Economía Artificial
| ||
Economía Artificial se puede definir como “un método de investigación que trata de mejorar nuestra comprensión de un sistema o proceso socioeconómico mediante simulaciones computacionales”. La economía artificial es uno de los métodos o enfoques de investigación para el estudio de sistemas socioeconómicos complejos con mayor crecimiento durante los últimos años. Este artículo presenta una visión crítica sobre sus características, su potencial y los riesgos relativos al uso de esta metodología. Para ello, encontramos útil relacionar y comparar a la economía artificial con la economía teórica más tradicional. Desde nuestro análisis, la economía teórica y la economía artificial comparten los mismos objetivos, presentan menos diferencias metodológicas de las que a primera vista pudiera parecer, y sus aproximaciones son sin duda complementarias
Al igual que la economía teórica, la aproximación seguida en la economía artificial para entender los procesos socioeconómicos consiste en construir y analizar modelos formales. Sin embargo, y en contraste con la economía teórica, los modelos en la economía artificial se implementan en un lenguaje de programación, de tal forma que se utilizan computadores para su análisis.
Sumario
Concepto
Al abordar esta pregunta, nuestro objetivo será proporcionar una visión general de la EA que nos permita compararla con la ET, la disciplina que consideramos más cercana a la EA. Dentro de este marco, incidiremos tanto en las facetas en las que estas dos disciplinas son similares como aquéllas en las que son claramente diferentes.
De forma simplificada, entendemos por economía artificial un método de investigación que trata de mejorar nuestra comprensión de un sistema o proceso socioeconómico mediante simulaciones computacionales. Esta definición, al considerar tanto un medio (la simulación) como un objetivo (la comprensión), deja fuera algunos otros potenciales usos de la simulación en economía, como puede ser la predicción pura tipo “caja negra”. Sin menospreciar la utilidad potencial de la predicción pura sin comprensión –o de otros objetivos alternativos–, nuestra definición nos permitirá mantener la discusión en un ámbito específico y claramente delimitado. En la práctica, esta definición supone que exigimos a la metodología ir más allá de la mera generación de datos mediante simulación computacional; requerimos además un análisis de los datos generados que nos proporcione explicaciones, es decir, que nos permita encontrar relaciones causales entre variables del sistema. Aunque una buena predicción puede no ir acompañada de una explicación, una buena explicación sí debería poderse traducir en predicciones falsables ante nuevas situaciones.
Metodológicamente, la economía artificial se puede situar dentro de la economía computacional (computational economics). Esta subdisciplina de la economía es, conforme a la Computational Economics Society, el campo encargado de “explorar la intersección entre la economía y la computación”. Hoy en día la utilización de la computación en ciencia en general, y en economía en particular, es tan ubicua que dentro de esta definición se enmarcan cuestiones tan diversas como la utilización de herramientas computacionales para la enseñanza de conceptos económicos, el diseño de herramientas computacionales para mercados automáticos online o la estadística y la econometría computacional. En consecuencia, resulta difícil describir la economía computacional como un campo unificado y homogéneo – a pesar de que existan cursos y libros específicos – debido a la heterogeneidad de problemas económicos y métodos computacionales que abarca. En nuestra opinión, resulta más útil desagregar esta disciplina en subdisciplinas estructuralmente más próximas. Aparte de las áreas ya mencionadas, desde el punto de vista metodológico se consideran dentro de la economía computacional la economía computacional basada en agentes o ACE, el desarrollo de herramientas de programación específicas para la economía o las aplicaciones de la inteligencia artificial en economía y gestión, entre otras muchas; desde el punto de vista de la aplicación a áreas económicas concretas, se incluyen, por ejemplo, las finanzas computacionales y el modelado computacional de sistemas macroeconómicos dinámicos.
Implementación
Los sistemas socioeconómicos, por su naturaleza de sistemas complejos, son a menudo difíciles de abordar desde la perspectiva matemático-deductiva. En general, el enfoque teórico requiere realizar simplificaciones que frecuentemente conllevan un notable riesgo de desvirtuar la correspondencia entre el mundo real y el modelo estudiado. El motivo principal de utilizar la EA es que puede ayudarnos a comprender mejor el comportamiento de un sistema socioeconómico real, y a ser conscientes del efecto que las simplificaciones requeridas por el enfoque teórico pueden suponer. Al desarrollar este apartado seremos más específicos sobre las razones por las que, con frecuencia, el enfoque computacional es definitivamente una herramienta útil.
¿Cómo hacer economía artificial?
En este apartado discutiremos algunos de los enfoques, herramientas y métodos que a nuestro entender presentan mayor rigor y mayor potencial para que la disciplina pueda avanzar en sus objetivos.
Fases de la Economía Artíficial
Concretamente, el método utilizado en la economía artificial para analizar un modelo formal normalmente comprende dos fases:
- La generación deductiva de muestras.
- El razonamiento inductivo de patrones generales.
Generación deductiva
La generación deductiva de muestras consiste en ejecutar el modelo muchas veces bajo diferentes particularizaciones de las variables que define el modelo. Específicamente, si el modelo es estocástico, cada ejecución se genera con una realización específica de cada una de las variables aleatorias]] del modelo. El resultado de esta primera fase es un conjunto de inputs o entradas y sus correspondientes outputs o salidas, que han sido derivados mediante computación utilizando únicamente razonamiento deductivo, i.e. aplicando a las entradas las reglas de inferencia que definen el modelo.
Razonamiento inductivo
Una vez se ha obtenido un número de muestras suficiente, se utiliza el razonamiento inductivo para tratar de inferir patrones generales sobre el comportamiento del modelo. Este proceso inductivo conduce a conclusiones probables –en contraposición a necesarias (excepto en los casos en que todas las posibles instancias particulares sean exploradas)– dado que se trata de inferir propiedades generales a partir de instancias particulares del modelo.
Simulación computacional
El beneficio de utilizar la simulación computacional descrita (frente a solamente la deducción lógica) es que permite explorar modelos formales que son –actualmente– intratables utilizando las técnicas matemáticas más avanzadas. Esto ocurre porque el conjunto de hipótesis que se pueden investigar utilizando simulación no se limita a las restricciones que el tratamiento matemático impone. Este punto es particularmente importante en el estudio de procesos socioeconómicos, en los cuales –debido a su naturaleza compleja– son con frecuencia difíciles o imposibles de tratar utilizando únicamente una aproximación deductiva. La aproximación estrictamente deductiva suele requerir de multitud de simplificaciones para asegurar la tratabilidad matemática, lo que hace que la correspondencia entre el sistema real y las hipótesis del modelo sea en ocasiones frustrantemente débil. Algunas de las hipótesis habituales se enumeran sucintamente en la columna de la izquierda, junto con algunas de las características que pueden ser exploradas utilizando la aproximación de economía artificial (columna de la derecha).
Vea También
- Analogía
- Inductivismo
- Juicio sintético a priori
- Inducción matemática
- Lógica empírica
- Métodos de razonamiento
- Problema de la inducción
- Razonamiento analógico
- Confabulación (redes neuronales)
- Simulación computacional
- Razonamiento abductivo
- Razonamiento deductivo
- Razonamiento inductivo
- Simulación
- Lenguaje de programación
Fuentes
https://es.wikipedia.org/wiki/Econom%C3%ADa_artificial https://www.upo.es/revistas/index.php/RevMetCuant/article/view/2338
