🧬 biology

Coordination without communication: beyond optimisation and geometric Brownian motion

Este artículo introduce un marco físicamente fundamentado donde la coordinación poblacional emerge de la retroalimentación con restricciones de información en un sistema estocástico parcialmente observado sin comunicación directa u optimización, demostrando que el movimiento browniano geométrico y regímenes de crecimiento estocástico más amplios surgen como casos límite de estas dinámicas condicionales.

Autores originales: G J Milburn, A K Ringsmuth

Publicado 2026-06-01

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: G J Milburn, A K Ringsmuth

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ⚕️ Esta es una explicación generada por IA de un preprint que no ha sido revisado por pares. No es consejo médico. No tome decisiones de salud basándose en este contenido. Leer descargo de responsabilidad completo

Imagina una habitación abarrotada llena de personas que no pueden hablar entre sí. No pueden enviar mensajes de texto, ni gritar instrucciones, ni celebrar una reunión. De hecho, ni siquiera saben exactamente cuántas personas hay en la sala.

Sin embargo, de alguna manera, la multitud comienza a moverse en perfecta sincronía. Crecen juntas, se encogen juntas o saltan de tamaño todas al mismo tiempo. ¿Cómo es esto posible?

Este artículo propone una nueva forma de entender ese tipo de "coordinación silenciosa". Sugiere que los grupos no necesitan hablar ni planificar para coordinarse; solo necesitan reaccionar a una señal compartida y ligeramente difusa.

Aquí está el desglose de las ideas del artículo utilizando analogías sencillas:

1. La señal de la "Radio Difusa"

Imagina que cada persona en la multitud lleva una radio puesta. No pueden escuchar las voces de las personas que tienen al lado. En su lugar, todos sintonizan la misma emisora de radio.

Esta estación transmite una señal que está relacionada con el tamaño de la multitud, pero la señal es ruidosa. Es como intentar escuchar un reporte del clima mientras estás parado junto a una ruidosa obra de construcción. A veces la señal dice: "¡La multitud es enorme!", y otras veces dice: "¡La multitud es diminuta!", incluso si la multitud no ha cambiado mucho en realidad.

El artículo llama a esto la señal de medición. Es una pieza de información compartida que todos reciben, pero es imperfecta.

2. El "Juego de Adivinar" (Inferencia)

Dado que las personas no pueden ver a la multitud, tienen que adivinar el tamaño de la multitud basándose en esa señal de radio ruidosa.

Si la señal se vuelve más fuerte, adivinan: "¡Oh, debe haber llegado más gente!".
Si la señal se vuelve más débil, adivinan: "La gente se está yendo".

No conocen el número real de personas. Solo conocen su mejor suposición basada en el historial de la señal de radio. Esto es lo que el artículo llama "inferencia".

3. El Bucle de Retroalimentación

Aquí está el truco de magia: las personas usan su suposición para decidir qué hacer a continuación.

Si adivinan que la multitud está creciendo, podrían decidir invitar a más amigos (o en el ejemplo biológico del artículo, reproducirse más rápido).
Si adivinan que la multitud se está encogiendo, podrían irse o dejar de reproducirse.

Debido a que todos están escuchando la misma radio y haciendo suposiciones basadas en la misma señal, todos reaccionan al mismo tiempo. Esto crea coordinación sin comunicación. No están siguiendo a un líder; todos están siguiendo el mismo reporte del clima ruidoso.

4. Las Dos Formas en que se Mueve la Multitud

El artículo muestra que, dependiendo de qué tan "clara" sea la señal de radio, la multitud se comporta de dos maneras muy diferentes:

La Multitud "A la Deriva" (Señal Débil): Si la radio es muy ruidosa (como estática), el tamaño de la multitud cambia lenta y aleatoriamente, como una hoja que flota a la deriva en una suave brisa. Esto se llama comportamiento difusivo.
La Multitud de "Saltos" (Señal Fuerte): Si la señal de radio es muy clara, la multitud reacciona instantáneamente. Un momento son pequeños y, al siguiente, de repente dan un "salto" a un tamaño enorme. El artículo compara esto con los saltos cuánticos en la física, donde un sistema pasa repentinamente de un estado a otro.

5. La Conexión con el "Mercado de Valores"

Los autores muestran que cuando la señal es fuerte y la retroalimentación es la correcta, el crecimiento de la multitud se parece exactamente al Movimiento Browniano Geométrico (GBM).

Es posible que conozcas el GBM por el mercado de valores. Es la matemática utilizada para predecir cómo se mueven los precios de las acciones. Usualmente, la gente piensa que los precios de las acciones se mueven así debido a complejas estrategias de negociación humana.

El Giro del Artículo: Este artículo dice que no necesitas estrategias humanas complejas o agentes "inteligentes". Solo necesitas un grupo de agentes simples reaccionando a una señal compartida y ruidosa. El comportamiento del "mercado de valores" surge naturalmente de la física de la señal y la retroalimentación, no de personas tratando de optimizar sus ganancias.

6. El Ejemplo del "Sacrificio"

El artículo también analiza un escenario con dos tipos de personas: "Cooperadores" y "Desertores".

Los Cooperadores son como voluntarios que hacen algo arriesgado o costoso (como morir para liberar nutrientes) que ayuda al grupo entero.
Los Desertores son los que se aprovechan de la situación, tomando los beneficios sin hacer el trabajo.

El artículo muestra que, incluso sin un código moral o un plan para "ser amables", el grupo puede evolucionar naturalmente una mezcla de estos dos tipos. Si la "señal de radio" (la retroalimentación) está ajustada correctamente, los cooperadores pueden prosperar porque su comportamiento arriesgado en realidad ayuda al grupo a crecer más rápido en el largo plazo, incluso si los perjudica individualmente en el corto plazo.

La Gran Conclusión

El punto principal del artículo es que la coordinación es un fenómeno físico, no solo social.

No necesitas asumir que las personas son "inteligentes", "egoístas" o "altruistas". No necesitas que tengan un plan. Si tienes un grupo de agentes reaccionando a una señal compartida e imperfecta sobre el estado del mundo, patrones complejos como la cooperación, la coordinación e incluso las "caídas del mercado" pueden emerger automáticamente.

Es como una bandada de aves. No necesitan un líder que les diga hacia dónde volar; solo necesitan reaccionar al movimiento del ave que tienen al lado. En este artículo, el "ave de al lado" es reemplazada por una señal compartida y ruidosa que todos están escuchando.

Resumen Técnico: Coordinación sin Comunicación

Planteamiento del Problema
El artículo aborda una brecha fundamental en la modelización de la coordinación y la cooperación dentro de sistemas complejos. Los enfoques tradicionales —que van desde la teoría de juegos hasta la biología evolutiva— suelen depender de agentes que poseen objetivos explícitos, que internalizan funciones de recompensa o que tienen acceso directo a variables globales del sistema (por ejemplo, precios, densidad de población). Estos modelos suelen asumir que los agentes optimizan estrategias o se comunican directamente para lograr resultados colectivos. Sin embargo, muchos sistemas biológicos y sociales operan bajo observabilidad parcial, donde los estados macroscópicos que regulan el comportamiento no son directamente accesibles para los individuos. En su lugar, los agentes deben inferir las condiciones globales a partir de señales indirectas y ruidosas. Los autores se preguntan si la coordinación puede emerger sin optimización, comunicación o agencia explícitas, únicamente a través de principios físicos fundamentados en la termodinámica fuera del equilibrio y la retroalimentación con restricciones de información.

Metodología
Los autores proponen un marco fundamentado físicamente basado en procesos de Markov de tiempo continuo parcialmente observados. Los componentes centrales del modelo son:

Dinámica de Población: El tamaño de la población ( $n$ ) evoluciona como un proceso de Markov de nacimiento-muerte. Las tasas de transición ( $w^+_\alpha, w^-_\alpha$ ) no son fijas, sino que están moduladas por una señal de medición estocástica compartida.
Observabilidad Parcial: El estado real de la población $n(t)$ $n (t)$ está "oculto" para los agentes individuales. En su lugar, los agentes observan una señal estocástica $y(t)$ $y (t)$ (o corriente de medición $I(t)$ $I (t)$ ) que está correlacionada con el estado de la población pero sujeta a ruido difusivo.
- La señal se modela mediante una ecuación diferencial estocástica de Itô: $dy(t) = \chi \bar{n}_c(t)dt + \sqrt{\kappa}dW(t)$ , donde $\bar{n}_c(t)$ es la media poblacional condicional estimada por los agentes basándose en el historial de observación, $\chi$ es una constante de tasa y $\kappa$ representa la intensidad del ruido.
Inferencia y Retroalimentación: Los agentes utilizan el historial de observación para actualizar su estimación del estado de la población (distribución de probabilidad condicional $p_{n,c}(t)$ $p_{n, c} (t)$ ) a través de una ecuación de filtrado de tipo Kushner-Stratonovich.
- Las tasas de transición se ajustan instantáneamente en función de la corriente de medición $I(t)$ , creando un bucle de retroalimentación de macro-a-micro.
- La tasa de unión/abandono se define como $\gamma(t) = \gamma(1 + \lambda I(t))$ , donde $\lambda$ determina la fuerza de la retroalimentación (positivo para la unión, negativo para el abandono).
Relación Señal-Ruido (SNR): El marco introduce la SNR como un parámetro crítico que determina la calidad de la información disponible para los agentes. La fuerza de la medición se define como $\Gamma = \chi^2/\kappa$ .

Contribuciones Clave y Resultados

Emergencia del Movimiento Browniano Geométrico (GBM): Los autores demuestran que el GBM surge como un caso límite de la dinámica condicional. Cuando la fuerza de la medición es alta y las estadísticas poblacionales condicionales aproximan una distribución de Poisson (donde la varianza es igual a la media), la ecuación diferencial estocástica para la media poblacional condicional $\bar{n}_c(t)$ converge a la forma del GBM:
$d\bar{n}_c(t) = r\bar{n}_c(t)dt + \sqrt{\Gamma}\bar{n}_c(t)dW$
Esto proporciona una derivación física del GBM a partir de la retroalimentación con restricciones de información, en lugar de asumirlo como un primitivo.
Dependencia de Regímenes según la SNR: La variación de las propiedades de la relación señal-ruido produce un espectro de comportamientos de crecimiento estocástico:
- Medición Débil ( $\Gamma$ pequeño): La dinámica de la población es difusiva y la media condicional crece lentamente.
- Medición Fuerte ( $\Gamma$ grande): La dinámica exhibe regímenes de tipo "salto" donde las estadísticas condicionales se desvían rápidamente del comportamiento Poissoniano, asemejándose a saltos cuánticos.
- A pesar de estas diferencias en las trayectorias, el crecimiento promedio del conjunto sigue siendo exponencial en todos los regímenes.
La Coordinación como Inferencia: El artículo redefine la coordinación no como un alineamiento estratégico u optimización, sino como el resultado de la inferencia y la retroalimentación bajo observabilidad parcial. Los agentes alinean sus comportamientos simplemente al responder a una estimación ruidosa y compartida de una variable global.
Extensión a Múltiples Fenotipos: El marco se extiende a un modelo de dos fenotipos (cooperadores y desertores). Los cooperadores se autodestruyen para producir un bien público, mientras que los desertores sobreviven. Al introducir corrientes de medición separadas para la población total y la mortalidad de los cooperadores, el modelo muestra cómo el comportamiento "sacrificial" puede ser favorecido cuando un crecimiento temprano y rápido confiere una ventaja, impulsado puramente por la dinámica de retroalimentación de las señales de medición.
Conexión con Peters y Adamou: El marco recupera el modelo de crecimiento multiplicativo estocástico de Peters y Adamou (PA) en el límite apropiado. Sin embargo, ofrece una interpretación física distinta: la diferencia entre la tasa de crecimiento promedio temporal y la de promedio del conjunto es una propiedad de la dinámica condicional bajo medición, en lugar de ser un resultado de la agrupación o el intercambio estratégico.

Significancia y Reivindicaciones
El artículo afirma proporcionar un puente físicamente fundamentado entre los sistemas dinámicos de bajo nivel y las descripciones de alto nivel de la cooperación. Su principal significancia radica en:

Eliminación de Supuestos de Agencia: Demuestra que el orden colectivo y los resultados "similares a la cooperación" pueden emerger sin asumir que los agentes poseen estados internos, funciones de utilidad o la capacidad de comunicarse. El comportamiento es impulsado enteramente por la física de la medición, la inferencia y la retroalimentación.
Reinterpretación de los Fallos de Coordinación: El marco sugiere que los fallos colectivos a gran escala (por ejemplo, el cambio climático o las crisis económicas) pueden no derivar de la deserción o el antagonismo individual, sino de las limitaciones del canal de información (baja SNR) que vincula las acciones micro con los estados macro.
Base Física para las Preferencias: Propone que lo que tradicionalmente se modela como "preferencias" o "funciones de recompensa" puede entenderse como leyes de retroalimentación que modulan las tasas de transición basadas en información imperfecta.
Generalización del GBM: Al mostrar el GBM como un caso límite de una clase más amplia de procesos estocásticos impulsados por el ruido de la medición, el artículo ofrece una interpretación física más fundamental de los procesos de crecimiento multiplicativo encontrados en las finanzas y la biología.

Los autores mantienen una postura modesta, señalando que, si bien el marco recupera modelos conocidos (como el de PA), lo hace derivándolos desde los primeros principios de la dinámica estocástica y la teoría de la información, ofreciendo así una nueva perspectiva sobre los mecanismos de coordinación.