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).

Complejidad y Caos, una exploración antropológica

Hace poco terminé de leer el libro que da título a este post, obra de Carlos Reynoso de la UBA,  una referencia en el campo de la antropología (él) y un ejercicio artístico-epistemológico (el libro) que sin duda ha pasado a formar parte de mis referencias outstanding. Sin embargo, mucho antes de terminar la lectura, este ya me había generado grandes contradicciones (respeto a mis ideas o posturas relativas al binomio antropología y cibernética) ya que Reynoso carga con una racionalidad feroz contra Bateson, Prigogine, Morin y Capra (creo que Capra es el que se lleva la peor parte)… Hablando con Elisenda (mi gran mentora y amiga en cuestiones antropológicas) convenía en que la antropología como ciencia no tiene una postura clara respeto a la cibernética- y en caso de tenerla- concluye que la cibernética es una teoría defectuosa para explicar la relación hombre-naturaleza… Recomiendo esta lectura, densa, compleja pero a la vez esclarecedora, a todos aquellos que como yo tratan de repensar las herramientas y teorías que provienen de las ciéncias artificiales para utilizarlas para el estudio de fenómenos sociales…

Como leí hace poco en un paper de Filosofía de la Mente: I leave it to the reader to DYOC (Draw Your Own Conclusion)

Organización en red y conexiones neuronales

A través de la selección semanal de las Delicacies de Petervan, descubro este post del Institute of Network Cultures, un diálogo asincrónico entre Geert Loving y Miles Englezou a través del cual se pone luz a las similitudes y diferencias que existen entre las conexiones neuronales del cerebro humano y las conexiones (mediadas tecnológicamente) entre individuos.  Una perspectiva bioinspirada de como debería ser el futuro de la estructura de internet para superar la recentralización.

Entre otras cosas, me ha servido para reafirmar algunas intuiciones que estoy plasmando en mi investigación, como por ejemplo que los mecanismos para la coordinación son artefactos artificiales, limitadores, que nunca podrán substituir la flexibilidad y adaptabilidad que brindan los procesos de auto-organización co-emergentes. A continuación, adjunto parte del mail que abrió el diálogo, aunque recomiendo la lectura completa del post:

Your concept of ‘organised networks’ reminded me of what I have learned about the brain. I’m currently at the end of a neuroscience master’s degree. Incidentally I studied at Vrije Univeriteit Amsterdam, although now I am back home in London. In neuroscience, current thought tends to conceptualise the brain as a hierarchically ordered network which self-organizes into the structure that it is (via a ‘push-and-pull’ of opposing tendencies towards ordered [inhibited] and disordered [excited] brain dynamics). The end product of this is a fractal-like organisation, where, at the lowest level, you have individual neurons connecting to other neurons to form neuronal groups, which in turn form meta-groups between themselves, which then form meta-meta-groups, etc., with the ‘nature’ of the function changing (relative to its constituents) and emerging at each level of description.

It seems to me that the internet at the moment does not have a robust or explicit structure. And this seems to be because it does not self-organize. We have to apply ‘network organisation’ principles ourselves. Do you envisage the organised net having this fractal-like structure? I suppose individuals would form small groups with others based on specific interests or skills, and then meta-groups would form with a new, singular function emerging at each level because of the way the groups are organised. Very large high-level groups would become the net equivalent of the institutions we have today.

I’m looking at how brain organisation changes across different conscious states. Under certain psychedelic drugs, for example, the brain loses its robust structure and becomes more ‘random’ (everything connects to everything), and as we get closer to normal consciousness you get the appearance of these ‘small-world’ structures, i.e. the fractal-organisation. The state of the net now is comparable to the ‘random’ brain state. But the way in which the brain becomes more ‘normal’ is in a sense just by pruning the long connections and keeping the local connections – is this how you think, practically, the organised net would be created, through a sort of ‘disconnection’ of the excess, ‘long-range’ connections we have today (such as the case of mass-friending on Facebook)?”

La introducción a Machine Learning más fácil del mundo

Hace tiempo que estoy estudiando Machine Learning, más concretamente me estoy especializando en Reinforcement Learning, sin embargo cuando leí el título de este post no dudé ni un segundo en clickear para ver como presentaba los contenidos. En realidad me convenció este párrafo:

This guide is for anyone who is curious about machine learning but has no idea where to start. I imagine there are a lot of people who tried reading the wikipedia article, got frustrated and gave up wishing someone would just give them a high-level explanation. That’s what this is.

Y es que al principio no es fácil para los que venimos de otras disciplinas entender qué es el aprendizaje automático. En el caso del Reinforcement Learning hay referencias accesibles a todo el mundo para describirlo: conductismo, el perro de Pavlov, o aprender a través de castigos(recompensas negativas) y recompensas (positivas). Pronto voy a empezar a escribir  sobre la investigación, después de más de un año trabajando en la hipótesis y el enfoque, y voy a presentar como todo esto se relaciona con el Reinforcement Learning, y porqué lo que planteamos (un entorno subyacentemente colaborativo como driving force) es novedoso. De momento les dejo la introducción a machine learning más fácil del mundo!

De observar comportamientos de organismos biológicos, a investigar cómo emergen

Después de estar revisando los principales aportes de la investigación sobre biomímesis social, destacaría tres puntos:

    1. Los ejemplos de biomímesis social que se presentan como paradigmáticos se reducen a formas de Swarm Intelligence (utilización de algoritmos bioinspirados para la optimización de rutas o planifación de transportes o envíos de mercaderías) y en ningún caso son ejemplos de innovación que transforman la organización en una entidad más respetuosa con el medioambiente.
    2. El término biomímesis social, entendido como estrategia de innovación basada en observar la manera como se organiza la naturaleza para resolver problemas humanos (i.e.colonias de hormigas, enjambres de abejas…) requiere de una reflexión profunda y de un marco teórico (muy volátil todavía) que permita encajar las perspectivas sociales (psicológicas, antropológicas y organizacionales) preocupadas por aproximarse a la complejidad del comportamiento humano y a la supercomplejidad de las organizaciones sociales actuales, con perspectivas más técnicas como la biología, la física, la química o las ciencias de la computación, que son las que pueden resolver de manera científica las características de los procesos evolutivos o ¿cómo aparece aquello en lo que queremos inspirirarnos?.
    3. Aunque sus autores no utilizan el término biomímesis social, los modelos más biomiméticos (biomimicry) de innovación organizacional no se basan en la utilización de IA para mediar entre los individuos que conforman la organización, sino en promover un cambio de consciencia en cada uno de estos individuos a través de la educación (chaortic model, amoeba lidership, eco-literacy).

Por un lado, queda claro que el uso de estregias bio-inspiradas para la innovación organizacional es aún un campo donde seguir investigando, aunque seguramente sería más productivo si no se limitara al enfoque de la biomímesis (biomimicry). Más aún, parece evidente que en los próximos años la IA debería hacer grandes aportes en el área de la innovación organizacional (sistemas expertos o sistemas de recomendación para la toma de decisiones entrenados por los individuos de la organización), ya que tal y cómo se ha puesto de manifiesto, las organizaciones actuales necesitan modelos más flexibles, adaptativos y resilientes para poder operar de manera efectiva en entornos cada vez más complejos, dónde la incertidumbre aumenta de manera exponencial, así como también requieren cada vez más de asistencia tecnológica para procesar el gran enredo interacciones a través de las cuales tienen lugar los procesos cognitivos de la organización.

Para afrontar estos retos, es necesario ir un paso más allá de las estrategias biomiméticas analizadas (basadas generalmente en la observación de comportaminetos de superorganismos biológicos que puedan utilizarse para resolver problemas humanos .i.e. enjambres de abejas, colónias de hormigas, bancos de peces, bandadas de pájaros) y empezar a observar cómo es que emergen estos superorganismos biológicos, que tomamos de inspiración.

Esta reflexión se sustenta, en el convencimiento de que la IA puede hacer grandes aportes para que las organizaciones sociales logren adaptarse a entornos complejos, y por lo tanto evolucionar en entidades más flexibles y adaptativas que emergen de la cooperación. Por lo que se propone como punto de partida, llevar la bio-inspiración a un nivel más abstracto, y dejar de observar los superorganismos biológicos y sus comportamientos para empezar a analizar cómo es que emergen entidades racionales de segundo orden (más concretamente se simularan entidades computacionales emergentes) con tal de poder analizar el papel que juegan la percepción y los protocolos comunicacionales y los algortimos de aprendizaje en lo que se denomina cognición de segundo orden. En otras palabras, se propone un modelo multi-agente (MAS) experimental para poder observar fenómenos emergentes, que con el tiempo pueda llegar a contribuir en el diseño de agentes inteligentes más adaptativos, por un lado,  y a inspirar  las estrategias de innovación organizacional bio-inspirada del futuro, por otro.