Articoli sull’analisi dei sistemi complessi
Segnalazione di Cinzia Conti
“From chaos comes complexity. From the movement of molecules within our cells to communication across an entire planet, we are part of networks. This special section shows how scientists are pushing network analysis to its limits across disciplinary fields”.
Questa è la frase introduttiva allo special issue di Science del 24 luglio 2009 www.sciencemag.org dedicato ai sistemi complessi e ai networks.
La rivista ha il pregio di proporre sia le riflessioni teoriche sul percorso compiuto dalla network analysis per lo studio dei sistemi complessi, sia una serie di applicazioni realizzate recentemente in ambiti diversi con scopi e software differenti (l’indice completo è su http://www.sciencemag.org/complexity/).
Gli esempi proposti vanno dall’analisi del terrorismo, alla ricerca sulle risorse ambientali, fino a spingersi allo studio delle emozioni: “Janusz Holyst sounds frustrated. “When I look to the textbooks on emotion, there are no numbers, there are no equations,” laments the theoretical physicist from the Warsaw University of Technology. Holyst hopes to supply what the books are lacking, however. He aims to develop the tools to analyze emotions quantitatively. Then he intends to use them to literally read your feelings” (p.406).
Una provocazione? Forse. Chi parla è un fisico però e le sue parole ripropongono in maniera forte e decisa la necessità di trasversalità e quella di superare i rigidi steccati disciplinari, non solo tra le diverse Scienze Sociali, ma anche tra Scienze Sociali e Hard Sciences fino a parlare di “Hard social sciences” ed “Econophysics”. Lo studio dei sistemi complessi rappresenta in questo senso una sfida, ma anche un’opportunità. Esso infatti è ormai comune a molte discipline (alla fine della lettura della rivista viene da chiedersi cosa non sia “sistema complesso”) e il confronto tra le diverse esperienze, la contaminazione, appaiono non soltanto necessari, ma fondamentali al progredire della ricerca in senso lato. Scrive Barbási nel suo pezzo: “Today the understanding of networks is a common goal of an unprecedented array of traditional disciplines: Cell biologists use networks to make sense of signal transduction cascades and metabolism, to name a few applications in this area; computer scientists are mapping the Internet and the WWW; epidemiologists follow transmission networks through which viruses spread; and brain researchers are after the connectome, a neural-level connectivity map of the brain. Although many fads have come and gone in complexity, one thing is increasingly clear: Interconnectivity is so fundamental to the behaviour of complex systems that networks are here to stay” (p.413)
Dai diversi autorevoli spunti di riflessione si coglie in sintesi che il futuro, ma forse già il presente, della network analysis è rappresentato dal superamento dell’approccio statico per giungere a formalizzazioni teoriche, ad applicazioni e rappresentazioni di tipo dinamico.
Resta aperto il problema della disponibilità di dati di qualità e in particolare, per la network analysis, l’individuazione dei legami e della loro rilevanza: “Can we keep the momentum and achieve this in the next decade or so? Perhaps—in my view the bottlenecks are mainly data driven. Indeed, the sudden emergence of large and reliable network maps drove the development of network theory during the past decade. If data of similar detail capturing the dynamics of processes taking place on networks were to emerge in the coming years, our imagination will be the only limitation to progress.” (Barabási, p.413)
Ciao Cinzia,
Alcune considerazioni che mi vengono in mente:
1) pare che la (S)NA vada forte e sia interdisciplinare (dalla fisica alla biologia passando per un po’ di scienze sociali), ma quando la SNA e gli altri metodi standard comunicheranno un po’ di più fra di loro?
2) Se tutto è complessità, come ti viene da pensare a te, allora c’è qualcosa che non va con la definizione di “complesso”. del resto se tutto è complesso implica che “complessità” va di moda, il che non aiuta la ricerca scientifica. non quanto potrebbe, per lo meno.
3) i dati reticolari, sulle navigazioni su internet a livello micro, o di un facebook o altro web 2.0 sono in mano alle multinazionali anziché ad organismi retti dalle democrazie rappresentative. è come per i consumi normali: l’istat fa fatica a ottenere informazioni che sempre più massivamente vengono raccolte automaticamente e a costi tendenti a zero. prima o poi questo problema secondo me strozzerà il ruolo dello scienziato sociale per come lo abbiamo conosciuto finora (sostanzialmente una persona pagata da un ente pubblico)