Using Agent-Based Models for Prediction in Complex and Wicked Systems
Este documento utiliza dos experimentos mentales para argumentar que la complejidad de los sistemas a los que se aplican a menudo los modelos basados en agentes (ABM) no es la fuente central de las dificultades que tienen los ABM con la predicción. Definimos varios niveles de previsibilidad y argu...
- Autores:
- Tipo de recurso:
- Fecha de publicación:
- 2020
- Institución:
- Universidad del Rosario
- Repositorio:
- Repositorio EdocUR - U. Rosario
- Idioma:
- eng
- OAI Identifier:
- oai:repository.urosario.edu.co:10336/40297
- Palabra clave:
- Predicción
Sistemas complejos
Sistemas malvados
Modelado basado en agentes
Autómatas celulares
Máquinas de Turing
Prediction
Complex systems
Wicked Systems
Agent-Based Modelling
Cellular Automata
Turing Machines
- Rights
- License
- Attribution-NonCommercial-ShareAlike 4.0 International
| Summary: | Este documento utiliza dos experimentos mentales para argumentar que la complejidad de los sistemas a los que se aplican a menudo los modelos basados en agentes (ABM) no es la fuente central de las dificultades que tienen los ABM con la predicción. Definimos varios niveles de previsibilidad y argumentamos que, en la medida en que la dependencia de la ruta es un atributo necesario de un sistema complejo, descartar estados del sistema significa que existe al menos el potencial para decir algo útil. Se argumenta que la "maldad" es un desafío más importante para la predicción que la complejidad. Críticamente, sin embargo, ni la complejidad ni la maldad hacen que la predicción sea teóricamente imposible en el sentido de ser formalmente indecidible computacionalmente hablando: intratable es el término más adecuado dados los tamaños exponenciales de los espacios que se buscan. Sin embargo, se muestra que la novedad ontológica endógena en sistemas perversos hace que la predicción sea inútil más allá del corto plazo inmediato. |
|---|