Complejidad y Modelos Computacionales

F. Ciencias UNAM U. de la Cinega de Michoacn 9 nov 2010

0 Contexto

Mucho del trabajo en complejidad (biologa, fsica, sociologa) se hace a travs de simulaciones computacionales El uso de simulaciones para obtener resultados tericos presenta un nmero de preguntas, similares (pero no idnticas) a las que los filsofos hacen del papel de los modelos en investigacin cientfica.

0 Contexto (cont)

En esta pltica voy a intentar mapear estas preocupaciones al terreno de las simulaciones en software Usar en lo principal ejemplos de mi experiencia en el desarrollo de modelos computacionales de las facultades lingsticas humanas

1 Modelos: defs


Un modelo es una representacin de un fenmeno a estudiar. El modelo simplifica para extraer (lo que esperamos) sean las caractersticas fundamentales Arquetipos: - modelo hlice doble del ADN - molculas gas como bolas de billar

2 Modelos: problemas


Qu hace que el modelo represente algo ms? Qu hacer cuando varios modelos (posiblemente incompatibles) son todos representantes vlidos de una teora/fenmeno?

3 Tipos de Modelos: modelos ideales

Idealizacin aristotlica: eliminar caractersticas irrelevantes al problema (planetas como esferas de una cierta masa) Idealizacin galileana: simplificacin que a propsito deforma el original (agentes econmicos racionales con informacin completa, planos sin friccin, ...)

4 Tipos de Modelos: analogas

Ej: Economa como un modelo hidrulico (Bill Phillips, LSE 1949). El agua fluye por tanques repreentando el flujo de capitales Ej: Modelos computacionales de la mente. El cerebro es una computadora; la actividad cerebral un programa ejecutando; su actividad una funcin matemtica con entradas (sentidos) y salidas; las propiedades de la mente son las del cdigo

5 Tipos de Modelos: datos

Qu datos se eligen como representativos? Cmo se construyen? (Gallison) Qu descripcin (ecuacin elijo para representarlos? Circularidad: construccin de modelos de datos van de la mano con experimentos que los validan (Kuhn, Collins)

 

6 Ontologa: qu es un modelo?


Objetos fsicos (maquetas)

vs

 


Objetos ficticios (lingusticos, matemticos, computacionales)

7 Epistemologa: cmo aprendemos de un modelo?




Proceso de 3 partes (DDI, R.I.G. Hughes):

1. Denotacin (construccin de M) 2. Demostracin (razonamiento en M) 3. Interpretacin (trasladar los resultados de M a R)

8 Simulacin Computacional

  

Tipo de descripcin ficticia manipulable Normalmente carece de significado "duro" Traen consigo sus propias limitaciones (numricas, de complejidad computacional, convertir datos digitales en analgicos, etc) Pueden depender de modelos matemticos con propiedades desconocidas

9 Modelos y Teoras

Posicin Sintctica/Logicista: M interpreta una teora T pero es superfluo (e.g. Hempel) Posicin Semntica: M es T (e.g. van Fraassen) Posicin Autonmica: M y T son parcialmente independientes porque M se construye primero y con base en consideraciones independientes de T (e.g. Cartwright)

10 Realismo vs Antirrealismo

Antirrealistas: no puede hablarse de la verdad de M; ms bien T (v. gr. leyes de la fsica) es el resultado de una accin ms complicada que implica a M (Cartwright). M es constitutivo de las leyes que entendemos como "realidad" Realistas: Modelos son aproximaciones crecientes de la realidad existente

11 Modelos de Software

 

Modelos ficticios Cuasimatemticos en el mejor de los casos (modelo matemtico subyacente + extras) Muchos son "directos": evolucin de lenguajes No son ni descripciones ni enunciados lgicos

12 Investigacin lingstica y DDI

Denotacin: es muy difcil establecer que mi cdigo corresponde a tal o cual teora Demostracin: es muy difcil razonar acerca de las propiedades formales de un trozo de cdigo (e.g. no se puede probar terminacin, correccin, etc) Interpretacin: no se sabe qu trasladar

13 Denotacin

Ejemplo: "Parsers" y teoras chomskyanas de sintaxis (S. Fong) Parser: programa que toma una descripcin de una teora y entrega un anlisis sintctico de acuerdo a la teora Ej. "ese oso se asea"


[CP


[DP ese oso]



[VP se(i) asea e(i)]]

Fong: mi analizador implementa G&B

14 Demostracin

Programar casi nunca es una forma de razonamiento sino un proceso abierto de exploracin hasta que el cdigo y nuestro propsito se estabilizan (cfr. "mangles") En el camino se desechan e incorporan ideas que no estaban presentes al inicio Muchas decisiones estn influidas por propiedades de la computadora, del lenguaje, etc. y son independientes de lo que se quera modelar

15 Interpretacin

 

Cmo trasladar lo aprendido? Parser funciona => teora funciona?



NO NO

Parser no funciona => teora no funciona?



Ej. E. Ristad: formalismos GPSG tienen complejidad exponencial vs. parsers de comportamiento aceptable para su poca

16 Conclusin

La nica salida aceptable es decir que el cdigo (o el cdigo y la herramienta) ES la teora pero dicha "teora" no sea reducible a una forma ms satisfactoria (e.g. una serie de enunciados en un formalismo lgico o matemtico bien conocido)