Bienvenidos todos. Nuestro invitado el día de hoy es el pofesor Mark Newman. Mark es profesor de física del Colegio Paul Dirac y de sistemas complejos en la Universidad de Michigan. También es profesor externo del Instituto de Santa Fe. Mark ha trabajado en muchas áreas de sistemas complejos, pero más notablemente ha sido pionero en el estudio de redes. Su libro más reciente, llamado "Networks: An Introduction", fue recientemente publicado por la editorial Oxford University Press, y es definitivamente el lugar donde ir si se quiere aprender en profundidad la ciencia de redes. Bienvenido Mark. Muchas gracias, es un placer estar aquí. Nuestra unidad actual es de redes. Hemos mirado algunas de las nociones comunes usadas en la ciencia de redes, al menos en la ciencia de redes joven, como la noción de red de muno pequeño o libre de escala, la noción de vinculación preferencial. Quería preguntarte. Estas fueron nociones impotantes los primeros años. La gente hablaba mucho de ellas. ¿pero crees que aún son relevantes? Oh, absolutamente. Definitivamente creo que aún son relevantes. Estas son algunas de las bases del campo, alguno de los fenómenos más importantes. Es cierto que se está gastando menos tiempo en estudiar estos temas, pero eso es porque muchas cuestiones han sido resueltas y son bien entendidas ahora. Eso no significa que las respuestas son menos importantes que lo que fueron. Hay muchas cosas que fueron descubiertas y resueltas hace mucho tiempo, la relatividad y la mecánica cuántica y así. Aún cosas muy importantes, así que creo que estos temas son la base del campo. Ideas muy importantes, pero el interés investigativo ha avanzado hacia otras cosas. ¿qué ejemplo hay de esos temas a los que la frontera de investigación se ha movido? Hay muchas cosas distintas. Por ejemplo, creo que un área muy importante y que es de mi interés y de muchas otras personas, es lo que sucede cuando las redes cambian en el tiempo, Muchos de los conceptos que se discutían inicialmente tenían que ver con redes estáticas. Cómo una red se queda ahí y no cambia, sigue teniendo muchos comportamientos interesantes, pero cuando se miran en el mundo real la mayoría de las redes cambian en alguna escala de tiempo, sea una escala pequeña o grande, y estamos interesados en saber cómo eso afecta el tipo de fenómenos por el que estamos interesados, cómo podemos modelar eso, cómo entender los efectos de los cambios. Un ejemplo puede ser el internet, el que, si estás interesado, en la estructura del internet de hoy, un día puedes tratarlos como una red estática, que no cambia mucho, pero si estás interesado en cómo ha cambiado en los últimos diez años, bueno, ha crecido una enormidad y ha crecido de una manera muy específica. No sólo crece simplemente al azar o aleatoriamente. Hay patrones particulares en al forma en que crece, y cómo eso afecta la performance de internet. La performance de internet se ha vuelto peor porque es más grande. Cómo podríamos cambiarla para que funcione mejor. Si pudiesemos controlar la forma en que crece, cómo nos gustaría hacerlo, para que funcione bien mientras va creciendo. Estas son el tipo de preguntas que uno podría hacerse si uno tuviese un buen entendimiento de lo que sucedes cuando las redes cambian en el tiempo. Creo que es un área en crecimiento. Hay dos formas de ver eso. Uno es pensar en la red creciendo y otra pensar en la información siendo propagada por la red, esas son dos nociones diferentes de dinámicas de redes. Es cierto, la gente habla de la dinámica de redes y en las redes. También hay un interesante fenómeno dinámico, cuando las redes mismas pueden no estar cambiando o cambiando significativamente. A veces la dinámica está ocurriendo en las redes, como la propagación de información, de datos en internet o de una enfermedad tras el contacto de personas de una red, cómo se propaga un resfrío de persona a persona, o el contagio de un virus en una red de computadoras, o la propagación de modas en una red social, de un rumor en facebook, ese tipo de cosas. Son todos ejemplos del tipo de cosas donde la red probablemente se esté manteniendo constante, pero que comporta interesantes procesos dinámicos de propagación en ella. Eso es algo que también ha sido un área de investigación importante en los últimos años, diría que hemos hecho más progresos entendiendo las dinámicas en las redes, ese tipo de fenómenos de propagación, que lo que hemos entendido de dinámicas de redes, cuando la propia red está cambiando. Definitivamente hay muchas interrogantes abiertas en esa área. ¿En qué estás trabajando estos días? ¿con que éstas emocionado? Esa es definitivamente una de las áreas por las que estoy entusiasmado. Por ejemplo estoy interesado en cuestiones como si podemos entender cómo una red cambia en el tiempo, si podemos hacer predicciones de cómo va a cambiar en el futuro. En términos generales, nos gustaría entender cómo hacer predicciones de redes, por ejemplo, otra área en la que estoy interesado es si se pueden hacer predicciones respecto de cuándo la información de red está mal. mucha información de red que miramos, de redes sociales, información de redes biológicas, tiene errores. No todo está correcto. Y esos errores pueden tener un efecto en nuestro entendimiento del sistema, por lo que nos gustaría ser capaces de entender esos errores de una mejor manera. Algo que la gente nos ha preguntado es si podemos predecir que conexiones de una red son probablemente un error. Se dice que hay una conexión entre estos dos nodos, pero quizás en realidad no la hay. Puedo tomar un nodo, conexiones en la red que lucen sospechoso. Que no encajan en el patrón de conexiones de la red, y decir que una se asemeja a otra que fue un error experimental. El reverso de esta cuestión es ¿puedo encontrar conexiones que no se espera que estén ahí? Veo que estas dos personas no están conectadas, pero habría pensado que lo están, luce sospechoso para mi. Quizás es un error o quizás no es un error pero podría sugerir que esas dos personas seguro querrían conocerse, quizás podrían enseñarse algo útil. Si, facebook me dice eso todo el tiempo. Claro, por supuesto. Esa es un área en la que mucha gente ha realizado un trabajo significativo en contextos específicos, sin pensar en otro tipo de redes. El ejemplo clásico es la recomendación de redes como en Amazon, compras un libro y te dice que otros libros podrían interesarte. ¿cómo hace eso? bueno, tiene una representación de red de quiénes compraron cuáles libros e intenta predecir que links faltan en esa red y que debiesen agregarse. Intenta predecir cuáles serían probablemente las mejores conexiones en otras palabras, el libro que más probablemente querrías. Hay toda una literatura respecto de cómo realizar esa tarea de recomendación. Si tengo un sub conjunto de información acerca de personas y los libros que les gustan, ¿puedo predecir otros libros que la gente querría? eso es una tarea de predicción de links, así que una de las cosas que estamos buscando, un área de investigación actual es cómo puedo realizar esta tarea de predicción en otro tipo de redes, hasta cierto punto esa es una cuestión de apalancamiento de cosas, que la gente ha aprendido en otras áreas. Esto es algo que vemos seguido en sistemas complejos, que hay alguien en alguna área, en este caso sistemas de recomendación, que ha estudiado en gran detalle su caso de estudio, y quizás podamos sacar ideas de ahí y aplicarlas en contextos diferentes. Okay. Sé que has trabajado en el pasado en la detección de estructura de comunidad, donde tratabas de encontrar comunidades que podían no ser aparentemente, y me preguntaba si eso ha encontrado aplicaciones interesantes Sí, esa es un área en la que he trabajado y la idea ahí es que tengo una gran red y creo que hay comunidades en esta red, hay grupos de persona que son todas amigos, o hay un grupo de páginas web que están vinculadas entre ellas, ¿puedo sacar una de esas comunidades? Si dibujas una red, comunmente es obvio cuando los grupos están, pero estamos hablando de redes muy grandes con millones o billones de nodos, no puedes dibujar la red y ciertamente no puedes elegir qué grupos al ojo, asi que estamos interesados en desarrollar métodos computacionales para hacer esto con grandes cantidades de información. Algunos han trabajado esto por algún tiempo. Hay varias aplicaciones en las que uno puede pensar, por ejemplo, puedes estar mirando en la web y puedes mirar una red de la web y elegir y sacar grupos de nodos que tienden a ser páginas todas relacionadas a un tópico, o que todas pertencen a una misma persona, quizás es un grupo de nodos que son de la misma compañía, cosas como esa. La gente ha estudiado cosas como esta. Puedes mirarlas en redes sociales, así que, por ejemplo, se han mirado distintas redes sociales y se ha tratado de sacar los grupos en ellas. Si es una red de amigos, entonces probablemente sólo este sacando los grupos de amistades, pero algunos han buscado más ampliamente, por ejemplo, hay un estudio famoso donde alguien indaga que músicos de jazz colaboraron con otros músicos de jazz, aun sacando los grupos de músicos que trabajaron entre ellos con frecuencia. Hay un concepto famoso en la literatura que se remonta varías décadas atrás, las llamadas escuelas invisiles, que es cuando comunidades se organizan en grupos no son necesariamente grupos oficiales en los que deberían estar organizados. Un ejemplo clásico de esto sería la investigación académica. Supuestamente deberíamos estar organizados en ciencias físicas, cs. computacionales, matemáticas e ingeniería, pero actualmente puedes ver que las colaboraciones pueden darse en líneas totalmente distintas. Quizás las colaboraciones son actualmente un conjunto de estos físicos colaborando con estos matemáticos en un problema, o con estos ingenieros, así que la actual colaboración de grupos divide entre diferentes líneas de las tradicionales divisiones de departamentos y uno puede aplicar este tipo de algoritmos de detección de comunidades a redes de colaboración, y escoger ese tipo de colegio invisible. Sé de algunos ejemplos prácticos en los que personas han tenido éxito haciendo cosas como esas. Aún no sé de ejemplos exitosos de personas haciendo exactamente lo que dije, lo que recién describí de la determinación de colegios invisibles que no fueran como las tradicionales líneas de departamento, pero esto es el tipo de problemas que se están investigando. Un ejemplo de eso es la gente que ve eso en la información de citación, en los que un paper cita otros papers, y se buscan grupos en la información de citación de papers que se citan entre ellos y así quizás encuentras campos emergentes. Ahí hay un área de investigación nueva que aún no es reconocida oficialmente, pero se puede ver que es emergente en la literatura. Ves estos grupos de paper citandose entre ellos, eso definitivamente es algo en lo que la gente está interesada. - Como la propia ciencia de redes. Creo que la ciencia de redes es un excelente ejemplo de eso. Por supuesto que ahora es un campo bien establecido, pero 10 o 15 años atrás, cuando solo habían algunas personas trabajando en ella, creo que habría sido interesante hacer el estudio en ese entonces y habrías visto emerger el nuevo campo en la literatura, y convertirse en un campo o área reconocida como ahora. Una última pregunta. Como el autor de un libro bien conocido sobre redes, ¿cuál sería tu consejo para quienes quieren meterse en el campo de las redes? ¿cómo deberían empezar? Esa es una buena pregunta. Creo que hay varias formas de hacerlo. Yo lo hice por medio de un soporte teórico tradicional en física teórica y creo que si pueden hacer eso, creo que es una buena forma de comenzar, teniendo un soporte sólido en cualquier campo que escojan, que puede ser ingeniería o ciencias computacionales o física o biología, y luego buscar aplicaciones en esa área que manejan sobre redes. Creo que hay algo de tendencia en este campo en tratar las rades como un martillo y buscar por uñas, bueno ya saben, soy un científico de redes, ¿qué puedo hacer con lo que sé de redes? Mientras realmente creo que debería ser impulsado por, tengo una interesante duda científica que me gustaría responder, y resulta que las redes son una buena herramienta que me permiten responderla, así que definitivamente favorezco tener una sólida formación en algún campo que realmente te interese y luego preguntar cómo podría responder en mi área de interés usando las redes o quizás otra herramienta de sistemas complejos. Muy bien. Bueno muchas gracias, esto ha sido genial. De nada.