&bala; Física 18, 71
Um novo estudo de sistemas complexos suporta uma tendência crescente que se concentra mais na análise do comportamento coletivo de um sistema, em vez de tentar descobrir os mecanismos de interação subjacentes.
Ao observar um bando de estorninhos girando através do céu em perfeita coordenação – um fenômeno conhecido como murmuração – testemunhamos a elegante interação de ações individuais que criam comportamento coletivo. Ao tentar entender esses padrões hipnotizantes, os pesquisadores podem isolar regras simples com base no campo de visão e distância de um pássaro particular person para seus vizinhos, mas sempre há uma questão de saber se o modelo está realmente capturando os processos por trás das interações dos pássaros (Fig. 1). O problema é geral na pesquisa complexa de sistemas e se resume a mecanismos de distinção (as regras que regem as interações) dos comportamentos (os padrões observáveis que emergem).
Uma boa maneira de estudar mecanismos versus comportamentos é através de redes representativas de indivíduos interagentes ou nós. Tradicionalmente, os pesquisadores se concentram nas interações pareadas, mas muitos sistemas também incluem interações de ordem superior entre vários nós. O impacto que esses mecanismos de ordem superior têm nos comportamentos não foram claros. Thomas Robiglio, da Universidade da Europa Central de Viena e colegas, abordou esse problema, considerando redes com interações de ordem superior e avaliando os comportamentos resultantes em termos de dependências estatísticas entre os valores dos nó (1). Os pesquisadores identificaram assinaturas comportamentais de ordem superior que-como as contrapartes pareadas-revelaram a presença de mecanismos de ordem superior. Suas descobertas abrem novas maneiras de distinguir entre mecanismos e comportamentos ao estudar sistemas complexos (2) – Uma distinção que é essential ao se aproximar da inferência entre ciência da rede, neurociência, ciências sociais e além.
A abordagem tradicional para entender sistemas complexos, no entanto, muitas vezes obscurece essa distinção, tratando comportamentos como proxies para os mecanismos subjacentes. Na neurociência, por exemplo, os pesquisadores geralmente criticam a conectividade funcional (dependências estatísticas entre as regiões do cérebro) como um substituto impróprio para as vias neurais reais. Esse problema de tratar comportamentos como proxies para mecanismos foi descrito em termos da famosa falácia lógica de confundir o mapa com o território (3).
O problema da inferência está no coração disso: os pesquisadores normalmente observam comportamentos, mas não mecanismos. Quando medem correlações ou dependências estatísticas mais sofisticadas, estão investigando possíveis mecanismos subjacentes seguindo algumas hipóteses. No entanto, a relação entre mecanismos e comportamentos é complexa e muitas vezes não intuitiva. Vários mecanismos diferentes podem produzir comportamentos idênticos, e mecanismos simples podem gerar comportamentos complexos (e vice -versa). Esse mapeamento de muitos para muitos apresenta um desafio elementary para a investigação científica.
Robiglio e colegas abordaram uma parte desse desafio, concentrando-se em mecanismos de ordem superior em grandes redes, onde os nós são conectados através de um conjunto de interações. Como as interações são de ordem superior, os hyperlinks mecanicistas são representados não por linhas em pares, mas por polígonos multiconnectores (chamados complexos simplificantes). Os pesquisadores consideraram duas redes representativas: uma que lida com rotações magnéticas (um modelo de ising de ordem superior) e outro que rastreia a disseminação de idéias (o chamado modelo de contágio social). A equipe executou simulações para ambos os casos e observou os padrões de dependências estatísticas que surgiram.
Para analisar os resultados, Robiglio e colegas usaram uma medida com base na entropia de distribuições multivariadas, denominada informação O dinâmica (4). Com essa medida, eles poderiam quantificar até que ponto os padrões observados eram devidos a mecanismos de ordem superior. Isso foi particularmente evidente para a sinergia estatística – onde informações sobre um sistema de três variáveis só podem ser recuperadas considerando todos os elementos juntos. Um exemplo de comportamento sinérgico é um sistema de rotação frustrado, um arranjo magnético em que as interações concorrentes entre rotações vizinhas tornam impossível para todos os pares alcançarem simultaneamente sua orientação relativa preferida.
Os pesquisadores mostraram que as assinaturas sinérgicas-identificadas através da medida dinâmica de informação O-não podem ser detectadas usando métodos tradicionais em pares, como correlações e informações mútuas. É importante ressaltar que a força dos mecanismos de ordem superior aumentou, o mesmo ocorreu com o comportamento sinérgico, mas em uma relação complexa e não linear que variava entre os sistemas. Essa relação fornece nova orientação sobre como usar dependências estatísticas de ordem superior-como a informação O dinâmica-para estudar sistemas dinâmicos complexos na presença de mecanismos de ordem superior.
Há também uma lição aqui para a abordagem tradicional que tentaria extrair os mecanismos subjacentes dos comportamentos observados em pares. Robiglio e colegas mostraram que essa estratégia pode levar a dependências estatísticas inexplicáveis, que geralmente são chamadas de correlações “espúrias”. No entanto, se realmente adotarmos o estudo de comportamentos em seus próprios termos, reconhecendo as limitações inerentes de nossos métodos, nenhum comportamento é realmente espúrio. O problema não está nos comportamentos inexplicáveis, mas com uma insistência na reconstrução do conjunto completo de mecanismos de interação – geralmente uma tarefa impossível. De fato, previsões precisas geralmente podem ser feitas sem pleno conhecimento dos mecanismos. Por exemplo, foi demonstrado que a dinâmica coletiva em algumas redes de interação pode ser prevista mesmo sem saber todas as interações (5). Da mesma forma, os triângulos sociais (um amigo de um amigo é meu amigo) podem ser explicados com um conjunto simplificado de interações (6). Em vez de tentar forçar uma interpretação mecânica em um sistema, um foco melhor seria a identificação das assinaturas comportamentais que restringem possíveis mecanismos.
É essential enfatizar, no entanto, que os mecanismos permanecem indispensáveis para prever como um sistema responderá a uma perturbação ou a uma intervenção. Por exemplo, como os pássaros se reúnem em condições de baixa visibilidade (neblina) ou como as idéias se espalham à medida que novas formas de comunicação se desenvolvem. Embora os comportamentos possam ser suficientes para a previsão em alguns casos, a compreensão dos mecanismos causais-através do desenvolvimento de modelos baseados em mecanismo (generativos)-se tornam essenciais ao projetar intervenções ou estratégias de controle. Esse equilíbrio entre o estudo de comportamentos de previsão e mecanismos de intervenção representa uma abordagem mais sutil do que simplesmente favorecer um sobre o outro.
Esta abordagem equilibrada se conecta intimamente com a perspectiva estatística de inferência, que assume que a estrutura actual da rede está oculta e deve ser reconstruída de observáveis (7). Essa perspectiva trata o modelo inferido como o vínculo essential entre dados e abstração, permitindo articular o conhecimento prévio e testar hipóteses em uma estrutura formal. Ao abraçar os diferentes níveis de complexidade – as propriedades -alvo muitas vezes não observáveis, os observáveis e suas dependências e o modelo de inferência estatística – podemos apreciar mais completamente os bandos de dança que encontramos em nossas incursões científicas.
Referências
- T. Robiglio et al.“Assinaturas sinérgicas de mecanismos de grupo em sistemas de ordem superior”. Phys. Rev. Lett. 134137401 (2025).
- Fe Rosas et al.“Deixando mecanismos de alta ordem e comportamentos de alta ordem em sistemas complexos”. Nat. Phys. 18476 (2022).
- Em Reid et al.“Avançando a pesquisa de conectividade funcional da associação à causa”. Nat. Neurosci. 221751 (2019).
- S. Stramaglia et al.“Quantificando interdependências dinâmicas de alta ordem da informação O: uma aplicação à dinâmica de pico neural”. Frente. Physiol. 11595736 (2021).
- B. Prasse e P. van Mieghem, “Prevendo a dinâmica da rede sem exigir o conhecimento do gráfico de interação”. Proc. Natl. Acad. Sci. EUA 119E2205517119 (2022).
- Tm pham et al.“Estatísticas empíricas da tríade social podem ser explicadas com interações homofílicas diádicas”. Proc. Natl. Acad. Sci. EUA 119E2121103119 (2022).
- L. Peel et al.“A inferência estatística vincula dados e teoria na ciência da rede”. Nat. Comun. 136794 (2022).
Sobre o autor
Áreas de assunto
