Antes de entrar el versión de NetLogo del modelo del problema del bar El Farol, quiero hablar un poco acerca de cómo funciona la versión actual de NetLogo, porque no es exactamente igual al que propuso originalmente Brian Arthur, la versión que tenemos acá es en verdad, influenciada e inspirada por un artículo posterior que fue escrito por David Fogel et al en 1999 y que se llamó "razonamiento inductivo y racionalidad acotada reconsideradas", en el artículo original de Brian Arthur, queda claro al final que él espera que los resultados del modelo sean similares si los agentes empiezan a usar un algoritmo de aprendizaje de máquina tal como un algoritmo genético para controlar las heurísticas que están usando para elegir, para predecir la estrategia, la presencia en esa semana; entonces Fogel et al decidieron mirar ahí, pero querían hallar una formulación más simple, entonces en vez de tener una bolsa de estrategias que se pudieran generar heurísticamente, ellos básicamente llegaron a una formulación de lo que sucedió las semanas anteriores y con eso poder hacer predicciones acerca de lo que va a ocurrir la semana próxima, no es necesario tenerlo todo en cuenta, ya que podemos generarlas al azar y no tener que escribir todas las reglas heurísticas en vez de ello, podemos generar una fórmula para ello; entonces en la versión de NetLogo utilizamos una forma similar de esquema, entonces cada agente tiene una memoria de las t semanas anteriores y cuando el modelo arranca, esa memoria es alimentada en forma aleatoria, porque no sabemos cuál fue el pasado antes de ello cada uno de ellos tiene un conjunto de estrategias de la forma at xt +at xt -1 * xt -1, en otras palabras, toman en cuenta las t semanas pasadas de la concurrencia multiplicada por algún peso y luego sumada a una constante; las estrategias en verdad se definen por estas "a" y el agente puede tomar cada estrategia y decir: si en las 5 semanas pasadas sucedió tal cosa, de qué manera suceda en la próxima? entonces puedo determinar la predicción sobre la concurrencia y al concurrencia actual y luego puedo empezar a usar la estrategia de vagabundeo para predecir la concurrencia de la semana que viene y si es igual o menor a 60, entonces voy, si es mayor a 60 entonces no iré; básicamente es la forma en que funcionan las estrategias esa es la idea básica detrás de la versión de NetLogo es una clase de operativización del problema original de Brian Arthur, pero que nos permite entender el modelo ahora vamos a comenzar a mirar el modelo acá tenemos el verdadero modelo de El Farol, cargado desde NetLogo y ya lo corrí un poco, pueden ver que tenemos algunos concurrentes y algunas fluctuaciones y pueden ver que tenemos básicamente 3 parámetros del modelo, tenemos una medida de la memoria, que es cuántas semanas el agente recuerda la historia de la concurrencia; tenemos el número de estrategias que cada agente posee y como dije es algo que se genera en forma algorítmica del conjunto de pesos y hay también un umbral de sobrepoblación el valor de umbral tradicional es 60, que fue el valor que Brian Arthur propuso originalmente, pero pueden elegir el que deseen; este es el mundo real donde hay un espacio verde que se supone que indica el afuera del bar y por la razón que sea el bar se muestra con este espacio azul, en verdad cuando armé este modelo, cuando empecé a formar parte de la biblioteca de modelos de NetLogo, hice prácticamente todo yo; entonces cuando hacen click en el setup verán que el mundo comienza con el bar vacío y veamos qué, sólo corramos 1 sólo tick, algo que a veces es muy útil de hacer, en vez de hacer click en el botón de go y eso lo hago desde el centro de comandos; como pueden ver nos dice que el bar está lleno y de hecho, esta línea roja en el gráfico nos muestra la concurrencia al bar de 60 y pueden ver que está muy cerca de ello y si lo hago de nuevo, la próxima vez no está lleno, no dice que está lleno y de hecho la línea está por debajo de 60 y si ahora hago click en el botón de correr, el botón de go, lo dejo que ejecute algunas veces más y pueden ver como se estabiliza, los valores quedan cerca de 60; esto nos indica que aún cuando se aplican estas reglas bien simples, los agentes pueden alcanzar el óptimo de conducta social en términos de concurrir al bar a medida que vayan jugando con el modelo del bar El Farol, puede que se den cuenta que no es un buen trabajo el que hay ahora sobre como visualizar los datos importantes acerca del problema del bar en sí mismo; nos muestra cuántos individuos hay en el bar, cuál es el promedio de la concurrencia; te muestra algunos de los puntos principales que Brian Arthur menciona, sin embargo no nos dice nada acerca de los individuos, no nos dice acerca de si algunos individuos lo hacen mejor que otros a la hora de ir al bar, llegan a tiempo cuando el bar está lleno y no nos dice nada acerca de cual es la mejor forma de hacerlo y cuál es el promedio de la cantidad de concurrencia cuando no está lleno en relación al promedio de cuando está lleno durante todo el tiempo; también hay otras preguntas interesantes acerca de la igualdad, hay algunos individuos son realmente buenos a la hora de ir al bar cuando no está lleno? o se encuentra distribuído de manera igualitaria entre todos los individuos que quieren ir al bar Estas son preguntas que uno puede hacerse al ver el modelo y donde uno puede sentirse curioso y puede que se decidan a investigar esas preguntas en detalle, a lo largo de las próximas subunidades lo que vamos a estar haciendo es mostrarles de que manera se puede extender el modelo para poder investigar esas preguntas eso es todo por hoy y nos vemos pronto