Ciência da Complexidade vai a onde a Ciência Padrão não pode ir

David Colander e Roland Kupers, coautores do livro “Complexity and the Art of Public Policy: Solving Society’s Problems from the Bottom Up” (Princeton University Press, 2014), defendem a Ciência da Complexidade ser especialmente útil onde a Ciência Tradicional tem lutado sem sucesso.

Por exemplo, a Ciência Tradicional lutou para explicar fenômenos bastante comuns na natureza e na sociedade: flocos de neve, bandos de pássaros, bolsas de valores, isto para não falar de assuntos realmente difíceis como o sistema social.

Todos eles careciam de um modelo adequado na ciência padrão. Eles eram simplesmente muito complexos, muito entrelaçados, para serem capturados por um conjunto de equações solucionáveis.

Isso não significava as pessoas ainda não poderem falar sobre modelos informais. A genética, a evolução e a biologia estavam cheios de modelos informais consistentes com uma visão de complexidade. Porém, antes do computador, todos tinham domínios limitados. Estes os impediam de desenvolver modelos formais completos com o poder explicativo das ciências mais precisas.

A visão de abordar esses problemas com a mente de um programador de computador e desenvolver programas dinâmicos simples torna possível retratar a realidade como resultado de diretivas simples repetidas bilhões, trilhões ou decilhões de vezes.

O insight dos cientistas da complexidade foi os fenômenos extraordinariamente complexos poderem emergir dessas diretrizes simples. Embora esses fenômenos não possam ser capturados por equações tratáveis, ​​capazes de descreverem a realidade atualmente observada, eles podem ser capturados pensando neles como processos evolutivos.

Vislumbram a realidade observada como parte de um processo complexo em evolução. Nesta visão de complexidade, a simplicidade está nas regras dinâmicas subjacentes, não na realidade observada.

A aleatoriedade não precisa ser algo imposto de fora, mas pode ser algo desenvolvido a partir de um processo em si. A aleatoriedade pode ser um resultado essencial das diretrizes descritas para produzir padrões.

A replicação não pode ser totalmente analisada por indução reversa. Portanto, na Ciência da Complexidade, algo pode ser determinado e ser efetivamente aleatório. A aleatoriedade da complexidade é desenvolvida endogenamente. A aleatoriedade não é algo acrescentado, de maneira exógena (ou “de fora do sistema”), como é na Ciência Comum.

A chave para a Ciência da Complexidade está em como lidar com a tarefa de entender esses sistemas evolutivos. Em vez de modelá-lo como um conjunto de equações, como faz a Ciência Padrão, a Ciência da Complexidade modela um sistema como um programa gerado por computador.

Por isso, onde se introduz a Complexidade, foca-se na dinâmica do replicador. Essa se refere aos programas capazes de criarem os padrões.

Essa abordagem de pensar em sistemas complexos muda a maneira como os estudamos. Em vez de estudar equações capazes de descreverem os resultados dos programas de computador para retratar a natureza, na Ciência da Complexidade se estuda o próprio programa, pelo menos quando pode ser identificado. A complexidade fornece uma porta dos fundos para a compreensão científica, em vez da porta da frente da matemática-padrão.

Ciência da Complexidade vai a onde a Ciência Padrão não pode ir publicado primeiro em https://fernandonogueiracosta.wordpress.com