Una de las cuestiones que más me han llamado la atención y en la que todavía no he podido profundizar tanto como quería son las relaciones que existen entre la Teoría Social y la Teoría de Sistemas Multiagentes (SMA) (i.e., ¿quién co-construye a quién?, ¿qué modelos sociales antrocomplejos subyacentes articulan los modelos más conocidos de SMA?). Más concretamente me planteaba qué hay más allá de aquello bioinspirado o socioinspirado, ¿existe una teoría sintética?, es decir, ¿tiene sentido hacerlo a la inversa: usar Teoría de Agentes para construir Teoría Social? Esta pregunta generativa surge de la observación y el estudio del enfoque y funcionamiento de algunos algoritmos de aprendizaje para SMA cooperativos en entornos parcialmente observables, estocásticos y dinámicos (…). Y de considerar que quizás, estos algortimos diseñados para agentes artificiales podrían adaptarse o inspirar algoritmos sociales en forma de metodologías para desarrollar soluciones innovadoras en el campo de la toma de decisiones colaborativa en organizaciones humanas o híbridas (humano-máquina).
Empecé a reflexionar sobre esta cuestión cuando comencé a advertir las interdependencias que se generan entre los diferentes agentes (artificiales o human-free) de un sistema multiagente debido a cuestiones derivadas de la relación entre acciones individuales y estructura social.
En este punto -y debido a mi interés por los algoritmos sociales– en lugar de centrarme en el estudio de las diferentes famílias de algoritmos o modelos de SMA para resolver tipologías particulares de problemas, decidí profundizar en estas relaciones entre acciones individuales y estructura social desde una perspectiva de agentes, descubriendo que este enredo dicotómico entre lo micro y lo macro constituía una de las cuestiones generativas para la sociología desde prácticamente sus orígenes, a la vez que emergía cómo uno de los pilares que constituye las bases de la Inteligencia Artificial Distribuída (IAD).
En este sentido, en The Micro-Macro Link in DAI and Sociology, (Schillo et al., 2000) se plantea que ante una población (ya sea de agentes humanos o artificales) hay fenómenos que pueden ser descritos o bien como micro o bien como macro. Los autores argumentan que desde una perspectiva de SMA es necesario superar esta dualidad entre lo micro y lo macro puesto que esta distinción no-unificada agrega complejidad, generando problemáticas de aprendizaje en términos de coordinación a la vez que limita la concepción y diseño de sistemas y agentes más adaptativos.
En consecuencia, como propuesta de solución se argumenta la idoneidad de basarse en teorías híbridas (action-oriented, structure oriented) que permitan explicar la relación entre la acción individual y la estructura social de manera integradora. Y para ello, se proponen inspirarse en la teoría social y la sociología, puesto que estas disciplinas ofrecen diferentes aproximaciones integradoras como por ejemplo la teoría de los campos (sociales) de Pierre Bordieu, que trata de explicar el efecto del comportamiento individual sobre las estructuras societales y viceversa de una manera que permite superar esta dualidad (irreconciliables desde algunas perspectivas).
En relación a la Sociónica (diseño socioinspirado de sistemas de inteligencia artificial distribuía) como disciplina recomiendo la lectura de Naming the Unnamable para entender en profundidad sus objetivos, retos y motivaciones. Para contextualizarla brevemente, mencionar que este artículo es fruto de la colaboración entre el Multi-agent Systems Group y el Sociology Department de la Universidad de Saarland (Alemania), y surge del interés de indagar cómo es que las ciencias artificiales pueden beneficiarse del conocimiento ya existente de la teoría social para diseñar soluciones ara sistemas de Inteligencia Artificial Distribuida (DAI en inglés).
Sin embargo, esta no es la única dirección (de teoría social=> a soluciones computacionales para sistemas distribuidos) ya que la Sociónica también propone poder usar este método a la inversa (Soluciones DAI=> teoría social), es decir analizar cómo usar estos modelos, algoritmos y sistemas multiagente para abordar de manera novedosa la comprensión de fenómenos sociales antrocomplejos como por ejemplo los procesos de toma de decisiones colaborativos tecnológicamente mediados.