repreezintă impozitele și taxele iar Wn este avuția nominală.
Modelarea acestor mecanisme feedback trebuie să pornească de la existența în cadrul loe a unor bucle feedback ce determină lanțuri de efecte observabile asupra activității economice. Influențarea nivelului activității economice, reprezentat în modelele dinamice prin evoluția venitului/outputului se poate face utilizând interacțiunile puse în evidență dr fircare mecanism în parte.
Studiul efectelor feedback fundamentale și a influenței lor asupra modelării sistemelor economice este destul de recent, deși efectele respective se cunosc de multă vreme. Dacă în modelele inițiale ele apăreau isolate, încercând să introducă anumite procese și fenomene observate în realitatea economică, după anul 2000 s-a înțeles din ce în ce mai clar că ele fac parte din mecanismul general de reglare și autoreglare al economiei naționale și că neglijarea lor atunci când se elaborează modele macroeconomice nu face decât să simplifice nepermis de mult această realitate.
De aceea, a apărut o tendință de a reformula multe dintre modelele dinamicii macroeconomice prin prizma descoperirii și reprezenntării în aceste modele a mecanismelor feedbakc fundamentale și a derivatelor acestora. Asocierea dintre o structură clară a sistemului economic, în care să apară principalele subsisteme, conexiunile dintre acestea și mecanismele feedback asociate lor, duce la un avans însemnat în cercetarea sistemelor cibernetice din economie. Pot fi înțelese astfel mai bine anumite legități și principii de funcționare, se pot reprezenta și modela mai corect principalele influențe care există la nivelul sistemelor respective și se deschide o nouă perspectivă asupra modalităților prin care se pot orienta și influența diferitele sisteme și procese.
Capitolul 4
AUTOORGANIZARE ȘI EMERGENȚĂ ÎN
SISTEMELE ADAPTIVE COMPLEXE
Unele din proprietățile cele mai uimitoare și, în același timp, cele mai puțin elucidate ale sistemelor adaptive complexe sunt auto-organizarea și emergența. Emergența și auto-organizarea spontană ale unor noi structuri sunt ușor de observat, de exemplu, în viața de zi cu zi sau în condiții de laborator. Poate cel mai citat exemplu îl reprezintă efectul de cristalizare a apei în fulgii dă zăpadă, fulgi care au, fiecare, forme simetrice distincte, deși numărul lor este uriaș. Dar emergența este o proprietate universală în sistemele vii, organizații și sisteme economice și sociale, cărora le conferă calitatea de a manifesta caracteristici și comportamente cu totul noi, care nu se întâlnesc la nici unul dintre elementele componente. De asemenea, aut-organizarea poate fi definită ca ,,oarecare spontană a unei noi structuri coerente globale a CAS plecând de la interacțiunile locale dintre agenți” (Heylighen, 2003). Altfel spus, apare o nouă structură sau patern, fără ca acestea să fie impuse de un agent exterior.
Un astfel de fenomen prin care se crează spontan, fără intervenții exterioare, ceva nou, distinct față de cea ce a fost în sistem, contrazice viziunea mecanicistă prin care elementele componente pot fi aranjate, de fiecare dată, în aceeași ordine particulară, fără existența căreia sistemul însuși nu poate funcționa. Dar pentru sistemele complexe, aranjarea părților componente în structuri atât de diverse duce cu gândul la existența a ceva necunoscut, la o forță inteligentă care să se ocupe de un astfel de proiect.
O astfel de forță, într-adevăr, există și ea este confirmată de cea de-a doua lege a termodinamicii (Clausius) care, în esență, spune că într-un sistem închis entropia poate doar să crească și nu se diminuează niciodată. Deci pentru a înțelege auto-organizarea, ar trebui să plecăm de la termodinamică.
Ilya Prigogine a început studierea a ceea ce a denumit structuri disipative încă din 1955. El și-a ales ca obiect de studiu celulele Bénard, care prezintă auto-organizare dinamică. El a observat că aceste structuri care sunt, în mod necesar, sisteme deschise deoarece energia și/sau materia le străbat continuu, generează entropic, dar această entropie este disipată, sau exportată în afara sistemului. Acest lucru duce la creșterea propriei organizări, cu costul creșterii dezordinii în mediul înconjurător. Un astfel de sistem respectă cea de-a doua lege a termodinamicii, dar reușește să-și mențină sau chiar să-și crească gradul de organizare transmițând în mediu (deci către alte sisteme) excesul de entropie. Un astfel de comportament este frecvent întâlnit la organismele vii care iau energie și materie din mediu sub forma luminii și hranei și o cedează apoi sub formă de produse reziduale care au o entropie mai mare decât cea primită inițial. În acest mod, aceste organisme își reduc entropia internă, contracarând, pentru o perioadă de timp, dezordinea care o împiedică acțiunea celei de-a doua legi a termodinamicii.
Cu toate acestea, exportul de entropie nu explică de ce și cum are loc auto-organizarea.
Tot Prigogine a observat că auto-organizarea are loc, de regulă, în sistemele neliniare care funcționează departe–de–echilibru.
Marele cibernetician britanic W. Ross Ashby a fost preocupat în cel mai înalt grad de înțelegerea și definirea auto-organizării. El formulează un ,,un principiu al auto-organizării” (1954). Conform acestui principiu, un sistem dinamic, indiferent de structura acestuia, tinde întotdeauna să evolueze către o stare de echilibru, pe care astăzi o denumim atractor. Acest lucru este de natură să reducă incertitudinea privind starea sistemului și, în consecință, entropia asociată acestuia. Dar acest lucru înseamnă auto-organizare. Echilibrul care rezultă poate fi, atunci, interpretat ca o stare a sistemului în care diferitele părți componente ale acestuia (agenți, subsisteme ș.a.) sunt reciproc adaptate.
Un alt cibernetician cunoscut, H. von Foerster, formulează așa-numitul principiu al ,,ordinii apărută din zgomot”. El observă că, în mod paradoxal, cu cât perturbațiile aleatoare (zgomotele) din mediul înconjurător sunt mai mari, cu atât mai repede sistemul se auto-organizează (produce ,,ordine”). Explicația acestui lucru este simplă: cu cât într-un sistem se va deplasa mai dezordonat prin spațiul de stare, cu atât mai rapid el va tinde către un atractor. Dar mișcarea dezordonată a sistemului poate fi determinată prin inducerea de perturbații (zgomote) care reflectă influențele exercitate de mediul înconjurător asupra sistemului.
De la aceste principii s-a trecut, în anii ’60 la elaborarea unor aplicații practice. Printre aceste aplicații se numără rețelele neuronale, care reprezintă modele ale modului în care neuronii din creier interacționează. Ele pornesc de la modelul neuronului, construit de McCallum și Pitts în lucrarea lor ,,A Logical Calculus of the Ideas Immanent in Nervous Activity”, apărută încă din 1943. În rețelele neuronale nu există un control centralizat al proceselor care sunt modelate, acestea evoluând doar pe baza conexiunilor directe și indirecte dintre neuronii și nivelele neuronale care le alcătuiesc. Rezultatul final poate fi reprezentat sub forma unor modele complexe de comportament.
O altă aplicație în care comportamentul colectiv spontan se produce ca urmare a interacțiunilor locale dintre agenți îl reprezintă lumea animală. Stolurile de păsări, bancurile de pești, roiurile de albine sau turmele de reni reacționează după principiul auto-organizării. Atunci când apare un pericol iminent sau mediul înconjurător se modifică dramatic, indivizii care alcătuiesc formațiunile de mai sus acționează într-un mod sincronizat care face ca pericolele implicate de modificarea condițiilor din mediu să fie reduse la minimum.
Simularea pe calculator a comportamentului roiurilor de albine sau stolurilor de păsări arată că indivizii ce le compun acționează după câteva reguli foarte simple, cum ar fi, de exemplu, păstrarea unei distanțe minime dintre indivizii și urmarea unei direcții medii, pornind de la mișcările vecinilor imediați. Pornind de la aceste reguli simple de comportament local, obținem un comportament emergent coerent la nivelul întregului sistem.
Studiile făcute asupra unor astfel de sisteme sunt extrem de utile pentru a înțelege și explica ceea ce se întâmplă în CAS din economie. De exemplu, efectul de imitație, observat în cazul mulțimilor de investitori de pe piețele financiare, este asemănător comportamentului de turmă (hoarding).
Prin simulare pe calculator se poate reproduce, de exemplu, comportamentul unui stol de păsări și înțelege mai bine cum acționează grupurile mari de oameni atunci când efectuează tranzacții financiare, merg la cumpărături în hipermarketuri, iau parte la o selecție pe piața forței de muncă ș.a.
Aceste simulări se realizează utilizând, de regulă, automate celulare care sunt, în esență, modalități de reprezentare a evoluției unei mulțimi finite de entități între care există interacțiuni și reguli de comportament foarte simple.
Astfel de simulări pot duce la obținerea unor comportamente extrem de complicate, care se apropie de cele întâlnite în sistemele biologice, în ecosisteme sau organizații.
4.1. Caracteristicile sistemelor complexe auto-organizatoare
Cercetările întreprinse asupra sistemelor adaptive complexe în ultimii ani au evidențiat un număr de trăsături caracteristice, care disting sistemele auto-organizatoare de sistemele mecanice tradiționale, studiate de fizică sau disciplinele inginerești.
De-a lungul timpului, oameni de știință cunoscuți din domeniul științelor complexității au abordat problema auto-organizării, conturându-se ideea că sistemele complexe, pentru a putea fi și adaptive, trebuie neapărat să aibă și capacitatea (proprietatea) de auto-organizare.
Astfel, marele biolog și fondator al Științelor Complexității, Stuart Kauffman, a studiat dezvoltarea organismelor și ecosistemelor utilizând intensiv simularea pe calculator. El a încercat să înțeleagă în ce mod rețelele de gene, care se activează sau se inhibă reciproc, pot da naștere unor organe și țesuturi diferențiate în cursul evoluției embrionare. Aceste cercetări l-au condus, treptat, către abordarea tipurilor și numărului de atractori care se află în rețelele Booleene cu care se pot reprezenta rețelele de conexiuni dintre gene. El a arătat că auto-organizarea rezultată din aceste rețele este un factor esențial al evoluției, împreună cu selecția Darwiniană. De fapt, cele două mecanisme ale evoluției sunt complementare, unul asigurând diversificarea formelor de viață autonome, iar celălalt specializarea acestora în raport cu condițiile de mediu variabile.
John Holland, un alt om de știință, cunoscut în domeniul Științelor Complexității, încercând să înțeleagă mai bine mecanismele prin care organismele biologice se adaptează la condițiile variabile de mediu, a fondat teoria algoritmilor genetici.
Aceștia, utilizând o serie de operații specifice geneticii, cum sunt selecția, mutația, recombinarea, a simulat pe calculator modul în care pot să apară noi forme de organizare atât în organismele vii cât și în organizații.
Astăzi, algoritmii genetici sunt utilizați în multe domenii pentru a reprezenta modul în care evoluează sistemele ecologice, biologice, economice sau umane.
Lucrările lui Kauffman și Holland au prefigurat apariția unei noi discipline în cadrul Științelor Complexității, și anume Artificial Life. Această disciplină, al cărei inițiator a fost Chris Langton, are ca principal obiect de studiu dezvoltarea unor programe pe calculator care imită comportamente ale organismelor vii, cum ar fi reproducerea, sexualitatea, co-evoluția, competiția, confruntarea armată ș.a.
Treptat, studiile întreprinse au dus la conturarea acelor caracteristici fundamentale care definesc auto-organizarea și o deosebesc de alte proprietăți ale CAS.
Principalele caracteristici ale sistemelor auto-organizatoare sunt următoarele:
1) Ordinea globală rezultă din interacțiunile locale;
2) Controlul distribuit;
3) Robustețe (reziliență);
4) Neliniaritate;
5) Închidere organizațională;
6) Dinamică departe-de-echilibru;
7) Bifurcație și haos.
Să dăm, în continuare, câteva elemente care explică fiecare dintre aceste caracteristici.
4.1.1. Ordine globală rezultată din interacțiuni locale
Într-un sistem cu auto-organizare, organizarea întregului sistem rezultă în mod emergent din interacțiunile existente între componentele acestuia la nivel local.
Un exemplu simplu în acest sens îl reprezintă magnetizarea piliturii de fier. Atât timp cât câmpurile magnetice este suficient de îndepărat, particulele de fier sunt dispuse aleator.
Pe măsură ce câmpul magnetic se apropie, la început câteva particule, apoi acele particule aflate în vecinătatea imediată a primelor, ca la final toate particulele supuse câmpului magnetic vor fi orientate în același mod. Deci pilitura de fier a devenit magnetică în același fel, cu un singur Pol Nord și un singur Pol Sud.
Mecansimul descris mai sus poate fi generalizat deupă cum urmează. Între părțile componente ale unui sistem există, inițial, interacțiuni locale, determinate de natura sistemului respectiv. În cursul evoluției sistemului, acesta va fi perturbat de influențele care provin din mediu. Dacă presupunem că, la început, sistemul este magnetizat, diferitele componente acționând în mod aleator, orice influență care s-ar propaga în sistem va fi foarte repede dispersată și, eventual, anulată datorită comportamentului aleator al părților componente. Deoarece configurația dintr-o anumită parte a sistemului nu oferă nici o informație privind configurația din oprice altă parte, atunci aceste configurații au corelația egală cu zero.
În procesul de auto-organizare, diferitele părți ale sistemului încep să fie strâns corelate. De exemplu, în starea de magnetizare, corelația este 1. Acest lucru arată că coeficientul de corelație, în dinamica sa, poate măsura trecerea de la dezordine la ordine. Localizarea interacțiunilor implică faptul că configurațiile învecinate sunt puternic corelate, dar că această corelație se diminuează pe măsură ce distanța dintre configurații se mărește. De aceea, ar fi mai corect să se introducă lungimea de corelație care poate fi definită ca distanță maximă dintre două configurații pentru care corelația este semnificativă (Heylighen).
Se poate observa în exemplul simplu de mai sus că, în sistemele auto-organizatoare, apare o forță care menține și amplifică procesul prin care emerge noua ordine din interacțiunile locale. Această forță este constituită din cauzalitatea circulară, prin care o cauză produce un efect care reacționează asupra cauzelor sale. Acesta nu reprezintă, însă, altceva decât un mecanism feedback care poate fi pozitiv, dacă acționează pentru amplificarea procesului de formare a noii ordini, sau negativ, dacă acționează pentru inhibarea procesului respectiv.
Cauzalitatea circulară, împreună cu evoluția departe – de – echilibru, despre care vom discuta mai departe, reprezintă condiția sine qua non a auto-organizării. Acest lucru este confirmat de multe exemple de auto-organizare întâlnite în sistemele vii.
Câteva dintre proprietățile auto-organizării pot fi deduse din existența cauzalității circulare. Astfel:
– auto-organizarea, ca emergența ordinii din interacțiunile locale (dzordonate), este posibilă doar în sistemele deschise în care resursele provenind din mediu participă la dinamica circulară a auto-organizării;
– cauzalitatea circulară integrezaă atât amplificarea reciprocă a interacțiunilor locale și structurilor globale cât și stabilitatea reproducerii lor reciproce;
– fluctuația în cadrul dinamicii interne și perturbațiilor din mediu testează permanent stabilitatea acestei reproduceri reciproce. Dacă o formă specifică de reproducere devine instabilă, poate să apară o nouă formă. O structură specifică poate să devină instabilă și o nouă structură poate să apară. Auto-organizarea integrează în acest fel conceptele de supraviețuire și schimbare (evoluția adaptivă).
În figura 4.1 se reprezintă emergența structurii globale din interacțiuni locale.
Figura 4.1
4.1.2. Controlul distribuit
În condițiile unui sistem având o organizare înaltă, de regulă, se presupune că există un agent intern sau extern care coordonează, orientează sau controlează sistemul respectiv. De exemplu, în sistemele economice există un președinte, un CEO sau un comitet de direcție care elaborează politicile și coordonează activitatea diferitelor departamente. Sistemele umane sunt coordonate și conduse de către creier. Activitatea unei celule este determinată de informația stocată de cromozom.
În toate aceste situații, agentul care controlează sistemul poate fi privit separat de acesta, drept pentru care acest agent mai este denumit și controler sau sistem de control. Acest sistem de control își exercită funcțiile asupra sistemului în mod centralizat.
În sistemele auto-organizatoare, ,,controlul” organizației este distribuit în întreg sistemul. Fiecare dintre părțile componente ale acestuia contribuie, într-o măsură mai mare sau mai mică, la acest proces. De exemplu, în cazul politicii de fier, nu există o parte care să inițieze și să dirijeze în continuare magnetizarea. Dimpotrivă, procesul de magnetizare poate să apară în orice parte a sistemului și să se răspândească contribuie, apoi în întreg sistemul.
Studii recente asupra creierului uman au arătat că nici aceasta nu funcționează ca un controler în sensul centralizat dat acestuia.
A. Damasio, un neurolog american celebru, formulează ,,ipoteza markerului somatic”. Conform acestei ipoteze, ,,markerii somatici sunt un exemplu particular de sentimente generate de emoții secundare. Aceste emoții și sentimente au fost legate, prin învățare, de rezultatele viitoare previzibile ale anumitor scenarii. În momentul suprapunerii unui marker somatic negativ pe un anumit rezultat viitor, combinația funcționează ca un semnal de alarmă. În schimb, când un marker somatic pozitiv e suprapus, ea devine un stimulent” (A. R. Damasio, 2004, pag. 203).
Controlul distribuit este prezent și în organizații și sisteme economice. Cu cât aceste sisteme sunt mai complexe, cu atât ele dispun de rețele mai complicate de interacțiuni și interdependențe prin intermediul cărora fluxurile de decizii și informații se pot transmite în orice parte a sistemelor. Existența unor astfel de rețele nu constituie, însă, decât o condiție necesară a controlului distribuit. Pentru a se realiza un astfel de control, agenții aflați în diferitele părți ale sistemelor trebuie să fie capabili să coopereze și să negocieze pentru atingerea unor obiective sau scopuri comune. Acest lucru este însă specific sistemelor adaptive complexe.
4.1.3. Robustețe (reziliență)
Sistemele auto-organizatoare sunt robuste sau reziliente. Acest lucru presupune că ele sunt relativ puțin sensibile la perturbații sau erori și au o capacitate puternică de a se reface. De exemplu, un ecosistem care a suferit daune serioase, cum ar fi un foc, în general se va reface relativ rapid.
Un motiv al acestei toleranțe la erori, cum se mai numește caracteristica, este organizarea distribuită și redundantă: acele părți ale sistemului care nu au suferit daune contribuie și cooperează la refacerea celor afectate.
Un alt motiv al robusteței intrinseci a sistemelor auto-organizatoare poate fi găsit în fluctuații, mișcările aleatoare sau ,,zgomote”. Sistemele au tendința de a prezenta mișcări aleatoare care determină, mai departe, o variabilitate și diversitate intrinsecă, ceea ce face auto-organizarea posibilă. O anumită cantitate de incertitudine, determinată de comportamentul fluctuant, aleator al sistemului va facilita mai degrabă decât va împiedica autoorganizarea.
Un al treilea motiv al robusteței este efectul stabilizator al buclelor și mecanismelor feedback pe care sistemele auto-organizatoare le conțin. Acest motiv este legat și de următoarea caracteristică a sistemelor auto-organizatoare.
4.1.4. Neliniaritatea
Mult timp, imaginea noastră despre lume a fost liniară. Acest lucru înseamnă, în esență, că efectele sunt proporționale cu cauzele. Dacă unei mingi i se aplică o lovitură de două ori mai puternică, ea va sări de două ori mai departe. Dar, în sistemele auto-organizatoare, acest lucru nu este adevărat. În primul rând, relația dintre cauză și efect este mult mai puțin evidentă: cauze mici pot avea efecte mari și, reciproc, cauze mari pot avea efecte mici.
Acest lucru poate fi observat în sistemele reale din economie. De exemplu, în cazul unei firme, prin combinarea factorilor de producție cum sunt munca, capacitatea de producție și cunoștințele tehnologice se obține o anumită cantitate de produse. În condițiile în care am crește proporțional resursele utilizate, ipoteza liniară spune că producția rezultată ar trebui să crească în aceeași proporție (ipoteza economiei constante de scară). Dar se cunoaște de mult timp faptul că acest lucru nu este adevărat. Dacă producția se desfășoară la scară redusă, creșterea volumului factorilor utilizați conduce la o creștere mai mare a producției realizate (economie de scară crescătoare). În schimb, dacă producția se desfășoară la o scară mare, creșterea într-o anumită proporție a volumului factorilor de producție utilizați are ca efect o creștere într-o proporție mai redusă a volumului producției realizate (economie de scară descrescătoare).
Astfel de dependențe neliniare între cauze și efecte se regăsesc, de fapt, în aproape toate procesele și fenomenele ce au loc în organizații, ecosisteme, sisteme umane etc. Lumea în care trăim este neliniară și acest lucru are consecințe asupra modalităților de înțelegere și acțiune ale sistemelor auto-organizatoare.
Neliniaritatea nu poate fi înțeleasă în afara relațiilor feedback care au loc între elementele componente ale unui sistem adaptiv complex. Fiecare componentă afectează celelalte componente, iar acestea din urmă afectează, la rândul lor, prima componentă. Rezultă deci că relațiile cauză-efect în aceste sisteme sunt circulare. Drept urmare, orice schimbare care se produce în prima componentă se transmite de la o componentă la alta până cînd revine la prima componentă.
Știm că acest principiu corespunde existenței buclelor și mecanismelor feedback în sistemele auto-organizatoare. Având în vedere faptul că buclele feedback respective sunt fie pozitive, fie negative, prin combinarea lor se generează efecte de amplificare, de creștere a schimbărilor inițiale, prin intermediul buclelor feedback pozitive, dar și efectele opuse de stabilizare a sistemului, care tind să-l aducă înapoi la starea inițială.
Procesele care au loc în sistemele auto-organizatoare de regulă încep cu o fază în care buclele și mecanismele feedback pozitive sunt dominante, lucru observat prin creșterea fluctuațiilor inițiale, a vitezei de creștere a mărimii unor variabile etc. Treptat, aceste efecte cuprind întregul sistem. Odată cu toate componentele se ,,aliniază” la configurația creată de fluctuațiile inițiale, sistemul se oprește din creștere, atingând un maxim al ,,utilizării” resurselor disponibile. În continuare, sistemul caută un nou echilibru (sau, cel puțin, o stare staționară). Deoarece o nouă creștere nu mai este posibilă în condițiile resurselor disponibile, pot să se producă schimbări necesare atingerii noului echilibru doar dacă se reduce configurația dominantă. Totuși, reducerea nu poate fi de mare amploare deoarece, în momentul în care anumite componente se abat de la acea configurație, aceleași forțe care au dus la noua configurație se vor opune reducerii, aducând sistemul înapoi către configurația stabilă. Aceasta din urmă este faza în care sunt dominante buclele și mecanismele feedback negative.
În cele mai multe sisteme auto-organizatoare, atingerea unui nou echilibru înseamnă parcurgerea unor faze alternative, în care dominanța buclelor pozitive și negative se schimbă până ce procesele auto-organizatoare încetează.
Acest lucru face atât de complicat și greu de previzionat comportamentul sistemelor adaptive complexe.
4.1.5. Închidere organizațională
Corelația sau coerența dintre parțile separate ale unui sistem auto-organizator determină o configurație ordonată a acestuia. Totuși, ordinea nu înseamnă încă organizare. Organizarea poate fi înțeleasă ca acea caracteristică a unui sistem de a fi ordonat sau structurat astfel încât să îndeplinească o funcție particulară. În sistemele auto-organizatoare, această funcție presupune menținerea unei configurații particulare, în ciuda perturbațiilor. Doar acea ordine care menține componentele unui sistem împreună va rezulta din auto-organizare și ea este auto-suficientă sistemului pentru a-și îndeplini funcția.Această caracteristică este denumită închidere organizațională.
Un proces cauzal poate fi, în general, deschis ca un lanț sau șir A B C D … de situații sau evenimente astfel încât un prim eveniment A determină următorul eveniment B ș.a.m.d. Prin acest lanț cauzal se produc modificările și schimbările ce au loc în diferitele părți componente ale sistemului. Totuși, este posibil ca unele lanțuri cauzale să se intersecteze și unele efecte să se transmită către cauze anterioare, formându-se cicluri cauzale. Aranjarea acestor lanțuri și cicluri cauzale în sistemele auto-organizatoare va fi continuu menținută sau redusă (auto-poiesis). Dacă un ciclu cauzal va corespunde unei bucle feedback negative, atunci el va fi relativ impenetrabil la perturbațiile externe, având tendința de a elimina din sistem efectele acestora. În acest fel, sistemul auto-organizator devine relativ independent de mediul său înconjurător.
Se spune, în acest caz, că el este ,,închis” pentru influențele din afară. Deși din punct de vedere al schimbului permanent de energie și materie cu mediul sistemul este deschis, organizarea sa internă se menține o perioadă de timp aceeași, sau aproape aceeași. Se spune, în acest caz, că sistemul este termodinamic deschis, dar organizațional închis.
Închiderea organizațională determină, în cazul sistemelor auto-organizatoare, o distincție clară între interior (componentele care participă la închidere) și exterior (cele care nu participă) și deci se poate delimita o margine sau graniță care separă sistemul de mediul său înconjurător.
Dar aceeași graniță poate fi determinată și pentru componentele sau părțile sistemului însuși. Rezultă deci că sistemul auto-organizator poate fi separat într-un număr de subsisteme relativ autonome, închise organizațional, dar aceste subsisteme vor interacționa continuu unele cu altele într-un mod indirect. Aceste interacțiuni vor tinde, de asemenea, să determine configurații auto-suficiente ,,închise”, determinând subsisteme de nivel ierarhic mai înalt, care conțin subsistemele inițiale ca și componente. Aceste sisteme de nivel mai înalt pot interacționa între ele, determinând un anumit model de interacțiuni, deci definind un sistem de ordin și mai înalt. Acest lucru explică de ce sistemele adaptive complexe tind să aibă o arhitectură de tip ierarhic, de ,,cutii în alte cutii”, în care la fiecare nivel se pot distinge un număr de organizații relativ autonome închise.
De exemplu, o celulă este un sistem organizațional închis, incluzând o rețea complexă de cicluri chimice interactive în cadrul unei membrane care le protejează de perturbațiile mediului extern. Totuși, celulele sunt ele însele organizate în țesuturi care împreună formează un organism multicelular. Aceste organisme sunt, la rândul lor, conectate printr-o multitudine de circuite de hrană ciclice, a căror mulțime formează un ecosistem.
Închiderea organizațională este esențială pentru înțelegerea emergenței. Prin închiderea organizațională se formează, la fiecare nivel, un întreg ale cărui proprietăți nu pot fi reduse la proprietățile elementelor componente. Dar proprietățile emergente de la nivelele înalte restricționează comportamentul componentelor de pe nivelele inferioare.
Să considerăm cazul unei burse de valori. Societățile listate la bursă au comportamente diferite în funcție de mărime, profilul activității, înzestrarea tehnică și umană ș.a. Drept urmare, activitatea acestora se reflectă pe piața bursieră printr-o cotație a acțiunilor care se comportă în mod diferit de la o societate la alta.
Pe ansamblu, însă, bursa de valori are un comportament propriu care nu poate fi întâlnit la nici una dintre societățile amintite. Acest comportament este reflectat de unul sau mai mulți indici bursieri.
Comportamentul emergent al bursei influențează, însă, comportamentul fiecărei societăți listate. După cum indicele bursier crește sau scade, este mai mult sau mai puțin volatil, și cotațiile la bursă ale societăților încep să se schimbe și aceasta deoarece proprietarii acestora precum și investitorii reacționează la informația referitoare la comportamentul de ansamblu al bursei.
Apar deci un circuit cauzal de jos în sus și de sus în jos care este denumit cauzalitate verticală sau ,,de sus în jos” (downward): nivelul mai înalt exercită o influență asupra nivelului mai scăzut, determinând componentele aflate pe acest nivel să acționeze într-un anumit mod.
Acest tip de cauzalitate este opusă cauzalității ,,de jos în sus” (upward), specific metodei reducționiste, în care comportamentul întregului (sistemului) este complet determinat de comportamentul părților componente.
4.1.6. Evoluția departe–de–echilibru
Ilya Prigogine a reușit primul să explice una dintre cele mai intrigante probleme care s-au pus în știință și anume aceea a modului în care a doua lege a termodinamicii acționează în sistemele deschise. În termodinamică, echilibrul este caracterizat de absența producției de entropie sau, echivalent, de faptul că energia nu este disipată. Un sistem aflat într-o stare de echilibru este, deci, caracterizat de o pierdere minimă de energie. Pentru a atinge această stare sistemul a disipat tot ,,surplusul” de energie pe care îl conținea.
Dacă nu există nici un input de energie din mediul înconjurător, sistemul va rămâne veșnic în această stare de echilibru.
Totuși, o astfel de posibilitate există doar teoretic, și anume în sistemele închise. Dar cum, în realitate, astfel de sisteme nu există, rezultă că un sistem nu-și poate atinge niciodată starea de echilibru definită de a doua lege a termodinamicii. Prigogine și colaboratorii săi au sugerat ca această lege să fie înlocuită cu o lege a producției de entropie maximă: într-un sistem departe – de – echilibru disiparea de entropie către mediu atinge un maximum.
A doua lege a termodinamicii este, după expresia lui Arthur Eddington, ,,legea supremă a Naturii”. Ea a pornit de la o observație simplă: în orice proces microscopic mecanic, o parte sau toată energia este întotdeauna disipată sub formă de căldură. De exemplu, dacă ne frecăm mâinile una de alta, lucrul mecanic respectiv este disipat sub formă de căldură. În 1850, un fizician german, Rudolf Clausius, introduce conceptul de ,,entropie” ca măsură a unei cantități care crește necontenit datorită disipării căldurii. Deoarece, după cum se știe, căldura are drept cauză mișcarea aleatoare a particulelor microscopice care alcătuiesc orice obiect, entropia a început să fie interpretată ca o cantitate de dezordine pe care sistemul o conține. Ea constituie o modalitate de a conecta lumea microscopică, în care acționează legile mecanicii cuantice, cu lumea macroscopică, în care sunt necesare legile termodinamicii. Pentru sistemele închise, care nu schimbă nici energie și nici materie cu mediul înconjurător, entropia continuă să crească până își atinge valoarea maximă pentru care este definit echilibrul termodinamic. Aceasta este starea finală a sistemului, în care nu mai apar schimbări în proprietățile macroscopice – densitate, presiune etc. – indiferent cât timp s-ar scurge.
În realitate, toate procesele și sistemele din natură sunt deschise. Deci aceste procese și sisteme nu vor atinge niciodată o stare de echilibru termodinamic, în care entropia să fie maximă.
,,Departe–de–echilibru” înseamnă, în esență, că sistemle sunt departe de acel echilibru termodinamic ceea ce face ca, în evoluția lor, să nu mai poată fi aplicate relațiile liniare care descriu creșterea entropiei, ci legități și relații neliniare.
Dependența unui sistem deschis de surse externe de energie îl fac mai fragil și senzitiv la schimbările din mediul înconjurător, dar și mai dinamic și capabil să reacționeze. Fragilitatea este evidentă: dacă sursa de energie ar dispare, structura disipativă se va dezintegra. Pe de altă parte, surplusul de energie permite sistemului să-și amplifice procesele interne, de exemplu contracarând micile perturbații prin reacții puternice, sau susținând ciclurile feedback pzitive o perioadă cât mai mare de timp. Aceasta face sistemul mult mai puternic în ceea ce privește dezvoltarea, creșterea sau adaptarea la modificări externe. În loc să reacționeze la toate perturbațiile prin bucle și mecanisme feedback negative pentru a aduce sistemul înapoi la starea de echilibru, un sistem funcționând departe–de–echilibru este, în principiu, capabil să producă o mai mare varietate de acțiuni de reglare, conducând la multiple configurații stabile.
Pentru a menține o organizare anume în ciuda modificărilor înconjurător, problema este de a utiliza anumite acțiuni în circumstanțele date. Acesta definește, în esență, problema adaptării.
Dar adaptarea, pentru a putea avea loc, necesită ca însăși sistemul să fie capabil să se schimbe și acest lucru nu poate avea loc decât la limitele haosului, unde sistemul ajunge printr-un proces de bifurcație.
4.1.7. Bifurcație și haos
Neliniaritatea și evoluția departe – de – echilibru a sistemelor adaptive complexe fac posibil ca, la un moment de timp oarecare, aceste sisteme să poată ajunge într-un șir de configurații stabile. Care dintre aceste configurații va fi aleasă depinde de mici fluctuații sau perturbații care afectează sistemul pe parcursul evoluției acestuia. Deoarece micile perturbații sunt amplificate de buclele feedback pozitive, aceasta înseamnă perturbația inițială care a condus la atingerea unei anumite configurații se poate ca nici să nu fie observată. Ca regulă generală, dacă se dă starea observabilă a unui sistem la începutul unui proces, rezultatul procesului respectiv este impredictibil.
Totuși, dacă ne întoarcem la starea sistemului înainte de auto-organizare, există doar o configurație posibilă: una dezordonată. O configurație dezordonată este una în care stările posibile ale componențelor individuale au aceeași probabilitate de a se produce. Deoarece numărul de componente ale unui sistem este foarte mare iar numărul de stări posibile ale fiecărei componente este, de asemenea, mare rezultă că o configurație dezordonată este cea în care oricare dintre componente se poate afla, cu aceeași probabilitate în oridcare dintre stările posibile. Acest lucru înseamnă, în esență, că sistemul este simetric: din orice direcție l-am observa, el arată la fel.
După auto-organizare, totuși o anumită configurație devine dominantă și, în consecință, simetria dispare, apărând ceea ce se numește spargerea simetriei. Aceasta poate fi interpretată în următorul mod: sistemul auto-organizator, în starea de dezordine, face o alegere. Inițial el consideră toate configurațiile egal posibile, dar după aceea își manifestă o preferință pentru una dintre acestea. Totuși, alegerea nu are la bază un criteriu obiectiv. Sistemul ia o decizie arbitrară și aceasta schimbă ordinea preferințelor. Decizia luată este impredictibilă și, prin aceasta, sistemul creează ceva nou.
Evoluția de la configurația dezordonată la una ordonată este determinată de o schimbare în mediul înconjurător, deci în condițiile la limită ale sistemului. Dar nu orice schimbare este aptă să determine un astfel de proces. Doar anumite schimbări ale unor mărimi exterioare sistemului sunt capabile să inițieze procesul complicat de trecere de la dezordine la o nouă ordine. Aceste mărimi sunt denumite parametri de ordine și domeniul în care iau valori aceștia poartă numele de spațiu al parametrilor.
Modificarea unuia sau mai multor parametri de ordine determină apariția, în evoluția sistemului, a unei bifurcații (figura 4.1.).
Figura 4.2
Bifurcația arată, pentru o anumită valoare a parametrului de ordine, care sunt stările posibile pe care o anumită configurație a sistemului le poate atinge. În figura 4.2 este reprezentat cazul cel mai simplu, în care o configurație stabilă (simetrică) este înlocutiă cu două configurații, stabile sau instabile.
În realitate, bifurcații mult mai complicate pot să apară. În loc de două, pot fi trei, patru sau un număr infinit de configurații posibile care apar dintr-un punct de bifurcație, iar bifurcațiile pot fi aranjate într-o cascadă, în care două sau mai multe ramuri apar din puncte de bifurcație succesive, ce se obțin pe măsură ce parametrul de ordine se modifică.
În orice caz, bifurcațiile apar mult mai repede decât modificările ce au loc în parametrul de ordine, până ce numărul de ramuri devine infinit. Acest lucru corespunde intrării sistemului într-o stare (configurație) haotică, în care el sare constant și impredictibil de la o ramură (configurație) la alta.
Sistemul nu rămâne, totuși, mult timp într-o astfel de stare, ci, brusc, fără un motiv anume, el devine din nou ordonat. Totuși, noua configurație obținută după parcurgerea zonei de haos diferă de cea anterioară. Sistemul s-a auto-organizat.
Esențial este faptul că orice proces de auto-organizare necesită parcurgerea unui proces de bifurcație urmat de un comportament haotic (rută către haos).
Emergența sistemelor adaptive complexe din economie
Conceptul de emergență are încă un sens echivoc în știință. Uneori el este folosit ca o explicare a apariției unor proprietăți coerente globale în orice sistem care se compune din părți sau elemente având comportamente observabile la nivel local. Alteori el este utilizat pentru a denumi ceea ce nu poate fi explicat în comporamentul sau evoluția unui sistem. În Științele Complexității, emergența apare ca noțiunea ce denumește noile proprietăți coerente care nu sunt predictibile dacă analizăm proprietățile izolate ale părților unui sistem, proprietăți ce apar atunci când abordăm sistemul la nivel global.
Noutatea și coerența noilor proprietăți sunt condiții esențiale pentru a recunoaște emergența acestora într-un sistem adaptiv complex. În legătură cu acest aspect, se pun două întrebări esențiale, și anume:
– Cum se poate ca un nou lucru să apară, dacă el nu poate fi prevăzut din proprietățile componentelor din care este constituit sistemul?; și
– Ce conferă coerență unor proprietăți decurgând din comportamentul și funcționarea unui număr mare de părți, astfel încât acestea să se manifeste la nivelul întregului sistem?
Emergența este direct legată de auto-organizare, ea manifestându-se cu precădere în timpul sau ca o consecință a procesului de auto-organizare. Datorită acestui lucru, proprietățile emergente sunt cele care determină auto-reglarea și menținerea coeziunii unui sistem auto-organizator în fața entropiei induse de acțiunea mediului înconjurător.
4.2.1 Tipurile principale de emergență
Searle (1992) distinge două tipuri de emergență: ontologică și reprezentativă. Emergența ontologică permite explicarea modului în caere sistemele pot exista într-o lume dominată de cea de-a doua lege a termodinamicii și de o microfizică închisă cauzal. Emergența reprezentativă se referă la dezvoltarea teoriilor despre lucrurile pe care suntem în stare să le observăm și să le explicăm în lumea reală.
Cariani (1991, pag. 776) adaugă celor două tipuri și emergența computațională, în care “forme globale complexe pot să apară din interacțiuni computaționale locale”, deci modelând procese similare celor care, în sistemele reale, pot produce proprietățile emergente observate. De exemplu, în automatele celulare pot să apară forme complexe ca urmare a aplicării unor reguli de calcul simple, echivalente interacțiunilor locale din cadrul sistemelor reale.
Holland (1995, 1998) demonstrează proprietățile sistemelor adaptive complexe utilizând automatele celulare și arată că agregarea și auto-mentenanța sunt relevante pentru studiul emergenței în astfel de sisteme. Agregarea este definită ca o funcție ce depinde de ierarhia organizațională a sistemului, iar auto-mentenanța presupune menținerea unei coerențe continue a sistemului obținut în urma agregării, în ciuda fluxurilor de resurse dintre părțile agregate, precum și a apariției și dispariției unora dintre ele.
Cele două proprietăți emergente de mai sus apar frecvent în cazul sistemelor complexe din economie. Agregarea apare atunci când din subsisteme și componente de natură diferită aflate la nivel microeconomic, cum ar fi firme, gospodării, bănci, piețe de natură diferită etc. se formează un sistem macroeconomic. Acesta are proprietăți și comportamente diferite de cele ale componentelor sale, oricare ar fi acestea. La fel, auto-mentenanța este prezentă în sistemul macroeconomic astfel obținut, întrucât coeziunea acestuia se păstrează, deși între firme, gospodării, bănci circulă fluxuri de materiale, produse, forță de muncă, bani ș.a., fluxuri ale căror intensități și direcții sunt determinate de piețe. De asemenea, unele firme dau faliment, altele intră în economie (sunt nou înființate), unele gospodării apar iar altele dispar, iar băncile sunt înființate și dau faliment fără ca coeziunea sistemului macroeconomic să fie afectată sau proprietățile emergente ale acestuia să se schimbe.
4.2.2 Caracteristicile sistemelor emergente
Intuitiv, emergența poate fi cel mai bine înțeleasă ca un salt care apare pe un nivel ierarhic al structurii organizaționale a unui sistem, salt ce determină ca subsistemele, părțile și componentele aflate pe acel nivel să devină coerent organizate și să poată fi caracterizate ca fiind ceva nou, diferit de situația inițială. Studiul emergenței presupune, în acest context, elucidarea cel puți a următoarelor probleme (Jones, 2002):
– cum se formează nivelele ierarhice noi într-un sistem pe baza unor componente aflate deja pe un anumit nivel ierarhic inferior;
– cum se pot stabili și descrie limitele care separă diferitele nivele ale unui sistem; și
– cum o mulțime de părți componente poate să capete coerență pentru a forma nu nou nivel ierarhic.
Sistemele emergente pot fi definite ca acele sisteme adaptive complexe care:
a) produc noutate – începând cu un moment de timp inițial, cel al emergenței, noua structură formată din constituenții unui sistem produce sau reprezintă ceva nou, care nu exista în forma respectivă înainte de emergență.
b) sunt impredictibile – noile proprietăți sau comportamente obținute în urma emergenței nu puteau fi prevăzute înainte ca emergența să aibă loc.
c) asigură coerență, integritate – obiectele și componentele sunt ținute împreună de interacțiuni cauzale ce asigură unitatea lor organică, ceea ce face ca noua formă organizațională apărută să acționeze coerent și să reziste la perturbații interne și externe.
d) determină auto-mentenanța – noua formă este stabilă în raport cu variațiile mediului înconjurător precum și cu modificările ce au loc în propria structură internă.
e) sunt asimetric cauzale – proprietățile noi care sunt revelate în urma emergenței sunt determinate doar “de jos în sus”, fără să se observe apariția unor noi proprietăți emergente “de sus în jos”.
Deci emergența reprezintă, în ultimă instanță, o problemă de organizare și, în consecință, taxonomia utilizată în descrierea relațiilor organizaționale este cea mai portivită pentru a descrie drumul unei mulțimi de componente ale unui sistem către coerență și integritate, ceea ce le dă posibilitatea în continuare să se comporte ca un întreg.
4.2.3 Emergență și organizare
Organizarea părților sau constituenților unui sistem este rezultatul relațiilor care se creează între componentele lumii fizice (reale) sau virtuale. De exemplu, emergența sistemului macroeconomic se produce ca urmare a relațiilor materiale, energetice, informaționale, umane etc. care există între subsistemele componente ale sistemului respectiv și între acestea și alte componente aflate în mediul înconjurător. Proprietățile emergente ale sistemelor simulate pe calculator (de exemplu, în cazul automatelor celulare) derivă din regulile stabilite ca existând (virtuale) între componentele sistemelor respective.
Așadar, emergența depinde de aceste relații reale sau virtuale care există între părțile componente ale unui sistem și de modul în care acestea induc o anumită ordine în sistem. Trebuie spus, însă, că ordinea indusă în procesul de emergență diferă de ordinea preexistentă în sistemul emergent. Este necesar ca aceasstă ordine să determine sau să impună apariția unui nou nivel ierarhic care să se comporte coerent în continuare și care să fie clar delimitat de vechea structură a sistemului respectiv. De asemenea, acest nou nivel trebuie să aibă limite clar stabilite și să dezvolte regiuni de stabilitate în cadrul cărora perturbațiile care afectează elementele sau limitele să nu ducă la disoluția nivelului nou apărut.
Această stabilitate în integritate este cea care asigură sistemului condițiile de apariție a emergenței, altfel spus, o nouă ordine la un nivel ierarhic superior.
Relațiile organizatoare care apar în procesul de emergență reprezintă rețele complexe de interdependențe între părțile sau componentele sistemului, mergând de la relațiile care se stabilesc între entitățile bio-chimice din cadrul unei celule și până la raporturile complexe dintre indivizi din cadrul unei societăți. Studiul unor astfel de rețele sociale complexe, indiferent de locul în care apar și de natura lor fizică, poate duce la înțelegerea mai profundă a emergenței ca procesul fundamental prin care în natură, economie sau societate apar noi sisteme, având proprietăți și comportamente distincte, ceea ce conferă lumii în care trăim infinita sa varietate și diversitate.
CAPITOLUL 5
AGENȚI ȘI MODELAREA-BAZATĂ-PE-AGENȚI
Agenții și sistemele multiagent reprezintă o nouă modalitate de analiză, modelare și implementare a sistemelor complexe. Viziunea bazată pe agenți oferă astăzi o gamă largă de instrumente, tehnici și paradigme cu un uriaș potențial de a îmbunătăți modul în care oamenii concep și utilizează tehnologia informațională. Agenții sunt și vor fi utilizați tot mai mult într-o mare varietate de aplicații, mergând de la sisteme de dimensiuni mici, cum ar fi filtrele personalizate pentru e-mail sau agenții pentru cumpărături (shopbot) și până la sisteme mari, deosebit de complexe, cum sunt organizațiile și sistemele economice virtuale. La o primă vedere, ar putea apărea că aceste tipuri de sisteme sunt extrem de diferite și că nu au nimic în comun unele cu altele. Dar, în toate aceste cazuri, poate fi utilizat conceptul de agent și metodele care derivă din acesta. Este remarcabil cât de mare este varietatea de aplicații ce poate fi caracterizată în termenii teoriei agenților și sistemelor multiagent.
Datorită gradului mare de interes și nivelului ridicat de activitate din acest domeniu, la început teoriile și metodele referitoare la agenți pot apărea haotice și incoerente. Ne propunem ca, în acest capitol, să introducem o mai mare coerență și ordine, fără a dezvolta prea mult acest domeniu multidisciplinar deosebit de vast.
Înainte de a trece la descrierea unor aplicații economice ale acestei teorii, să definim ce se înțelege prin termeni ca ,,agent”, ,,sistem bazat pe agenți” sau ,,sistem multiagent”. Există astăzi o literatură deosebit de bogată din acest domeniu, care conține o mulțime de definiții date acestor concepte cheie, fără să se manifeste, totuși, o încercare de unificare a diferitelor sensuri. Desigur că acest lucru nu constituie un obstacol în progresul rapid, atât teoretic cât și în ce privește aplicațiile practice ale domeniului, dar noile cunoștințe acumulate, noile paradigme introduse necesită, din timp în timp, reevaluarea termenilor cheie prin reluarea efortului de redefinire a conceptelor, astfel încât să putem înțelege mai bine implicațiile și interdependențele fiecărui termen în parte.
Acest lucru îl vom face și noi în continuare, pornind de la o bibliografie cuprinzătoare. Mai întâi vom încerca să răspundem la întrebarea esențială: ,,Ce este un agent ?” Odată introdus conceptul de bază de agent, putem merge mai departe pentru a defini sistemul bazat pe agenți. Acesta, desigur, este un sistem în care elementul principal este cel de agent. În principiu, un sistem bazat pe agenți ar putea fi conceptualizat în termenii specifici agenților, dar implementat fără ca structurile sale să includă vreo referire la agenți. Este cazul multor aplicații practice actuale care, deși se subsumează teoriilor referitoare la agenți, nu menționează acest lucru în mod explicit. Desigur că o astfel de abordare este mai puțin productivă, astfel că ne vom aștepta ca sistemele proiectate ca sisteme bazate pe agenți să fie și implementate în continuare ținând cont de conceptul de agent.
În continuare, în acest capitol, vom introduce sistemele multiagent, formate din mai mulți agenți interconectați. Sistemele multiagent reprezintă mijlocul ideal de a aborda probleme care au mai multe metode de rezolvare, mai multe modalități de structurare și/sau mai multe entități care le rezolvă (ca în cazul sistemelor distribuite). Astfel de sisteme au, deci, avantajul natural al rezolvării distribuite și concurente a problemelor dar, în același timp, au și avantajul suplimentar al reprezentării modalităților complexe de interacțiune. Tipurile principale de interacțiuni cum sunt cooperarea (lucrul împreună pentru atingerea unui scop comun), coordonarea (organizarea activității de rezolvare a problemelor astfel încât interacțiunile dăunătoare sunt eliminate iar cele favorabile sunt utilizate) și negocierea (ajungerea la un acord care este acceptabil pentru toate părțile implicate) reprezintă aspecte esențiale ale utilizării în practică a metodelor bazate pe agenți.
În ultima parte a acestui capitol vom introduce conceptul de sistem multiagent inteligent, concept care este fundamental în abordarea conducerii sistemelor și proceselor economice din perspectiva agenților și modelării-bazate-pe-agenți. Inteligența unor astfel de sisteme este legată mai mult de capacitatea lor comună de a învăța și a se adapta la cerințele mediului, deși nu este exclus ca, în curând, să vorbim despre agenți care au convingeri proprii sau despre agenți emoționali, deci care sunt capabili să exprime emoții și sentimente umane.
Vom introduce conceptul de inteligență colectivă pentru a descrie un sistem multiagent în care nu există o structură centralizată de comunicare sau control și care are capacitatea de a învăța și a se adapta continuu, în raport cu percepția sa asupra mediului, dar și a interdependențelor interne dintre agenți.
Sistemele multiagent cu inteligență colectivă sunt considerate astăzi ca fiind tipul de sisteme care se va impune tot mai mult în aplicațiile practice ale viitorului. Biroul inteligent, casa inteligentă, întreprinderea inteligentă etc. tind să iasă din sfera proiectării și să devină, într-un viitor previzibil, realități obișnuite.
Ce este un agent ?
Conceptul de agent a devenit, în anii 90 ai secolului XX și în primii ani ai secolului XXI, un concept central în câteva dintre disciplinele științifice cu o dezvoltare de-a dreptul explozivă. Inteligența artificială (IA) și subdomeniul acesteia, inteligența artificială distribuită, științele complexității, cibernetica de ordinul trei, știința calculatoarelor, economia computațională ș.a. fac apel din ce în ce mai frecvent la conceptul de agent și la metodele derivate din acesta. Se vorbește deja despre o teorie a agenților și a sistemelor multiagent ca un domeniu relativ autonom al IA, deși există și alte discipline care revendică acest lucru.
Fără să existe încă o unitate de vederi în ceea ce privește definirea agenților, cercetările în această direcție avansează atât de rapid încât se poate spune că se conturează deja o concepție unitară și unificată asupra agenților, astfel încât ei să poată fi deja obiect de standardizare internațională.
În continuare, vom trece în revistă câteva definiții date agenților, vom introduce principalele proprietăți ale acestora și vom arăta impactul pe care utilizarea acestui concept îl are asupra diferitelor discipline științifice, tehnici și metodologii care sunt astăzi utilizate în diferite științe.
5.1.1 Definiții de bază
Deși noțiunea de agent a devenit centrală în cele mai diferite domenii științifice, există diferențe mari între sensurile date acestui concept precum și diferitelor utilizări ale sale în aceste domenii.
În dicționare, agentul este definit ca ,,cineva care, sau prin care se exercită putere sau produce un efect”1). Totuși, o astfel de definiție este prea generală pentru a putea fi considerată operațională; cel puțin ea indică faptul că agentul exercită o acțiune, schimbă ceva în mediul înconjurător. Mai precis, Shardlow arată că ,,Agenții fac lucruri, ei acționează: de aceea ei se numesc agenți” (Shardlow, 1990).
Agenții au deci un rol activ, inițiind acțiuni prin care este afectat mediul lor mai degrabă, decât ca ei să fie afectați de acest mediu. Doi termeni pot fi utilizați pentru a descrie această acțiune a agenților: autonomia și raționalitatea așa cum afirmă Wooldridge și Jennings (1995). Autonomia presupune, în general, că un agent funcționează fără intervenția directă a omului sau a altor agenți. Raționalitatea presupune că agenții inițiază orice acțiune în scopul maximizării performanței lor în raport cu o funcție de evaluare.
Totuși, acțiunea rațională autonomă, așa cum este definită, reprezintă un criteriu prea general pentru agenți, ceea ce face ca în această categorie să se regăsească o clasă prea largă de obiecte. De exemplu, conform acestei definiții, și un tranzistor care, în esență, reprezintă un dispozitiv electronic simplu, poate fi considerat ca fiind agent.
Poate mai multă precizie în acest domeniu este introdusă de definiția dată de Jennings, Sycara și Wooldridge (1998) pentru care ,,un agent este un sistem de calcul situat într-un anumit mediu, care este capabil de acțiune autonomă flexibilă pentru a realiza obiectivele sale proiectate” (Jenings, Sykara, Woldridge, 1998, p.8).
Se observă că acum se folosesc trei concepte cheie pentru a defini un agent: poziționarea în raport cu mediul, autonomia și flexibilitatea. Poziționarea, în acest context, înseamnă că agentul primește inputuri de la mediul său și că el poate executa acțiuni care schimbă acest mediu într-un anumit fel. Astfel, Internetul reprezintă un mediu în care poate fi situat un astfel de agent dar, tot așa de bine, acest mediu poate fi și realitatea fizică. Poziționarea reprezintă o proprietate fundamentală a agenților, care-i deosebesc de alte sisteme, de exemplu de sistemele expert. Acestea din urmă nu interacționează direct cu mediul, primind informația și cunoștințele prin intermediul inginerului de cunoștințe, care este un om. În acest mod, sistemul expert nu acționează direct asupra mediului, ci prin intermediul factorului uman.
Autonomia este înțeleasă aici ca absența intervenției umane sau a altor agenți, deci un agent își poate controla complet propriile acțiuni și starea sa internă. Uneori autonomia este înțeleasă, într-un sens mai strict, ca și capacitatea pe care o are agentul de a învăța din propria sa experiență (de exemplu în (Russell, Norvig, 1995)).
Flexibilitatea presupune, în esență, că agentul este: responsiv (deci percepe mediul și răspunde la timp la schimbările ce apar în el); proactiv (adică acțiunile sale nu reprezintă simple reacții la mediu, ci este capabil să exercite un comportament orientat către un anumit scop și să inițieze acțiuni care îl apropie de aceste scopuri); și social (deci agentul este capabil să interacționeze cu alți agenți artificiali sau umani pentru a-și rezolva propriile probleme și a-i ajuta pe alții în activitățile lor).
J. Ferber (1995) detaliază și mai mult lucrurile, el spunând, în esență, că agenții sunt entități reale (fizice) sau virtuale care:
Acționează într-un mediu specificat;
Comunică cu alți agenți;
Urmează un set de tendințe, reprezentând obiective sau optimizează o funcție;
Dispun de resurse;
Percep mediul înconjurător până la o anumită limită;
Reprezintă intern mediul înconjurător (unii agenți doar reacționează);
Oferă cunoaștere și servicii;
Se autoreproduc (opțional);
Satisfac obiective bine definite, ținând cont de resurse, cunoștințe, percepție, reprezentare și stimuli.
Desigur că o astfel de definiție este prea cuprinzătoare pentru a putea separa mai bine agenții de alte tipuri de sisteme. S-a observat astfel că, aplicând o astfel de definiție, putem încorpora în categoria agenților și mușuroaielor de furnici, roiurile de albine sau bancurile de pești.
Poate că acest lucru nu este însă departe de adevăr.
Recent, agenții au fost definiți extrem de sintetic, dar cuprinzător într-un raport pentru Agentlink, comunitatea europeană a oamenilor de știință din acest domeniu, de către Luck, M., ș.a. (2001) La întrebarea ,,Ce este un agent ?” se răspunde: ,,Agenții pot fi definiți ca fiind entități computaționale rezolvitoare de probleme, autonome, capabile să execute operații în medii dinamice și deschise” (Luck, Mcbumey, Preist, 2001, pag. 9). Dacă prima parte a acestei definiții este compatibilă cu celelalte definiții discutate mai sus, a doua parte a ei arată că interesul s-a deplasat de la sistemele de calcul individuale, staționare, privite mai mult ca instrumente capabile să-l ajute pe om în activitățile sale, către situația în care puterea acestor sisteme de calcul este utilizată pentru a acționa în medii distribuite, impredictibile, deschise și dinamice. În astfel de medii, sisteme eterogene (oameni, mașini, ecosisteme ș.a.) trebuie să interacționeze, să depășească limitele organizaționale sau naturale și să funcționeze eficient, în condițiile unor situații-problemă care se modifică rapid și dramatic, pentru a-și realiza scopurile proprii sau anumite obiective comune.
Sintetizând conținutul diferitelor definiții date agenților în literatură, se poate spune că se întâlnesc astăzi două mari tipuri de astfel de definiții: definiții în sens larg și, respectiv, definiții în sens restrâns.
Noțiunea de agent în sens larg este utilizată pentru un sistem (entitate) computațional cu următoarele proprietăți:
autonomie: agentul operează fără intervenția directă a oamenilor sau a altor sisteme și are un anumit tip de control asupra acțiunilor (activităților) proprii și stării interne;
reactivitate: agentul percepe mediul înconjurător (care poate fi realitatea fizică, un utilizator prin intermediul unui interfețe grafice, o mulțime de alți agenți, Internet sau Intranet, o combinație a acestora ș.a.) și răspunde de o anumită manieră la schimbările continue și neanticipate care au loc în mediu;
proactivitate: agentul nu reacționează doar ca răspuns la schimbările din mediul înconjurător; el este capabil să aibă comportamente orientate către atingerea unor scopuri, având în acest sens inițiativă proprie;
abilitate socială: agentul interacționează cu alți agenți (și posibil oameni) utilizând un anumit limbaj de comunicare, care este înțeles de toți ceilalți agenți (sau oameni).
Uneori, conceptul de agent are un înțeles mai restrâns și mai specific. De exemplu, când noțiunea de agent se utilizează în IA, tehnologia software sau în procesele de control distribuit, acestuia i se asociază, pe lângă proprietățile generale introduse mai sus, și alte proprietăți care nu se regăsesc și la ceilalți agenți.
Astfel de atribute, caracteristice agentului în sens restrâns, pot fi următoarele:
mobilitatea: agentul are abilitatea de a se deplasa într-o rețea (de exemplu pe WWW);
capabilitatea: agentul nu comunică informații false;
bunăvoința: agentul nu are scopuri conflictuale în raport cu alți agenți și execută întotdeauna ceea ce i se cere;
inteligența: agentul acționează asemănător, în unele privințe, cu o ființă inteligentă.
În ceea ce privește ultima caracteristică, cea de inteligență, ea presupune înzestrarea unui agent cu calități cum ar fi: cunoașterea, convingerea, intenția, obligația, emotivitatea ș.a. Asupra agenților inteligenți vom reveni pe larg într-un paragraf ulterior.
5.1.2 Exemple simple de agenți în economie
Desigur că oricâte definiții s-ar da și oricât ar fi acestea de complete, ele nu pot suplini prezentarea unor exemple concrete de agenți. Ne vom referi, în aceste exemple, atât la agenți umani cât și la agenți artificiali pentru a arăta faptul că teoria agenților și sistemelor multiagent poate fi extinsă nu numai la sisteme de calcul, ci la orice entitate care execută anumite activități ce implică efectuarea anumitor procese computaționale.
Agenți în procesul de creditare
Vom considera, mai întâi, o aplicație bancară în care mai mulți agenți sunt utilizați pentru a îndeplini anumite roluri în procesul de acordare a unui credit pentru o mică afacere. Avem un proces distribuit, fiecare participant la procesul de aprobare a creditului putând fi considerat un agent autonom. La acest proces participă o bancă, o sucursală a acestei bănci, un ofițer de credite și un client care solicită creditul. Participanții la acest proces pot fi geografic separați unii de alții, dar comunică între ei printr-o rețea (de exemplu prin e-mail sau Internet). Clientul, de regulă, se adresează unei sucursale a băncii care se află în zona sa de interes (acolo unde își dezvoltă afacerea); prin aceasta, procesul de aprobare a creditului este inițiat.
Clientul lucrează cu un ofițer de credite de la nivelul sucursalei. Acesta colectează informațiile financiare și non-financiare despre client și creează un dosar de creditare. Dosarul complet este transmis directorului sucursalei bancare pentru o aprobare preliminară, după care dosarul de creditare este trimis la centrala băncii pentru analiză și decizie. Dacă creditul este aprobat de centrală, directorul sucursalei trimite înapoi ofițerului de credite dosarul de creditare pentru definitivarea acestuia. După încheierea contractului de creditare, clientul primește împrumutul și procesul se termină.
Toți participanții la acest proces de aprobare a creditului pot fi considerați agenți. Unii dintre ei aparțin de bancă (ofițerul de credite, directorul sucursalei, centrala băncii), alții însă nu (clientul). Între ei are loc un proces continuu de informare, comunicare și negociere. La nivelul centralei băncii are loc și un proces de supraveghere și evaluare a riscului acordării creditului.
Toate aceste procese se pot realiza cu ajutorul agenților. Un Agent de Documentare a Creditului (ADC) este capabil să culeagă și să analizeze documentele care sunt necesare în dosarul de creditare, atât la nivelul sucursalei cât și a centralei bancare. Mai departe, agenții de la nivelul centralei și sucursalei pot utiliza aceste informații pentru a lua decizii privind cererea de creditare.
Acest exemplu arată că mulți dintre pașii necesari în procesul de aprobare a unui credit pot fi făcuți automat utilizând o colecție de agenți. Fluxul de informații din interiorul băncii ca și cu clienții va fi redus la strictul necesar, reducând astfel costurile și crescând viteza de reacție a băncii la cererea de aprobare a unui credit.
b) Agenți de tip asistent personal
În aplicațiile din domeniul producției, educației, cercetării științifice, marketingului ș.a., este posibil să se utilizeze agenți pentru a executa diferite funcții ale unui sistem desktop (de căutare și afișare a rezultatelor). Astfel de agenți, numiți asistenți personali ajută pe oamenii implicați în activități decizionale sau de cercetare să elimine munca rutinieră de căutare și sistematizare a informației necesare adoptării diferitelor decizii. De exemplu, un asistent personal specializat în căutarea pe Internet poate reuni patru agenți diferiți, fiecare fiind orientat către realizarea unei sarcini specifice, necesară pentru a crea o aplicație inteligentă. Astfel, un agent de interfață va gestiona toate interacțiunile cu utilizatorul uman, un agent de monitorizare va urmări site-urile de interes de pe Internet și-l va informa pe utilizator (prin intermediul agentului de interfață) când apar noi informații pe unul dintre aceste site-uri. Un agent de domeniu va acumula cunoștințele din domeniul de interes pentru utilizator. Un agent de căutare/evaluare este specializat în localizarea și evaluarea informației și cunoștințelor de pe Internet și în determinarea gradului în care acestea satisfac nevoile utilizatorului.
c) Agenți pentru cumpărături (shopbot)
Acest exemplu arată cum agenți, proiectați pentru a fi experți în domeniile lor (interfață, ingineria cunoștințelor, căutare etc.) pot fi utilizați împreună pentru a realiza funcții complexe necesare într-un sistem de nivel superior, asistentul personal.
Agenții nu sunt utilizați, de regulă, individual, ci în sisteme incluzând mai mulți agenți diferiți care interacționează la acțiunile celorlalți agenți sau la cererile mediului. Acestea sunt numite sisteme bazate pe agenți și ne vom referi la ele mai târziu.
5.2. Tipologia (clasificarea) agenților
Să introducem, în continuare, tipurile principale de agenți care pot să apară în astfel de aplicații bazate pe agenți. Tipologia agenților este, în prezent, destul de ramificată, utilizându-se criterii de clasificare diferite cum ar fi: proprietățile agenților, funcțiile realizate, numărul de agenți de diferite tipuri încorporați ș.a.
În raport cu proprietățile pe care le au agenții, distingem (Brodshaw, 1997):
– agenți autonomi: agenți proactivi, orientați către un scop și acționând conform acestuia, fără să fie necesară intervenția utilizatorului, confirmarea și acordul acestuia;
– agenți adaptivi: agenți care se adaptează dinamic și învață despre și din mediul lor înconjurător. Deci acești agenți se adaptează la incertitudine și schimbare;
– agenți reactivi: agenți care sunt activați de evenimente și senzitivi la conjunctura din domeniul realității înconjurătoare. Acești agenți sunt capabili să simtă și să acționeze;
– agenți mobili: agenți care se deplasează unde este nevoie, posibil urmând un itinerar. Deplasarea se poate face într-un spațiu real sau virtual;
– agenți interactivi: agenți care interacționează cu oamenii, alți agenți, sisteme legale și surse informaționale;
– agenți cooperativi: agenți care își coordonează acțiunile și negociază pentru a atinge obiective comune;
– agenți sociali: agenți care colaborează cu alți agenți și/sau oameni pentru a atinge scopuri comune;
– agenți cu personalitate: agenți având caracteristici de personalitate umane cum ar fi emoții, intenții, convingeri, răspunderi ș.a.;
– agenți inteligenți: agenți care încorporează caracteristici ce definesc inteligența umană cum sunt introspecția, învățarea, adaptarea, ș.a.
După funcțiile realizate, agenții se pot clasifica în:
– agenți informaționali: agenți care colectează informație din surse multiple eterogene și trimit informație către surse multiple;
– agenți interfață utilizator: agenți care comunică cu oamenii utilizând diferite tipuri de interfețe, inclusiv limbajul natural;
– agenți reactivi (actori): agenți care execută anumite operații în mod autonom și în timp real ca urmare a apariției anumitor evenimente sau mesaje în mediul înconjurător;
– agenți mediatori: agenți care mijlocesc alocarea resurselor de orice fel între oameni și/sau alte categorii de agenți.
Clasificările referitoare la agenți sunt mult mai numeroase, dar considerăm că cele două clasificări introduse mai sus satisfac, deocamdată, cerințele construirii modelelor.
5.3 Sisteme bazate pe agenți
Prin sistem bazat pe agenți (SBA) se înțelege un sistem de calcul în care elementul cheie îl reprezintă agentul. În principiu, un astfel de sistem poate fi proiectat în funcție de agenți, dar implementat fără ca structurile sale să corespundă într-un fel agenților. Acest lucru este similar software-ului orientat obiect, în care este posibil să se proiecteze un program în funcție de obiecte, dar acesta să fie realizat fără utilizarea unui mediu de programare orientat obiect.
Desigur că o astfel de abordare nu este cea mai de dorit, atât în cazul sistemelor bazate pe agenți cât și în cel al software-ului orientat obiect.
Un SBA este deci un sistem care poate conține unul sau mai mulți agenți. Pot exista sisteme care conțin un singur agent și sisteme cu mai mulți agenți. Există aplicații practice în care un singur agent este suficient. Astfel, sistemele asistent personal, în cadrul cărora agentul acționează ca un expert, ajutând un utilizator să execute pe calculator anumite operații, reprezintǎ astfel de sisteme. Totuși, sistemele multiagent în care sistemul bazat pe agenți este proiectat și implementat ca un sistem care conține mai mulți agenți interactivi este considerat ca fiind mai general și mai interesant din punct de vedere practic, dar și mai greu de realizat.
Sistemele multiagent reprezintă sisteme bazate pe agenți care sunt apte să reprezinte probleme care au multiple metode de rezolvare a problemelor, perspective multiple și/sau entități rezolvitoare de probleme multiple. Deci ele au avantajele sistemelor distribuite și concurente de rezolvare a problemelor, dar mai au și avantajul suplimentar al modalităților sofisticate de interacțiune.
Tipurile principale de interacțiune ce pot fi găsite în sistemele multiagent includ: cooperarea, coordonarea și negocierea.
Mai întâi vom descrie sistemele bazate pe agenți care conțin un singur agent autonom, după care ne vom referi, în general, la sistemele multiagent.
5.3.1 Sisteme cu agenți autonomi
Sistemele care încorporează un singur agent autonom se poate spune că reprezintă puntea de legătură între sistemele expert și sistemele multiagent. Desigur că sistemele bazate pe agenți nu au apărut pe un loc gol. Principala contribuție la dezvoltarea lor, după cum am mai spus, o are inteligența artificială. În esență, inteligența artificială își propune să realizeze sisteme artificiale inteligente care, dacă acționează într-un anumit mediu, pot fi considerate agenți. În ciuda faptului că agenții reprezintă astfel de sisteme artificiale, până la mijlocul anilor 80 ai secolului trecut aceștia au fost foarte puțin studiați în mod direct.
Cauza acestei rămâneri în urmă trebuie căutată în tendința care s-a manifestat în domeniul cercetărilor de a aborda în mod separat diferitele componente al comportamentului inteligent, cum ar fi învățarea, raționamentul, rezolvarea problemelor, recunoașterea formelor și a vorbirii etc. Deși s-au făcut progrese însemnate în fiecare din aceste domenii, sinteza lor pentru a crea un agent inteligent integrat nu s-a realizat. În acea perioadă, singurul domeniu în care se făceau progrese și care era strâns conectat cu sistemele bazate pe agenți era planificarea inteligentă: acesta încerca să răspundă la întrebarea ce trebuie făcut, deci ce acțiune trebuie întreprinsă, atunci când mediul înconjurător are o anumită stare. În esență, un sistem bazat pe agenți este exact un sistem care execută acțiuni într-un anumit mediu, deci nu este surprinzător faptul că inteligența artificială în general și planificarea inteligentă în particular joacă un rol atât de important în studiul agenților.
Planificarea inteligentă, ca domeniu de cercetare din cadrul inteligenței artificiale, își are originile în programul GPS (General Problem Solver) al lui Newell și Simon și în sistemul de planificare STRIPS, apărut în 1971 și dezvoltat ulterior (vezi pentru o prezentare istoricǎ a dezvoltǎrii IA lucrarea lui Rusell și Norvig (1995)).
De regulă, un program de planificare inteligentă cuprindea următoarele componente:
– un model simbolic al mediului înconjurător, reprezentat, de regulă, printr-un număr limitat de propoziții din logica predicatelor de ordinul întâi;
– o specificare simbolică a acțiunilor disponibile, reprezentate sub forma (condiție, acțiune);
– un algoritm de planificare, ce avea inputul format din reprezentarea mediului, specificații ale acțiunilor și o reprezentare a stării dorite și care producea ca output un plan, ce specifică acțiunile ce trebuiau întreprinse pentru a atinge scopul.
La baza sistemelor de planificare inteligentă stăteau însă principii logice care, după cum a arătat D. Chapman (1992), “conduceau la situații de indecidabilitate” (Chapman, 1992, p. 23). De aceea, apariția agenților, care pot răspunde la schimbările din mediul lor înconjurător în timp real, reprezintă tocmai încercarea de a depăși impasul în care ajunseseră sistemele de planificare inteligentă.
A. Newell, într-o celebrǎ lucrare apǎrutǎ în 1990, a fost cel care a arătat necesitatea unificării cunoștințelor obținute în diferitele domenii ale inteligenței artificiale și “elaborării unor sisteme care să țină seama de schimbarea continuă a mediului înconjurător” (Newell, 1990). Acest lucru necesită schimbarea a însăși elementelor de bază ale raționamentului din cadrul sistemelor respective. Așa au apărut sistemele bazate pe cunoaștere, din care se poate spune, fără a greși prea mult, că fac parte și sistemele bazate pe agenți.
Depășirea etapei în care raționamentele din sistemele de inteligență artificială se bazau pe logica simbolică a dus la un progres rapid în anii 90 către așa numita inteligență comportamentală, în care, conform lui R. Brooks (1991), inteligența este produsul interacțiunii dintre un agent și mediul său. În plus, Brooks afirmă faptul că “comportamentul inteligent emerge din interacțiunea dintre comportamente mai simple, dar diferite între ele” (Brooks, 1991, p. 1419). Aceste comportamente interacționează între ele în moduri diferite. De exemplu, un comportament poate decurge din outputul altui comportament. Aceste comportamente sunt organizate în ierarhii multinivel, în care la nivele de bază se află comportamente mai puțin abstracte (de exemplu, ocolirea unui obstacol în cazul agenților fizici de tip robot) și la nivele superioare se află comportamente din ce în ce mai abstracte.
La sfârșitul anilor 90 mulți cercetători au ajuns totuși la concluzia că astfel de arhitecturi pentru sistemele bazate pe agenți nu ar fi adecvate. Drept urmare, au fost propuse arhitecturi hibride, care să încorporeze atât proprietățile metodei de organizare bazată pe raționamentul logic, cât și ale celei bazate pe comportamentul reactiv la mediu. Astfel de arhitecturi erau organizate fie vertical (astfel încât doar un singur nivel să aibă acces la senzorii și efectorii agentului), fie orizontal (astfel ca toate nivelele să aibă acces la senzorii de intrare și la acțiunea de ieșire a agentului). În figura 5.1 sunt reprezentate aceste două tipuri de arhitecturi.
Se observă că nivelele sunt aranjate într-o ierarhie, fiecare nivel din ierarhie operând cu informații despre mediu la diferite nivele de abstractizare. Multe arhitecturi consideră ca fiind suficiente trei nivele. Astfel, la nivelul cel mai de jos din ierarhie se află un agent ,,reactiv”, care ia decizii privind acțiunile ce le va întreprinde doar pe baza inputului asigurat de senzori. Nivelul din mijloc acționează ca un agent al cunoașterii, generalizând comportamentele relevate de primul nivel și folosind reprezentări simbolice. Al treilea nivel al arhitecturii, cel superior, tinde să opereze cu aspecte sociale ale mediului și de aceea se numește agentul cunoașterii sociale sau meta-agent. Aici găsim reprezentări despre ceilalți agenți – scopurile acestora, convingerile, comportamente posibile ș.a.
Pentru a produce comportamentul global al agentului, aceste nivele interacționează între ele; modul specific de interacțiune depinde de arhitectură. În unele cazuri, fiecare nivel produce el însuși sugestii privind acțiunea pe care o va executa. În acest caz, medierea dintre aceste nivele astfel încât să se asigure un comportament general și consistent al agentului devine ea însăși o problemă. Deseori, medierea este realizată de un subsistem de control care determină care nivel ar trebui să aibă controlul general al agentului. Acest subsistem de control poate fi el însuși un agent, numit și agent mediator, ale cărui intrări sunt informații privind stările nivelelor controlate, iar ieșiri sunt acțiuni care asigură consistența și coerența de comportament a agentului.
O ultimă tendință în proiectarea arhitecturilor agenților este cea care pornește de la agenții care au raționamente practice. Aceștia sunt acei agenți a căror arhitectură este inspirată din modalitatea practică de gândire a oamenilor. Prin raționament practic se înțelege un mod pragmatic de a decide și acționa. Teoriile despre raționamentul practic fac, de regulă, referire la o psihologie a populației, în care comportamentul este înțeles ca un rezultat al atitudinilor, cum ar fi credințele, dorințele, intențiile ș.a.m.d. Comportamentul uman poate fi privit ca apărând din interacțiunile dintre aceste atitudini.
Arhitecturile raționamentului practic sunt modelate ținând cont de aceste interacțiuni. Modelele de acest tip se numesc modele BDI (Belief–Desire–Intention) (Georgeoff, Kinny, (1997)). Agenții BDI sunt caracterizați de o anumită ,,stare mentală” care specifică valorile atribuite celor trei componente: convingeri, dorințe și intenții. Foarte general, convingerile corespund informației pe care agentul o are despre mediul său înconjurător. Dorințele reprezintă opțiuni disponibile agentului – diferite stări posibile ale afacerilor pe care agentul le poate alege și pentru care ar trebui să aloce resurse. În sfârșit, intențiile reprezintă stări ale afacerilor pe care agentul le-a ales și cărora le-a alocat resurse.
Funcționarea unui agent BDI include actualizarea repetată a convingerilor utilizând informația despre mediu, decizia privind opțiunile care sunt disponibile, filtrarea acestor opțiuni pentru a determina noi intenții și acțiunea pe baza acestor intenții. Astăzi, arhitecturile BDI sunt cele mai utilizate în proiectarea sistemelor bazate pe agenți.
5.3.2 Agenții și mediul
Agenții există și funcționează într-un anumit mediu. Poate în nici un tip de sistem, mediul nu joacă un rol atât de important ca în cazul agenților.
Agenții percep mediul prin senzori și acționează asupra lui prin efectori (figura 5.2).
Am văzut că o proprietate fundamentală a agenților este autonomia. Totuși, autonomia nu trebuie înțeleasă în mod absolut. Practic, agenții nu pot fi nici total autonomi de influențe externe și nici complet dependenți de acestea. Ei întotdeauna depind într-o anumită măsură de factorii externi.
Un mediu reprezintă, în esență, condițiile în care există și funcționează un agent. Astfel spus, mediul definește proprietățile lumii în care agenții se află. Un mediu constă, deci, nu numai din toate entitățile aflate în jur, dar și din acele principii, legi și procese în care agenții există și interacționează. Proiectarea și implementarea agenților necesită luarea în considerare a acestor factori.
Un exemplu tipic de agent situat într-un mediu este mușuroiul de furnici. Furnicile interacționează una cu cealaltă prin intermediul feromonilor pe care ele îl depozitează în mediu și acesta le ghidează acțiunile. Numeroase interacțiuni individuale conduc la dezvoltarea emergentă a drumurilor urmate de furnici prin mediu. Totuși, mediul este mai mult decât un canal de comunicare. Agenții depind atât de suportul fizic, tangibil, cât și de ceilalți agenți. Două aspecte sunt deci critice pentru mediile agenților: cel fizic și cel comunicațional.
Mediul fizic definește acele principii și procese care guvernează și susțin o populație de entități (agenți). De exemplu, pentru agenții biologici (animale și plante), ne referim la mediul lor fizic ca la o nișă ecologică. În ce privește agenții artificiali, aceștia pot avea diferite cerințe pentru a supraviețui (funcționa), dar au nevoie de un mediu fizic (similar nișei ecologice) pentru a exista.
Din definiția dată mediului fizic se observă că elementele fundamentale ce îl definesc sunt principiile și procesele. Principiile sunt legile naturii ce exprimă adevărurile fundamentale care sunt esențiale în lumea care ne înconjoară. Pentru agenți, principiile mediului fizic se pot introduce sub forma unor legi, reguli, restricții și politici care guvernează și susțin existența fizică a agenților. După (Weiss, 1999) și (Russell, Norvig, 1995), caracteristicile de bază pentru un mediu fizic se pot referi la:
accesibilitate: în ce măsură mediul este cunoscut de către agent? Un mediu se spune accesibil dacă agentul poate să aibă acces la starea mediului relevantă pentru alegerea acțiunii următoare.
determinism: în ce măsură agentul poate să prezică evenimente din mediu? Mediul este determinist când următoarea stare a acestuia poate fi determinată din starea curentă și din acțiunile alese de agenți.
diversitate: cât de omogene sau de eterogene sunt entitățile din mediu?
controlabilitate: în ce măsură agentul poate modifica mediul său?
volatilitate: cât de mult poate mediul să se schimbe în timp ce agentul alege o acțiune următoare?
temporalitate: este timpul divizat într-o manieră bine definită? De exemplu, acțiunile agentului se desfășoară continuu sau discret în timp?
localizare: are agentul o locație distinctă în mediu care poate sau nu poate să fie aceeași ca locația altor agenți cu care el împarte mediu. Sau, toți agenții virtuali sunt colocatari? Cum se exprimă coordonatele care localizează agentul (sistem de coordonate, distanțe metrice, poziționare relativă) ?
Procesele reprezintă cea de-a doua caracteristică esențială a mediului. După (Parunak, 1996), un mediu se poate exprima sub forma:
Mediu = Staree, Procese
unde Staree reprezintă o mulțime de valori care definesc complet mediul. Structura, domeniile de valori și variabilitatea acestor valori nu sunt restricționate în această definiție, fapt ce face ca să apară foarte multe diferențe între diferitele tipuri de medii. Procese reprezintă o acțiune executată autonom care schimbă starea mediului, Staree. Executată autonom înseamnă că procesul de desfășoară fără să fie invocat de o entitate exterioară.
Cel mai important fapt în definiția de mai sus dată mediului este că mediul însuși este activ, el având propriul său proces care schimbă starea sa – ce include agenții și obiectele din cadrul mediului – independent de acțiunile în care sunt implicați acești agenți.
Diferite medii fizice vor fi necesare pentru agenți de tipuri diferite și reciproc. În cazul agenților artificiali, mediul fizic este de cele mai multe ori mediul informațional, care poate include mijloace de transmisie, stocare și prelucrare a informației, mijloace de detecție și orientare în spațiu ș.a.
Pentru a susține această structură variată de mijloace tehnologice de procesare a informației se utilizează platforme de prelucrare comune. O platformă reprezintă baza pe care aplicațiile conținând agenți se realizează și care conține toate cerințele de mediu specifice ale agenților. FIPA (Federația Internațională a Agenților Fizici) a elaborat un standard, ,,Agent Platform” (FIPA, 1998) care definește o arhitectură abstractă pentru dezvoltarea aplicațiilor sistemelor bazate pe agenți.
În figura 5.3 se reprezintă această platformă.
Mediul fizic este un loc populat, deci poate conține și alți agenți. De aceea, atunci când se definește o aplicație, trebuie specificat dacă luăm sau nu alte entități, dacă mediul este deschis (deci pot intra în viitor alți agenți) sau închis. Populația mediului reprezintă totalitatea entităților luate în considerare.
Dacă în medii cu un singur agent, agenții sunt priviți ca entități independente, în medii cu mai mulți agenți, aceștia devin entități interdependente. Dacă în primul caz, agentul poate să acționeze singur, în al doilea caz el trebuie să comunice cu ceilalți agenți. Apare, astfel, conceptul de mediu comunicațional. Acesta conține, în primul rând, principiile și procesele care guvernează și susțin schimbul de idei, cunoștințe, informații și date. De asemenea, el conține acele funcții și structuri care sunt utilizate pentru a asigura comunicarea cu ceilalți agenți, cum ar fi roluri, grupuri și protocoale de interacțiune dintre roluri și grupuri.
Figura 5.3
Mediul comunicațional se poate atunci defini ca acele principii, procese și structuri care asigură o infrastructură pentru ca agenții să schimbe informații.
În esență, comunicarea presupune transmiterea informației de la o entitate la alta. Acest transfer de informație poate îmbrăca forme foarte simple (comunicare prin semne, de exemplu), până la forme extrem de complexe (de exemplu, comunicarea într-un proces de negociere).
Comunicarea se presupune că are loc doar dacă starea internă a agentului care a primit mesajul se schimbă. Altfel vorbim de transmitere de informație. O modalitate de a determina dacă comunicarea a avut loc este deci să se ia în considerare rezultatul interacțiunii dintre doi agenți. În figura 5.4 sunt reprezentate diferite situații care pot apărea în comunicare. Se observă că avem cinci posibilități, dintre care cea mai complexă este situația e) în care cei doi agenți interacționează.
Interacțiunea dintre doi agenți presupune, deci, comunicarea bidirecțională dintre aceștia, altfel spus transmiterea de informație de la unul la celălalt și invers, informație care modifică starea internă a fiecărui agent în parte. Activitățile are sunt realizate de fiecare agent în procesul de comunicare se specificǎ în protocoalele de comunicare.
În sistemele bazate pe agenți, comunicarea și interacțiunea pot fi utilizate împreună. Acest lucru necesită introducerea, pe lângă protocoalele de comunicare, și a protocoalelor de interacțiune. Luarea în considerare a interacțiunilor dintre agenți duce la necesitatea introducerii conceptului de mediu social.
Un mediu social este un mediu comunicațional în care agenții interacționează într-o manieră coordonată.
Rezultă deci că mediul social este inclus în mediul comunicațional. Nu toate comunicațiile dintre agenți sunt sociale, dar activitatea socială a agenților necesită comunicarea dintre aceștia. Mediul social este definit de coordonare, cooperare și competiție. În figura 5.5 se reprezintă raporturile dintre aceste concepte.
Mediul social este caracterizat de principii și procese, ca și celelalte medii, dar și de conținut, care îl diferențiază de mediul fizic și mediul comunicațional.
Principiile mediului social sunt reprezentate de norme, obiceiuri, valori, obligații, dependențe ș.a. Acestea sunt incluse într-o serie de reglementări care caracterizează mediul social și anume:
Limbajul de comunicare: agenții comunică pentru a înțelege și a se face înțeleși. Mediile sociale bazate pe agenți trebuie să definească principiile sintactice, semantice și pragmatice ale limbajului de comunicare. În plus, trebuie definite tipurile de mesaje care vor fi utilizate (de exemplu, aserțiuni, lanțuri de aserțiuni, replici, cereri de comunicări) și antologia acestora. Deja au fost create limbaje de comunicare de tip agent cum ar fi FIPA ACL sau KQML.
Protocoale de interacțiune: un protocol de interacțiune între agenți descrie o modalitate de comunicare ca o secvență acceptată de mesaje între entități și restricțiile privind conținutul acestor mesaje.
Strategii de coordonare: agenții comunică pentru a-și atinge scopurile proprii și scopurile grupului social la care ei iau parte. Cooperarea, competiția, planificarea și negocierea sunt principii comune utilizate pentru a executa activități într-un mediu distribuit.
Politici sociale: regulile care impun un comportament social acceptabil. Ele includ reguli implicite și explicite de comportament, raportul dintre influență și putere etc.
Cultura: o mulțime de valori, credințe, dorințe, intenții, reguli morale care determină caracteristicile de mai sus (cultura afectează limbajul, protocolul de interacțiune, politicile sociale).
Procesele mediului social se referă la condițiile care determină ca agenții să interacționeze în mod productiv. În particular, acestea se referă la:
Managementul interacțiunii: gestiunea interacțiunilor dintre entități pentru a asigura că ele aparțin protocolului de interacțiuni dintre agenți care a fost ales. Apartenența la acest protocol poate fi asigurată de agenții participanți la interacțiuni fără ca mediul să fie implicat.
Prelucrarea limbajului: limbajul de comunicare poate fi analizat corect, el poate fi analizat corect dar să nu fie adecvat (de exemplu este contradictoriu), sau este corect dar neadecvat cu contextul agentului.
Servicii de coordonare: care pot fi servicii de evidență ce localizează agentul prin metode de tip pagini albe (pentru agentul individual), pagini galbene (pentru colectivități de agenți) și pagini verzi (servicii oferite), precum și servicii de mediere ce acționează prin intermediul unui agent mediator.
Pentru mediul social, spre deosebire de celelalte medii ale agenților, este important și conținutul acestuia.
Conținutul mediului social se referă la:
– unitățile sociale (grupurile) la care agenții aderă;
– rolurile jucate de aceștia în interacțiunile sociale;
– toți ceilalți membri care joacă roluri în acele unități sociale.
Fiecare unitate socială (grup) reprezintă o mulțime de agenți asociați care au un interes sau un scop comun. Un grup poate fi vid dacă nu există agenți participanți; el poate conține un singur agent sau poate să aibă agenți multipli.
Un rol este o reprezentare abstractă a unei funcții, serviciu sau identitate a unui agent în cadrul unui grup.
Pentru grupurile cu un singur agent definirea rolurilor este destul de simplă; reprezentarea rolurilor în sistemele cu agenți multipli (sisteme multiagent) devine însă extrem de complicată, necesitând abordarea distinctă în cadrul teoriei agenților a unor astfel de sisteme.
5.4 Sisteme multiagent (SMA)
Sistemele multiagent diferă de sistemele cu un singur agent prin aceea că includ mai mulți agenți, fiecare dintre aceștia putând executa acțiuni autonome și urmărind scopuri proprii.
Un SMA poate fi definit deci ca o rețea slab cuplată de rezolvitori de probleme care lucrează împreună pentru a rezolva probleme care depășesc capacitățile individuale sau cunoștințele fiecărui rezolvitor (Durfee, Lesser, 1989).
Acești rezolvitori de probleme care reprezintă agenți în sensul definit mai sus, sunt autonomi și pot fi diferiți unul de celălalt.
Principalele caracteristici ale SMA sunt următoarele:
fiecare agent are informație incompletă sau capacitate redusă de a rezolva problema, deci ei sunt limitați în raport cu complexitatea acestei probleme;
nu există un sistem de control global;
datele disponibile sunt descentralizate (distribuite); și
calculul este asincron.
Pe lângă cerințele impuse sistemelor bazate pe agenți, în cazul SMA apar noi cerințe privind proiectarea și implementarea acestora. Astfel, un SMA trebuie să aibă o funcționare robustă și eficientă, să fie capabil să conlucreze cu sisteme existente și să aibă capacitatea de a rezolva probleme în cazul în care datele, expertiza sau controlul sunt distribuite. Datorită acestor cerințe, SMA ridică dificultăți deosebite atât în proiectare și implementare cât și în funcționare.
Pentru a discerne mai bine natura acestor probleme, vom trece în revistă câteva dintre acestea așa cum sunt ele prezentate în literatură (vezi Bond, Gasser, 1988, Weiss, 2000).
1) Cum formulăm, descriem, descompunem și alocăm problemele ce trebuie rezolvate și sintetizăm rezultatele între un grup de agenți?
2) Cum facem pe agenți să comunice și interacționeze între ei ? Ce limbaje de comunicare și protocoale utilizăm? Ce și când comunică agenții între ei ?
3) Cum asigurăm ca agenții să acționeze coerent în luarea deciziilor sau îndeplinirea acțiunilor, ținând cont de efectele distribuite ale deciziilor locale și de evitarea interacțiunilor dăunătoare?
4) Cum facem ca agenții individuali să reprezinte și să raționeze despre acțiunile, planurile și cunoașterea celorlalți agenți pentru a se coordona cu aceștia?
5) Cum recunoaștem și reconciliem punctele de vedere diferite dintre agenți și intențiile de acțiuni conflictuale dintre aceștia pentru a coordona acțiunile lor?
6) Cum realizăm efectiv echilibrul dintre calculul local și comunicare? Mai general, cum se face alocarea resurselor limitate în cadrul sistemului?
7) Cum se evită sau se rezolvă comportamente generale ale sistemului nedorite, cum ar fi cel haotic sau oscilant ?
8) Cum se realizează practic SMA? Ce platforme de proiectare și metodologii de dezvoltare sunt cele mai adecvate?
Evident că răspunsurile la aceste întrebări sunt încă incomplete în prezent. Domeniul de cercetare al SMA este în plină expansiune și vor trece încă mulți ani până când vom reuși să avem răspunsuri complete și corecte la toate aceste întrebări. Se pare însă că SMA inteligente se apropie cel mai mult de forma optimă a SMA în raport cu criteriile de mai sus. De aceea, vom insista mai mult asupra realizărilor din acest domeniu.
5.4.1 Sisteme multiagent inteligente
În 1980 un grup de cercetători de la MIT s-a reunit pentru a discuta aspectele privind rezolvarea inteligentă a problemelor utilizând sisteme ce conțin mai mulți rezolvitori. O concluzie majoră a fost că astfel de sisteme nu trebuie să aibă nici o arhitectură paralelă, ca în cazul procesării distribuite pe diferite mașini, dar nici o arhitectură centralizată strict, în care să se controleze toate fazele rezolvării problemei. Ei au propus o arhitectură în care rezolvitorii de probleme inteligenți pot să se coordoneze eficient în rezolvarea problemelor.
Această concluzie are, în perspectiva progreselor realizate de atunci, o importanță excepțională, punându-și practic amprenta asupra întregii dezvoltări a SMA inteligente. Ca și în cazul sistemelor bazate pe agenți, vom trece în revistă câteva dintre etapele parcurse, tipurile de arhitecturi și principalele realizări în domeniul SMA inteligente.
5.4.2 Primele sisteme inteligente
Printre primele sisteme realizate din perspectiva celor de mai sus se numără sistemele de rezolvare a problemelor cu actori (Agha, Hewitt, 1987, 1988). Actorii sunt componente autonome, interactive ale unui sistem de calcul care comunică între ei prin mesaje asincrone. Funcțiile de bază ale unui actor sunt:
– creează: crearea unui actor pornind de la o descriere de comportament și o mulțime de parametrii, posibil incluzând actori existenți;
– trimite: trimiterea unui mesaj către un actor;
– devine: schimbarea stării locale a unui actor.
Sistemele cu actori reprezintă o modalitate naturală de a efectua calcule concurente. Totuși, astfel de sisteme, în raport cu alte tipuri de sisteme inteligente propuse, s-au dovedit mai puțin coerente.
Granularitatea de nivel redus a actorilor a pus problema privind realizarea unor comunități mai largi de actori și atingerea unor performanțe mai ridicate în realizarea scopurilor generale folosind doar cunoștințele locale ale agenților. Pentru depășirea acestor deficiențe, Hewitt, principalul susținător al acestor tipuri de sisteme cu actori, a propus o arhitectură deschisă care poate include noi caracteristici ale actorilor și noi actori în cazul problemelor de dimensiuni mari.
O altă direcție de cercetare a fost cea legată de alocarea flexibilă a sarcinilor între rezolvitori de probleme multipli (numiți noduri). Astfel, Davis și Smith propun, încǎ din 1983, Contract Net Protocol, în care agenții pot juca dinamic două roluri: manager și contractor. Dacă se dă o problemă ce trebuie rezolvată, un agent determină mai întâi dacă ea poate fi descompusă în subprobleme ce pot fi rezolvate în paralel (concurent). Se utilizează Contract Net Protocol pentru a anunța transferul acestor subprobleme către noduri și a primi de la aceste noduri informații privind modalitățile pe care le pot folosi pentru a rezolva subproblemele. Un nod care primește un anunț relativ la o subproblemă trimite înapoi un anunț indicând, deci, cât de bine crede el că va rezolva acea subproblemă. Contractorul colectează aceste anunțuri și distribuie subproblemele către cele mai bune noduri. La baza Contract Net Protocol se află o metodă de coordonare pentru alocarea problemelor, care printr-o o alocare dinamică, permite agenților să liciteze pentru mai multe subprobleme în același timp și asigură un echilibru al încărcării acestora cu subprobleme (agenții ocupați nu este necesar să liciteze). Limitele sistemului erau legate de imposibilitatea de a detecta și rezolva conflicte, de faptul că agenții nu erau informați atunci când nu primeau subprobleme, agenții nu puteau refuza subproblemele alocate și nu exista o preempțiune în executarea sarcinilor (agenții care mai rezolvaseră anumite tipuri de probleme puteau primi alte tipuri, chiar dacă sistemul conținea probleme din primul tip).
Acest tip de abordare este important deoarece el stă la baza cercetărilor actuale privind mecanismele de piață și utilizarea acestora în coordonarea SMA (Sandholm, Lesser, 1996).
5.5 Cooperare și interacțiune în SMA inteligente
O problemă fundamentală în SMA este cea a cooperării dintre agenți, care pot eventual fi eterogeni, în vederea atingerii unor obiective comune. Dacă, în cazul sistemelor cu un singur agent, prin planificare se putea construi o secvență de acțiuni pornind doar de la scopuri, resurse și restricții de mediu, în cazul SMA planificarea necesită luarea în considerare a rolului celorlalte activități ale agenților în alegerea de către un agent anumit a strategiei sale de acțiune.
În sistemele inițiale, în care grupuri de agenți urmăreau scopuri comune, interacțiunile dintre agenți erau determinate prin strategii de cooperare construite pentru a îmbunătăți performanța lor colectivă. Rezultă de aici necesitatea planificării complete înainte de acțiune. Pentru a produce un plan coerent, agenții trebuiau să recunoască interacțiunile dintre subscopuri și fie să le elimine, fie să le rezolve.
Într-o arhitectură propusă de Georgeff, această problemă se rezolvă prin includerea unui agent sincronizator care recunoaște și rezolvă astfel de interacțiuni. Ceilalți agenți trimit sincronizatorului planurile lor; acesta examinează planurile pentru regimurile critice în care, de exemplu disponibilul de resurse poate determina agenții să nu le îndeplinească. Agentul sincronizator inserează mesaje de sincronizare care funcționează ca niște semafoare pentru a asigura excluderea mutuală și a evita astfel coliziunea dintre agenți în îndeplinirea planurilor acestora.
O altă modalitate de abordare a interdependențelor dintre subprobleme este Modelul Corect Funcțional (FA/C) (Duffee, Lesser, 1991). În FA/C, nu este necesar ca agenții să cunoască toate informațiile locale pentru a rezolva subproblemele lor, ci acționează asincron și schimbă rezultatele parțiale obținute.
Începând cu FA/C, o serie de alte arhitecturi distribuite pentru coordonarea agenților au fost dezvoltate, folosind un meta-nivel static cu informații privind organizarea generală a problemei ce trebuie rezolvată și un meta-nivel dinamic, numit Planificator Global Parțial (PGP) [Duffee, 1988]. PGP este o modalitate flexibilă de coordonare care nu presupune o distribuție inițială dată a subproblemelor, expertizei și a resurselor, ci permite nodurilor să se coordoneze ele însele dinamic. Interacțiunile dintre agenți iau acum forma comunicării planurilor și scopurilor având un anumit nivel de abstractizare. Aceste interacțiuni permit unui agent care le primește să-și elaboreze așteptări privind comportamentul viitor al agentului care a trimis comunicarea, deci îmbunătățește predictibilitatea agenților și coerența sistemului. Deoarece agenții sunt cooperativi, agentul primitor utilizează informația primită pentru a ajusta propriul său plan local, astfel încât scopurile comune sunt atinse. Totuși, înainte de utilizarea PGP, agenții trebuie să conțină anumite cunoștințe privind modul și momentul utilizării PGP. Decker și Lesser, 1995 au proiectat un PGP generic, numit TAEMS pentru comunicare în timp real și meta-control, care evită necesitatea de a face o planificare detaliată la toate nodurile posibile.
O altă modalitate de abordare a cooperării în SMA s-a orientat către conceptul de ,,echipă de lucru” (Cohen, Levesque, 1991). Aplicabilă mai ales în mediu dinamic, metoda presupune că agenții dintr-un SMA formează o echipă care poate greși sau care poate avea noi oportunități în îndeplinirea sarcinilor stabilite. Fiecare membru al echipei este monitorizat în privința performanței și echipa se reorganizează în funcție de situația curentă.
Arhitectura bazată pe intenții comune [Levesque, Cohen, 1990] este o modalitate de a extinde cooperarea bazată pe echipa de lucru. Ea face apel la o stare mentală a echipei, denumită o intenție comună prin care o echipă intenționează să întreprindă o acțiune comună dacă membrii echipei sunt obligați să ia parte la o acțiune comună a echipei, chiar dacă ei cred individual că nu ar trebui să facă acest lucru. O obligație comună este definită ca un scop comun persistent al SMA.
Pentru a intra într-o obligație comună, toți membrii echipei trebuie să-și declare convingerile individuale și celelalte obligații. Acest lucru este făcut printr-un schimb de informații reciproce. Protocolul de obligații sincronizează echipa, astfel că toți membrii ei intră simultan într-o acțiune comună obligatorie pentru realizarea unei sarcini a echipei.
În plus, toți membrii echipei trebuie să confirme participarea la un scop obligatoriu comun, ei putând refuza dacă li se propun mai multe scopuri.
În acest ultim caz, se impune ca agenții să negocieze la care scop comun participă fiecare.
5.6 Negocierea și învățarea în SMA inteligente
Dacă agenții dintr-un SMA inteligent sunt autointeresați (deci urmăresc și scopuri proprii) atunci accentul cade pe negociere. Negocierea este o metodă de coordonare și rezolvare a conflictelor între agenți. Astfel de conflicte pot să apară în planificarea activităților și sarcinilor, în rezolvarea problemelor de alocare a resurselor critice, rezolvarea inconsistenței dintre sarcini și activități în determinarea structurii organizatorice etc. Negocierea este necesară în procesul de comunicare a schimbării planurilor, alocării sarcinilor sau în rezolvarea centralizată a încălcării restricțiilor.
Principalele caracteristici ale unui proces de negociere într-un SMA sunt (Jenning, Sycara, Wooldridge, 1998):
a) prezența unei anumite forme de conflict care trebuie să fie rezolvat într-o manieră descentralizată;
b) existența în SMA a unor agenți autointeresați (care au și scopuri proprii) sau egoiști (care au numai scopuri proprii);
c) raționalitate mărginită; deci agenții au posibilitatea de a lua decizii raționale independent dar în anumite limite;
d) informație incompletă;
e) comunicare între agenți;
Sycara (1990) și Rosenschein, Zorkin, (1994) au fost primii care au studiat negocierea între agenți autointeresați din SMA. Metoda lui Rosenschein se bazează pe teoria jocurilor. Fiecare agent are asociată o funcție de utilitate. Valorile acestei funcții sunt reprezentate într-o matrice de plăți care este cunoscută de ambii agenți incluși în negociere. Fiecare agent apreciază și o lege alternativă care-i va maximiza utilitatea. Deși metoda bazată pe teoria jocurilor este simplă și elegantă, ea are ipoteze restrictive foarte puternice care fac ca ea să poată fi cu greu aplicată situațiilor practice. Negocierile din lumea reală au loc în condiții de incertitudine parțială sau completă, includ criterii multiple care nu pot fi sintetizate doar de o funcție de utilitate iar utilitățile agenților nu sunt cunoscute, deci agenții nu sunt omniscienți (atoatecunoscători).
Metoda propusă de Sycara este inspirată din domeniul negocierilor salariale. Se consideră trei agenți (un sindicat, o companie și un mediator). Ei fac propuneri și contrapropuneri pe care le transmit fiecare celorlalte două părți implicate. Negocierea se referă la multiple aspecte cum ar fi salarii, pensii, bonusuri, subcontractare ș.a. Modelul utilității multidimensionale al fiecărui agent este cunoscut doar de către acesta. Agenții își schimbă treptat convingerile în cadrul negocierii până când se ajunge la un acord acceptat de toate părțile. Metoda de modificare se numește argumentare persuasivă (Sycara, 1990) și stă la baza multor SMA care includ procese de negociere. Ulterior metoda argumentării a încorporat și tehnici de învățare bazate pe cazuri, ceea ce a scurtat considerabil durata procesului de negociere în sine.
Rolul timpului în procesul de negociere a fost abordat pe larg de Kraus (2001). Utilizând un mecanism de negociere distribuit, agenții din cadrul unui SMA negociază și pot ajunge la acorduri eficiente fără întârzieri. Viteza de negociere este importantă în comerțul electronic, caz în care acest proces se desfășoară în condiții de informație incompletă, termene limită stabilite și posibile valori ale contractelor încheiate. De aceea, unele sisteme de negociere prevăd penalități pentru încălcări de termene sau contracte.
Un alt aspect important în negocierea dintre agenții auto-interesați este abilitatea de a-și adapta comportamentul la circumstanțe schimbătoare (Stone, Veloso, 1998). Acest aspect este legat de procesul de învățare. Învățarea în SMA inteligente este dificil de abordat datorită faptului că pe măsură ce ceilalți agenți învață, mediul înconjurător al agentului se schimbă. În plus, acțiunile celorlalți agenți pot fi neobservabile, astfel că agentul care învață poate face erori mari în privința tipurilor noi de comportamente pe care le va întâlni.
Hu și Wellman (1998) au introdus conceptul de echilibru conjectural, definit ca situația în care toate așteptările agenților privind comportamentele celorlalți agenți se realizează și fiecare agent răspunde optimal la așteptările sale. În SMA de acest tip, fiecare agent construiește un model al răspunsurilor celorlalți agenți la modificările sale de comportament ca urmare a învățării.
Într-un model de negociere recent, denumit modelul bazarului, învățarea se face prin interacțiunile dintre agenți, deci este un proces care se desfășoară continuu, pe măsură ce SMA funcționează. Studiul acestui model de negociere și învățare a arătat în esență că:
a) când toți agenții învață, utilitatea întregului sistem este aproape de optim și utilitățile agenților individuali sunt similare;
b) când nici un agent nu învață utilitățile agenților individuali sunt aproape egale dar utilitatea întregului sistem este foarte scăzută;
c) când doar un agent învață, utilitatea individuală a acestuia crește, dar utilitatea individuală a celorlalți agenți ca și utilitatea întregului sistem descresc [Zeng, Sycara, 1998].
5.7 Modelarea-bazată-pe-agenți în economie
5.7.1 Ce sunt modelele–bazate–pe–agenți?
A-life este numele unui domeniu de cerecetare multidisciplinară care încearcă să dezvolte modele pentru a demonstra cum cresc și evoluează organismele vii. Se speră că prin acest mod se va pătrunde mai adânc în cunoașterea naturii vieții organice și se va înțelege mai bine procesele aflate la originea vieții. A-life a stimulat apariția unor noi metode în cibernetică. Termenul de „a-life” a fost introdus de Chrisloper Longton care a organizat prima conferință despre a-life la Santa Fe, ca în 1987. Aceasta nu înseamnă că studii similare, sub diferite nume nu ar fi apărut înainte de 1980.
De fapt, doi savanți au avut cercetări teoretice similare, părintele teoriei automatelor, John von Neumann, matematician celebru și pionier al științei calculatoarelor și matematicianul polonez Stanislan Ulam care, spre sfârșitul anilor 50, au început să exploreze natura automatelor celulare. Intenția lor era să aplice aceste teorii în studii privind creșterea, dezvoltarea și reproducerea ființelor vii. Aceste celule matematice pot fi utilizate pentru a simula procese fizice, biologice și economice prin supunerea celulelor unei mulțimi simple de reguli care se aplică în mod repetat (de exemplu, fiecare celulă își schimbă culoarea în raport cu regulile respective și cu culorile celulelor vecine).
Von Neumann și Ulam au arătat că, prin utilizarea unui set de reguli destul de simple, este posibil ca o configurație de celule să revină la configurația inițială (de exemplu la culorile inițiale) ceea ce înseamnă că ele s-au „reprodus”. Aceste automate celulare apar sub forma unor latice de celule. Fiecare celulă este caracterizată prin valori specifice care pot fi schimbate în raport cu regulile fixate. O nouă culoare a celulei este determinată pe baza valorii sale curente și a valorilor vecinilor imediați. Astfel de automate celulare formează forme, se reproduc și mor.
Langton a utilizat lucrările lui von Neumann ca punct de plecare pentru a proiecta un sistem a-life care poate fi simulat pe un calculator. În 1979 el a dezvoltat un „organism” care avea proprietăți asemănătoare organismelor vii. Această creatură se reproducea singură într-un mod care, cu fiecare generație nou apărută, ducea mai departe proprietățile organismului inițial, dar apăreau și noi proprietăți. Astfel de comportament simula deci procesul de mutație și evoluție din organismele vii.
Economistul Thomas Sehelling a fost unul din primii cercetători care a încercat să aplice metodele a-life în științele economice. El a creat o lume artificială utilizând nu un calculator ci o masă de șah pe care monede de diferite dimensiuni se mișcau pe baza unor reguli simple. În acest mod, el a creat o lume artificială (virtuală) și a arătat că, pe lângă alte proprietăți, o are și pe aceea că chiar și preferințe foarte slabe pentru a locui și lucra într-o anumită parte a mesei conduc la diferențe mari între indivizi (monede).
Pornind de aici, au apărut modelele-bazate-pe-agenți (MBA). Biologul Tom Ray a creat programe „agent” pe laptop-ul său. Scopul fiecărui agent era să facă o copie a lui însuși în memorie. Ray a presupus un timp de viață finit pentru fiecare program. El a lăsat programele să ruleze toată noaptea și dimineața a observat că agenții săi erau angajați în activități echivalente digital cu competiția, colaborarea și sexul. Când agenții-programe realizau copii ale lor în calculator, schimbau aleatoriu codul apărut. Astfel se poate spune că ei sufereau mutații destructive care duceau la „moartea” programelor, dar unele schimbări făceau un agent să-și îndeplinească mai bine sarcina, în sensul că ei aveau nevoie de mai puține instrucțiuni și erau capabili să se autocopieze mai rapid, mai sigur și să ruleze mai repede. Versiunile mai scurte se reproduceau și mai repede și, foarte curând, îi înlăturau pe „competitorii” lor mai lenți.
Metoda a-life a generat „modelarea-bazată-pe-agenți”, care este denumită în acest fel pentru a face distincția cu „modelarea-bazată-pe-ecuații”. Putem scrie, de exemplu, ecuații diferențiale pentru a modela interacțiunile dintr-o populație de indivizi (de exemplu modelul Lotka-Volterra), dar putem la fel de bine să urmărim evoluția individuală a fiecărui animal (element, agent) și să concentrăm această evoluție în anumite caracteristici agregate. Aceste două metode sunt esențial diferite și este dificil acum să spunem care este mai bună.
Cercetările actuale în MBA sunt orientate către identificarea comportamentelor individuale ale ființelor vii și apoi către utilizarea acestora pentru a simula cum „se mișcă, zboară, și cooperează” fără să încorporeze aceste caracteristici în mod explicit în tipurile de comportament al acestor elemente. Multe creaturi a-life constau în nu mai mult decât câteva linii de program și trăiesc în medii artificiale compuse din pixeli și mulțimi de date. Rețeta pentru a realiza o astfel de creatură este destul de simplă: se pregătește un mediu în care experimentele sintetice vor acționa, se creează câteva sute de indivizi care vor popula acest mediu și se definește un set de reguli pe care aceștia le vor urma. Se încearcă să se simplifice problema cât mai mult posibil pentru a păstra doar esențialul. Se scrie un program care simulează regulile simple ale interacțiunilor în comportamentele elementelor. Se rulează programul de multe ori cu diferite numere aleatoare așteptând să înțelegem cum reguli simple dau naștere la comportamentul observat. Se localizează sursa de comportament și efectele diferiților parametrii. Se simplifică simularea cât mai mult posibil sau se adaugă elemente adiționale dacă este necesar.
De fapt se rezolvă o simplă ecuație:
5.7.2 Exemple de modele-bazate-pe-agenți
(vor fi studiate în anul IV)
5.7.3 Cum se construiește un MBA?
Nimeni nu cunoaște cel mai bun mod de a construii MBA. Diferite arhitecturi (deci proiecte) au merite depinzând de scopul simulării. Desigur că fiecare MBA trebuie să includă mecanisme pentru primirea inputurilor din mediu, pentru stocarea unei istorii privind inputurile și acțiunile precedente, pentru determinarea a ceea ce este de făcut, pentru realizarea acțiunilor și pentru distribuirea outputurilor. Arhitecturile de agenți pot fi împărțite în cele care sunt realizate utilizând paradigma simbolică a AI și metode non-simbolice, cum ar fi cele bazate pe rețele neuronale. În plus există MBA hibride (Kluver, 1998).
5.7.3.1Tehnici pentru construirea agenților
Sisteme de producție
Una din cele mai simple dar eficiente metode de construire a MBA este utilizarea unui sistem de producție. Un sistem de producție are trei componente:
o mulțime de reguli;
o memorie de lucru;
un interpretator al regulii.
Regulile constau din două părți: o condiție care specifică când regula va fi executată și o parte de acțiune.
De exemplu, un agent poate fi proiectat să se plimbe într-un mediu simulat colectând orice mâncare care o întâlnește în drumul său. Un astfel de agent poate să includă o regulă care spune: DACĂ eu dau de o anumită mâncare ATUNCI o adun. Acesta ar fi una din multele reguli, fiecare cu o condiție diferită. Unele reguli vor include acțiuni care însumează fapte care se petrec în memoria de lucru și alte reguli vor avea condiții care testează stări ale memoriei de lucru.
Interpretatorul de reguli consideră fiecare regulă la rând, alege pe cele pentru care partea de condiție este îndeplinită, execută acțiunile indicate și repetă acest ciclu într-un număr nedefinit de ori. Reguli diferite pot fi executate la fiecare ciclu deoarece mediul imediat s-a schimbat sau deoarece o regulă a modificat memoria de lucru într-un astfel de mod încât o nouă regulă a devenit eligibilă. Utilizând un sistem de producție este relativ ușor să construiești agenți reactivi care răspund la stimuli din mediu prin anumite acțiuni. Este, de asemenea, posibil dar mai dificil să construiești agenți care au capacitatea să reflecte acest mediu prin decizii și deci să modelezi cunoașterea. O altă posibilitate este să construiești agenți care își schimbă propriile reguli utilizând un algoritm adaptiv care favorizează regulile ce generează acțiuni relativ eficiente și le penalizează pe celelalte. Aceasta este baza sistemelor clasificatoare.
Metode evolutive
Agenții bazați pe sisteme de producție au potențialul să învețe despre mediul lor și despre alți agenți prin adăugarea unor cunoștințe în memoria de lucru. Regulile agenților însuși, totuși, rămân neschimbate. Pentru anumite probleme, este de dorit ca să se creeze agenți care sunt capabili să învețe: deci structura internă și prelucrarea regulilor să se adapteze la circumstanțe schimbătoare. Există două tehnici care se utilizează în acest sens: rețelele neuronale și algoritmii evolutivi.
Rețelele neuronale sunt inspirate din analogia cu conexiunile din creier. O rețea neuronală constă din trei sau mai multe straturi de neuroni cu fiecare neuron corectat la toți ceilalți neuroni de pe straturile adiacente. Primul strat acceptă inputuri din mediu, le prelucrează și le trece următorului strat. Semnalul este transmis prin straturi până când ajunge la stratul de ieșire. Fiecare neuron acceptă inputuri de la stratul precedent, ajustează inputurile cu ponderi pozitive și negative, le însumeză și transmite semnalul mai departe. Utilizând un algoritm denumit backpropagare a erorii, rețeaua poate fi reglată astfel încât fiecare model de input să dea naștere la un model diferit de output. Acest lucru este făcut prin antrenarea rețelei cu exemple cunoscute și ajustând ponderile până sunt generate outputurile dorite dându-se inputuri particulare. Spre deosebire de sistemul de producție, o rețea neuronală poate modifica răspunsurile sale la stimuli în lumina experienței anterioare. Un număr de topologii de de rețele au fost utilizate pentru a modela agenți astfel încât ei să fie capabili să învețe din acțiunile lor și din răspunsurile celorlalți agenți.
Un alt mod de a permite unui agent să învețe este utilizarea unui algoritm evolutiv. Aceștia sunt bazați pe analogia cu biologia, decurgând din teoria evoluției prin selecție naturală. Cel mai frecvent utilizat algoritm de acest tip este algoritmul genetic (GA).
Acesta lucrează cu o populație de indivizi, fiecare dintre ei având un anumit nivel măsurabil de „fitness” utilizând o metrică definită de constructorul de model. Indivizii cei mai adaptați sunt „reproduși” prin înmulțire cu alți indivizi adaptați pentru a produce urmași care împart caracteristici luate de la fiecare părinte. Înmulțirea continuă mai multe generații, având drept rezultat că fitnessul mediu al populației crește pe măsură ce populația se adaptează la mediul său.
Atât în cazul utilizării rețelelor neuronale cât și a algoritmilor genetici, constructorul de modele trebuie să ia o decizie privind scala la care vrea ca modelul să lucreze. De exemplu, în cazul modelelor genetice, este posibil să se considere întreaga populație ca un singur agent. Algoritmul genetic va fi atunci o „cutie neagră” utilizată pentru a da agentului abilitatea să învețe și să se adapteze. Alternativ, fiecare individ poate fi un agent având ca rezultat că vom avea o populație de agenți privită ca un înteg care evoluează. Similar, este posibil ca fiecare agent individual să fie modelat utilizând o rețea neuronală, sau o întreagă societate (economie) să fie reprezentată ca o rețea, cu fiecare neuron dândui-se o interpretare ca agent (deși, în ultimul caz, este greu să construim toate atributele agenților).
5.7.4 Aplicații ale modelelor–bazate–pe–agenți
Aplicațiile agenților și modelelor–bazate–pe–agenți sunt extraordinar de diversificate în privința domeniilor abordate: economic, industrial, comercial, financiar, militar, informatic, ș.a.
În economie s-a constituit un domeniu nou ce se ocupă exclusiv cu studiul aplicării agenților în rezolvarea diferitelor tipuri de probleme economice, domeniu denumit Economia bazată pe agenți. Scopul acesteia derivă din Alife: crearea de economii artificiale cu ajutorul unor interacțiui economice între agenți care, la început nu au cunoștințe despre mediul înconjurător, dar au abilitatea de a învăța și apoi se observă ce tipuri de piețe, instituții și tehnologii dezvoltă agenții, cum ei își coordonează acțiunile și se organizează ei înșiși într-o economie.
Economiile de piață sunt privite ca sisteme adaptive complexe, constând dintr-un mare număr de agenți adoptivi întreținând interacțiuni paralele locale. Aceste interacțiuni locale dau naștere anumitor regularități macroeconomice cum ar fi protocoale de împărțire a pieței și norme de comportament care, la rândul lor, au o reacție inversă asupra determinării interacțiunilor locale. Rezultatul este un sistem dinamic complicat de lanțuri cauzale recurente conectând comportamente individuale, rețele de interacțiuni și rezultate sociale.
Desigur că acest dublu feedback între nivelul micro și cel macroeconomic este cunoscut în cibernetica economică de mult timp. Ceea ce a lipsit până acum au fost mijloacele ca acest feedback cantitativ să fie modelat în întreaga sa complexitate dinamică. Economia bazată pe agenți ca metodă de studiu a economiilor modelate ca sisteme evolutive formate din agenți autonomi interactivi, aduce sistemul economic în laboratoare, pentru a studia evoluția economiilor de piață descentralizate în condiții experimentale controlate. Două aspecte fundamentale decurg din aceste studii. Primul este descriptiv, axat pe explicarea constructivă a comportamentului global emergent.
De ce apar regularități globale în aceste economii în ciuda unei planificări și a unui control de sus în jos? Cum aceste regularități globale sunt generate de jos în sus, prin interacțiunile locale repetate dintre agenți interacționând autonom? Și cum e apar aceste regularități și nu altele?
Al doilea aspect este normativ, axat pe proiectarea de mecanisme de reglare și control. Dându-se o entitate economică particulară, existentă sau virtuală, care sunt implicațiile acestei entități pentru performanțele economiei ca un întreg? De exemplu, cum poate un protocol de piață anumit sau o reglementare guvernamentală afecta eficiența economică?
În laboratorul experimental, se începe cu construirea unei economii cu o populație inițială de agenți. Acești agenți pot include atât agenți economici (de exemplu: investitori, bănci, ….) cât și agenți reprezentând diferite fenomene sociale sau din mediu (de exemplu guvernul, pământul, vremea, ….). starea inițială a economiei este specificată prin specificarea atributelor inițiale ale agenților. Atributele inițiale ale unui agent pot include caracteristici asupra tipului de agent, norme comportamentale internalizate, moduri interne de comportament (inclusiv modul de comunicare și învățare) și informația stocată intern despre sine și despre ceilalți agenți din economie. Economia evoluează apoi în timp, fără alte intervenții din afară. Toate evenimentele care apar ulterior trebuie să decurgă din interacțiunile agent – agent care au loc în timpul simulării. Nici o coordonare exterioară nu este permisă. Rezultatele obținute sunt utilizate pentru a modifica constructiv sistemele economice reale sau a crea, pornind de la sistemele virtuale, noi sisteme economice care au performanțe superioare.
Se observă similaritățile dintre construirea unei economii bazate pe agenți și metoda a-life. Totuși există o deosebire fundamentală între cele două domenii. Dacă a-life consideră modelele sale ca o sinteză a lumii vii pe calculatoare, mașini sau alte medii alternative, economia – bazată – pe – agenți privește modelele sale ca reprezentări ale proceselor economice existente sau virtuale realizate în scopul perfecționării acestora. Direcțiile principale în care s-au dezvoltat aplicații ale economiei–bazată–pe–agenți pot fi considerate următoarele: Învățarea; Evoluția normelor de comportament; Modelarea „bottom-up” a proceselor economice de piață; Formarea rețelelor economice; Modelarea organizațiilor; Proiectarea agenților pentru piețe automatizate; Experimente paralele cu agenți reali și computaționali; Construirea de laboratoare computaționale.
Să trecem în revistă câteva dintre realizările obținute în domeniile amintite.
Învățarea
Învățarea este o caracteristică de bază a agenților economici. Primele aplicații ale proceselor de învățare în economie au fost cele ale algoritmilor genetici, programării genetice și al altor forme de învățare evolutivă în modelarea proceselor sociale.
Mulți astfel de algoritmi de învățare s-au dezvoltat inițial având formulate obiective de optimizat. Pentru modelele – bazate – pe – agenți, algoritmii de învățare sunt motivați de necesitatea utilizării unor scheme de învățare globală în care strategiile agenților sunt îmbunătățite continuu pentru a realiza un anumit criteriu exogen de „fitness”(de exemplu eficiența pieței). Pe de altă parte, pentru modelele proceselor economice cu participanți umani, algoritmi de învățare utilizați în MBA vor fi necesari pentru a încorpora caracteristici fundamentale ale comportamentului decidenților umani. În astfel de cazuri, se pot utiliza scheme de învățare locale în care diferite „vecinătăți” de agenți (cum ar fi firmele în cadrul unei industrii) evoluează în mod separat conform unor strategii care sunt învățate pe măsură ce criteriul de fitness este îndeplinit (de exemplu, profitabilitatea relativă a firmei).
Într-un studiu recent, Daniol abordează performanțele algoritmilor de învățare în diferite contexte economice. El dovedește utilitatea deosebită a algoritmilor genetici utilizați în implementarea strategiilor individuale de evoluție. El a arătat că aspectele particulare ale implementării cum ar fi configurația precisă a valorilor date parametrilor pot influența puternic rezultatele potențiale pe termen lung. Această lucrare a avut un impact substanțial asupra cercetărilor în domeniul MBA deoarece algoritmii genetici au fost utilizați tot mai mult pentru reprezentarea învățării la agenții economici.
De asemenea, un studiu al lui Rust ș.a. a avut o influență mare în acest domeniu. El face o analiză comparativă a algoritmilor utilizați în licitația dublă continuă pe piețele valutare. Licitația dublă continuă este o licitație pentru unități standardizate de activ real sau financiar în care oferta de cumpărare și vânzare sunt efectuate și ajustate continuu. Astfel de licitații duble au loc pe bursele cele mai mari din lume, Chicago, New York și Tokio. S-a arătat că eficiența alocativă a acestui tip de licitație decurge din structura sa, independent de efecte de învățare. Mai precis, s-a arătat că, în acest caz, nivele de eficiență a pieței apropiate de 100% sunt atinse chiar dacă agenții au o „inteligență zero”, deci ei acționează în mod aleatoriu, având în vedere doar restricția bugetară.
Evoluția normelor de comportament
Conceptul de „normă” este foarte important în MBA, deoarece pornind de la acestea, definim regulile după care agentul se comportă. Axelrod arată că „o normă” există într-un context social dat pentru a determina indivizii să acționeze în mod obișnuit într-un anumit fel și a-i pedepsi când nu acționează în acest fel.
Procesul de apariție, creștere și decădere al normelor este un proces evolutiv. Utilizând MBA, Axelrod a demonstrat că cooperarea reciprocă poate evolua chiar în cazul unor agenți egoiști care nu au relații stabile de cooperare. Cartea sa „Teoria cooperării” scrisă în 1997 a avut un impact major asupra cercetărilor în domeniul agenților.
Alte cercetări în acest domeniu, care au influențat profund pe economiști sunt cele ale lui Thomas Schilling. Utilizând exemple obișnuite, fără utilizarea unui aparat matematic sofisticat, el a arătat că comportamentul social poate apare ca o consecință a unor interacțiuni locale repetate între agenți care urmează reguli de comportament simple. De exemplu, el a arătat că segregarea rasială poate apărea ca urmare a unor reactivi în lanț locale dacă unii agenți preferă să aibă cel puțin jumătate dintre agenții învecinați de aceeași rasă cu ei.
Modelarea „bottom-up” a proceselor economice de pe piață
Proprietățile autoorganizatoare ale piețelor sunt recunoscute. MBA a studiat diferite tipuri de piețe: financiară, a electricității, a muncii; cu amănuntul; a resurselor naturale; e- comerțul ș.a. pentru a explica aceste mecanisme de piață.
Robert Marks este unul dintre primii cercetători din domeniu care a abordat aceste probleme. Mai precis, el a abordat o piață olipolistă pentru a studia cum firmele vânzătoare (care sunt în număr mic pe astfel de piețe) pot concura cu succes. Modelul său utilizează un algoritm genetic pentru a reprezenta firma în procesul de învățare interactivă. Astfel, operații de mutații și recombinări au fost aplicate în mod repetat strategiilor de determinare a prețurilor utilizate de firme astfel ca să permită firmelor să experimenteze noi idei (mutație) și să se angajeze în imitația socială (recombinare), obținând astfel strategii ce pot fi utilizate în mod profitabil de către firme.
Piețele financiare au constituit, de asemenea, un domeniu de mare interes al aplicațiilor MBA. Modelele piețelor financiare au oferit explicații plauzibile unor regularități observate pe astfel de piețe. Piața bursieră artificială construită de Arthur ș.a. la Institutul Santa Fe, Ca., USA a permis testarea unor modele cu agenți eterogeni care își actualizează prețurile individual și iau decizii pe baza unor sisteme de clasificare a volatilităților observate.
Le Baron a elaborat modele din ce în ce mai perfecționate ale regularităților observate pe piețe. El calibrează aceste modele în funcție de evoluția datelor macroeconomice și a datelor financiare. Toți investitorii utilizează performanțele obținute în trecut pentru a-și evalua performanțele actuale, dar investitorii respectivi se presupune că au memorie de diferite lungimi. Un algoritm genetic este utilizat pentru a reprezenta coevoluția unei colecții de reguli disponibile agenților.
Piețele valutare au fost de asemenea studiate intens de MBA. Izumi și Ueda propun o nouă metodă bazată pe agenți pentru a modela o astfel de piață. Agenții din model concurează unii cu alții pentru a dezvolta metode de previziune a schimbărilor în ratele de schimb valutar, având drept măsură a fitnessului profitabilitatea.
Chen și Yeh arată că învățarea socială sub forma unor strategii de imitare este importantă pe piețele bursiere. Ei construiesc un model de analiză a piețelor bursiere care include un mecanism suplimentar de învățare, numit „școală”. Aceasta constă dintr-un grup de agenți (de exemplu membrii unei facultăți) care concurează unul cu altul pentru a oferi publicului cel mai bun posibil model de previziune a evoluției cursului acțiunilor. Succesul (fitnessul) membrilor școlii este măsurat prin acuratețea programelor elaborate cu ajutorul modelelor propuse de ei, în timp ce succesul investitorilor de pe piața bursieră este măsurat de avuția acumulată de aceștia. Fiecare investitor alege între a acționa pe piața bursieră sau a aștepta ca să testeze un model propus de școală și a alege unul care i se pare mai bun și a-l folosi în mod curent.
Membrii școlii și investitorii calculează în timp într-o buclă feedback continuă. Testele făcute pe 14000 de perioade au arătat că dacă la început investitorii care au ales modelele școlii s-au bucurat de succes, ulterior ei nu au mai avut același succes pe măsură ce problemele școlii erau adoptate de tot mai mulți investitori.
Formarea rețelelor economice
Un important aspect al piețelor competitive imperfecte cu agenți interactivi este maniera în care agenții determină metodele de tranzacționare, ceea ce influențează forma rețelelor de tranzacții ce evoluează în timp. Un tip particular de rețea este așa numita „rețea mică”. Ea este o rețea conectată care are două proprietăți: (a) fiecare nod este legat de o mulțime relativ bine cunoscută de noduri învecinate; (b) prezența unor conexiuni directe între anumite noduri face ca lungimea medie a drumului minim dintre noduri să fie mică. Astfel de rețele au atât conectivitate locală cât și accesibilitate globală.
Astfel de rețele sunt foarte importante în schimburile comerciale intre-țări sau inter agenți. Wilhite utilizează un MBA pentru a studia consecințele unor bariere comerciale în astfel de rețele. El analizează patru tipuri de rețele: (i) rețele comerciale complet conectate (fiecare agent poate face schimburi comerciale cu orice alt agent); (ii) rețele comerciale local deconectate constând din grupuri disjuncte de agenți; (iii) rețele comerciale local conectate, constând din grupuri de agenți aflați în jurul unui cerc cu un agent suprapus fiecărui punct de intersecție; și (iv) rețele comerciale mici construite din rețele comerciale local conectate ce permit realizarea unor legături directe cu unul până la cinci membrii ai unui grup comercial separat. Pentru fiecare tip de rețea, agenții înzestrați fiecare cu câte două bunuri, caută metode de schimb, negociază prețuri și apoi fac comerț cu acei agenți care oferă cel mai bun preț dar sunt și accesibili. Rezultatul simulărilor efectuate a fost că cea mai bună rețea comercială este a patra, cea mică, ce oferă cea mai mare eficiență fiecărui agent participant. El a descoperit că există anumite stimulente la nivel micro pentru formarea rețelelor comerciale mici, deoarece comercianții care utilizează acest tip de rețea tind să facă mai bine comerț decât ceilalți.
O extensie naturală a acestor lucrări este cea privind modul în care aceste forme inițiale evoluează. Albin și Foley, Kirman și Tesfatsion ș.a. au demonstrat emergența unei rețele comerciale formată dintr-o mulțime de cumpărători și vânzători ce determină partenerii lor comerciali în mod adaptiv, pe baza experienței trecute cu acești parteneri.
Mai recent, cercetările în domeniu au fost orientate către tipuri de piețe specifice. Tesfatsion a abordat piața forței de muncă. Este studiată, în acest context, relația dintre structura de piață, interacțiunea angajat-angajator, comportamentul legat de alegerea locului de muncă și rezultatele asupra bunăstării. Muncitorii și angajatorii formează între ei relații de interacțiune modelate cu jocuri de tipul Dilema Prizonierului și elaborează strategii de-a lungul timpului pe baza câștigurilor asigurate de aceste strategii în interacțiunile anterioare. Simularea acestui model a urmărit două lucruri: concentrarea slujbelor (număr de muncitori raportați la număr de angajatori) și capacitatea slujbelor (total slujbe potențiale raportate la totalul ofertei de muncă). A rezultat că dacă capacitatea slujbelor este constantă atunci schimbările în concentrarea slujbelor au efecte semnificative asupra nivelelor de putere pe piață atinse. Un alt rezultat a fost acela că efectele de interacțiune sunt puternice, ele determinând adaptarea comportamentelor celor doi agenți de pe piață, muncitori și angajatori.
Modelarea organizațiilor
În cadrul unei economii, un grup de oameni este considerat o organizație dacă grupul are un obiectiv sau un criteriu de performanță care transcede obiectivelor individuale din cadrul grupului. Pionierul studierii organizațiilor ca sisteme, Norbert Simon, laureat al Premiului Nobel, arată că organizațiile sunt capabile de o inteligență colectivă, deci ele se comportă ca un organism unitar ce se adaptează la mediu, suferă mutații, imită alte organizații, etc. pentru a-și asigura supraviețuirea. Una dintre cale mai flexibile organizații este birocrația.
Studiile lui Carley și ale grupului său de la Carnegie Mellon University au arătat că organizațiile pot fi modelate ca sisteme – bazate – pe – agenți și au dus chiar apariția unui domeniu similar economiei – bazate – pe – agenți în cadrul teoriei organizației.
Studiul firmelor ca organizații s-au orientat în două direcții principale: perfecționarea organizării interne a firmei și organizațiile realizate de firme la nivelul piețelor.
Dawid ș.a. a considerat o mulțime de firme din cadrul unei industrii. La începutul fiecărei perioade, fiecare firmă alege dacă să producă un produs existent pe piață sau să introducă un nou produs. Cererea pentru fiecare tip de produs dispare după o anumită perioadă de timp determinată stohastic, deci fiecare firmă trebuie să se angajeze într-o activitate inovativă pentru a-și susține profitabilitatea.
Firmele diferă între ele în privința abilității de a imita produse existente și în abilitatea de a proiecta un nou produs datorită efectelor aleatoare și a efectelor „learning by doing” care schimbă structura organizațională a fiecărei firme. Fiecare firmă are o regulă de inovare determinată de decizia de a inova sau nu și firmele coevoluează (schimbă) aceste reguli în timp pe baza profitabilității anticipate.
Autorii au făcut experimente cu modelul obținut pentru a vedea cum, pentru a atinge o profitabilitate optimală, regula de inovare a unei firme ar trebui adaptată atât structurii industriei ca un tot cât și structurii organizaționale a unei firme individuale.
Proiectarea agenților computaționali pentru piețe automatizate
Dezvoltarea piețelor automatizate (bursa automată, e-comerț, ș.a.) a dus la creșterea preocupărilor pentru elaborarea unor agenți specializați în această direcție.
De exemplu, contractele utilizate pe piețe automatizate sunt contracte licitate între agenți. Acești agenți sunt astfel proiectați încât să desfășoare un proces de negociere conform unei anumite metode de licitare. Agenții negociatori sunt penalizați în raport cu anumite obiective pe care nu le ating în cursul negocierii și au rutine de învățare astfel încât ei devin tot mai performanți pe măsură ce participă la mai multe procese de negociere. Dezvoltarea explozivă a e-comerțului în ultima perioadă a făcut ca preocuparea pentru agenți mobili negociatori să devină prioritară. Agenții mobili se „mișcă” pe INTERNET căutând produsele dorite și negociază peer-to-peer sau multiplu pentru obținerea acestora.
Se prevede că, în curând, tot mai multe gospodării își vor face achizițiile de produse în acest fel.
Experimente paralele cu agenți reali și virtuali
Experimentele economice cu subiecți umani sunt destul de dificile și costisitoare. Totuși, comportamentul uman este foarte important în anumite situații.
Având în vedere posibilul rol sinergetic al experimentelor paralele cu subiecți umani și agenți virtuali, comportamentul uman poate fi utilizat ca un ghid pentru procesele încorporate agenților virtuali. Invers, comportamentul agenților virtuali poate fi utilizat pentru a formula ipoteze privind cauzele de bază care determină anumite comportamente observate la subiecți umani. În cadrul economiei experimente de acest fel au făcut Miller și Andreoni, Arifovic, Arthur ș.a.
Marimon ș.a.și Duffy au efectuat, astfel, un experiment paralel de acest fel pentru a examina emergența posibilă a unui mediu de schimb general acceptat (de exemplu banii). Agenții de tip i doresc să consume bunul i dar produc bunul i+1. În fiecare perioadă, agenții sunt împerecheați în mod aleatoriu și trebuie să decidă dacă schimbă bunurile pe care le produc. Un agent poate accepta un bun fie pentru că îl dorește, fie pentru a-l stoca pentru a-l utiliza mai târziu ca mijloc de schimb. Bunurile au costuri de stocare diferite. Rezultatul urmărit este dacă agenții converg către a accepta un anumit bun ca monedă pe care ei sunt de acord să o folosească în schimburile viitoare și nu să o consume.
Regulile comportamentale utilizate în proiectarea agenților virtuali din acest experiment au fost cele pe care le folosesc oamenii în schimburile lor comerciale. Un agent virtual va selecta adoptiv între regulile sale admisibile utilizând un algoritm de învățare. Duffy arată că, treptat, agenții virtuali capătă caracteristicile de bază ale agenților umani.
5.7.4.8 Construirea de laboratoare de studiu cu agenți computaționali
Ultima direcție de aplicare este cea a utilizării agenților în laborator pentru testarea teoriilor economice. Robert Lucas Jr., laureat al Premiului Nobel pentru economie și unul dintre cei mai marcanți economiști ai zilelor noastre, scria: „(O teorie) nu este o colecție de afirmații despre comportamentul economiei actuale ci mai degrabă o mulțime explicită de instrucțiuni pentru construirea unui sistem paralel sau analog – o economie mecanică, imitativă. Sarcina noastră este să scriem un program care va accepta regulile politicii economice specifice ca „intrare” și va genera ca „ieșiri” statistici descriind caracteristicile de funcționare ale seriilor dinamice pe care le dorim, care sunt permise de rezultatele obținute din aceste politici”.
Realizarea de laboratoare computaționale cu agenți permite construirea în cadrul acestora a unor economii virtuale, piețe virtuale (artificiale), întreprinderi virtuale, gospodării virtuale ș.a. pe care se pot testa diferite ipoteze și situații pe care le întâlnim în economiile reale. În astfel de laboratoare, prin interfețe grafice se pot face simulări și testa senzitivitatea sistemelor la schimbările de parametrii, se pot elabora și încerca sisteme care ulterior vor fi puse în practică.
De exemplu, Mc Fadzean ș.a. dezvoltă un astfel de laborator computațional numit „Trade Network Game Lab”, care cuprinde cumpărători, vânzători și dealeri ce încearcă să-și găsească parteneri comerciali preferați, sunt angajați în schimburi comerciale riscante, modelate ca jocuri necooperative și își dezvoltă strategii comerciale în decursul timpului. Evoluția rețelei comerciale este vizualizată dinamic cu ajutorul animației în timp real și date privind performanțele fiecărui agent sunt oferite în timp real.
Aplicațiile economice ale MBA sunt infinite și ele ne vor ajuta să cunoaștem și să reglăm mai bine procesele economice reale. Pe măsura dezvoltării acestui nou domeniu de cercetare, el va oferi mult mai multe posibilități economiștilor ciberneticieni de a-și pune în valoare cunoștințele și abilitățile de a construi modele, de a le simula și a le implementa în diferite contexte pe care le oferă economia tot mai dinamică și complexă a viitorului.
CAPITOLUL 6
ECONOMIA DE PIAȚĂ – SISTEM ADAPTIV COMPLEX
La nivelul macroeconomic, economia poate fi privită ca un sistem dinamic complex compus dintr-o multitudine de subsisteme (gospodării, firme, piețe, instituții publice, bănci, ș.a.) legate între ele prin conexiuni directe și indirecte de diferite tipuri (legături materiale, informaționale, financiare, energetice, umane), fiecare subsistem având o evoluție și obiective proprii care sunt însă condiționate de realizarea unui obiectiv general comun, și anume bunăstarea socială.
În abordarea cibernetică a economiei la nivel macroeconomic trebuie să pornim de la cunoașterea acestor sisteme și a modului în care ele interacționează în procesul de realizare a scopurilor proprii și a obiectivului general. Astfel, gospodăriile, firmele, băncile comerciale, diferitele instituții publice care, la nivel microeconomic, pot fi considerate ca sisteme separate (individuale), având structuri distincte, relații diferite cu mediul și obiective proprii, formează la nivel macroeconomic sectoare (sisteme) care au proprietăți și obiective emergente, decurgând din funcționarea simultană a multitudinii de sisteme de același tip la nivel microeconomic.
Putem introduce, astfel, următoarele sectoare (sisteme) pe care le regăsim în structura generală a sistemului cibernetic al economiei naționale:
sectorul gospodăriilor;
sectorul firmelor (privat, productiv);
sectorul public (guvernamental);
sectorul extern;
sectorul financiar.
Deci fiecare dintre aceste sectoare este alcătuit din mulțimea de sisteme cibernetice individuale pe care le regăsim la nivel microeconomic, dar ele nu reprezintă pur și simplu suma acestor sisteme microeconomice. Proprietățile sectoarelor(sistemelor) la nivel macroeconomic se obțin, în primul rând, prin agregarea caracteristicilor sistemelor de la nivel microeconomic și, în al doilea rând, prin emergența comportamentelor sistemelor microeconomice către un comportament general al sectorului (sistemului) corespunzător de la nivelul macroeconomic.
Aceste sectoare (sisteme) formează economia națională numai în măsura în care ele sunt interconectate prin piețe. Piața la nivel macroeconomic reprezintă un sistem agregat, format dintr-o multitudine de piețe concrete, existente la nivel microeconomic. Ca oricare piață, și piața la nivel macroeconomic există numai în măsura în care pe aceasta se constituie simultan cererea și oferta. Numai că, la nivel macroeconomic, vorbim de o cerere agregată și o ofertă agregată, obținute prin cumularea cererilor individuale și a ofertelor individuale, formate pe piețele microeconomice corespunzătoare. In raport cu natura piețelor individuale, putem vorbi despre următoarele piețe la nivel macroeconomic:
piața agregată a bunurilor și serviciilor;
piața factorilor de producție;
piața financiară.
Aceste piețe cu cel mai înalt nivel de agregare sunt, la rândul lor, formate din alte piețe agregate. De exemplu, piața factorilor este formată din piața reselor și piața forței de muncă, piața financiară din piața monetară, piața de capital, piața valutară etc.
Fiecare piață macroeconomică dispune de un mecanism prin intermediul căruia se formează prețul de piață. Acest preț de piață are un rol esențial în determinarea direcției și intensității fluxurilor dintre sectoarele(sistemele) macroeconomice. Se poate spune că sistemele macroeconomice, împreună cu piețele alcătuiesc mecanisme cibernetice de reglare și autoreglare ale întregii economii naționale.
Modelarea funcționării unor astfel de mecanisme de reglare a economiei se poate face utilizând diferite metode și instrumente cum ar fi:
modele de simulare evolutivă;
modele bazate-pe-agenți ș.a.
Cu ajutorul unor astfel de modele putem înțelege mai bine logica funcționării sistemului economiei naționale, modalitățile prin care se poate interveni în dinamica proceselor și fenomenelor economice care se produc la acest nivel și etapele ce trebuie parcurse pentru realizarea obiectivului economic general, creșterea bunăstării națiunii.
Să prezentăm, mai întâi, sectoarele pe care le întâlnim la nivel macroeconomic. Vom explicita comportamentul și rolul fiecărui sector și vom evidenția principalele interdependențe pe care sectoarele le formează între ele prin intermediul piețelor precum și legăturile dintre sectoare și alte sisteme din mediul înconjurător.
6.1 Sectorul (sistemul) gospodăriilor
Sectorul gospodăriilor la nivel macroeconomic poate fi privit ca fiind alcătuit din totalitatea sistemelor cibernetice ale gospodăriilor individuale(consumatorilor) de la nivel microeconomic. Dar sectorul gospodăriilor nu reprezintă suma algebrică a gospodăriilor menționate. Din combinarea comportamentelor gospodăriilor individuale rezultă un comportament agregat al sectorului gospodăriilor la nivel macroeconomic, ca rezultat al funcționării simultane și interdependente dintre milioane de gospodării existente în economia națională.
Într-o economie națională în care proprietatea privată este dominantă, factorii de producție (inclusiv munca) sunt, în general, fie în proprietatea directă a indivizilor din cadrul gospodăriilor, fie le aparțin indirect prin intermediul acțiunilor pe care aceștia le dețin și care la conferă calitatea de proprietari ai întreprinderilor. Deținând în proprietate acești factori, indivizii (gospodăriile) le oferă spre închiriere celorlalte sectoare, primind în schimb venituri (salarii și alte beneficii salariale, dobânzi, rente și dividende etc.). Gospodăriile mai pot să primească venituri – numite transferuri sau plăți transferabile – ce nu sunt legate direct de calitatea lor (sau a indivizilor care fac parte din ele) de proprietari ai factorilor de producție din economie. Astfel de venituri sunt ajutoarele sociale, pensiile, bursele ș.a.
Veniturile sectorului gospodăriilor, primite sub orice formă, împreună cu eventualele împrumuturi de pe piața financiară (credite pentru consum) sunt cheltuite de sectorul gospodăriilor pentru achiziționarea de bunuri și servicii.
De asemenea, o parte a acestor venituri totale este utilizată de sector pentru plata impozitelor și taxelor (globale și locale).
Acea parte a veniturilor totale ale sectorului gospodăriilor care nu este utilizată nici pentru cumpărarea de bunuri și servicii și nici pentru plata impozitelor și taxelor reprezintă economiile. Gospodăriile sunt înclinate să economisească dintr-o mulțime de motive. De exemplu, din venitul economisit ele își pot spori consumul în perioada (sau perioadele) în care realizează venituri totale mai mici (de pildă după pensionare), pot oferi copiilor educație sau își pot spori avuția acumulată (pot cumpăra case, mașini, bunuri de folosință îndelungată, acțiuni, depozite ș.a.).
Venitul suplimentar adus gospodăriilor de aceste economii este influențat de sectorul financiar prin rata dobânzii. Deoarece gospodăriile preferă, în general, să consume mai mult acum decât mai târziu, venitul suplimentar adus de economiile realizate de-a lungul timpului poate fi privit ca o compensație (plată) pentru consumul amânat.
Venitul economisit de sectorul gospodăriilor este orientat, de regulă, către sectorul financiar (formând investițiile financiare), o mică parte din aceste economii putând merge și către alte sectoare în mod nemijlocit (formând investițiile directe). Din aceste venituri, cum vom vedea mai târziu, sectorul financiar poate acorda împrumuturi (credite), inclusiv sectorului gospodăriilor.
În timp ce economisesc o parte din venitul realizat, gospodăriile adeseori iau împrumuturi de la sectorul financiar pentru a cumpăra, de regulă, bunuri și servicii ale căror valoare poate să depășească mărimea veniturilor curente realizate (case, autoturisme, educație ș.a.). Desigur că gospodăriile pot împrumuta bani și când cumpără, de exemplu, cu cartea de credit, anumite bunuri de folosință îndelungată, dar aceste credite sunt acordate pe termen scurt.
În sfârșit, sectorul gospodăriilor plătește către sectorul public taxe și impozite, aceasta fiind principala sursă de venituri pentru sectorul public (guvernamental). Aceste taxe și impozite se determină fie proporțional cu venitul global al gospodăriilor, fie reprezintă sume fixe pentru bunurile aflate în proprietatea gospodăriilor (case, terenuri, mașini). Schimbând rata taxelor (denumită și rata fiscalității) și/sau baza la care aceasta este aplicată, sectorul public poate afecta nivelul venitului disponibil al sectorului gospodăriilor (adică venitul care rămâne acestui sector după ce se scad impozitele și taxele).
Venitul disponibil este apoi utilizat de sectorul gospodăriilor pentru a achiziționa bunuri și servicii destinate consumului precum și pentru economisire.
Au fost, astfel, evidențiate o serie de fluxuri materiale și de fonduri prin intermediul cărora sectorul gospodăriilor este interconectat cu celelalte sectoare ale economiei naționale. Cu excepția sectorului public (guvernamental), cu care sectorul gospodăriilor are o conexiune directă, conexiunile cu celelalte sectoare se realizează prin intermediul piețelor. Astfel, piața bunurilor și serviciilor mijlocește legătura cu sectorul firmelor, dar și cu sectorul public, iar piața financiară cu băncile și intermediarii financiari care aparțin sectorului financiar al economiei.
Principalele fluxuri materiale și de fonduri dintre sectorul gospodăriilor și celelalte sectoare se reprezintă ca în figura 1.1. Aici fluxurile materiale (de bunuri și servicii destinate consumului final, de bunuri și servicii „publice”, de resurse materiale și muncă) sunt reprezentate prin linii continue, în timp ce fluxurile de fonduri (taxe și impozite, plățile bunurilor și serviciilor, plățile factorilor) sunt reprezentate prin linii punctate. Aceste fluxuri pot fi sintetizate astfel:
oferă spre închiriere sectorului firmelor factorii de producție deținuți în proprietate (m-5) și primesc în schimb de la acest sector venituri reprezentând plata serviciilor factorilor (f-6);
achiziționează bunuri și servicii produse de sectorul firmelor (f-1);
primesc bunuri și servicii produse de sectorul firmelor (m-2);
plătesc taxe și impozite către sectorul public (f-3) în schimbul unor bunuri și servicii publice (m-4);
își plasează economiile pe piața financiară (f-7) și primesc în schimb venituri din dobânzi (f-8);
împrumută bani de pe piața financiară (f-8) și plătesc din venitul disponibil ratele la împrumuturi și dobânziile aferente către sectorul financiar (f-7).
In paranteză sunt marcate tipurile de fluxuri (m-flux material și f-flux de fonduri) precum și o cifră reprezentând fluxul respectiv din figura 6.1.
Legendă:
– cheltuieli pentru bunuri și servicii;
– bunuri și servicii destinate consumului final;
– impozite și taxe;
– bunuri și servicii „publice” (apărare, educație, sănătate, administrație ș.a.);
– factori de producție oferiți spre închiriere (inclusiv muncă);
– plata serviciilor factorilor de producție;
– economii (sau dobânzi plătite);
– venituri din dobânzi (sau credite returnate).
6.2 Sectorul firmelor (privat, productiv)
Sectorul firmelor, denumit și sectorul privat sau sectorul productiv al economiei, este alcătuit din mulțimea întreprinderilor din economie care aparțin indivizilor (gospodăriilor) fie direct (le au în proprietate), fie indirect (dețin acțiuni la firmele respective). Activitatea economică principală a sectorului firmelor o constituie producția de bunuri și servicii, realizată prin consumul de bunuri capitale și de muncă (factori de producție). Bunurile și serviciile destinate consumului sunt cele pe care firmele le trimit pe piața bunurilor și serviciilor pentru a putea fi achiziționate și apoi consumate de sectorul gospodăriilor. Bunurile capitale includ mașini, instalații, echipamente, mijloace de transport, ș.a., care nu sunt complet consumate în producție, ci sunt utilizate în mai multe cicluri de fabricație pentru a realiza bunuri și servicii destinate consumului.
Firmele pot produce, pe lângă bunuri și servicii destinate consumului individual (final), și bunuri capitale destinate consumului productiv (intermediar), contribuind astfel la creșterea stocului total de resurse capitale existent în economie.
Ca producători, firmele din sectorul privat concurează unele cu altele precum și cu firmele din cadrul sectorului public pentru a obține resurse (inclusiv muncă) de pe piața factorilor de producție. Pe această piață, sectorul firmelor achiziționează sau închiriază (în primul rând de la sectorul gospodăriilor) o cantitate limitată economic de resurse. Costul achiziționării (închirierii) acestor resurse reprezintă principala sursă de venituri pentru oferta de factori de producție (inclusiv de muncă).
Utilizând resursele atrase de pe piața factorilor de producție, sectorul firmelor le combină în anumite proporții (tehnologii), obținând o anumită cantitate de bunuri și/sau servicii. Astfel, un teren arendat de la anumite gospodării, poate fi arat și semănat, combinat cu apă, îngrășăminte, tractoare și muncă conform unei anumite tehnologii și, după o anumită perioadă de timp, se obține o cantitate de grâu. Similar, amestecând în anumite proporții minereu de fier, cocs, electricitate, furnale, mori de măcinat minereu și muncă se obține o anumită producție de oțel.
Serviciile pot fi privite, de asemenea, ca fiind activități similare producției desfășurate de firme. Repararea unui autoturism pe o linie de service auto necesită piese de schimb, unelte și scule specifice, un elevator, electricitate și muncă.
În sectorul firmelor, perspectiva de a obține un profit sau de a nu înregistra pierderi reprezintă principalul stimulent al activității de producție desfășurate. Această activitate constă, în esență, din procesul de achiziționare de pe piața factorilor de producție a unor resurse relativ rare și costisitoare (materii prime și materiale, energie ș.a.) precum și din închirierea pe aceeași piață a forței de muncă necesare (angajarea muncitorilor) și a le combina cu o anumită tehnologie (înțelegând aici atât mașini, unelte, instalații, dar și informații tehnologice) pentru a realiza, la costurile cele mai scăzute posibil, produse și servicii destinate vânzării la prețuri competitive pe piața bunurilor și serviciilor. Competiția de piață a firmelor pentru factorii de producție și a gospodăriilor pentru produse și servicii asigură, în general, profitabilitatea sectorului firmelor.
Firmele se pot organiza în diferite structuri prevăzute de lege. Ele pot forma corporații, holdinguri sau pot acționa individual. Organizarea firmelor este stimulată tot de nevoia de a obține un profit cât mai mare sau de a deveni profitabile.
Venitul net al firmelor (sau profitul după plata taxelor) este diferența dintre veniturile obținute prin vânzarea produselor și serviciilor și costurile (cheltuielile) asociate cu producerea acestora. Venitul net este distribuit de firmă sub formă de dividende către acționari (proprietari) sau reținut ca profit redistribuit, acesta putând fi considerat ca un venit economisit de firme.
Profitul redistribuit constituie o sursă importantă de fonduri, firmele utilizându-le pentru a finanța cheltuielile pentru noi resurse capitale (investiții) sau le orientează către piața financiară, de unde obțin venituri sub formă de dobânzi încasate.
Pe lângă profiturile reținute, sectorul firmelor poate împrumuta de pe piața financiară fonduri care să finanțeze cheltuielile din cadrul unui ciclu de producție. Creditele luate de pe piața financiară reprezintă o sursă externă de finanțare pentru sectorul firmelor.
Când sectorul firmelor se împrumută de pe piața financiară, firmele concurează unele cu altele, ca și cu alte sectoare din economie, pentru o cantitate relativ limitată de fonduri disponibile, ce a fost economisită de sectorul gospodăriilor, de alte firme sau chiar de sectorul public și existentă pe piața financiară. Ca și celelalte sectoare, și sectorul firmelor plătește din venitul său net o anumită parte pentru a-i recompensa pe cei care au economisit aceste fonduri și pe intermediarii financiari.
De asemenea, sectorul firmelor poate obține venituri din dobânzile plătite pentru fondurile proprii economisite și plasate pe piața financiară.
Sectorul firmelor poate obține fonduri de investiții și prin vânzarea de acțiuni (care sunt de fapt certificate de proprietate) sau obligațiuni către public.
Sectorul productiv poate să împrumute fonduri de la sectorul financiar pentru perioade scurte de timp, atunci când ciclul de producție este mare, ceea ce face ca fluxul de venituri obținute din vânzarea produselor și serviciilor realizate să fie decalat față de momentul plăților factorilor de producție sau efectuării altor cheltuieli necesare pentru susținerea proceselor de producție.
Aceste împrumuturi pe termen scurt sunt, de regulă, returnate atunci când se obține suficient venit din vânzarea producției realizat pe piața bunurilor și serviciilor către sectorul gospodăriilor sau sectorul public.
Pe lângă aceste împrumuturi pe termen scurt, sectorul firmelor poate să împrumute fonduri din sectorul financiar pentru o perioadă lungă de timp, finanțând astfel programele de investiții. Investițiile din sectorul firmelor sunt făcute pentru a crește capacitatea de producție, deci și pentru a realiza output în cantități sporite. Creșterea producției va atrage un flux de venituri viitoare mai mare, provenit din vânzarea produselor și serviciilor. Acest venit așteptat în viitor mai mare reprezintă principala motivație pentru care sectorul firmelor face investiții.
Schimbările determinate de investiții în sectorul firmelor reprezintă o cauză importantă a expansiunii și reducerii ciclice a nivelului general al activității economice observate în producție, venituri, utilizarea forței de muncă și prețuri. Investițiile din sectorul firmelor sunt afectate, la rândul lor, de o varietate de factori incluzând starea curentă și așteptată a economiei, ratele dobânzilor practicate pe piața financiară, taxele și impozitele, etc. O recesiune economică despre care se așteaptă să continue o perioadă de timp poate determina sectorul firmelor să-și reducă planurile de investiții în capital fizic. Împrumuturile pentru achiziționarea de mașini și utilaje necesare în producția de bunuri și servicii se reduc. Sectorul firmelor va avea nu numai o capacitate de producție în exces, dar îi va fi din ce în ce mai dificil să suporte costurile împrumuturilor anterioare dintr-un flux de venituri din ce în ce mai redus.
Similar, creșterea ratelor dobânzilor pe piața financiară poate conduce sectorul firmelor către reconsiderarea planurilor de investiții, în special atunci când costurile împrumuturilor depășesc veniturile pe care se așteptă să le obțină din propriile investiții.
O economie în recesiune, taxe și impozite mari și rate ale dobânzilor crescătoare, în mod normal, reduc volumul investițiilor realizate și, în consecință, și capacitatea economiei de a crește producția de bunuri și servicii. Fluxurile de venituri care merg la proprietarii factorilor de producție, volumul economiilor precum și taxele plătite către sectorul public, de asemenea, se reduc.Din contră, o economie în expansiune, împreună cu taxe și impozite moderate și rate ale dobânzilor descrescătoare vor determina creșterea sectorului firmelor, sporirea economiilor precum și a taxelor și impozitelor plătite de firme către sectorul public.
Se pot, acum, sintetiza principalele fluxuri materiale (m) și de fonduri (f) care se formează între sectorul firmelor și celelalte sectoare ale economiei naționale:
în schimbul unor fluxuri de factori de producție primiți de la sectorul gospodăriilor (m-8), sectorul firmelor plătește un flux de fonduri (f-7);
utilizând factorii închiriați, sectorul firmelor produce un flux de bunuri și servicii (m-1) care este trimis către piața bunurilor și serviciilor și de aici, către sectorul gospodăriilor, sectorul public și sectorul extern;
prin vânzarea bunurilor și serviciilor realizate, sectorul firmelor primește un flux de fonduri (f-2) reprezentând venitul total din vânzarea producției realizate;
sectorul firmelor plătește impozite și taxe sectorului public (f-3), primind în schimb bunuri și servicii “publice” (m-4) (apărare, administrare, acces la infrastructură, ș.a.);
sectorul firmelor economisește o parte din venitul net realizat și îl trimite către piața financiară (f-9) de unde primește, în schimb, venituri provenind din dobânzi (f-10);
sectorul firmelor împrumută fonduri de pe piața financiară (f-10) pe care le utilizează pentru investiții și plata factorilor utilizați, iar o parte din venitul net este utilizată pentru returnarea împrumuturilor (inclusiv dobânzi) (f-9) către piața financiară;
sectorul firmelor primește de la sectorul extern un flux de venituri (f-6) reprezentând plata bunurilor și serviciilor exportate (m-5);
sectorul firmelor plătește către sectorul extern un flux de venituri (f) reprezentând valoarea bunurilor și serviciilor importate (m).
Datorită dualității dintre fluxurile de intrare și cele de ieșire către sectorul extern putem considera că bunurile și serviciile importate, respectiv plata acestora nu reprezintă decât fluxurile m-5 și, respectiv f-6 având însă direcții inverse. Pentru a rezolva acest lucru, se utilizează conceptul de export net, reprezentând diferența dintre fluxul de plăți pentru produse exportate și produse importate.
În figura 6.2 sunt reprezentate principalele fluxuri materiale și financiare care se formează între sectorul firmelor și celelalte sectoare (sisteme) ale economiei naționale.
6.3 Sectorul public (guvernamental)
Sectorul public (guvernamental, Stat) este format din totalitatea instituțiilor centrale și locale precum și din întreprinderile (regii, societăți naționale ș.a.) aflate în proprietatea statului care realizează bunuri și servicii publice (apărare, educație, sănătate, administrație ș.a.) dar și bunuri și servicii destinate consumului celorlalte sectoare ale economiei (autostrăzi, rețele de comunicații, școli ș.a.) și care sunt prea costisitoare pentru a putea fi realizate de sectorul firmelor.
Sectorul public cumpără de la sectorul productiv (privat) bunuri și servicii pe care le utilizează apoi pentru realizarea de bunuri publice. De exemplu, sectorul public poate cumpăra de la firme articole de papetărie pentru administrație, tancuri și mașini blindate pentru apărare, calculatoare pentru educație ș.a. Totuși aceste bunuri și servicii, provenind din sectorul firmelor, sunt considerate, la nivelul sectorului public, resurse ce sunt utilizate pentru a produce bunuri și servicii “publice”. Alteori, sectorul public poate el însuși realiza bunuri și servicii prin intermediul întreprinderilor aflate în proprietatea statului, utilizând pentru acesta resurse închiriate de pe piața factorilor de producție (inclusiv muncă).
Legendă:
(1) – flux de bunuri și servicii;
(2) – flux de venituri totale din vânzarea outputului;
(3) – impozite și taxe plătite;
(4) – bunuri și servicii “publice”;
(5) – export net (bunuri exportate – bunuri importate);
(6) – flux de venituri (plăți) din activitatea de export – import;
(7) – flux de plăți ale serviciilor factorilor (inclusiv muncă);
(8) – factori de producție închiriați;
(9) – flux de economii (plăți ale dobânzilor);
(10) – flux de împrumuturi (venituri din dobânzi la economiile realizate).
De exemplu, educația oferită de universitățile de stat, licee și școli este un bun public produs direct de sectorul public.
Pentru a produce și achiziționa bunuri și servicii publice, sectorul public utilizează veniturile provenite din impozite și taxe plătite de către sectorul gospodăriilor, sectorul firmelor și sectorul financiar. De asemenea, o parte din venituri provin de la sectorul extern din taxele vamale.
Totalitatea cheltuielilor realizate de sectorul guvernamental (public) pentru producerea și achiziția de bunuri și servicii publice reprezintă cheltuielile guvernamentale. O schimbare în cheltuielile guvernamentale afectează toate fluxurile din economie. Dacă, de exemplu, sectorul public va crește cererea sa de bunuri și servicii realizate de sectorul firmelor, va crește volumul resurselor utilizate, deci și nivelul veniturilor obținute de gospodării și firme, cheltuielile acestora și economiile. Veniturile din taxe ale sectorului public pot să crească chiar și fără o schimbare în rata fiscalității, deci în rata impozitelor și taxelor plătite de sectorul gospodăriilor și sectorul firmelor, și aceasta datorită creșterii bazei de taxare.
Ca și reducerea taxelor, creșterea în cheltuielile guvernamentale va stimula, în general, ritmul activității economice și intensitatea fluxurilor asociate acesteia. Similar, o încetinire sau o reducere a cheltuielilor guvernamentale (sau o creștere a taxelor) va tinde să reducă sau să încetinească fluxurile economice.
O importantă funcție fiscală a sectorului guvernamental este să stabilizeze cheltuielile sectorului privat și fluxurile de producție care scad prea rapid sau cresc prea lent, determinând o instabilitate a prețurilor și șomaj. Sectorul public contribuie la stabilitatea economiei iar nivelul cheltuielilor sale crește. De exemplu, dacă în economie se constată o încetinire a fluxurilor de producție și consum, o creștere deliberată a cheltuielilor guvernamentale și/sau o descreștere a ratei fiscalității va tinde să stimuleze intensificarea fluxurilor economice.Totuși, când economia se extinde prea rapid, riscând să se creeze dezechilibre între sectoare, o reducere deliberată sau o încetinire a creșterii cheltuielilor guvernamentale și/sau o creștere a taxelor va determina o încetinire a fluxurilor economice. Nu toate cheltuielile guvernamentale îndeplinesc rolul menționat mai sus. O parte a acestora, cum sunt cheltuielile de apărare, asigurările sociale și plățile transferabile, dobânzile plătite de sectorul guvernamental la datoria publică ș.a. tind să crească indiferent de ciclicitatea economiei. Acestor cheltuieli le revin o parte importantă din bugetul de stat și cel al asigurărilor sociale.
Cum am arătat deja, principala sursă de venituri a sectorului public este cea a impozitelor și taxelor plătite pe venit și pe profit de sectorul gospodăriilor, respectiv sectorul firmelor. Atât la nivel central, dar mai ales la nivel local, există însă o mare varietate de alte impozite și taxe care nu depind de venit și profit. Ele sunt denumite taxe în sumă fixă pentru a le deosebi de primele care sunt variabile în raport cu mărimea venitului sau profitului din care se calculează (baza de impozitare).
O taxă pusă pe un flux de venituri afectează mărimea economiilor realizate în cadrul sectorului gospodăriilor și sectorului firmelor. În consecință, ea va afecta și mărimea cheltuielilor de consum ale sectorului gospodăriilor, respectiv cheltuielilor de investiții ale sectorului firmelor.
De exemplu, o creștere a impozitului pe venitul personal (la nivelul sectorului gospodăriilor) va tinde să reducă venitul disponibil și, în consecință, mărimea venitului alocat de sectorul gospodăriilor pentru consum și pentru economii.
Deoarece taxe mai mari descurajează cheltuielile de consum, pe piața bunurilor și serviciilor vor fi achiziționate mai puține bunuri și servicii, iar sectorul firmelor își va reduce producția în mod corespunzător deoarece va rămâne cu produsele neachiziționate în stoc. O încetinire a producției în sectorul firmelor va duce la descreșterea cererii de factori de producție pe piața factorilor (inclusiv pentru muncă). Va crește șomajul și va descrește venitul provenit din plata utilizării factorilor, reducând și mai mult cererea totală de bunuri și servicii.
Sectorul guvernamental funcționează, de regulă, în condițiile unui deficit bugetar. În general, în cursul unei expansiuni economice, cheltuielile guvernamentale tind să-și încetinească ritmul de creștere, în timp ce veniturile guvernamentale provenind din taxe cresc. Drept urmare, deficitul bugetar devine mai mic sau surplusul bugetar (dacă economia ar fi avut un buget excedentar) devine mai mare. Similar, în cursul unei recesiuni economice, deficitul bugetar tinde să crească în timp ce taxele se reduc iar cheltuielile guvernamentale, inclusiv cele pentru programele de combatere a recesiunii, cresc.
Pentru a acoperi deficitul bugetar, sectorul guvernamental utilizează împrumuturile publice (pe piața financiară internă sau internațională). Datoria publică crește când deficitul bugetar devine mare și scade când acesta se reduce. Sectorul guvernamental plătește dobânzi la datoria publică către sectoarele de la care a făcut împrumutul public (sectorul gospodăriilor și sectorul financiar). Împrumuturile publice pe piețele financiare externe sunt, de regulă, mai costisitoare, sectorul public trebuind să plătească dobânzi și rate ale împrumuturilor externe care împovărează și mai mult bugetul de stat.
Chiar și în cazul existenței deficitelor bugetare, sectorul guvernamental poate economisi, formând o rezervă de stat. Această rezervă este compusă din bunuri materiale de strictă necesitate (zahăr, ulei, petrol etc.), din aur și din fonduri în valute străine.
Conexiunile sectorului public pot fi deci sintetizate astfel:
există două fluxuri similare de bunuri publice între sectorul guvernamental și sectorul gospodăriilor, respectiv cel al firmelor (m-3) prin care bunuri și servicii care nu sunt asigurate, de regulă, de către sectorul privat sunt furnizate celor două sectoare;
în schimbul acestor bunuri publice, sectorul gospodăriilor și sectorul firmelor trimit către sectorul public două fluxuri reprezentând impozite și taxe (f-2);
un alt flux este cel prin care sectorul public cumpără de la sectorul firmelor bunuri și servicii (f-3) în schimbul căruia primește un flux de bunuri și servicii (m-4);
al patrulea flux este cel prin care sectorul public închiriază factori de producție de la sectorul gospodăriilor (m-6) în schimbul plății serviciilor acestora (f-5);
al cincilea flux este cel prin care sectorul public împrumută de pe piața financiară fonduri pentru a acoperi deficitul bugetar (f-8) plătind , în schimb, dobânda la datoria publică (f-7);
un ultim flux este cel al economiilor realizate de sectorul public care sunt plasate pe piața financiară (f-7), acesta primind în schimb venituri din dobânzi (f-8).
Se observă că acest ultim flux poate fi considerat dual celui anterior, prin care sectorul public împrumută de pe piața financiară fonduri destinate acoperirii deficitului bugetar, numai că direcția fluxurilor este inversă. Din această cauză, sectorul public poate să fie debitor net sau creditor net pe piața financiară, în funcție de diferența dintre intrările totale de fonduri și ieșirile de fonduri către piața financiară.
În figura 6.3 sunt prezentate conexiunile principale, materiale și financiare, dintre sectorul public și celelalte sectoare (sisteme) ale economiei naționale.
Legendă:
(1) – flux de bunuri și servicii “publice”;
(2) – impozite și taxe;
(3) – plata produselor achiziționate pe piața bunurilor și serviciilor;
(4) – bunuri și servicii furnizate de sectorul firme;
(5) – plata serviciilor factorilor închiriați de la sectorul gospodăriilor;
(6) – factori de producție închiriați de către sectorul public;
(7) – economii nete (diferența dintre fondurile economisite și împrumuturile făcute de sectorul public);
(8) –venituri provenite din dobânzi la economiile nete (dacă sunt negative
reprezintă plata dobânzilor la împrumuturile făcute).
6.4 Sectorul extern
Fluxurile materiale (sub formă de importuri și exporturi) și fluxurile financiare dintre economia națională și restul lumii se efectuează prin intermediul sectorului extern. Dacă într-o economie neglijăm acest sector, spunem că avem o economie închisă; în caz contrar vorbim despre o economie deschisă.
Orice economie are nevoie de anumite bunuri și servicii pe care sectorul productiv intern nu le realizează sau le realizează în cantități insuficiente, deci aceste bunuri și servicii vor fi importate; în același timp, orice economie produce un surplus de bunuri și servicii pe care le vinde pe piețe externe, deci le exportă. Se observă că fluxurile respective intră și ies în principal din sectorul firmelor, dar import și export poate face și sectorul public.
Pentru importuri, cele două sectoare trebuie să plătească o parte din veniturile lor în timp ce pentru export ele primesc venituri din exterior.
O dificultate o reprezintă însă moneda în care se fac aceste plăți reciproce. Diferitele economii au încă valute diferite, acest lucru îngreunând schimburile comerciale (de exemplu, unul dintre motivele principale ale introducerii Euro în țările din Uniunea Europeană, cu excepția a două dintre ele, este dat de facilitățile pe care le creează la plata fluxurilor de export și import).
Pentru a rezolva transformarea valutelor străine în valuta internă și invers, în cadrul sectorului financiar există intermediari valutari (bănci sau case de schimb) care, pe piața financiară (mai precis pe o componentă a acesteia numită piața valutară) realizează schimburi între diferitele valute. Deci sectorul extern utilizează piața valutară doar pentru a realiza transformările valutare necesare bunei desfășurări a fluxurilor de exporturi și importuri.
În afară de aceste fluxuri comerciale, orice economie are intrări și ieșiri de fluxuri de capital. Acestea sunt formate, de regulă, de investițiile străine făcute de rezidenții altor state în economia internă, respectiv investiții ale cetățenilor rezidenți ai statului respectiv în alte economii sau pe piețe financiare internaționale. Și aceste fluxuri de capital sunt transformate; cele de intrare în valuta internă, iar cele de ieșire într-o valută recunoscută internațional sau valuta țării în care el va merge.
Valoarea unei valute interne în raport cu o valută străină reprezintă rata de schimb, care constituie deci prețul pieței valutare. Rata de schimb reflectă intensitatea fluxurilor internaționale de fonduri. De exemplu, oferta de valută internă pe piața valutară va crește în mod normal, dacă nivelul importurilor sau intrările internaționale de fonduri în țara respectivă cresc. Invers, cererea de valută va crește în mod normal când nivelul exporturilor sau ieșirilor de fonduri către alte țări cresc.
Schimbările suferite de rata de schimb de pe piața valutară afectează fluxurile materiale și financiare din economia respectivă. Creșterea ratei de schimb a unei valute străine va accelera exporturile și va încetini importurile. Crescând exporturile, cererea de factori de producție a sectorului firmelor va crește, veniturile din plățile factorilor vor spori în sectorul gospodăriilor, deci și cererea acestora de bunuri și servicii.
Rezultă, deci, că principalele fluxuri dintre sectorul extern și celelalte sectoare ale economiei pot fi sintetizate astfel:
două fluxuri materiale de export și de import (m-1) și (m-1’), dublate de două fluxuri de fonduri în sens invers, reprezentând plățile pentru export (f-2) și, respectiv, import (f-2’);
două fluxuri de fonduri reprezentând intrări, (f-5), (f-5’) și ieșiri (f-6), (f-6’) de capital financiar.
Aceste patru fluxuri se formează între sectorul extern, aparținând economiei naționale și celelalte economii, pe care la vom denumi generic “restul lumii”.
În figura 6.4 se reprezintă principalele conexiuni ale sectorului extern:
Legendă:
– export;
– venituri din export;
(1’) – import;
(2’) – plățile importurilor;
(3) și (3’) – intrări de capital internațional (în valută străină) și transformarea lor în valută internă;
(4) și (4’) – ieșiri de capitale financiar (in valută internă) și transformarea lor în valută străină.
6.5 Sectorul financiar
În general, toate sectoarele analizate până acum împrumută și economisesc fonduri. Important este, totuși, faptul că aceste procese determină un echilibru: dacă unele sectoare economisesc mai mult decât cheltuiesc se creează un excedent de fonduri; acest excedent este utilizat pentru a acoperi deficitul de fonduri al altor sectoare. Alte sectoare, care cheltuiesc mai mult decât economisesc, deci au un deficit de fonduri, împrumută aceste fonduri de la cele care au excedent.
Sectorul financiar este cel care realizează transferul de fonduri de la sectoarele care au un excedent de fonduri către cele care au deficit. În același timp, sectorul financiar asigură plata dobânzilor cuvenite celor care dau cu împrumut fonduri din veniturile primite de la cei care iau cu împrumut fonduri.
Sectorul financiar este constituit din mulțimea băncilor de diferite tipuri și a celorlalți intermediari financiari (societăți de asigurări, fonduri de investiții, fonduri de pensii ș.a.) care există într-o economie. Acumularea anuală a economiilor sectoarelor care au excedent de fonduri permite constituirea fondurilor de investiții utilizate de sectoarele care au deficit de fonduri pentru a dezvolta activitățile productive.
De regulă, sectoarele care economisesc cel mai mult sunt cel al gospodăriilor și sectorul public. Sectorul gospodăriilor constituie cel mai important sector ce creează un surplus de fonduri. Economiile realizate de acest sector merg către celelalte sectoare și aduc gospodăriilor un venit suplimentar datorită dobânzii plătite de aceste sectoare. Formele de economisire cel mai frecvent utilizate sunt: constituirea depozitelor bancare, cumpărarea de obligațiuni ale firmelor și corporațiilor , cumpărarea de polițe de asigurare, contribuții la fondul de pensii ș.a.
Sectoarele care iau cu împrumut fondurile cele mai mari sunt sectorul public și sectorul privat (al firmelor).
Transferul de fonduri între sectoare se face, de regulă, pe piața financiară. Pe această piață, oferta de fonduri a celor care economisesc este egală cu cererea de fonduri a celor care împrumută pentru un nivel dat al ratei dobânzilor. Dacă cererea de fonduri este temporar mai mare decât oferta de fonduri, competiția dintre sectoare pentru a obține fonduri dintr-o ofertă oarecum limitată va ridica prețul fondurilor, deci ratele dobânzilor. Rate ale dobânzilor mai mari vor încuraja, în general, noi economii, în timp ce va descuraja pe împrumutați până când cererea și oferta vor fi din nou echilibrate pentru un nou nivel al ratelor dobânzilor.
De exemplu, când economia este într-o expansiune rapidă, sectorul gospodăriilor și sectorul firmelor își extind cererile de credite deoarece cheltuielile lor pentru bunuri și servicii destinate consumului individual, respectiv de investiții vor crește. Creșterea competiției pentru credite tinde să împingă în sus ratele dobânzilor. Dacă sectorul public împrumută și el fonduri pentru a-și finanța deficitul bugetar, acest lucru va face și el să crească presiunea asupra ratelor dobânzilor pe piața financiară. După creșterea acestora, fluxul de cheltuieli și producția vor tinde să scadă.
Un rol special în sectorul financiar îl au instituțiile financiare care acordă credite, în principal băncile comerciale. Ele dețin fondurile celorlalte sectoare sub formă de depozite bancare la vedere sau la termen, care sunt utilizate pentru a face plăți în achizițiile de bunuri și servicii, inclusiv pentru investiții. Aceste depozite, numite și conturi de lichidități , constituie sursa cea mai importantă a ofertei de bani din economie. Nici o altă instituție financiară nu formează un volum așa de mare de fonduri ca băncile comerciale. De asemenea, băncile comerciale creează noi depozite bancare când dau credite pentru a finanța cumpărările de bunuri și servicii (credite pentru consum) și lucrările pentru investiții (credite de investiții). Posibilitatea băncilor comerciale de a crea bani este totuși limitată de volumul rezervelor pe care ele le constituie la o bancă cu rol special în economie, denumită Banca Centrală. Aceasta are anumite funcții care îi permit să exercite controlul asupra fluxurilor financiare și a pieței monetare, componentă principală a pieței financiare. Acest lucru se realizează, de regul, prin controlul asupra ofertei de bani și a rezervelor băncilor comerciale. Modalitățile prin care Banca Centrală influențează aceste două elemente se numesc politici monetare.
Rezultă că sectorul financiar are, cu celelalte sectoare din cadrul economiei naționale, următoarele interdependențe principale:
patru fluxuri financiare, (f-1), (f-2), (f-3) și (f-4), reprezentând economiile realizate în sectorul gospodăriilor, sectorul firmelor, sectorul public și sectorul extern;
alte patru fluxuri financiare, (f-5), (f-6), (f-7) și (f-8), reprezentând creditele acordate acestor sectoare;
un flux financiar (f-9) de formare a rezervelor băncilor la Banca Centrală;
un flux financiar (f-10) de la sectorul financiar la piața financiară, constituind oferta de credite.
În figura 6.5 se reprezintă principalele conexiuni dintre sectorul financiar și celelalte sectoare economice.
Legendă:
(1)-(4) – depozite;
(5)-(8) – credite;
(9) – rezerve ale băncilor la Banca Centrală;
(10) – oferta de credite.
6.6 Modele de simulare și modele-bazate-pe-agenți în macroeconomie
In ultima perioadă, în analiza și modelarea sistemelor macroeconomice au început să fie utilizate diferite metode provenind din simulare și teoria complexității. Dintre aceste metode noi merită amintite: simularea pe baza algoritmilor genetici, rețelele neuronale, agenții și modelele bazate pe agenți ș.a.
6.6.1 Modele bazate pe algoritmii genetici (AG)
Algoritmii genetici sunt algoritmi de optimizare stohastică având la bază mecanisme evoluționiste și genetice. Filosofia lor este foarte simplă. Se pornește de la o populație de soluții potențiale (cromozomi) alese arbitrar. Se evaluează performanța (fitness-ul) fiecăruia. Pe baza acestor performanțe se obține o nouă populație de soluții potențiale utilizând operatori de evoluție simpli: selecția, încrucișarea și mutația. Se repetă acest ciclu până când se găsește o soluție satisfăcătoare.
AG au fost descoperiți de John Holland (1975). Dar abia o carte a lui Goldberg, apărută în 1989 le-a adus popularitatea actuală. Datorită marii lor simplități și eficienței calculatorii, AG au astăzi numeroase aplicații economice, financiare, tehnice, sociale ș.a.
AG fac parte din clasa de metode de modelare evoluționiste. Pe lângă aceștia, clasa respectivă mai include programarea genetică, o modificare a algoritmilor genetici pentru a evolua ca programe de calculator, strategiile de evoluție ce reprezintă o formă de algoritmi evoluționiști care utilizează reprezentarea non-cromozomială și se axează mai mult pe studierea operatorului de mutație, programarea evoluționistă care nu are restricții în reprezentarea soluției ș.a. Totuși, limitele între aceste metode sunt foarte greu de definit și, treptat, s-a impus conceptul de algoritmi genetici pentru a denumi o clasă de metode ce derivă din concepția inițială a lui Holland.
Ce sunt algoritmii genetici
Să dăm, în continuare, o definiție mai exactă pentru AG. Un AG se definește prin următoarele concepte:
individ/cromozom/lanț/secvență/string: o soluție potențială a problemei;
populație: o mulțime de indivizi sau de puncte în spațiul de căutare;
mediu: spațiul de căutare;
funcția de fitness: funcția pozitivă care trebuie maximizată.
Un string (cromozom, individ) A de lungime este un șir:
cu pentru orice . Deci un string este un șir de biți în alfabetul binar, numit și lanț binar. În cazul unui alfabet non-binar, cum ar fi cel zecimal, șirul A nu conține decât un punct, , cu a. R
Fitnessul unui string (șir, secvență, cromozom, individ) este o valoare pozitivă, , unde f este denumită funcție de fitness. Fitnessul (eficacitatea) nu trebuie confundat cu valoarea optimă. Numai întâmplător cele două valori coincid. Deoarece fitnessul este o funcție având valori pozitive reale, în cazul codificării binare a AG se poate utiliza o funcție de decodificare d, definită ca:
care permite trecerea de la un string binar la o valoare reală.
Funcția de fitness este deci aleasă astfel încât să transforme această valoare reală furnizată de d într-o valoare pozitivă, deci:
.
Scopul principal al unui AG este deci de a găsi stringul care maximizează funcția de fitness f.
Evident că funcțiile d și f depind de problema particulară care trebuie rezolvată, aceasta fiind și principala dificultate în aplicarea AG.
Fazele AG sunt următoarele:
Inițializarea: O populație inițială de N cromozomi este determinată aleator (utilizând, de exemplu, metode obișnuite de generare a numerelor întâmplătoare);
Evaluarea: Fiecare individ (cromozom) din cadrul populației este decodificat și apoi evaluat cu funcția de fitness;
Selecția: Crearea unei noi populații de N cromozomi utilizând o metodă de selecție adecvată;
Reproducerea: Posibilitatea de încrucișare și mutație în cadrul noii populații;
Revenirea la faza de evaluare până la oprirea algoritmului. Condiția de oprire este legată, în general, de atingerea unei valori a funcției de fitness care este cea mai mare comparativ cu celelalte și care nu mai crește în continuare.
Codificarea și generarea populației inițiale
Există în cadrul AG trei tipuri principale de codificare: binară, intermediară și zecimală. Se poate trece ușor de la un tip de codificare la altul utilizând relații de transformare obișnuite. În anumite lucrări se face o paralelă cu biologia, vorbindu-se despre genotip (masculin și feminin) care reprezintă codificarea în alfabetul binar a unui individ și fenotip (denumirea pentru valoarea reală corespunzătoare din spațiul de căutare).
Cea mai simplă transformare (funcția de decodificare d) a unui string binar A într-un număr întreg x se face cu relația următoare:
unde . Astfel, un cromozom are valoarea reală .
Evident că funcția de decodificare d poate fi modificată în raport cu problema ce trebuie rezolvată. Astfel, pentru a maximiza o funcție:
putem utiliza o relație de transformare de forma:
Pentru a asigura precizia dorită (de exemplu de cinci cifre exacte după virgulă) se ia astfel că .
O altă posibilitate de a-l alege pe d este ca
.
Pentru obținem și .
Precizia dorită este asigurată deoarece .
Această ultimă relație de decodificare poate fi generalizată pentru orice tip de funcție f. Astfel, dacă dorim să maximizăm o funcție f în raport cu o variabilă reală x iar , unde este spațiul de căutare admisibil, și fiind limita inferioară, respectiv limita superioară a lui D, fie , lungimea intervalului D. Trebuie să împărțim, atunci, acest interval în subintervale egale pentru a obține precizia (prec) dorită. De exemplu, dacă atunci și dacă atunci v-a trebui să împărțim intervalul de căutare D în subintervale.
Pentru un s întreg natural astfel încât , transformarea unui string binar într-un număr real x se poate face atunci în doi pași:
conversia bazelor (trecerea din baza 2 în baza 10)
;
căutarea unui număr real corespunzător:
.
Cei doi pași pot fi comprimați scriind direct relația de transformare (decodificare):
În cazul anterior, în care , s trebuie luat 22 deoarece =2.097.152< 3.000.000<.
Deci numărul de biți dintr-un string binar depinde de precizia cu care dorim să facem calculele.
După determinarea relațiilor de transformare utilizate, se generează aleator un număr de N indivizi (stringuri) în spațiul de admisibilitate al indivizilor. În cazul codificării binare (stringuri binare), după ce se determină dimensiunea l a lanțului se efectuează pentru cromozomul generarea de biți cu echiprobabilitate (0 sau 1 pot să apară în cromozomul respectiv cu aceeași probabilitate).
Operatori genetici
Operatorii genetici joacă cel mai important rol în cadrul AG. Există trei tipuri principale de operatori:
operatorul de selecție;
operatorul de încrucișare;
operatorul de mutație.
Operatorul de selecție (numit uneori și operatorul de reproducere) este cel mai important operator genetic deoarece permite indivizilor dintr-o populație să supraviețuiască, să se reproducă sau să moară. Ca regulă generală, probabilitatea de supraviețuire a unui individ este legată direct de eficiența relativă a acestuia în cadrul populației respective.
Există mai multe metode de reproducere (selecție). Metoda cea mai cunoscută este, desigur, cea a loteriei întâmplătoare (aleatoare). Conform acestei metode, fiecare individ (cromozom) va fi duplicat în noua populație, proporțional cu valoarea sa de adaptare. Se efectuează, de câteva ori, extrageri cu revenire din cadrul mulțimii de indivizi ai populației respective. În cazul codificării binare, se determină pentru fiecare individ (cromozom) extras, , fitnessul acestuia, . Atunci probabilitatea ca cromozomul să fie reintrodus în noua populație, a cărei mărime este N, va fi:
Indivizii (cromozomii) care determină o valoare a funcției de fitness mare au o probabilitate de selecție mare, deci șanse mai mari de a fi selecționați (de a se reproduce). Un astfel de tip de selecție se mai numește și selecție proporțională și este foarte ușor de efectuat. Inconvenientul major în utilizarea unei astfel de metode constă în faptul că un individ care nu este cel mai bun din populația respectivă poate ajunge totuși să domine selecția. Se înregistrează astfel o pierdere de diversitate prin dominația unui individ, denumit și superindivid sau dictator. Un alt inconvenient este și performanța slabă a metodei către sfârșitul selecției, când mulțimea indivizilor devine mai omogenă. În acest caz, majoritatea cromozomilor are un fitness ridicat, dar nu optimal sau apropiat de cel optimal. În procesul de selecție, acest grup poate ajunge să domine populația, astfel încât AG nu va mai evolua și optimul nu va mai putea fi găsit. Acest fenomen se numește „convergență prematură” și este una dintre problemele care apar cel mai frecvent la utilizarea AG.
O soluție a acestei probleme nu constă neapărat din utilizarea unei alte metode de selecție, ci din introducerea unei funcții de fitness modificată. Astfel, putem utiliza o schimbare de scală pentru a crește ecartul (diferența) relativ dintre valorile de fitness ale indivizilor.
Există și alte metode de selecție, de exemplu selecția de tip turneu, în care se extrag de fiecare dată câte doi indivizi din populație și se reproduce (selectează) cel mai bun dintre cei doi în noua populație. Se repetă această procedură până când noua populație este completă (deci ajunge la același număr de indivizi N ca și populația inițială). Totodată, se urmărește ca în faza de selecție să nu se creeze noi indivizi în populație. Acesta este rolul următorului operator genetic.
Operatorul de încrucișare permite crearea unui nou individ (cromozom) și includerea sa în populația nou generată. Acest lucru se face printr-o procedură foarte simplă care permite schimbul de informație între indivizi (cromozomi). Astfel, doi indivizi, formând o pereche, sunt extrași din cadrul populației rezultată prin selecție (reproducere). Apoi se determină aleator unul sau mai multe puncte de încrucișare (o cifră între 1 și ). În sfârșit, cu o probabilitate ca încrucișarea să aibă loc în acel punct, segmentelor finale (în cazul unui singur punct de încrucișare) ale celor doi părinți, cum se numesc indivizii extrași, se schimbă între ele, ducând astfel la apariția a doi noi indivizi (cromozomi).
Trebuie spus că un individ selecționat pentru reproducere nu suferă neapărat și o operație de încrucișare. Acest lucru nu are loc decât cu o anumită probabilitate, . Cu cât este mai mare, cu atât populația va suferi schimbări mai mari.
Acțiunea conjugată a celor doi operatori, de selecție și de încrucișare, este insuficientă însă pentru a asigura reușita unui AG. Acest lucru se întâmplă deoarece, în cazul codificării binare, anumite informații (de exemplu caractere ale alfabetului) pot să dispară din populație. De exemplu, dacă nici un individ din populația inițială nu conține 1 în ultima poziție a stringului binar și totuși acest 1 face parte din stringul optimal ce trebuie determinat, orice operație posibilă de încrucișare nu permite să apară 1, care este inițial necunoscut.
În codificarea reală (zecimală), o astfel de situație se poate atinge dacă inițial populația este cuprinsă, de exemplu, între 0 și 40, în timp ce valoarea optimală este 50. Orice combinație posibilă de cifre între 0 și 40 nu permite atingerea unei cifre de 50.
Operatorul de mutație modifică aleator, cu o anumită probabilitate , valoarea unei componente a individului. În cazul unei codificări binare, fiecare bit din cadrul stringului este înlocuit cu probabilitatea de opusul său .
Așa cum sunt posibile mai multe locuri de încrucișare, pot fi alese, în cazul unui string binar, mai multe poziții în care pot apărea mutații. Operatorul de mutație conferă AG o anumită proprietate de ergodicitate (de exemplu toate punctele din spațiul de căutare a soluțiilor pot fi atinse utilizând mutația).
Prin aplicarea operatorului de mutație se conferă AG un caracter dual: pe de o parte se poate efectua o căutare locală în orice zonă a spațiului de căutare a soluției (căutarea pe orizontală) și, în același timp, se poate avansa, la fiecare mutație, cu o treaptă în procesul de căutare (căutarea în adâncime).
Parametrii
Operatorii introduși mai sus se aplică unei populații care are inițial anumite caracteristici (parametri) ce conferă zestrea genetică a populației respective. Acești parametri joacă, deseori, un rol esențial în reușita AG. Principalii parametri sunt: mărimea (dimensiunea) populației, N; lungimea stringului asociat fiecărui individ (cromozom), l și probabilitățile de încrucișare și, respectiv, mutație, și .
Dacă mărimea (dimensiunea) populației, N este foarte mare atunci timpul de calcul necesar AG crește foarte mult, iar dacă N este prea mic, atunci AG poate converge rapid către un individ (cromozom) care nu reprezintă soluția optimală. Ca o regulă empirică, N se alege egal cu .
Probabilitățile , și se aleg în funcție de forma funcției de fitness. Alegerea este, în general, euristică. Cu cât aceste probabilități sunt mai mari, cu atât populația suferă schimbări mai importante. Pentru valorile general admise sunt între 0,5 și 0,9. Dacă se alege un prea mic atunci există riscul ca încrucișări să nu aibă loc, ceea ce duce la modificarea foarte lentă a populației și, deci, la creșterea timpului de calcul necesar AG.
În ceea ce privește probabilitatea de mutație, aceasta se alege între 0,01 și 0,05. O probabilitate de mutație prea ridicată riscă să conducă la determinarea unei politici suboptimale.
De multe ori, AG sunt realizați în așa fel încât o parte a sa determină individul optimal iar o altă parte stabilește valorile optime ale parametrilor. Aceste două operații pot fi efectuate simultan sau secvențial, evident cu creșterea corespunzătoare a timpului de calcul. Astfel de algoritmi se mai numesc și meta-AG.
Funcția de fitness
O ultimă componentă importantă a AG este funcția de fitness. Alegerea acesteia depinde de problema care trebuie rezolvată și de spațiul de căutare a soluțiilor care este specificat.
Spațiul de căutare S este, în general, constituit din două subspații disjuncte: spațiul soluțiilor admisibile, F și spațiul soluțiilor neadmisibile, U. La orice moment al aplicării sale, un AG poate determina soluții neadmisibile, deci soluții care nu satisfac cel puțin o restricție a problemei.
Pentru a rezolva această problemă se pot utiliza funcții de fitness cu coeficienți de penalizare. Eficacitatea unei soluții neadmisibile se reduce, în acest caz, automat, eliminându-se astfel posibilitatea ajungerii la o soluție neadmisibilă. Totuși, alegerea unei funcții de fitness cu penalizări este destul de dificilă, trebuind să se răspundă la întrebări cum ar fi: cum pot fi comparate două soluții neadmisibile? ; orice soluție admisibilă este de preferat unei soluții neadmisibile? ; trebuie neapărat eliminate soluțiile neadmisibile din populație? ; se poate, printr-o funcție de reparare, să schimbăm o soluție neadmisibilă într-una admisibilă? ș.a.
Toate aceste întrebări se pun deoarece o soluție neadmisibilă poate fi mai apropiată de soluția optimală decât numeroase alte soluții admisibile. Multe dintre aceste întrebări nu au primit încă un răspuns cert.
6.6.2 Modele ale sistemelor macroeconomice utilizând algoritmii genetici
AG nu reprezintă decât unul, este drept foarte la modă astăzi, dintre instrumentele noi care au început să fie utilizate în ultima perioadă în modelarea macroeconomică. Se mai pot aminti aici sistemele de clasificare, programarea genetică, modele-bazate-pe-agenți, jocurile evoluționiste ș.a. Caracteristicile tuturor aceste metode este efortul de a surprinde procesele dinamice interne ale sistemelor macroeconomice modelate și nu numai răspunsul acestora la șocuri și perturbații externe. Dintre aceste procese dinamice interne poate cel mai interesant este cel de adaptare continuă a sistemului macroeconomic modelat la mediu.
În mediul macroeconomic am văzut că se includ diferite sisteme compuse din subsisteme și agenți eterogeni, iar deciziile adoptate de acestea afectează atât sistemele ca atare, dar și alte subsisteme și procese din mediu. Această interdependență generală, neglijată de multe ori în modelarea macroeconomică din cauză lipsei de instrumente și metode apte de a o surprinde, poate fi totuși abordată cu suficientă rigoare făcând apel la noi metode de modelare, ca cele descrise în acest capitol.
Pentru a ilustra o astfel de tendință, vom prezenta în continuare câteva dintre cele mai recente modele macroeconomice care au fost reformulate și studiate utilizând AG.
Modelul pânzei de păianjen (cobweb) (Arifovic, 1994)
Unul dintre primele modele elaborate în această direcție a fost modelul pânzei de păianjen (cobweb), foarte cunoscut și studiat în dinamica economică. Arifovic utilizează acest model pentru a studia procesul de adaptare al deciziilor de producție ale firmelor la cererea și oferta de pe o piață.
Datorită faptului că modelul în forma sa clasică a fost foarte mult studiat, apare avantajul imediat al comparării rezultatelor obținute aplicând AG cu cele rezultate anterior.
În model se consideră n firme active pe o piață competitivă, tranzacționând un singur bun perisabil (nestocabil). Datorită întârzierii în producție, cantitățile din bunul respectiv oferite de firme pe piață depind de nivelul așteptat al prețului.
Costul producției destinate vânzării în cadrul firmei i la momentul t este dat de relația:
unde este cantitatea produsă pentru vânzarea la momentul t, iar x și y sunt parametri.
Profitul firmei i la momentul t este atunci:
unde reprezintă prețul bunului respectiv la momentul t.
Cantitatea optimă ce poate fi produsă de firma i la momentul t se obține din condiția de ordinul întâi:
de unde avem:
unde reprezintă prețul așteptat de firma i la momentul t.
Cererea de produs pe piața respectivă este dată de o funcție inversă a cererii:
unde A și B sunt parametri pozitivi dați.
Când piața ajunge la echilibru, deci , cantitatea cerută și oferită pe piață, și prețul sunt, în acest caz, constante.
Dacă firmele au așteptări perfecte (naive) privind prețul (deci prețul perioadei următoare se așteaptă sa fie egal cu cel al perioadei curente), modelul are o soluție care converge către un preț și o cantitate stabile și unice atunci când și diverge când .
Pentru aplicarea AG la acest model s-a considerat că regulile de decizie ale firmelor sunt reprezentate prin stringuri binare. O firmă i, ia o decizie privind producția sa la momentul t utilizând un string binar de lungime finită l, scris în alfabetul . Un string binar este mai întâi decodificat și transformat într-un număr întreg pozitiv și apoi normalizat pentru a obține o cantitate , unde este cantitatea maximă pe care o firmă o poate produce. Cantitatea reprezintă decizia de producție a firmei i la momentul t.
Odată ce cantitățile ce le vor produce firmele sunt determinate, se poate determina prețul de golire a pieței utilizând relația (6.5) Acest preț este utilizat apoi pentru a determina profitul firmelor la momentul t, utilizând relația (6.2). O anumită valoare a profitului firmei i reprezintă fitnessul al firmei i în urma aplicării deciziei respective.
Populația de reguli de decizie este apoi actualizată pentru a crea o nouă populație ce va fi utilizată la momentul t+1. Există două variante ale acestui model. Prima utilizează doar operațiile de selecție, încrucișare și mutație. A doua variantă utilizează doar o nouă operație genetică, pe lângă cele trei menționate anterior, și anume operația de alegere.
Această operație testează noii indivizi (cromozomi) înainte ca ei să devină membri ai noii populații. Se calculează un fitness potențial pornind de la prețul ultimei perioade pentru fiecare individ. Apoi, doi părinți și doi indivizi noi apăruți sunt ordonați pe baza valorii funcției de fitness calculate, de la cea mai mare valoare la cea mai mică valoare, primii doi indivizi fiind acceptați ca membri ai noii populații de reguli decizionale.
În cazul unei egalități a valorii fitnessului între un părinte și un urmaș, se alege ca un urmaș să devină membru al noii populații.
Prin aplicarea operațiilor genetice pe membrii unei populații de reguli de decizie la momentul t, rezultă o nouă populație de reguli care va fi utilizată la momentul . Populația de la momentul inițial, este generată aleator și operațiile genetice se aplică iterativ până la un moment T.
Procesul iterativ de mai sus poate fi interpretat economic în modul următor. Reproducerea lucrează ca o imitație a indivizilor de succes. Stringurile binare ale acestor indivizi (firme) au valori ale fitnessului mari și sunt copiate de alte firme. Stringurile cu valori ale fitnessului mai mici, care reprezintă decizii de a produce mai puțin și cu un profit scăzut, găsesc puțini imitatori (sau deloc) în următoarea generație.
Încrucișarea și mutația sunt utilizate pentru a genera noi idei privind modul de a produce mai mult și de a oferi spre vânzare pe piață produsul, recombinând experiențele decizionale existente și generând altele noi. Dacă se include și operația de alegere, interpretarea de mai sus se modifică în sensul că, în fiecare perioadă, firmele generează noi decizii de producție utilizând operatorii genetici. Se compară valorile fitnessului acestor noi potențiali membri ai populației de reguli decizionale cu vechea populație, în condițiile de piață observate în perioada anterioară. Dacă noile idei apărute sunt mai bune decât cele anterioare atunci ele sunt implementate în cadrul firmelor. Utilizarea AG în aceste condiții determină firmele individuale să învețe în timp să adopte decizii care duc la creșterea profiturilor. Acestea nu sunt, eventual maximizate în cazul tuturor firmelor, dar ele adoptă decizii de producție care le conduc treptat către un profit mai mare.
Simulările efectuate au arătat că pentru valori diferite ale parametrilor (număr diferit de firme, valori diferite ale coeficienților a, b, A și B ș.a.) se obțin atât soluții stabile cât și instabile.
Arifovic a dezvoltat un AG cu o populație multiplă, în care fiecare firmă este înzestrată cu o întreagă populație de stringuri. Putem considera că această populație reprezintă reguli de decizie admisibile din cadrul cărora fiecare firmă alege, la un moment de timp dat, o decizie privind cel mai bun comportament într-un mediu dat. În fiecare moment de timp, doar un string este selectat, acesta determinând în continuare comportamentul agentului (firmei).
Probabilitatea de alegere a unui anumit string este proporțională cu performanțele sale în condiții predefinite. Deși o firmă alege doar un string dintr-o întreagă mulțime, se evaluează ex post toate deciziile alternative. Deci, în contextul modelului prezentat anterior, la fiecare moment de timp t, o firmă alege un string binar dintr-o mulțime și utilizează apoi acest string pentru a-și actualiza decizia de producție. Odată ce prețul de golire a pieței este calculat, firma utilizează acel preț pentru a determina profiturile pe care fiecare string din mulțimea sa de reguli decizionale le-ar aduce pentru nivelul prețului respectiv. Aceste profituri determină valorile fitness ale stringului binar respectiv. Odată valorile fitness calculate, se aplică operatorii genetici în cadrul fiecărei populații de stringuri binare, asociate firmelor individuale.
Se observă că, prin această modificare a modelului, se obține un cadru general mai variat, ceea ce duce la idei mai diversificate privind deciziile referitoare la cantitatea de produs ce va fi oferită pe piață. Chiar dacă acest cadru devine mai complex, efortul de calcul este identic cu cel anterior, unde se aplica AG unei singure populații de reguli de decizie.
Aplicarea operației de alegerea asigură convergența către echilibru a soluției modelului. Când apare convergența, toate stringurile binare, din toate populațiile de reguli de decizie asociate firmelor, se decodifică în cantități. Fără această operație de alegere, simulările ar conduce la fluctuații mari care nu se reduc în timp. Astfel, s-a arătat că în modelul de învățare individuală a firmelor, acestea trebuie să utilizeze operații mai sofisticate (de exemplu operația de alegere) pentru a se realiza convergența către un echilibru. Acest echilibru poate fi însă stabil sau instabil, depinzând de valorile pe care le iau constantele date ale modelului.
Economii cu generații suprapuse și alegerea echilibrului economic
O aplicație interesantă a AG este cea de determinare a echilibrului în diferite tipuri de economii care au puncte de echilibru multiple: de exemplu economiile cu generații suprapuse, economiile cu creștere și economiile monetare.
În cele ce urmează vom prezenta un model al unei economii cu generații suprapuse care, în anumite condiții, posedă echilibre staționare multiple. Aceste puncte de echilibru staționar au diferite proprietăți de stabilitate, depinzând de natura așteptărilor încorporate în model: așteptări raționale sau așteptări adaptive.
Vom considera, pentru început, o economie care constă din două generații suprapuse de agenți, deci în care trăiesc două generații: generația tânără și generația bătrână. Fiecare generație are un număr egal de agenți, N. Vom nota cele două generații cu t și . Fiecare agent din generația t trăiește doar două perioade consecutive, t și în timp ce agenții din generația trăiesc doar o singură perioadă, .
Un agent din generația t consumă în prima perioadă (la tinerețe) și în a doua perioadă (la bătrânețe). Agenții au preferințe identice și înzestrări cu bunuri diferite. Agentul tânăr este înzestrat cu unități dintr-un bun de consum perisabil iar agentul bătrân cu unități din același bun de consum .
Cantitatea de bani oferită în economie la momentul t este .
Fiecare agent din generația tânără are de rezolvat următoarea problemă de optim:
în condițiile:
unde reprezintă balanțele monetare nominale pe care un agent le economisește în prima perioadă și le cheltuiește în a doua perioadă a vieții sale, iar este nivelul nominal al prețului bunului de consum în perioada t.
Balanțele monetare nominale se obțin împărțind oferta de bani la numărul de agenți din economie la momentul t.
Dinamica prețului nominal în condițiile ipotezei privind anticipațiile perfecte (naive) este descrisă de o relație de forma:
unde este economisirea totală a agenților de generație t. Se consideră și date. Se observă că prețurile cresc cu o rată egală cu cea de creștere a economisirii de la o perioadă la alta.
Dacă în economie se aplică o politică monetară cu o ofertă constantă de bani, deci:
atunci ecuația de dinamică a prețurilor are un punct de echilibru paretian staționar unic, dat de
unde
.
Acest punct de echilibru este instabil în condițiile anticipațiilor perfecte și este atins ori de câte ori prețul devine egal cu .
Există, de asemenea, un continuum de echilibre monetare indexate după nivelul inițial al prețurilor în intervalul . În acest continuum, toate echilibrele monetare cu un preț inițial converg către un punct de echilibru staționar în care banii nu au valoare.
O altă politică monetară posibilă este cea cu un deficit bugetar constant de mărime G, finanțat prin tipărire de bani. Valoarea lui G este dată de
presupunând că se cunoaște cantitatea de bani existentă în economie în perioada inițială, . În condițiile unei astfel de politici, soluția modelului conține două puncte de echilibru staționar: un punct corespunzător unei inflații reduse și un punct corespunzător unei inflații ridicate.
Punctul este de tip Pareto superior. Punctul este echilibru stabil, el fiind un atractor pentru traiectoria de echilibru în condițiile ipotezei așteptărilor raționale, traiectorie care pleacă dintr-un punct inițial . este egală chiar cu , economia atinge un echilibru staționar cu inflație scăzută. Condiția de stabilitate implică, de asemenea, că o crește a deficitului bugetar G determină o descreștere a ratei inflației într-un echilibru staționar stabil.
Pentru aplicarea AG la modelul de mai sus, se consideră două populații de stringuri binare la fiecare moment de timp t. Una reprezintă setul de reguli pentru membrii tineri ai generației t și cealaltă setul de reguli pentru membrii bătrâni ai generației t+1. Fiecare populație este actualizată în perioade de timp alternative, după ce membrii săi au trecut printr-un ciclu de viață de două perioade.
Stringurile binare se referă la valorile consumului agenților în prima perioadă. Un membru i, al generației t ia o decizie privind consumul în prima perioadă (tânără) la momentul t, notat , utilizând un string binar. Economiile agentului i din generația t sunt date de
Secvența de evenimente care are loc la momentul t este următoarea:
Valorile consumului din prima perioadă (tânără) sunt obținute prin decodificarea și normalizarea stringurilor binare asociate indivizilor din populație și apoi se determină, pentru fiecare agent i, economiile individuale .
Apoi, se determină valoarea economiei agregate însumând economiile individuale ale agenților din generația tânără:
Prețul bunului de consum la momentul t, se obține atunci din relația :
în cazul politicii monetare cu ofertă constantă de bani, sau
pentru , în cazul politicilor monetare cu deficit bugetar constant, G.
Se determină apoi consumul în a doua perioadă (bătrână) a agentului i, al generației t-1:
În final, sunt calculate valorile funcției fitness ale membrilor generației . Funcția fitness pentru un string i din generația este dată de valoarea utilității consumului agentului i la momentul (a doua perioadă a vieții):
.
Populația de reguli de generație este apoi obținută din populația de reguli de generație t utilizând operatorii genetici de reproducere, încrucișare, mutație și alegere. Odată ce noua generație de populație este creată, întregul ciclu se repetă. Populația de reguli a generației t+1 reprezintă agenții tineri, în timp ce membrii generației t devin acum agenții bătrâni.
Populațiile de generații 0 și 1 ani sunt generate aleator. Sistemul are la început unități monetare distribuite inițial generației 1 (bătrâne).
Simulările în cazul economiei cu ofertă monetară constantă converg către un echilibru staționar în care banii au valoare. Acest echilibru este, de asemenea, un punct de convergență în cazul economiilor cu așteptări adaptive care utilizează o medie a nivelurilor prețurilor trecute pentru prognoza prețului.
În economiile cu valoare pozitivă constantă a deficitului bugetar, AG converge către punctul de echilibru staționar corespunzător unei rate a inflației scăzute.
Economii cu generații suprapuse și creștere economică
O altă aplicație a AG este în modelele de creștere economică obținute plecând de la modele cu generații suprapuse.
Astfel, considerăm o economie cu un număr de agenți N constant, născuți în fiecare perioadă t. Agenții trăiesc două perioade, una tânără și una bătrână și sunt fiecare înzestrați cu câte o unitate de timp la fiecare moment t. Toți agenții din economie au aceeași funcție de utilitate:
Există un singur bun perisabil ce este utilizat atât pentru consum cât și ca input pentru producție. Outptul per unitatea de muncă este dat de o funcție de producție neoclasică:
fiind înzestrarea tehnică a muncii.
Rata randamentului capitalului fizic și rata salariului sunt date de:
și respectiv
Un agent tânăr i din generația t ia o decizie de a cheltui o fracție de timp pentru instruire. Fiecare agent tânăr moștenește un nivel de eficiență disponibil în economie la momentul t. Nivelul se obține ca medie a unităților de eficiență (capitalul uman acumulat) ale agenților de generație :
,
unde reprezintă numărul de unități eficiență ale agentului j de generație la momentul t.
Agenții tineri pot combina această înzestrare moștenită, cu decizia de instruire pentru a obține unități efective de muncă atunci când devin bătrâni, utilizând pentru aceasta o metodă de instruire, notată .
O trăsătură esențială a modelului este aceea că venitul obținut prin instruire depinde pozitiv de nivelul . Deci este dat de relația:
,
unde reprezintă randamentul capitolului uman și este dat de o funcție sigmoidă de forma:
Funcția este strict crescătoare în raport cu , și
Parametrul controlează așadar venitul obținut prin instruire de agenți.
Ecuația de acumulare a eficienței în urma procesului de instruire se poate scrie:
unde reprezintă media timpului de instruire al agenților de generație t.
Pe lângă decizia privind alocarea timpului de instruire, agenții iau de asemenea, o decizie privind fracția din timpul disponibil pe care o economisesc (timpul liber). Această economie de timp este atunci egală cu:
Decizia privind timpul liber influențează acumularea de capital fizic în economie în decursul timpului.
Modelul are două variabile de stare, una corespunzătoare venitului scăzut (cursa sărăciei) și a doua corespunzătoare venitului ridicat (creșterii maxime). Prima variabilă este echivalentă cu starea de creștere staționară din modelul de creștere neoclasică fără acumulare de capital uman și fără progres tehnic. În starea staționară, pentru toți agenții i, și toți t, ceea ce face ca și capitalul uman să rămână la nivelul său inițial, deci eficiența rămâne constantă pentru toți t.
Cealaltă variabilă corespunde stării de creștere staționare în care pentru toți i și toți t. Deci va crește cu o rată constantă astfel încât, pentru t suficient de mare, .
Starea staționară corespunzătoare venitului redus (cursa sărăciei) este local stabilă în condițiile dinamicii cu așteptări raționale, în timp ce starea staționară corespunzătoare venitului mare (creșterii maxime) este un punct-șa stabil.
Pentru aplicarea AG, decizie agentului i, privind fracția de timp pe care o cheltuiește pentru instruire, în decizia privind fracția de timp pe care o economisește, sunt reprezentate de aceleași string binar de lungime l, unde biți sunt utilizați pentru a codifica prima decizie iar ceilalți biți pentru a codifica cea de-a doua decizie.
Valorile fitness ale regulilor de decizie sunt egale cu valorile funcției de utilitate înregistrate la sfârșitul celei de-a doua perioade de viață. Populația de reguli de decizie este actualizată utilizând operatorii genetici de reproducere, încrucișare și mutație.
La fiecare moment de timp t există două populații de astfel de reguli, una asociată agenților tineri iar cealaltă asociată agenților bătrâni.
Indiferent de condițiile inițiale date, o astfel de economie va evolua, în urma simulării, către o starea staționară corespunzătoare creșterii maxime, care reprezintă echilibrul global al unei astfel de economii. Odată ce o astfel de stare este atinsă (ceea ce se întâmplă cu probabilitatea egală cu unu), economia rămâne în această stare pentru totdeauna.
Nivelul inițial ales pentru reprezintă variabila esențială în ceea ce privește timpul necesar ajungerii la o astfel de stare. Cu cât nivelul inițial al lui este ales mai scăzut, cu atât mai mare este timpul necesar ca economia să iasă din cursa sărăciei.
Inițial, AG atinge destul de repede starea staționară corespunzătoare unui venit scăzut. În acest punct, multe dintre regulile decizionale prescriu să nu se investească timp în instruire deoarece investiția în capitalul uman aduce un venit scăzut și determină o valoare redusă a funcției de fitness.
Totuși, datorită efectului de mutație, există întotdeauna o mică fracție de reguli care duc la valori pozitive ale timpului dedicat instruirii, . Aceste reguli pot dispărea din populație datorită presiunii selecției. Totuși, treptat, ele contribuie la creșterea lui . În timp, pe măsură ce crește, el atinge un prag începând de la care venitul din capitalul uman devine mare și valorile fitness ale regulilor decizionale care investesc în instruire încep să crească. Odată ce se întâmplă acest lucru, presiunea selecției scade deoarece regulile de decizie care determină investițiile pozitive în timpul dedicat instruirii aduc acum valori fitness mai mari decât cele care îi fac pe agenți să investească timp zero în instruire.
În acest punct, AG conduce rapid economia către o stare staționară corespunzătoare unui venit mare, în care iau valori pozitive pentru toți agenții i și toate momentele de timp t. Faza de tranziție este relativ scurtă și, odată ce economia a ajuns în această stare staționară, cum am arătat, ea rămâne aici veșnic.
Deoarece data exactă a comutării depinde de secvența specifică de mutații care conduce la acumularea de capital, economii care au condiții inițiale identice pot avea perioade de dezvoltare diferite. În general, rate mai mari ale regulilor de decizie ale economiilor care au investit în instruire determină perioade medii de realizare a comutării mai scăzute.
Astfel de modele, deși arată că există stări staționare diferite, ceea ce explică diferențele de dezvoltare dintre economii, nu arată și cum se poate face trecerea de la o economie aflată în cursa sărăciei la economia cu creștere maximă și nici cât rămâne economia în prima stare. Totuși, aceste modele surprind două aspecte importante ale procesului de dezvoltare. Primul este că pentru niveluri inițiale scăzute ale capitalului uman per capita, care caracterizează economiile subdezvoltate, populația de agenți parcurge mai multe generații în vecinătatea stării staționare corespunzătoare cursei sărăciei înainte ca, eventual, să înceapă să evolueze pe o traiectorie care conduce către o stare staționară corespunzătoare unui venit ridicat. Acest lucru explică de ce țări care în prezent sunt dezvoltate au avut un nivel staționar de dezvoltare inițială de sute de ani.
Al doilea aspect este că economii cu condiții inițiale identice pot să înregistreze perioade de trecere între cele două stări de durate diferite. Acest lucru este important deoarece date diferite de comutare implică niveluri diferite de venit per capita, în starea staționară corespunzătoare venitului înalt. Acest lucru ar explica și diferențele mari ce se manifestă între nivelurile venitului per capita în țările dezvoltate.
BIBLIOGRAFIE
[1] Am, O. – Back to Basics. Introduction to Systems Theory and Complexity, 2002, www.stud.his.no/~onar/Ess/|
[2] Fotache, M. – Despre sistemică și cibernetică, în: Sisteme informaționale pentru afaceri, Editura Polirom, Iași, 2002
[3] Foerster, H. von – Cybernetics of Cybernetics, 2nd edition, Future Systems, Mineapolis, 1996
[4] Francois, C. (ed.) – International Encyclopedia of Systems and Cybernetics, Saur, Munich, Germany, 1997
[5] Goldstein, J. – Scientific and Mathematical Roots of Complexity Science, Working Paper, 2001
[6] Holland, J.H. – Hidden Order: How Adaptation builds complexity, Addison-Wesley, 1996
[7] Kaufman, St. – The Origins of Order: Self-organization and Selection in Evolution, Oxford University Press, Oxford, 1993
[8] Manuel-Navarrete, D. – Approaches and Implications of using Complexity Theory for dealing with Social Systems, Working paper, 2001
[9] Mitchell, Melanie – Complexity and the Future of Science, WP, Santa Fe Institute, 1997
[10] Parwani, R. – Complexity: An Introduction, Paper, USP, Nat. Univ. of Singapore, 2002
[11] Plsek, P., Lindberg, K., Zimmerman,B. – Some Emerging Principles for Managing in Complex Adaptive Systems, Working Paper, November 1997
[12] Prigogine, I., Stengers, I. – Noua alianță, Editura politică, București, 1984
[13] Rocha, L.M. – Complex Systems Modeling: Using Metaphors from Nature in Simulation and Scientific Models, BITS: Computer and Communications News, November 1999
[14] Scarlat,E., Mărăcine, Virginia – Dinamica Sistemelor I: Dinamica Sistemelor Haotice, Editura MatrixRom, București, 2002
[15] Scarlat, E. ,Chiriță, Nora – Cibernetica Sistemelor Economice, Editura ASE, București, 2002
[16] Simon, H. – The Science of the Artificial, Simon&Schuster, 1983
[17] Stacey, R.D. – Managing the Unknowable: Strategic Boundaries Between Order and Chaos in Organizations, Jossey-Bass Publishers, San Francisco, CA, 1992
[18] Stacey,R.D. – Strategic Management and Organizational Dynamics: The Challenge of Complexity, Routledge, London,1997
[19] Umpleby, St. – What Comes After Second Order Cybernetics?, In: Cybernetics and Human Knowing (urmează să apară)
[20] Waldrop, M.M. – Complexity: The Emerging Science at the Edge of Order and Chaos, Simon&Schuster, New York, NY, 1992
Copyright Notice
© Licențiada.org respectă drepturile de proprietate intelectuală și așteaptă ca toți utilizatorii să facă același lucru. Dacă consideri că un conținut de pe site încalcă drepturile tale de autor, te rugăm să trimiți o notificare DMCA.
Acest articol: Aparitia Si Dezvoltarea Ciberneticii. Obiectul Si Metodele Ciberneticii Economice (ID: 149038)
Dacă considerați că acest conținut vă încalcă drepturile de autor, vă rugăm să depuneți o cerere pe pagina noastră Copyright Takedown.