Organización en red y conexiones neuronales

A través de la selección semanal de las Delicacies de Petervan, descubro este post del Institute of Network Cultures, un diálogo asincrónico entre Geert Loving y Miles Englezou a través del cual se pone luz a las similitudes y diferencias que existen entre las conexiones neuronales del cerebro humano y las conexiones (mediadas tecnológicamente) entre individuos.  Una perspectiva bioinspirada de como debería ser el futuro de la estructura de internet para superar la recentralización.

Entre otras cosas, me ha servido para reafirmar algunas intuiciones que estoy plasmando en mi investigación, como por ejemplo que los mecanismos para la coordinación son artefactos artificiales, limitadores, que nunca podrán substituir la flexibilidad y adaptabilidad que brindan los procesos de auto-organización co-emergentes. A continuación, adjunto parte del mail que abrió el diálogo, aunque recomiendo la lectura completa del post:

Your concept of ‘organised networks’ reminded me of what I have learned about the brain. I’m currently at the end of a neuroscience master’s degree. Incidentally I studied at Vrije Univeriteit Amsterdam, although now I am back home in London. In neuroscience, current thought tends to conceptualise the brain as a hierarchically ordered network which self-organizes into the structure that it is (via a ‘push-and-pull’ of opposing tendencies towards ordered [inhibited] and disordered [excited] brain dynamics). The end product of this is a fractal-like organisation, where, at the lowest level, you have individual neurons connecting to other neurons to form neuronal groups, which in turn form meta-groups between themselves, which then form meta-meta-groups, etc., with the ‘nature’ of the function changing (relative to its constituents) and emerging at each level of description.

It seems to me that the internet at the moment does not have a robust or explicit structure. And this seems to be because it does not self-organize. We have to apply ‘network organisation’ principles ourselves. Do you envisage the organised net having this fractal-like structure? I suppose individuals would form small groups with others based on specific interests or skills, and then meta-groups would form with a new, singular function emerging at each level because of the way the groups are organised. Very large high-level groups would become the net equivalent of the institutions we have today.

I’m looking at how brain organisation changes across different conscious states. Under certain psychedelic drugs, for example, the brain loses its robust structure and becomes more ‘random’ (everything connects to everything), and as we get closer to normal consciousness you get the appearance of these ‘small-world’ structures, i.e. the fractal-organisation. The state of the net now is comparable to the ‘random’ brain state. But the way in which the brain becomes more ‘normal’ is in a sense just by pruning the long connections and keeping the local connections – is this how you think, practically, the organised net would be created, through a sort of ‘disconnection’ of the excess, ‘long-range’ connections we have today (such as the case of mass-friending on Facebook)?”

La introducción a Machine Learning más fácil del mundo

Hace tiempo que estoy estudiando Machine Learning, más concretamente me estoy especializando en Reinforcement Learning, sin embargo cuando leí el título de este post no dudé ni un segundo en clickear para ver como presentaba los contenidos. En realidad me convenció este párrafo:

This guide is for anyone who is curious about machine learning but has no idea where to start. I imagine there are a lot of people who tried reading the wikipedia article, got frustrated and gave up wishing someone would just give them a high-level explanation. That’s what this is.

Y es que al principio no es fácil para los que venimos de otras disciplinas entender qué es el aprendizaje automático. En el caso del Reinforcement Learning hay referencias accesibles a todo el mundo para describirlo: conductismo, el perro de Pavlov, o aprender a través de castigos(recompensas negativas) y recompensas (positivas). Pronto voy a empezar a escribir  sobre la investigación, después de más de un año trabajando en la hipótesis y el enfoque, y voy a presentar como todo esto se relaciona con el Reinforcement Learning, y porqué lo que planteamos (un entorno subyacentemente colaborativo como driving force) es novedoso. De momento les dejo la introducción a machine learning más fácil del mundo!

De observar comportamientos de organismos biológicos, a investigar cómo emergen

Después de estar revisando los principales aportes de la investigación sobre biomímesis social, destacaría tres puntos:

    1. Los ejemplos de biomímesis social que se presentan como paradigmáticos se reducen a formas de Swarm Intelligence (utilización de algoritmos bioinspirados para la optimización de rutas o planifación de transportes o envíos de mercaderías) y en ningún caso son ejemplos de innovación que transforman la organización en una entidad más respetuosa con el medioambiente.
    2. El término biomímesis social, entendido como estrategia de innovación basada en observar la manera como se organiza la naturaleza para resolver problemas humanos (i.e.colonias de hormigas, enjambres de abejas…) requiere de una reflexión profunda y de un marco teórico (muy volátil todavía) que permita encajar las perspectivas sociales (psicológicas, antropológicas y organizacionales) preocupadas por aproximarse a la complejidad del comportamiento humano y a la supercomplejidad de las organizaciones sociales actuales, con perspectivas más técnicas como la biología, la física, la química o las ciencias de la computación, que son las que pueden resolver de manera científica las características de los procesos evolutivos o ¿cómo aparece aquello en lo que queremos inspirirarnos?.
    3. Aunque sus autores no utilizan el término biomímesis social, los modelos más biomiméticos (biomimicry) de innovación organizacional no se basan en la utilización de IA para mediar entre los individuos que conforman la organización, sino en promover un cambio de consciencia en cada uno de estos individuos a través de la educación (chaortic model, amoeba lidership, eco-literacy).

Por un lado, queda claro que el uso de estregias bio-inspiradas para la innovación organizacional es aún un campo donde seguir investigando, aunque seguramente sería más productivo si no se limitara al enfoque de la biomímesis (biomimicry). Más aún, parece evidente que en los próximos años la IA debería hacer grandes aportes en el área de la innovación organizacional (sistemas expertos o sistemas de recomendación para la toma de decisiones entrenados por los individuos de la organización), ya que tal y cómo se ha puesto de manifiesto, las organizaciones actuales necesitan modelos más flexibles, adaptativos y resilientes para poder operar de manera efectiva en entornos cada vez más complejos, dónde la incertidumbre aumenta de manera exponencial, así como también requieren cada vez más de asistencia tecnológica para procesar el gran enredo interacciones a través de las cuales tienen lugar los procesos cognitivos de la organización.

Para afrontar estos retos, es necesario ir un paso más allá de las estrategias biomiméticas analizadas (basadas generalmente en la observación de comportaminetos de superorganismos biológicos que puedan utilizarse para resolver problemas humanos .i.e. enjambres de abejas, colónias de hormigas, bancos de peces, bandadas de pájaros) y empezar a observar cómo es que emergen estos superorganismos biológicos, que tomamos de inspiración.

Esta reflexión se sustenta, en el convencimiento de que la IA puede hacer grandes aportes para que las organizaciones sociales logren adaptarse a entornos complejos, y por lo tanto evolucionar en entidades más flexibles y adaptativas que emergen de la cooperación. Por lo que se propone como punto de partida, llevar la bio-inspiración a un nivel más abstracto, y dejar de observar los superorganismos biológicos y sus comportamientos para empezar a analizar cómo es que emergen entidades racionales de segundo orden (más concretamente se simularan entidades computacionales emergentes) con tal de poder analizar el papel que juegan la percepción y los protocolos comunicacionales y los algortimos de aprendizaje en lo que se denomina cognición de segundo orden. En otras palabras, se propone un modelo multi-agente (MAS) experimental para poder observar fenómenos emergentes, que con el tiempo pueda llegar a contribuir en el diseño de agentes inteligentes más adaptativos, por un lado,  y a inspirar  las estrategias de innovación organizacional bio-inspirada del futuro, por otro.

Prigogine, sobre la Complejidad

«Vamos de un mundo de certidumbres a un mundo de probabilidades. Debemos encontrar la vía estrecha entre un determinismo alienante y un Universo que estaría regido por el azar y por lo tanto sería inaccesible para nuestra razón. En un mundo donde ya no impera la certidumbre, restablecemos también la noción de valor. Sin duda en el siglo XXI veremos el desarrollo de una nueva noción de racionalidad donde razón no estará asociada a certidumbre y probabilidad a ignorancia. En este marco, la creatividad de la naturaleza y sobre todo, la del hombre, encuentran el lugar que les corresponde»

Ilya Prigogine

Leido en Ilya Prigogine, la belleza y el caos

Exploració de la Biomímesi com a estratègia d’innovació pel model·lat d’organitzacions

Després d’acabar el Màster en Internet i Societat de la Informació i el Coneixement de la UOC -IN3, comparteixo un article (també disponible al repositori de coneixement obert O2) on reflexiono sobre el terme Biomímesi (Biomimicry en l’anglès original, Benyus 1997), un concepte quasi filosòfic per a promoure la innovació sostenible bio-inspirada.

Una metodologia per a la innovació que s’ha aplicat amb èxit en camps com l’arquitectura, el disseny industrial o l’enginyeria, i que ara, a través de la Intel·ligència Artificial està essent explorada per altres disciplines de les ciències socials com el disseny organitzacional.

Aquesta investigació, contextualitza l’emergència d’una nova disciplina (Biomímesi Social), explorant-ne les visions del món subjacents, analitzant els exemples més significatius, i reflexionant sobre les seves actuals limitacions.

Download the PDF file .

 

Així doncs, aquest article representa un petit pas més per al desenvolupament d’una línia d’investigació transversal que estic duent a terme amb la col·laboració de diferents institucions com la UOC-IN3, el laboratori DHARMa UTN-FRM, CONICET i properament la Facultat de Ciències Exactes, Físiques i Naturals de la UNSJ, per estudiar la cooperació i l’aprenentatge (artificial) col·laboratiu a través del model·lat de Sistemes Multi-Agent, en una investigació bio-inspirada centrada en indagar com es pot optimitzar el rendiment d’un sistema, quan aquest es veu obligat a operar en entorns dinàmics, complexos i amb un grau d’incertesa molt elevat.