Artículo

La complejidad es más simple de lo que usted piensa

Erick Beinhocker es un socio peculiar en esa gran firma de consultoría llamada McKinsey & Co. Beinhocker hizo hace algunos años un libro que se llama The Origin of Wealth (El origen de la riqueza; lo distribuye Harvard University Press).

Beinhocker se hizo la siguiente pregunta: ¿por qué los modelos económicos no son buenos para predecir la realidad? ¿Qué está pasando en las ciencias económicas, que no podemos prever las grandes recesiones, que no podemos distinguir entre las burbujas y los períodos de genuina creación de valor? ¿Por qué hay tanta divergencia en las teorías macroeconómicas? ¿Por qué los intentos de darle fundamentos microeconómicos sólidos a la macroeconomía son relativamente inefectivos?

No me malinterprete: no estoy diciendo que ‘la ciencia fatal’, como es conocida la economía, sea perfectamente inútil. Lo que estoy diciendo es que hay una relativa desconexión entre lo que enseñamos en las aulas y lo que ocurre en el mundo real, y esa desconexión se ha hecho cada vez peor. Los modelos son versiones tan pasadas por agua de la realidad, que de repente pierden todo atisbo de ella. En palabras de un célebre profesor del ITAM de mis tiempos: “Si la realidad no se ajusta al modelo, peor para la realidad”.

Beinhocker relata en su libro que León Walras, padre de los modelos de equilibrio general, tomó para formular su teoría algunas matemáticas prestadas de el gran matemático Poincaré, quien estaba tratando de dar formalidad matemática a la física del Siglo XIX. Según el libro, Walras le mandó algunas notas a Poincaré, quien le contestó con preocupación; las matemáticas de equilibrio de la física newtoniana no necesariamente describen correctamente los sistemas económicos. La noción de equilibrio de la física newtoniana es particularmente perturbadora si se aplica a la economía.

Para escribir este libro, Beinhocker pasó un rato en el Instituto Santa Fe, un centro de investigación en Nuevo México, integrado por miembros prominentes de la comunidad científica norteamericana. Ellos construyen investigación de tipo transdisciplinario: si logran entender los principios generales de la organización, eso les permite decir cosas interesantes en la física, la economía y las ciencias biológicas.

Beinhocker en su libro relata una reunión entre científicos naturales y economistas en el Instituto Santa Fe hace años, en la cual los científicos naturales terminaron describiendo a la ciencia económica como una visita a Cuba. Los cubanos han mantenido vivos los automóviles de los años 50 simplemente mediante ingenio; eso es exactamente lo que los economistas hemos hecho con los modelos del Siglo XIX.

Los avances computacionales recientes permiten hacer investigación económica de manera distinta, mediante experimentos computacionales. El Dr. Gonzalo Castañeda, un economista mexicano, catedrático en la Universidad de las Américas Puebla (UDLAP) y en la UPAEP, e investigador en el COLMEX, ha llamado “Sociomática” a esta nueva manera de hacer ciencias sociales; incluso Sociomática es una nueva licenciatura en la UPAEP. Hay algunas herramientas como NetLogo, AgentSheets y Mathematica (esta última con mayores complicaciones) para hacer este tipo de modelos. En IMCO, mi colega y colaborador en este blog Rodrigo Franco está trabajando en algunos modelos de complejidad para entender mejor las actividades ilícitas y violentas en la sociedad. Hace tiempo, en IMCO hicimos una adaptación de un modelo de Mathematica diseñado por Edward Pegg para entender los costos las pandemias. (Mándame un correo si te interesa el documento).

En estos modelos “basados en agentes”, se define un conjunto de agentes representativos en un espacio de dos dimensiones, y se les permite interactuar de acuerdo a ciertas reglas preestablecidas (que en general son reglas simples; puedes comer si hay comida en el pixel de junto; si no, después de tres ciclos sin comer te mueres). En estos modelos con reglas simples, emerge un patrón de conducta complejo. Esa es la belleza de esta nueva manera de hacer ciencia: de la simplicidad emerge la complejidad.

Para muestra, un botón. Los dejo con este experimiento creado por la universidad de Northwestern (requiere Java 5 o mayor). Explora el uso de tierra utilizando el status socioeconómico de los agentes para determinar sus preferencias respecto a dónde vivir.Modela el crecimiento de dos poblaciones: una rica y una pobre, que se establecen en determinado lugar dependiendo de la calidad de vida, la proximidad a los servicios y el costo de vida. El patrón emergente termina segregando las poblaciones con base en su ingreso, generando concentración de servicios públicos en las áreas más pobladas, y puede resultar en economías de aglomeración (si la gente prefiere la proximidad con otros) o esparcimiento (si la gente toma decisiones que tienen que ver más con el costo y la calidad de vida). Por ratos, la distancia que tienen que recorrer los ricos para llegar a su trabajo converge con la de los pobres; en otros intervalos, los ricos viajan menos y los pobres más para llegar a su chamba.