Modelo de Inflexión de Schelling Para el último modelo que discutiré hoy hablaré de lo que muchos consideran que es uno de los primeros modelos basados en agentes que realmente explora una cuestión social importante. Y este modelo fue originalmente propuesto por Tom Schelling quien más tarde obtendría el premio Nobel por su trabajo en la Guerra Fría pero que originalmente publicó este modelo en 1972 para discutir la cuestión de segregación. Así que hay dos alternativas para nombrar al modelo: "Modelo de Inflexión de Schelling ", por una razón que discutiremos después, o bien "Modelo de Segregación de Schelling", ya que explora ese asunto específico. Entonces, ¿cómo funciona el modelo? Esa es una buena forma de comenzar. Así que oprimimos el botón de cargar (setup). Podrán notar que el mundo está cubierto de cuadrados rojos y verdes. Estos cuadrados representan personas, específicamente, personas viviendo en casas. La idea es que esto sea, en cierto sentido, una representación ficticia de un patrón urbano de viviendas. El rojo y el verde son colores que denotan dos grupos diferentes de personas. Como saben, tradicionalmente en las ciudades de E.U.A., esto ha ocurrido con individuos de piel blanca y de piel oscura. La pregunta que Schelling quería explorar era si la segregación de estos grupos de personas es producto del racismo entre ellos, donde personas de un grupo se niegan a vivir al lado de personas del otro grupo, o bien, la segregación es resultado de un conjunto de acciones individuales. Así que creó un modelo con una regla muy sencilla: mientras que de las personas a tu alrededor, al menos 30% sean similares a ti, entonces te encuentras feliz y no deseas cambiar de residencia, no quieres mudarte. Si, por el contrario, más del 30% son infelices.... Disculpen, si más del 70% son distintos a ti, entonces ya no eres feliz y deseas mudarte a otro lugar. En la pantalla ustedes pueden ver que los cuadrados sin una X sobre ellos corresponden a personas felices. Y los que tienen una X sobre ellos se encuentran infelices con su situación residencial en ese momento. Es importante saber que Schelling escogió esta regla por una razón fundamental. Ese 30% significa que se está satisfecho de vivir cerca de personas que son en un 70% diferentes de uno mismo. Es lo que llamaríamos una ligera preferencia o un leve sesgo de querer estar con personas similares. No es lo que muchas personas comúnmente llamarían un sesgo racista, donde uno se rehúsa a vivir cerca de alguien distinto. A Schelling le interesaba saber si una preferencia como ésta, una preferencia pequeña, de cualquier forma resulta en un patrón de segregación. En este modelo en particular tenemos un par de entradas, una barra deslizante para seleccionar la densidad y otra para el porcentaje de similitud que ya mencionamos. Ahora vamos a ver lo que pasa cuando el porcentaje de similitud deseada es de 30%, al final de la simulación cuando terminen de mudarse, ¿el porcentaje de vecinos similares final será parecido al incial? Como se asignan de manera aleatoria (el color y la ubicación), el porcentaje es aproximadamente 50% al mero principio. Algo que no he mencionado es la manera en la que los agentes deciden a donde mudarse. La respuesta es muy simple, se mudan a uno de los espacios vacíos al azar. En realidad los agentes no están tratando de buscar el mejor lugar para vivir, sólo se mueven a cualquiera de los espacios vacíos. Suficiente plática, carguemos y corramos el modelo, y veamos qué sucede. Presionamos "go". Pueden ver que eventualmente el modelo ya no cambia, todos son felices. Pero esto ocurre cuando claramente se han formado patrones de segregación residencial. Cuando vemos la dinámica de la gráfica de porcentaje de vecinos similares, que muestra el promedio del porcentaje para todos los agentes del modelo, es un valor que creció con el tiempo y alcanzó su máximo en 76%. Con esta premisa tan sencilla, partiendo de un sesgo pequeño hacia personas similares, se produce un patrón de conducta segregada. Schelling concluyó a partir de esto que no es necesaria una gran intolerancia entre grupos en la población para producir segregación. Más bien la segregación es lo que él más tarde denominó una macroconducta que resulta de un conjunto de micromotivos. De hecho escribió un libro con ese título "Micromotivos y Macroconductas" en 1978, en el cual incluye muchos de los descubrimientos de su artículo original. Una interesante y curiosa nota al margen es que Schelling en 1972 no tenía acceso a la capacidad de cómputo de hoy en día. Mi pequeña laptop es capaz de correr este modelo muchas veces en unos cuantos segundos. Schelling no tenía ese lujo y de hecho hizo todo su trabajo con un tablero cuadriculado y con peniques y centavos, manualmente moviendo las monedas de un lado al otro del tablero para calcular las estadísticas de los resultados de su artículo. Es muy interesante. La modelación basada en agentes, como ya he mencionado, usualmente involucra el uso de las computadoras, pero no necesariamente debe ser así. En este caso tenemos un modelo de agentes, y aunque Schelling no lo llamó así, es esencialmente un modelo basado en agentes construido con tan sólo peniques y centavos. Es muy interesante. Por último, ¿por qué se le llama 'Modelo de Inflexión'? Si hacemos varias simulaciones del modelo podemos ver que siempre produce patrones de conducta similares. La razón para llamarlo el modelo de inflexión se debe a que si bajamos la velocidad de las simulaciones, podrán notar cuando corramos el modelo que muchos de los vecindarios están de hecho bastante felices, son grupos de individuos que viven felizmente juntos. Y lo que pasa es que un solo individuo se muda al vecindario, o un solo individuo se muda a otro vecindario, y eso causa que toda el área se vuelva menos feliz. Esos evento son los puntos de inflexión del vecindario, entre un vecindario armonioso y un vecindario segregado. Como resultado de eso, al modelo se le llama 'Modelo de Inflexión', o bien 'Punto de Inflexión', el cual ocurre en el sistema según los individuos cambian de lugar. Ustedes pueden jugar con los parámetros del modelo. Si reducen la densidad, ¿cómo se afecta el resultado del modelo? Voy a volver a subir la barra de la velocidad. Se darán cuenta que mientras reducen la densidad, la cantidad de segregación que se produce disminuye un poco, pero no es una disminución rápida, como podríamos pensar, y eso se debe parcialmente a que el valor de porcentaje de vecinos similares se basa en los individuos vecinos (no cuenta espacios vacíos). También podemos manipular la otra barra deslizante, podemos jugar con el porcentaje de vecinos similares que los individuos necesitan para ser felices. Cuando reducen ese valor, aunque sea por muy poco, se pueden percatar que los vecindarios se mantienen bastante integrados. Así que el valor de 30% es un punto clave. Menos que 30 y prácticamente no ocurre segregación. Más que 30 resulta en otro problema. Se produce un mundo en el cual nunca son felices todos, en este caso parece que podrían dejar de mudarse, pero ¡no fue así!, sigue el movimiento en los bordes, pero obtuvimos un patrón muy, muy segregado en este caso particular. Es a lo que a veces nos referimos con 'ultrasegregación'. Los invito a echarle un vistazo a estos modelos, a jugar con ellos. Frecuentemente en la modelación basada en agentes no se construyen los nuevos modelos desde cero, sino que se inspiran en modelos ya existentes entonces se pueden copiar algunas dinámicas, algunas cosas interesantes de esos modelos, y usarlas para un nuevo problema. Tener un conocimiento previo sobre modelos es muy importante ya que les permitirá crear los nuevos y geniales modelos que trabajarán ustedes dentro del área de interés de cada uno. Así que les recomiendo ampliamente que exploren, no sólo los tres modelos de los que platicamos hoy, sino todos los ejemplos de la Biblioteca de Modelos y otros modelos con los que pudieran encontrarse.