Indicadores antrocomplejos para modelar sistemas humanos

Una de las cosas que más me ha interesado de la perspectiva de Snowden es que pone como condición necesaria reconocer las particularidades de los sistemas humanos  (la particularidad de aquello humano,  de lo antrocomplejo), diferenciándolo del resto de sistemas complejos no-humanos. Una perspectiva human-based en línia con el enfoque que estamos planteando: utilizar herramientas antropológicas como la etnografía para poder modelar procesos de sistemas humanos como la gobernanza a través de datos cualitativos obtenidos a partir del trabajo de campo (no modelos de simulación top-down basados en teorías sociológicas sino modelos contextuales bottom-up). En este sentido, existe una línia de investigación: agent-based modeling basado en datos cualitativos, que presenta los antecedentes necesarios como para seguir explorando y ver como podría implementarse en el estudio de procesos colectivos como la gobernanza. Por lo que después de confirmar que existen propuestas metodológicas para codificar datos cualitativos en reglas o condiciones para simulaciones de sistemas mulitiagente, falta abordar  cuestiones relativas al tipo de datos, ¿cuales son los más relevantes o significativos en relación a los procesos de gobernanza? (más teniendo en cuenta que con un entorno de simulación adecuado se puede hacer un testeo exaustivo de hipótesis anidadas). Sin embargo, antes y en términos generales es necesario aclarar cuales son las características de aquello humano que nos hacen un sujeto complejo particular. Es decir ¿cuales son los principios o indicadores de la antrocomplejidad? Snowden plantea los suyos, las 3 ies (III).

  • Intent or intentional behaviour is not fully unique to humans, but it is important. We don’t just respond to stimuli (although we do), we can make choices, use abstract goals and so on. Critically we can express that intent in symbolic form to bind other people into a direction of travel.
  • Intelligence which again is not unique but in humans has developed to the point where we substantially alter the world around us to suit our purpose. It isn’t called the Anthropocene for nothing, critically we can abstract our experiences to reflect on them individually and collectively and ideas can be contagious.
  • Identity is fluid in humans, we move between roles depending on context and have developed rituals by which we can temporarily align our identity with a role for collective purpose (crews). We have also developed (again using that symbolic capability) collective identities which can align actions (a form of assemblage)

Más referencias para la innovación en la práctica etnográfica

Hace un tiempo que estoy indagando en nuevas maneras de innovar en la práctica etnográfica, no por la voluntad explícita de innovar, sino para ver como se pueden aprovechar una gran cantidad de datos (tanto cuantitativos como cualitativos) que surgen en el contexto de los procesos sociales mediados tecnológicamente: desde la implementación de artefactos tecnopolíticos o sociotecnológicos para la gestión de comunidades hasta el big data (tomando como datos los trazos que los usuarios dejan en diferentes plataformas). Como he mencionado en alguna ocasión, este interés tiene la finalidad explícita de diseñar un artefacto que permita “capturar” específicamente aquellos datos que se consideran de interés para nuestra investigación (en contraposición a la perspectiva de “aprovechar” los datos que se están pudiendo capturar hoy en día en función de las características de cada plataforma).

Después de introducir la propuesta de Etnografía Distribuída de Dave Snowden a través de su SenseMaker (que por cierto vi que el término etnografía distribuída no lo propone él, sino que es una calificación de terceros), estuve en un seminario dónde  Ana Garner del Creative Media School de Hong Kong, presentó su investigación: El selfie como micronarrativa visual. Una presentación muy relacionada con el proyecto de Mediaccions (UOC)  Selfiestories y personal data: metodologías híbridas para el análisis de las narrativas visuales en la cultura digital, que en definitiva, más allá del estudio de muestras concretas (i.e., investigaciones sobre selfies) plantea cómo estas nuevas micronarrativas emergentes (selfies) pueden utilizarse como nuevas herramientas para la práctica etnográfica (en términos de relevamiento o trabajo de campo). Por otro lado, hace poco encontré un paper de Human Computer Interaction (HCI) que propone utilizar “observaciones interactivas” así como métodos de análisis de datos computacionales colaborativos para hacer lo que denominan etnografías rápidas (Millen, 2000). Por lo que en definitiva, estoy encontrando diferentes aproximaciones a la pràctica etnográfica que surgen  desde campos como la gestión organizacional o el management, el sector audiovisual, o el campo de la Human Computer Interaction (HCI). Hasta el momento las referencias más consistentes, en términos antropológicos, sobre la innovación en la práctica etnográfica son las propuestas de Tricia Wang, que introduce la idea de Thick Data basándose en la Descripción Densa de Geertz, y Nora Bateson, quien con otros términos (Warm Data) y poniendo el foco en la transcontextualización hace un planteamiento parecido.

Como conclusión preliminar, creo que queda claro que hay que diferenciar entre lo que es explícitamente (1) la innovación en la recolección de datos,  el relevamiento o la práctica metodológica para desarrollar trabajo de campo, y (2) la innovación respecto a cómo se teoriza o  se analizan los datos. Por lo que pude ver hasta el momento, en el área de la antropología el gran reto viene  justamente  por el lado de desarrollar un marco teórico basado en esta nueva tipología de datos que muchos definen como micronarrativas emergentes.

Dave Snowden, antro-complejidad, etnografías distribuídas y sistemas autorepresentativos (I)

El propósito de este post es analizar las contribuciones de Dave Snowden para ver cómo conectan con mi investigación (si es que lo hacen). Snowden es un autor muy intesante que trabaja con cuestiones relacionadas con la gestión de conocimiento y la toma de decisiones en diferentes contextos. Es consultor, licenciado en física y filosofía y con un BMA. Sus aproximaciones se basan en la Teoría de Sistemas Complejos, Teorías de la Complejidad, Teoría del Caos y Teorías del Aprendizaje. Y como aspecto central, destacaría que ha aportado mucho sobre la particularidad de los sistemas humanos como un tipo de sistemas complejos particulares  (introduce el término antro-complejidad). A continuación se presentan 3 ítems, a través de los cuales se ha ordenado la información que he podido relevar hasta ahora y que pibotan alrededor del concepto central de antro-complejidad: (1) Etnografías distribuídas y SenseMaker (2) Cynefin framework for decision-making y  (3) la charla: Humans are neither ants nor data processors. En este post voy a centrarme en el primer ítem, etnografías distribuidas.

1. Etnografias distribuídas

Ver las cosas a través de los ojos de los otros tiene que estar en el centro del diseño. Pero también hay que entender que con la perspectiva aparece el poder, o la ausencia de este.

Snowden plantea la siguiente situación problemática: Hoy en día cualquiera que hace unas pocas entrevistas y algo de observación y dice que hace etnografías. Con lo que esta palabra se ha convertido en un nuevo hype para vender servicios de consultoría y gestión organizacional. En este sentido argumenta que para hacer etnografías rigurosas sobre participantes de fenómenos relacionados con el cambio social que suceden a nivel macro o son “intratables” debido a sus múltiples interdependencias, se requeriría de varios años de inmersión (i.e., trabajo de campo), lo cual es prácticamente inviable porque en general no se dispone ni de tanto tiempo ni de tantos etnógrafos.

Ante esta problemática, introduce la idea de etnografías distribuídas como propuesta de solución, y para hacerlo desarrolló SenseMaker. Un método específicamente diseñado para monitorear y explorar procesos complejos desde múltiples perspectivas humanas que consiste en:

  • Varias herramientas de recolección de micro narrativas
  • Un software de detección de patrones (representados a través de fitness landscapes)
  • Una metodología basada en los principios del trabajo en un espacio complejo (entiendo que está relacionado con el marco conceptual de Cynefin)

Por el momento estamos analizando este planteamiento etnográfico (en términos metodológicos) con mi co-directora de tesis (antropóloga) y sobretodo analizando la interpretación particular que hace SenseMaker de la esencia de la etnografía: la creación de conocimiento nuevo a través del proceso de abducción. Para contrastar me sugirió leer este artículo Ethography by any other name… (Agar, 2006), donde entre otras cuestiones plantea las relaciones entre lógica y abducción. Por otro lado, entiendo que la propuesta de Snowden está centrada en obtener la información necesaria para implementar un cambio organizacional, más que comprender la cultura o significación particular de una organización (i.e., la antropología no siempre busca obtener información para implementar cambios sino a veces sólo para comprender).  Otra de las fricciones que aparece es la de la figura del antropólogo como “aportador de reflexividad y contextualización” vs. un proceso de recolección de datos y “contextualización automática o co-contextualización”.  En todo caso, se presenta una ocasión muy interesante para reflexionar sobre el futuro metodológico de la antropología organizacional.

Finalmente, quería apuntar a que una de las motivaciones de mi investigación es justamente indagar en cómo los artefactos socio-tecnológicos (inteligentes) para la asistencia en la toma de decisiones pueden diseñarse o utilizarse como instrumentos para la investigación social cualitativa (más allá de big data para la investigación social), así que en este contexto, es muy interesante profundizar en este análisis.

Encontré algunos artículos más relacionados con la etnografía y las narrativas (emergentes) en Cognitive Edge escritos por Zhen Goh: Narrative & The Ethnographic Inquiry,  Narrative Patterning : Alternate History and Fragmented Narrative, que hay que procesar para poder comprender la propuesta metodológica de Snowden al completo.

 

La mente no es suficiente

En Modelling social actions for AI agents, Castelfranchi describe detalladamente los requerimientos de la arquitectura individual para que un agente racional sea social y colaborativo. Sin embargo, advierte que estos no son suficientes para que emerja una organización entre agentes colaboradores. La mente no es suficiente -dice- ya que existen estructuras de dependencias entre los agentes de un sistema que son determinantes respecto a sus posibilidades de colaboración (más aún que la arquitectura individual de los agentes).

En este sentido, apunta a que estas redes de dependencias juegan un rol causal en las dinámicas del sistema: como estructuras sociales, emergentes y no-planificadas que permiten que se manifiesten formas de cooperación no-basadas en creencias mutuas o acuerdos. Es decir, formas de cooperación basadas en el conocimiento del entorno (i.e. los agentes interactuan con el entorno y posteriormente realizan inferencias tipo en-este-estado-de-entorno-haciendo-esto-consigo-aquello). Formas de cooperación, que emergen de la experiencia y por lo tanto requieren de acción, como las que queremos estudiar en nuestra investigación sobre Estructuras Auto-Organizadas Emergentes en POMDPs colaborativos.

Esta observación de Castelfranchi, que pone el foco en la red de dependencias más que en la arquitectura individual de los agentes, permite entender la mayoría de críticas respecto a los modelos de SMA colaborativos que subrayan que es común dar por hecho que los agentes son benevolentes, que siempre estan dispuestos a colaborar y que siempre desean actuar en pos del bien común… Es decir que más allá la arquitectura individual (altruista) de los agentes no se presta la atención suficiente a la manera en como estos son interdependientes y se interfieren entre sí. Con lo cual, estos modelos artificiales corren el riesgo de caer en buenismos  ya que sólo asumen modelos sociales basados en el altruismo.

Por eso nuestro enfoque propone estudiar la emergencia de estructuras auto-organizadas como sociedades de agentes racionales, no a través de la mente, y por lo tanto sin asumir agentes altruistas, sino asumiendo un entorno profundamente colaborativo. Es decir planteando que: si un entorno es colaborativo, a pesar de que los agentes sean racionales self-interested (i.e. que no tengan la voluntad de colaborar entre ellos, sinó sólo actuar en pos de maximizar su utilidad individual), estos van a terminar adoptando comportamientos colaborativos, puesto que la única manera de maximizar su utilidad individual es maximizando la utilidad global (i.e. colaborando entre ellos). Este enfoque surge de una inquietud antropológica, de una reflexión sobre como percibimos el entorno donde operamos, que se podría resumir con la hipótesis siguiente: hay entornos que son colaborativos, pero los agentes no los pueden llegar a percibir como tal y por lo tanto emprenden acciones competitivas.

Este cambio de foco -de arquitectura individual a redes de dependencias- puede ser muy fructífero para la búsqueda de modelos adaptativos. Ya que implica dejar de pensar en términos de objetivos (goal-oriented) y pensar en términos de utilidad, lo que permite invocar imaginarios muy diferentes: cuando pensamos en utilidad, podemos pensar en un entorno sin estados terminales,  dónde un agente aprende a sobrevivir entregado a un continuo, hay una idea de flujo constante implícita en la metáfora. Pura adaptabilidad. Sin embargo, si pensamos en términos de objetivos, este continuo se convierte en una concatenación intermitente de estados-terminales-alcanzados-y-estados-terminales-por-alcanzar. Fragmentando la idea de una agencia emergente (adaptativa) que va evolucionando, para deconstruirla en pequeñas metas-a-alcanzar que se anidan en jerarquías de otras-metas-a-alcanzar.

Y es que aunque es importante dejar claro que alcanzar un objetivo es equivalente a maximizar la utilidad (en jergas específicas de diferentes sub-areas de la IA) el uso de la terminología reinforced (i.e. hablar de utilidad) contribuye a incidir en  enfoques más bioinspirados -como el que proponemos- evocando metáforas más cercanas a todo aquello adaptativo como la sopa primordial, los ecosistemas, la emergencia de organismos multicelulares. Todo evoca a las estrategias individuales para la supervivencia (a pesar de que se logra a través de la cooperación). Sin embargo,  si usamos terminologías mindreading ponemos el foco en las creencias o estados mentales de los otros agentes, dónde la cooperación surge desde un lugar no tant visceral. Y la cooperación es algo visceral, algo que sólo tiene sentido cuando ayuda a mejorar la utilidad de los que la ejercen, cuando es un consecuente.

Así que dejemos de centrarnos en lo-que-pensamos-que-piensan los otros y exploremos profundamente el entorno, de manera distribuída, para descubrir si realmente es cooperativo. Y si lo es, fluyamos!

Re-imagining Value: Insights from the Care Economy, Commons, Cyberspace and Nature

Una recopilación de puntos de vista y conclusiones sobre el significado de “valor” en artefactos socio-tecnológicos colaborativos en formato libro. Es muy interesante para aquellos que estamos interesados en indagar en nuevos protocolos para que un artefacto socio-tecnológico colaborativo auto-emergente pueda mantener su performance ante entornos dinámicos, de alguna manera este libro por un lado (i) recoge los diferentes retos, y preguntas que surgen de los estudiosos sobre el tema – estudiosos o profesionales con reputación por su experiencia- (como por ejemplo si es necesario cuantificar el valor a través de la abstracción para formas alternativas de intercambio, las implicaciones de convertir un valor generado de manera commons-based o en comunidad a un equivalente monetario, los pros, contras y requerimientos de una value sovereignity, nuevas propuestas para una teoría del valor superadora…). Y por otro lado (ii) presenta diferentes ejemplos reales de grupos u organizaciones que operan bajo protocolos postcapitalistas o P2P: sensorica.co y las open value networks, enspiral, y proyectos como metacurrecy (el más inspirador para mi y mi investigación) o neo-tribe (de inspiración etnográfica). En otras palabras, por un lado, es un ensayo sobre el término “valor”, sus implicaciones, alternativas y retos pendientes, y por otro lado,  se puede ver como un trabajo proto-etnográfico para definir un objeto de estudio.

Para nuestra investigación, más concretamente responde a la pregunta de impacto: ¿a quién puede beneficiar lo que estamos descubriendo?

Además, nos aporta mucha información valiosa para ver qué modelos de intercambio pueden ser propensos a mostrar deadlocks o de qué manera podemos aportar a la conceptualización del término valor desde la perspectiva del aprendizaje automático (y más concretamente del RL) donde los agentes (que son racionales) operan (i.e. eligen sus acciones) en base a estimaciones de utilidad a largo plazo. Por lo que planteamos nuevos tópicos para ampliar o complemetar la reflexión presentada en el libro desde el campo de la IA: ¿qué papel juega la confianza respeto al feedback que puede proveernos el valor generado, en términos de retorno a corto plazo o largo plazo?  Planteamos que quizás nos está faltando la capacidad de poder ver como nos retornaría este valor a largo plazo… y que por este motivo perdemos confianza en el sistema (en cualquiera que no sea el monetario).

Aún estoy leyendo los últimos apendices, pero me pareció esclarecedor, y de consulta obligatoria para cualquiera que quiera ir al hueso de la cuestión para empezar a reflexionar o investigar fenómenos relacionados con las economías colaborativas (desde la sharing economy hasta el commons-based, pasando por el platform cooperativism).