O problema com a simulação de sistemas complexos

El problema de simular sistemas complejos

Las simulaciones son herramientas poderosas que nos ayudan a predecir resultados, pero ¿pueden usarse cuando su sistema es muy complejo?

Imagem em destaque

explica sólo el 6% del cambio de actitudes . Deshágase de todos los televisores de su casa y todavía nos quedará un enorme 94% de variación no contabilizada.

¿Hay suficientes datos?

COVID fue otro gran ejemplo de cómo las simulaciones pueden fallar dramáticamente. Durante las primeras semanas de la pandemia, algunas simulaciones estimaron una tasa de mortalidad de al menos el 10%. Una de cada diez personas infectadas moriría. Afortunadamente, este no fue el caso, pero ¿por qué los científicos no dieron en el blanco por un margen tan amplio?

Porque en aquel momento apenas teníamos datos sobre la enfermedad y todos los datos que teníamos estaban muy sesgados. La muestra provino de hospitales, que la mayoría de la gente evitaba en primer lugar porque estaban abarrotados. Entonces tomamos muestras de personas que tenían complicaciones pulmonares y estaban en riesgo.

Nunca me cansaré de decir esto: un modelo es tan bueno como los datos en los que se basa . Para los sistemas complejos, hay una multitud de problemas que tenemos que resolver: datos no estructurados, muestras sesgadas, datos faltantes y equipos no calibrados son solo algunos de los más comunes.

Tome tres estudios sociológicos diferentes sobre la felicidad y encontrará enormes diferencias en los resultados. Esto es de esperarse teniendo en cuenta que a veces diferentes fuentes proporcionan información diferente. Por ejemplo, las organizaciones sin fines de lucro suelen criticar a los gobiernos por compartir datos incompletos o distorsionados.

Otras veces, el problema no está en la recopilación de datos, sino en el hecho de que los datos no están ahí . Nadie podría haber simulado una pandemia global, más un accidente en el Canal de Suez , más un aumento de las criptomonedas, más una de las peores sequías de la historia reciente en Taiwán: todos ellos factores que han influido en la escasez masiva de chips y el aumento de los precios de los chips de las computadoras. hemos tratado.

Al menos ahora tenemos los datos, pero ¿cuáles son las probabilidades de que estos eventos vuelvan a ocurrir al mismo tiempo?

¿Son inútiles las simulaciones?

Sé que estoy pintando un panorama muy sombrío, pero la verdad es que las simulaciones son sumamente importantes . Durante cientos de años, hemos simulado situaciones mediante experimentos, ecuaciones y modelos informáticos para intentar comprender cómo funciona el mundo. Y en cada oportunidad, también logramos aprender un poco más.

Esta es otra advertencia más, un recordatorio de que una simulación no es ni brujería ni una sesión de espiritismo, sino una simple recreación artificial que reproduce el guión que te dieron. Nunca debemos tomar los resultados de una simulación al pie de la letra. Como sabe cualquier científico de datos, siempre tenemos que mirar más allá de los resultados y ver cómo los logramos. El método es incluso más importante que el resultado.

Dicho esto, el futuro es brillante para las simulaciones. Con el Internet de las cosas y el Big Data hemos crecido exponencialmente en nuestra capacidad de recopilar datos, abriendo espacio a todo tipo de simulaciones que hace unos años considerábamos imposibles: almacenes, entregas, tendencias del mercado, acción política.

Excluyendo las situaciones más simples, las simulaciones nunca estarán libres de errores, pero podemos seguir trabajando para minimizar este margen de error. ¿Podremos algún día simular con precisión sistemas complejos? Claro. Es solo cuestión de tiempo.

Fuente: BairesDev

Conteúdo relacionado

Regresar al blog

Deja un comentario

Ten en cuenta que los comentarios deben aprobarse antes de que se publiquen.