Hay un libro que expone de forma resumida los conceptos fundamentales sobre el concepto general de redes (como se estudian en teoría de la complejidad): “NETWORKS, A very Short Introduction” de Caldarelli G. y Catanzaro M. de Oxford University Press. 2012. A continuación presento una traducción del primer capítulo como una invitación a leerlo completo.
Las redes están presentes en la vida diaria de muchas personas. En un día típico, revisamos el correo electrónico, actualizamos los perfiles de las redes sociales, realizamos llamadas mediante teléfonos móviles, usamos el transporte público, viajamos en avión, hacemos transferencias financieras o iniciamos nuevas relaciones profesionales y personales… En todos estos casos –de forma consciente o no- estamos utilizando redes y sus propiedades. De igual forma, las redes aparecen en importantes fenómenos globales. Las crisis financieras generan efectos dominó en la red de conexiones entre la banca y las empresas. Pandemias –como la gripe aviar, SARS o la gripe porcina- se esparcen en la red aeroportuaria. El cambio climático puede alterar la red de relaciones entre las especies en los ecosistemas. El terrorismo y la guerra eligen como blanco la red de infraestructura de un país. Los apagones a gran escala ocurren en redes de distribución de potencia eléctrica. Los virus de computador se esparcen en Internet. Los gobiernos y las compañías pueden hacer seguimiento de la identidad de las personas a través de sus redes sociales y otras herramientas de comunicación digital. Finalmente, las diversas aplicaciones genéticas dependen del conocimiento de las redes que regulan la genética dentro de la célula.
En todas estas situaciones trabajamos con un conjunto grande de diferentes elementos (individuos, compañías, aeropuertos, especies, estaciones eléctricas, computadores, genes…), conectados mediante un patrón desordenado de muchas, y diferentes, interacciones: es decir, todas tienen una estructura de red subyacente. A menudo, esta red oculta es la clave para entender dichas situaciones.
Un ejemplo interesante es la reducción de la población de bacalaos en el atlántico noroccidental en la década de 1980. En aquel momento, la escasez de bacalao generó una crisis económica masiva en la industria pesquera de Canadá. Los afectados reclamaban más expediciones para cazar focas, argumentando que al controlar la especie depredadora del bacalao podía detenerse el colapso. Una gran cantidad de focas fueron exterminadas en la década de 1990 pero la población de bacalaos no se pudo recuperar. Durante ese periodo, los ecologistas estudiaron las diferentes cadenas alimenticias que interconectaban las focas y los bacalaos. Al final de la década bosquejaron un mapa completo donde se habían identificado un buen número de diferentes cadenas alimenticias que conectaban las dos especies. A la luz de este complejo dibujo, la caza de las especies predadoras no ayudaba a la recuperación de la población de bacalaos. En el grafo se alcanza a observar que las focas se alimentan de aproximadamente 150 especies diferentes y, además, algunas de ellas son predadoras del bacalao: de esta forma, al reducir la población de focas se incrementó la cantidad de otros predadores del bacalao.
Los ecosistemas son redes complejas de especies: es crucial tener en cuenta la estructura de red subyacente si deseamos entenderlos y administrarlos. Precauciones similares deben ser tenidas en cuenta con otros tipos de sistemas basados en arquitecturas en red. Por ejemplo, el contagio de una enfermedad como el SIDA está fuertemente influenciado por el patrón de relaciones sexuales sin protección dentro de una población. De igual forma, las crisis de liquidez financiera dependen del tejido de la red de intercambio de dinero entre los bancos.
Todos los ejemplos presentados antes son casos de fenómenos emergentes. Es decir, algún comportamiento colectivo que no puede ser predicho al observar los elementos individuales que conforman el sistema. Normalmente, los sistemas que despliegan este comportamiento se les da el apelativo de sistemas complejos. Por ejemplo, una hormiga sola es un animal relativamente torpe, pero muchas hormigas juntas son capaces de actividades tan complejas como construir grandes hormigueros o almacenar grandes cantidades de comida. En las sociedades humanas, el orden social surge a partir de la combinación de sujetos autónomos, en ocasiones con conflictos de intereses, donde se termina realizando tareas que ninguno podría hacer de forma individual. De igual forma, un organismo vivo depende de la interacción de sus partes. La extraordinaria capacidad de adaptación que tiene Internet a los errores, los ataques y los picos de tráfico es un comportamiento de la red como un todo antes que el resultado de la acción de máquinas individuales.
Las redes, debido a sus énfasis en las interacciones, son la clave para entender muchos de estos fenómenos. Imagine dos equipos de futbol cuyos jugadores tienen destrezas similares, sin embargo los dos equipos tienen desempeños diferentes: es probable que esta diferencia dependa de qué tan buenas o malas son las interacciones entre los jugadores en el campo. Igualmente, un jugador, de forma individual, puede ser bueno en el equipo de la liga local y ser deficiente en la selección de su país debido a la diferencia en las posiciones que tiene con respecto a los otros jugadores en cada equipo. El desempeño de un equipo de futbol es un tipo de fenómeno emergente, pues no depende únicamente de la calidad del juego de cada jugador ni de la suma lineal de las habilidades individuales, sino que también está supeditado a la red de interacciones entre los jugadores. Muchos fenómenos emergentes dependen de forma crucial de la estructura de las redes subyacentes.
El enfoque de redes concentra toda su atención sobre la estructura global de las interacciones dentro del sistema. Las propiedades detalladas de cada elemento por si mismas sencillamente son ignoradas. En consecuencia, sistemas tan diferentes como una red de computadores, un ecosistema o un grupo social, se describen utilizando la misma herramienta: un grafo, es decir una arquitectura de nodos ligados por conexiones donde se excluyen los detalles. Este enfoque fue originalmente desarrollado en matemáticas por Leonard Euler y luego se difunció a un amplio rango de disciplinas, incluyendo la sociología y más reciente en la física, la ingeniería, ciencias de la computación, biología y muchas otras áreas del conocimiento.
Representar de forma generalizada diferentes sistemas con la misma herramienta solo puede ser realizado mediante un nivel de abstracción alto.
Esta línea de pensamiento proporciona muchas ideas. Por ejemplo, al representar un sistema como un grafo nos permite percibir estructuras a gran escala que abarcan elementos aparentemente no relacionados. En el año 2003, un accidente insignificante en la red eléctrica de Suiza desencadenó un apagón a gran escala que afectó Sicilia –a 1000 km de distancia-. Al concentrarse en la estructura de red se puede apreciar que existen elementos físicamente distantes que están fuertemente conectados mediante relaciones o comunicaciones con trayectorias increíblemente cortas. La observación actual que dos personas geográfica y socialmente distantes –como un habitante en un bosque tropical y un ejecutivo en la ciudad de Londres- están conectados solo por ‘seis grados de separación’ no está lejos de la realidad y puede ser explicado en términos de la estructura de red de las relaciones sociales.
El enfoque de redes también aclara otra característica importante: el hecho que ciertos sistemas que crecen sin control externo sean aún capaces de desarrollar espontáneamente un orden interno. Las células o los ecosistemas no son sistemas ‘diseñados’, sin embargo funcionan de forma robusta. De forma similar, los grupos sociales y las tendencias dependen de una inmensa variedad de diferentes presiones y motivaciones, no obstante exhiben formas claras y definidas. El auge de Internet y del servicio WWW (world wide web) se dio sin la presencia de una autoridad regulatoria y fue promovido por una gran variedad de agentes no relacionados: aún así, trabajaban de una forma coherente y eficiente. Todos estos son procesos auto-organizados, es decir, fenómenos en los cuales el orden y la organización no son el resultado de una intervención externa o de un plan de acción global sino el resultado de mecanismos o tendencias locales, iteradas a través de miles de interacciones. Los modelos de red son capaces de describir de manera clara y natural la forma como aparece la auto-organización en muchos sistemas. Las redes permiten entender mejor los procesos dinámicos como, por ejemplo, la rapidez de contaminación de los virus de los computadores, la gran escala de la de las pandemias, el colapso repentino de las infraestructuras y el crecimiento abrupto de las fobias sociales o las tendencias musicales.
En el estudio de sistemas complejos emergentes auto-organizados (la moderna ciencia de la complejidad), las redes están convirtiéndose gradualmente en un importante marco de referencia matemático, especialmente cuando están involucrados grandes volúmenes de datos. Este es el caso típico de la acumulación de consultas individuales en motores de búsqueda, actualizaciones en sitios web de redes sociales, pagos en línea, datos de tarjetas de crédito, transacciones financieras, posicionamiento GPS desde teléfonos móviles, etcétera. En todas estas situaciones las redes son instrumentos cruciales para clasificar y organizar estos datos, conectar individuos, productos, noticias, etcétera. De igual forma, la biología molecular depende más y más de estrategias computacionales para encontrar orden en la gran cantidad de datos que produce. Lo mismo ocurre en muchos otros campos de la ciencia, tecnología, ciencias de la salud, ciencias del medio ambiente y la sociedad. En todos ellos, las redes se están convirtiendo en el paradigma para descubrir la arquitectura oculta de la complejidad.
