El comportamiento colectivo de las multitudes, depende de la manera en la que sus individuos interactúen. Su estudio es reciente, you que se requieren simulaciones computacionales para poder estudiar a las muchedumbres en toda su complejidad. [MÚSICA] [MÚSICA] En el módulo dos, mencionamos algunos modelos de movimiento colectivo, incluyendo los BOIDS de Craig Reynolds. Modelos similares se han usado para estudiar el comportamiento en multitudes, especialmente en el diseño de espacios públicos, y para evaluar riesgos en caso de pánico. Uno de los modelos más populares es el llamado de Fuerza social, propuesto por Dirk Helbing y colaboradores húngaros. Se inspira en la dinámica de gases, donde cada individuo es como una molécula, pero tiene cierta preferencia por ir en una dirección. Sin embargo, su temperatura, puede usarse como un nivel de pánico. Entonces, por ejemplo, para evacuar un salón por una sola puerta, si la gente tiene más pánico se empujará y tomará más tiempo en evacuar la sala. Otro ejemplo, del efecto, lento es más rápido. De manera contra-intuitiva si se agrega un obstáculo como una columna antes de la puerta, ayuda a que la gente aún con pánico, evacue más rápido. you que la columna previene la fricción que se daría de otra manera, y bloquearía la salida. Se han propuesto modelos más detallados de multitudes, pero el modelo de Fuerza social ha sido lo suficientemente realista como para usarse en el diseño de estadios, aeropuertos y estaciones de tren. [MÚSICA] En un proyecto en colaboración con el metro de la ciudad de México, junto con Gustavo Carreón, Jorge Zapotecatl, Tania Pérez y Luis Pineda, abordamos el problema de ascenso y descenso de pasajeros. El metro de la ciudad de México, es de los que transportan más pasajeros en el mundo. Más de 5 millones de viajes al día. Pero más relevante, es que es de los que tiene una mayor densidad de pasajeros. Es decir, la demanda sobrepasa por mucho la capacidad. Antes, para poder subir a un tren la gente tenía que empujar, no había otra opción. ¿Cómo lograr un cambio de comportamiento en millones de pasajeros que no hacen caso a los letreros de, antes de entrar deje salir? Ahora, la gente no necesita empujar para abordar un tren, no es que antes quisieran hacerlo y cambiaron de opinión. Logramos cambiar las reglas del juego. Lo que hicimos, fue colocar señales que indican donde se van a colocar las puertas de cada tren, y las áreas que deberían de dejarse libres, para que los pasajeros puedan salir sin obstrucción. Nosotros esperábamos que en el mejor de los casos, la gente se amontonara dejando libre espacio para salir, pero para nuestra sorpresa, la gente se empezó a formar. A todos les beneficia este cambio de comportamiento, por lo que los mismos pasajeros se encargan de que se sigan las reglas. Los primeros en llegar, son los primeros en abordar, por lo que la incertidumbre se reduce, y menos gente se quiere subir aunque you no quepa, porque sabe que se iría en el siguiente tren. También se ha reportado que se ha disminuido los robos y los acosos que eran más fáciles de realizar en una plataforma repleta. más aún en algunas estaciones, aún sin señalizaciones, la gente se forma. Para lograr esta intervención, realizamos simulaciones computacionales, usando el modelo de Fuerza social. Esto nos permitió evaluar distintas estrategias para subir y bajar del tren, y compararlas con la anterior. Por ejemplo, pensábamos que sería más eficiente tener puertas dedicadas, la mitad para entrar y la mitad para salir. Pero en las simulaciones pudimos ver que no era mejor que la estrategia que finalmente se implementó, inspirada en soluciones de Singapur, Seúl y otras ciudades No sabíamos que funcionaría en la ciudad de México, con nuestras altas densidades y plataformas angostas. Se realizó un piloto en la estación Balderas, en la línea 1, en diciembre de 2016, con el apoyo del Metro, con la con la SIT y la UNAM. Al tener éxito, el Metro adoptó la señalización y la ha implementado en otras estaciones. Es importante notar, que son los mismos pasajeros que antes se empujaban, y los que ahora mantienen el orden. No tuvimos que traer pasajeros de Japón o Alemania, no cambiamos los componentes del sistema, sino sus interacciones. El control es pasivo, pero logra cambiar el comportamiento de los pasajeros, resultando en una diferencia notable. De manera similar, hay muchos sistemas que sería deseable mejorar donde no podemos cambiar a los componentes rápidamente. Políticos, maestros, investigadores, médicos, conductores, usuarios de Twitter, ciudadanos. Pero eso no implica que no podamos mejorar nuestra política, educación, ciencia, medicina y demás. La vía está en regular las interacciones entre los componentes. La auto-organización es un método para lograr esta adaptación requerida, para enfrentar la complejidad de los entornos de estos sistemas. Se han propuesto algunas metodologías que guían el diseño y control de sistemas auto-organizantes. La idea principal, es enfocarse no solo en los componentes de un sistema, sino también en sus interacciones, restringir las interacciones negativas, y promover las interacciones positivas. Esto siempre llevará a una mejora en la funcionalidad del sistema. El estudio del comportamiento adaptativo, es prometedor. No solo estamos entendiendo mejor los mecanismos adaptativos de los sistemas naturales, sino que al mismo tiempo, podemos desarrollar y regular sistemas artificiales usando estos mismos mecanismos. Esto nos permitirá enfrentar la complejidad inherente y creciente que nos rodea. Podemos decir que los sistemas auto-organizantes tienen propósito. Para alcanzarlo requieren de cierta inteligencia. Esta inteligencia no es representada necesariamente con lógica, sin embargo, podemos considerar a estos sistemas inteligentes, you que tienen que tomar las decisiones correctas. Dependiendo de la naturaleza del problema, distintos enfoques de inteligencia artificial serán los más apropiados. [MÚSICA] [MÚSICA] [MÚSICA] [MÚSICA] [MÚSICA]
