Sistema complejo

Un sistema complejo es un sistema compuesto por muchos componentes que pueden interactuar entre sí. Ejemplos de sistemas complejos son el clima global de la Tierra, los organismos, el cerebro humano, la infraestructura como la red eléctrica, los sistemas de transporte o comunicación, los sistemas electrónicos y de software complejos, las organizaciones sociales y económicas (como las ciudades), un ecosistema, una célula viva y, en última instancia, el universo entero

Los sistemas complejos son sistemas cuyo comportamiento es intrínsecamente difícil de modelar debido a las dependencias, competencias, relaciones u otro tipo de interacciones entre sus partes o entre un sistema dado y su entorno. Los sistemas que son "complejos" tienen distintas propiedades que surgen de estas relaciones, como la no linealidad, la emergencia, el orden espontáneo, la adaptación y los bucles de retroalimentación, entre otros. Debido a que tales sistemas aparecen en una amplia variedad de campos, los puntos en común entre ellos se han convertido en el tema de su área de investigación independiente. En muchos casos, es útil representar dicho sistema como una red donde los nodos representan los componentes y enlaces a sus interacciones.

El término sistemas complejos a menudo se refiere al estudio de sistemas complejos, que es un enfoque de la ciencia que investiga cómo las relaciones entre las partes de un sistema dan lugar a sus comportamientos colectivos y cómo el sistema interactúa y forma relaciones con su entorno. El estudio de los sistemas complejos considera los comportamientos colectivos o de todo el sistema como el objeto fundamental de estudio; por ello, los sistemas complejos pueden entenderse como un paradigma alternativo al reduccionismo, que intenta explicar los sistemas en términos de sus partes constituyentes y de las interacciones individuales entre ellas.

Como dominio interdisciplinario, los sistemas complejos obtienen contribuciones de muchos campos diferentes, como el estudio de la autoorganización y los fenómenos críticos de la física, el orden espontáneo de las ciencias sociales, el caos de las matemáticas, la adaptación de la biología y muchos otros. Por lo tanto, los sistemas complejos se utilizan a menudo como un término amplio que abarca un enfoque de investigación de problemas en muchas disciplinas diversas, incluida la física estadística, la teoría de la información, la dinámica no lineal, la antropología, la informática, la meteorología, la sociología, la economía, la psicología y la biología.

Conceptos clave

Sistemas

Los sistemas complejos se ocupan principalmente de los comportamientos y propiedades de los sistemas. Un sistema, ampliamente definido, es un conjunto de entidades que, a través de sus interacciones, relaciones o dependencias, forman un todo unificado. Siempre se define en términos de su límite, que determina las entidades que forman o no parte del sistema. Las entidades que se encuentran fuera del sistema pasan a formar parte del entorno del sistema.

Un sistema puede exhibir propiedades que producen comportamientos que son distintos de las propiedades y comportamientos de sus partes; estas propiedades y comportamientos globales o de todo el sistema son características de cómo el sistema interactúa con su entorno o aparece ante él, o de cómo se comportan sus partes (digamos, en respuesta a estímulos externos) en virtud de estar dentro del sistema. La noción de comportamiento implica que el estudio de los sistemas también se ocupa de los procesos que tienen lugar a lo largo del tiempo (o, en matemáticas, alguna otra parametrización del espacio de fases). Debido a su amplia aplicabilidad interdisciplinaria, los conceptos de sistemas juegan un papel central en los sistemas complejos.

Como campo de estudio, los sistemas complejos son un subconjunto de la teoría de sistemas. La teoría general de sistemas se enfoca de manera similar en los comportamientos colectivos de las entidades que interactúan, pero estudia una clase de sistemas mucho más amplia, incluidos los sistemas no complejos donde los enfoques reduccionistas tradicionales pueden seguir siendo viables. De hecho, la teoría de sistemas busca explorar y describir todas las clases de sistemas, y uno de los principales objetivos de la teoría de sistemas es la invención de categorías que sean útiles para los investigadores en campos muy variados.

En lo que respecta a los sistemas complejos, la teoría de sistemas contribuye con un énfasis en la forma en que las relaciones y dependencias entre las partes de un sistema pueden determinar las propiedades de todo el sistema. También contribuye a la perspectiva interdisciplinaria del estudio de los sistemas complejos: la noción de que las propiedades compartidas vinculan los sistemas entre disciplinas, lo que justifica la búsqueda de enfoques de modelado aplicables a los sistemas complejos dondequiera que aparezcan. Los conceptos específicos importantes para los sistemas complejos, como la emergencia, los bucles de retroalimentación y la adaptación, también se originan en la teoría de sistemas.

Complejidad

Que un sistema muestre complejidad significa que los comportamientos de los sistemas no se pueden inferir fácilmente a partir de sus propiedades. Cualquier enfoque de modelado que ignore tales dificultades o las caracterice como ruido necesariamente producirá modelos que no son ni precisos ni útiles. Hasta el momento no ha surgido una teoría completamente general de los sistemas complejos para abordar estos problemas, por lo que los investigadores deben resolverlos en contextos de dominio específico. Los investigadores de sistemas complejos abordan estos problemas considerando que la principal tarea del modelado es capturar, en lugar de reducir, la complejidad de sus respectivos sistemas de interés.

Si bien aún no existe una definición exacta de complejidad generalmente aceptada, hay muchos ejemplos arquetípicos de complejidad. Los sistemas pueden ser complejos si, por ejemplo, tienen un comportamiento caótico (comportamiento que muestra una sensibilidad extrema a las condiciones iniciales, entre otras propiedades), o si tienen propiedades emergentes (propiedades que no son aparentes de sus componentes en forma aislada pero que resultan de la relaciones y dependencias que forman cuando se colocan juntos en un sistema), o si son computacionalmente intratables para modelar (si dependen de un número de parámetros que crece demasiado rápido con respecto al tamaño del sistema).

Redes

Los componentes que interactúan de un sistema complejo forman una red, que es una colección de objetos discretos y las relaciones entre ellos, normalmente representados como un gráfico de vértices conectados por aristas. Las redes pueden describir las relaciones entre individuos dentro de una organización, entre puertas lógicas en un circuito, entre genes en redes reguladoras de genes o entre cualquier otro conjunto de entidades relacionadas.

Las redes a menudo describen las fuentes de complejidad en sistemas complejos. El estudio de sistemas complejos como redes, por lo tanto, permite muchas aplicaciones útiles de la teoría de grafos y la ciencia de redes. Muchos sistemas complejos, por ejemplo, también son redes complejas, que tienen propiedades tales como transiciones de fase y distribuciones de grado de ley de potencia que se prestan fácilmente a un comportamiento emergente o caótico. El hecho de que la cantidad de aristas en un gráfico completo crezca cuadráticamente en la cantidad de vértices arroja luz adicional sobre la fuente de complejidad en redes grandes: a medida que crece una red, la cantidad de relaciones entre entidades eclipsa rápidamente la cantidad de entidades en la red..

No linealidad

Los sistemas complejos a menudo tienen un comportamiento no lineal, lo que significa que pueden responder de diferentes maneras a la misma entrada según su estado o contexto. En matemáticas y física, la no linealidad describe sistemas en los que un cambio en el tamaño de la entrada no produce un cambio proporcional en el tamaño de la salida. Para un cambio dado en la entrada, tales sistemas pueden generar cambios significativamente mayores o menores que proporcionales en la salida, o incluso ninguna salida, dependiendo del estado actual del sistema o de los valores de sus parámetros.

De particular interés para los sistemas complejos son los sistemas dinámicos no lineales, que son sistemas de ecuaciones diferenciales que tienen uno o más términos no lineales. Algunos sistemas dinámicos no lineales, como el sistema de Lorenz, pueden producir un fenómeno matemático conocido como caos. El caos, tal como se aplica a los sistemas complejos, se refiere a la dependencia sensible de las condiciones iniciales, o "efecto mariposa", que puede exhibir un sistema complejo. En tal sistema, pequeños cambios en las condiciones iniciales pueden conducir a resultados dramáticamente diferentes. Por lo tanto, el comportamiento caótico puede ser extremadamente difícil de modelar numéricamente, porque los pequeños errores de redondeo en una etapa intermedia del cálculo pueden hacer que el modelo genere resultados completamente inexactos. Además, si un sistema complejo vuelve a un estado similar al que tenía anteriormente,

Aparición

Otra característica común de los sistemas complejos es la presencia de comportamientos y propiedades emergentes: estos son rasgos de un sistema que no son evidentes a partir de sus componentes de forma aislada, sino que resultan de las interacciones, dependencias o relaciones que forman cuando se colocan juntos en un sistema. La emergencia describe ampliamente la apariencia de tales comportamientos y propiedades, y tiene aplicaciones en los sistemas estudiados tanto en las ciencias sociales como en las físicas. Si bien la emergencia se usa a menudo para referirse solo a la aparición de un comportamiento organizado no planificado en un sistema complejo, la emergencia también puede referirse a la ruptura de una organización; describe cualquier fenómeno que sea difícil o incluso imposible de predecir a partir de las entidades más pequeñas que componen el sistema.

Un ejemplo de un sistema complejo cuyas propiedades emergentes se han estudiado ampliamente son los autómatas celulares. En un autómata celular, una cuadrícula de celdas, cada una de las cuales tiene uno de los muchos estados finitos, evoluciona de acuerdo con un conjunto simple de reglas. Estas reglas guían las "interacciones" de cada celda con sus vecinas. Aunque las reglas solo se definen localmente, se ha demostrado que son capaces de producir un comportamiento globalmente interesante, por ejemplo, en el Juego de la vida de Conway.

Orden espontáneo y autoorganización.

Cuando la emergencia describe la aparición de un orden no planificado, se trata de un orden espontáneo (en las ciencias sociales) o de la autoorganización (en las ciencias físicas). El orden espontáneo se puede ver en el comportamiento de manada, mediante el cual un grupo de individuos coordina sus acciones sin una planificación centralizada. La autoorganización se puede ver en la simetría global de ciertos cristales, por ejemplo, la aparente simetría radial de los copos de nieve, que surge de fuerzas de atracción y repulsión puramente locales entre las moléculas de agua y su entorno circundante.

Adaptación

Los sistemas adaptativos complejos son casos especiales de sistemas complejos que son adaptativos en el sentido de que tienen la capacidad de cambiar y aprender de la experiencia. Los ejemplos de sistemas adaptativos complejos incluyen el mercado de valores, las colonias sociales de insectos y hormigas, la biosfera y el ecosistema, el cerebro y el sistema inmunitario, la célula y el embrión en desarrollo, las ciudades, las empresas manufactureras y cualquier esfuerzo basado en un grupo social humano en un sistema cultural y social como los partidos políticos o las comunidades.

Características

Los sistemas complejos pueden tener las siguientes características:Los sistemas complejos pueden estar abiertosLos sistemas complejos suelen ser sistemas abiertos, es decir, existen en un gradiente termodinámico y disipan energía. En otras palabras, los sistemas complejos están frecuentemente lejos del equilibrio energético: pero a pesar de este flujo, puede haber estabilidad de patrón, ver sinergética.Los sistemas complejos pueden exhibir transiciones críticasLas transiciones críticas son cambios abruptos en el estado de los ecosistemas, el clima, los sistemas financieros u otros sistemas complejos que pueden ocurrir cuando las condiciones cambiantes pasan por un punto crítico o de bifurcación. La 'dirección de desaceleración crítica' en el espacio de estado de un sistema puede ser indicativa del estado futuro de un sistema después de tales transiciones cuando las retroalimentaciones negativas retrasadas que conducen a dinámicas oscilatorias u otras complejas son débiles.Los sistemas complejos se pueden anidarLos componentes de un sistema complejo pueden ser ellos mismos sistemas complejos. Por ejemplo, una economía se compone de organizaciones, que se componen de personas, que se componen de células, todos los cuales son sistemas complejos. La disposición de las interacciones dentro de redes bipartitas complejas también se puede anidar. Más específicamente, se descubrió que las redes ecológicas y organizativas bipartitas de interacciones mutuamente beneficiosas tenían una estructura anidada. Esta estructura promueve la facilitación indirecta y la capacidad de un sistema para persistir en circunstancias cada vez más duras, así como el potencial de cambios de régimen sistémico a gran escala.Red dinámica de multiplicidadAdemás de las reglas de acoplamiento, la red dinámica de un sistema complejo es importante. A menudo se emplean redes de mundo pequeño o sin escala que tienen muchas interacciones locales y un número menor de conexiones entre áreas. Los sistemas complejos naturales a menudo exhiben tales topologías. En la corteza humana, por ejemplo, vemos una conectividad local densa y algunas proyecciones de axones muy largas entre regiones dentro de la corteza y otras regiones del cerebro.Puede producir fenómenos emergentesLos sistemas complejos pueden exhibir comportamientos que son emergentes, lo que quiere decir que, si bien los resultados pueden estar suficientemente determinados por la actividad de los constituyentes básicos de los sistemas, pueden tener propiedades que solo pueden estudiarse en un nivel superior. Por ejemplo, las termitas en un montículo tienen fisiología, bioquímica y desarrollo biológico que se encuentran en un nivel de análisis, pero su comportamiento social y construcción de montículos es una propiedad que emerge de la colección de termitas y necesita ser analizada en un nivel diferente.Las relaciones no son lineales.En términos prácticos, esto significa que una pequeña perturbación puede causar un gran efecto (ver efecto mariposa), un efecto proporcional o incluso ningún efecto. En los sistemas lineales, el efecto siempre es directamente proporcional a la causa. Véase no linealidad.Las relaciones contienen bucles de retroalimentaciónTanto la retroalimentación negativa (amortiguación) como la positiva (amplificación) siempre se encuentran en sistemas complejos. Los efectos del comportamiento de un elemento se retroalimentan de tal manera que el propio elemento se altera.

Historia

Aunque podría decirse que los humanos han estado estudiando sistemas complejos durante miles de años, el estudio científico moderno de sistemas complejos es relativamente joven en comparación con campos científicos establecidos como la física y la química. La historia del estudio científico de estos sistemas sigue varias tendencias de investigación diferentes.

En el área de las matemáticas, podría decirse que la mayor contribución al estudio de los sistemas complejos fue el descubrimiento del caos en los sistemas deterministas, una característica de ciertos sistemas dinámicos que está fuertemente relacionada con la no linealidad. El estudio de las redes neuronales también fue integral en el avance de las matemáticas necesarias para estudiar sistemas complejos.

La noción de sistemas autoorganizados está ligada al trabajo en termodinámica sin equilibrio, incluido el iniciado por el químico y premio Nobel Ilya Prigogine en su estudio de estructuras disipativas. Aún más antiguo es el trabajo de Hartree-Fock sobre las ecuaciones de la química cuántica y los cálculos posteriores de la estructura de las moléculas, que puede considerarse como uno de los primeros ejemplos de surgimiento y totalidades emergentes en la ciencia.

Un sistema complejo que contiene seres humanos es la economía política clásica de la Ilustración escocesa, más tarde desarrollada por la escuela austriaca de economía, que argumenta que el orden en los sistemas de mercado es espontáneo (o emergente) en el sentido de que es el resultado de la acción humana, pero no de la acción humana. ejecución de cualquier diseño humano.

A partir de esto, la escuela austriaca desarrolló desde el siglo XIX hasta principios del siglo XX el problema del cálculo económico, junto con el concepto de conocimiento disperso, que alimentarían los debates contra la entonces dominante economía keynesiana. Este debate llevaría notablemente a economistas, políticos y otras partes a explorar la cuestión de la complejidad computacional.

Pionero en el campo e inspirado por los trabajos de Karl Popper y Warren Weaver, el economista y filósofo premio Nobel Friedrich Hayek dedicó gran parte de su trabajo, desde principios hasta finales del siglo XX, al estudio de fenómenos complejos, sin limitar su trabajo a humanos. economías pero incursionando en otros campos como la psicología, la biología y la cibernética. El cibernético Gregory Bateson desempeñó un papel clave en el establecimiento de la conexión entre la antropología y la teoría de sistemas; reconoció que las partes interactivas de las culturas funcionan de manera muy similar a los ecosistemas.

Si bien el estudio explícito de los sistemas complejos data al menos de la década de 1970, el primer instituto de investigación centrado en sistemas complejos, el Instituto Santa Fe, se fundó en 1984. Los primeros participantes del Instituto Santa Fe incluyeron a los premios Nobel de física Murray Gell-Mann y Philip Anderson, el premio Nobel de economía Kenneth Arrow y los científicos del Proyecto Manhattan George Cowan y Herb Anderson. Hoy en día, hay más de 50 institutos y centros de investigación centrados en sistemas complejos.

Desde finales de la década de 1990, el interés de los físicos matemáticos por investigar los fenómenos económicos ha ido en aumento. La proliferación de investigaciones transversales con la aplicación de soluciones provenientes de la epistemología física ha implicado un paulatino cambio de paradigma en las articulaciones teóricas y enfoques metodológicos en economía, principalmente en economía financiera. El desarrollo ha resultado en el surgimiento de una nueva rama de la disciplina, a saber, la "econofísica", que se define ampliamente como una disciplina transversal que aplica metodologías de física estadística que se basan principalmente en la teoría de sistemas complejos y la teoría del caos para el análisis económico.

El Premio Nobel de Física 2021 fue otorgado a Syukuro Manabe, Klaus Hasselmann y Giorgio Parisi por su trabajo para comprender sistemas complejos. Su trabajo se utilizó para crear modelos informáticos más precisos del efecto del calentamiento global en el clima de la Tierra.

Aplicaciones

Complejidad en la práctica

El enfoque tradicional para lidiar con la complejidad es reducirla o restringirla. Por lo general, esto implica la compartimentación: dividir un sistema grande en partes separadas. Las organizaciones, por ejemplo, dividen su trabajo en departamentos, cada uno de los cuales se ocupa de problemas separados. Los sistemas de ingeniería a menudo se diseñan utilizando componentes modulares. Sin embargo, los diseños modulares se vuelven susceptibles de fallar cuando surgen problemas que unen las divisiones.

Gestión de la complejidad

A medida que los proyectos y las adquisiciones se vuelven cada vez más complejos, las empresas y los gobiernos enfrentan el desafío de encontrar formas efectivas de administrar megaadquisiciones como Army Future Combat Systems. Las adquisiciones como el FCS se basan en una red de partes interrelacionadas que interactúan de manera impredecible. A medida que las adquisiciones se vuelvan más complejas y centradas en la red, las empresas se verán obligadas a encontrar formas de gestionar la complejidad, mientras que los gobiernos tendrán el reto de proporcionar una gobernanza eficaz para garantizar la flexibilidad y la resiliencia.

Economía de la complejidad

En las últimas décadas, dentro del campo emergente de la economía de la complejidad, se han desarrollado nuevas herramientas predictivas para explicar el crecimiento económico. Tal es el caso de los modelos construidos por el Instituto Santa Fe en 1989 y el más reciente índice de complejidad económica (ECI), introducido por el físico del MIT César A. Hidalgo y el economista de Harvard Ricardo Hausmann. Basándose en el ECI, Hausmann, Hidalgo y su equipo del Observatorio de la Complejidad Económica han producido pronósticos del PIB para el año 2020. Se ha empleado el análisis de cuantificación de recurrencia para detectar las características de los ciclos económicos y el desarrollo económico. En este sentido, Orlando et al.desarrolló el llamado índice de correlación de cuantificación de recurrencia (RQCI) para probar las correlaciones de RQA en una señal de muestra y luego investigó la aplicación a series de tiempo comerciales. Se ha demostrado que dicho índice detecta cambios ocultos en series temporales. Además, Orlando et al., sobre un extenso conjunto de datos, demostraron que el análisis de cuantificación de recurrencia puede ayudar a anticipar transiciones de fases laminares (es decir, regulares) a turbulentas (es decir, caóticas) como el PIB de EE. UU. en 1949, 1953, etc. Por último, pero no menos importante, se ha demostrado que el análisis de cuantificación de recurrencia puede detectar diferencias entre variables macroeconómicas y resaltar características ocultas de la dinámica económica.

Complejidad y educación

Centrándose en cuestiones de persistencia de los estudiantes con sus estudios, Forsman, Moll y Linder exploran la "viabilidad de utilizar la ciencia de la complejidad como un marco para ampliar las aplicaciones metodológicas para la investigación en educación física", y encuentran que "enmarcar un análisis de redes sociales dentro de una perspectiva de la ciencia de la complejidad ofrece una aplicabilidad nueva y poderosa en una amplia gama de temas PER".

Complejidad y biología

La ciencia de la complejidad se ha aplicado a los organismos vivos y, en particular, a los sistemas biológicos. Dentro del campo emergente de la fisiología fractal, las señales corporales, como la frecuencia cardíaca o la actividad cerebral, se caracterizan mediante índices de entropía o fractales. El objetivo suele ser evaluar el estado y la salud del sistema subyacente y diagnosticar posibles trastornos y enfermedades.

Complejidad y modelado

Una de las principales contribuciones de Friedrich Hayek a la teoría temprana de la complejidad es su distinción entre la capacidad humana para predecir el comportamiento de sistemas simples y su capacidad para predecir el comportamiento de sistemas complejos a través del modelado. Creía que la economía y las ciencias de los fenómenos complejos en general, que en su opinión incluían la biología, la psicología, etc., no podían seguir el modelo de las ciencias que se ocupan de fenómenos esencialmente simples como la física. Hayek explicaría en particular que los fenómenos complejos, a través de la modelización, solo pueden permitir predicciones de patrones, en comparación con las predicciones precisas que se pueden hacer a partir de fenómenos no complejos.

Complejidad y teoría del caos

La teoría de la complejidad tiene sus raíces en la teoría del caos, que a su vez tiene su origen hace más de un siglo en el trabajo del matemático francés Henri Poincaré. El caos a veces se ve como información extremadamente complicada, más que como una ausencia de orden. Los sistemas caóticos siguen siendo deterministas, aunque su comportamiento a largo plazo puede ser difícil de predecir con precisión. Con un conocimiento perfecto de las condiciones iniciales y las ecuaciones relevantes que describen el comportamiento del sistema caótico, teóricamente se pueden hacer predicciones perfectamente precisas del sistema, aunque en la práctica esto es imposible de hacer con una precisión arbitraria. Ilya Prigogine argumentó que la complejidad no es determinista y no permite predecir con precisión el futuro.

El surgimiento de la teoría de la complejidad muestra un dominio entre el orden determinista y la aleatoriedad que es complejo. Esto se conoce como el "borde del caos".

Cuando uno analiza sistemas complejos, la sensibilidad a las condiciones iniciales, por ejemplo, no es un tema tan importante como lo es dentro de la teoría del caos, en la que prevalece. Como afirma Colander, el estudio de la complejidad es lo opuesto al estudio del caos. La complejidad se trata de cómo una gran cantidad de conjuntos de relaciones extremadamente complicados y dinámicos pueden generar algunos patrones de comportamiento simples, mientras que el comportamiento caótico, en el sentido de caos determinista, es el resultado de un número relativamente pequeño de interacciones no lineales.

Por lo tanto, la principal diferencia entre los sistemas caóticos y los sistemas complejos es su historia. Los sistemas caóticos no dependen de su historia como lo hacen los complejos. El comportamiento caótico empuja a un sistema en equilibrio al orden caótico, lo que significa, en otras palabras, fuera de lo que tradicionalmente definimos como "orden". Por otro lado, los sistemas complejos evolucionan lejos del equilibrio al borde del caos. Evolucionan en un estado crítico construido por una historia de eventos irreversibles e inesperados, que el físico Murray Gell-Mann llamó "una acumulación de accidentes congelados".En cierto sentido, los sistemas caóticos pueden considerarse como un subconjunto de sistemas complejos que se distinguen precisamente por esta ausencia de dependencia histórica. Muchos sistemas complejos reales son, en la práctica y durante períodos largos pero finitos, robustos. Sin embargo, poseen el potencial para un cambio cualitativo radical de tipo mientras conservan la integridad sistémica. La metamorfosis sirve quizás más que como una metáfora para tales transformaciones.

Complejidad y ciencia de redes

Un sistema complejo generalmente se compone de muchos componentes y sus interacciones. Tal sistema puede ser representado por una red donde los nodos representan los componentes y los enlaces representan sus interacciones. Por ejemplo, Internet se puede representar como una red compuesta por nodos (computadoras) y enlaces (conexiones directas entre computadoras). Otros ejemplos de redes complejas incluyen redes sociales, interdependencias de instituciones financieras, redes de líneas aéreas y redes biológicas.

Eruditos notables

• Robert McCormick Adams
• cristobal alexander
• felipe anderson
• Flecha Kenneth
• Roberto Axelrod
• W. Brian Arthur
• por horneado
• Yaneer Bar-Yam
• Albert-Laszlo Barabasi
• Gregorio Bateson
• Ludwig de Bertalanffy
• Alejandro Bogdánov
• Samuel Bowles
• guido caldarelli
• Pablo Cilliers
• Walter Clemens Jr.
• James P. Crutchfield
• chris danforth
• Peter Sheridan Dodds
• brian enquist
• Josué Epstein
• Granjero de Doyne
• jay forrester
• nigel r francos
• Murray Gell-Mann
• nigel goldenfield
• Vittorio Guidano
• james hartle
• FA Hayek
• Juan holanda
• alfredo hubler
• arturo iberall
• Estuardo Kauffman
• JA Scott Kelso
• david krakauer
• Ellen Levy
• Roberto mayo
• prados de donella
• melanie mitchell
• cris moore
• edgar morin
• Harold Morowitz
• página de scott
• luciano pietronero
• david pinos
• Vladímir Pokrovskii
• Ilia Prigogine
• Sidney Redner
• jerry sabloff
• Cosma Shalizi
• Herbert Simón
• Dave Snowden
• Serguéi Starostin
• steven strogatz
• Stefan Thurner
• Alejandro Vespignani
• Andreas Wagner
• duncan vatios
• geoffrey oeste
• esteban wolframio
• david wolpert