Higher-Order Interactions in Complex Systems: Mechanisms, Behaviour, Representation and Reducibility

Los sistemas complejos son las redes desordenadas e interconectadas que conforman nuestro mundo, desde las neuronas disparando en un cerebro humano hasta las especies compitiendo en una selva tropical, o las personas intercambiando ideas en una ciudad. Durante décadas, los científicos han intentado comprender cómo funcionan estos sistemas observándolos como redes de conexiones simples y bidireccionales. En esta visión tradicional, todo se reduce a pares: una neurona hablando con otra, una especie afectando a otra, una persona influyendo en un amigo. Es una forma útil de empezar, asumiendo que si comprendes cada par individual, comprendes al grupo entero. Pero la naturaleza a menudo se niega a ser tan simple. A veces, tres o más elementos interactúan de una manera que no puede descomponerse en una colección de pares separados. Cuando un grupo de personas, un cúmulo de células o una comunidad de animales actúa en conjunto, el resultado puede ser algo completamente nuevo, un comportamiento colectivo que ningún par por sí solo podría producir jamás.

Esto plantea una pregunta difícil para los científicos: cuando vemos a un grupo actuando de una manera extraña y compleja, ¿realmente necesitamos asumir que una "regla de grupo" especial está impulsándolo? ¿O podría ese mismo comportamiento extraño ser el resultado de conexiones bidireccionales más simples que simplemente parecen complicadas? Una nueva revisión de Francisco J. Pérez-Reche aborda este enigma directamente. El artículo no solo enumera ejemplos de comportamiento grupal; clasifica cuidadosamente tres cosas que a menudo se confunden: el mecanismo real que impulsa el sistema, el comportamiento que el sistema produce y la forma en que los científicos eligen describirlo. El autor sostiene que, solo porque un sistema parezca necesitar una regla de grupo compleja, no significa que realmente la tenga. Por el contrario, solo porque un sistema tenga una regla simple, no significa que no pueda producir un comportamiento grupal complejo.

El artículo explora cómo los científicos han intentado modelar estas interacciones utilizando herramientas como los hipergrafos, que son estructuras matemáticas diseñadas para vincular tres o más elementos a la vez. En muchos casos famosos, como la sincronización repentina de luciérnagas parpadeando al unísono o la rápida propagación de una enfermedad a través de una población, añadir estos enlaces grupales a un modelo crea efectos dramáticos. Estos efectos incluyen transiciones explosivas donde un sistema pasa repentinamente de un estado a otro, o la bistabilidad donde el sistema puede quedar atrapado en dos estados estables diferentes. Durante mucho tiempo, ver estos cambios dramáticos se tomó como prueba de que las interacciones de orden superior eran necesarias. Sin embargo, Pérez-Reche demuestra que esto no siempre es cierto. Él demuestra que las mismas transiciones explosivas y cambios repentinos pueden ser creados por modelos que solo utilizan conexiones bidireccionales simples, siempre que esas conexiones estén dispuestas de una manera específica o incluyan ciertos tipos de variaciones ocultas.

Uno de los hallazgos más importantes es que la respuesta depende enteramente de lo que se esté tratando de explicar. Si un científico quiere explicar la regla microscópica exacta que gobierna cada una de las interacciones, entonces una descripción de orden superior podría ser absolutamente necesaria y no podría ser reemplazada por una más simple. Pero si el objetivo es solo predecir un resultado observable y amplio, como la velocidad general de la propagación de una enfermedad o la estabilidad general de un ecosistema, un modelo más simple podría funcionar igual de bien. El artículo utiliza el ejemplo de especies compitiendo por alimento. En un ecosistema real, los animales pueden competir indirectamente al comer los mismos recursos limitados. Si un científico elimina los recursos del modelo y solo observa a los animales, los animales parecen estar interactuando en grupos complejos de tres vías. Pero si el científico incluye los recursos en el modelo, las interacciones son en realidad simples competencias bidireccionales entre cada animal y el alimento. El "efecto de grupo" era una ilusión creada al dejar fuera una parte clave del panorama.

La revisión también examina cómo la forma en que observamos un sistema puede crear la apariencia de complejidad. Si observamos un sistema demasiado lentamente, perdiendo los cambios rápidos de momento a momento, podríamos ver un patrón que parece una interacción de grupo, cuando en realidad los elementos simplemente estaban reaccionando unos a otros uno tras otro en rápida sucesión. Del mismo modo, si no podemos ver un factor oculto que influye en todos, como un entorno compartido o un patrón climático común, los elementos podrían parecer que se están coordinando entre sí cuando en realidad solo están reaccionando a ese impulsor invisible. El artículo enfatiza que observar un patrón complejo no prueba la existencia de un mecanismo complejo.

En última instancia, el artículo concluye que la cuestión de si las interacciones de orden superior son "necesarias" no tiene una única respuesta de sí o no. Depende de la pregunta específica que se esté haciendo, de las variables que se midan y del nivel de detalle requerido. Un modelo que sea demasiado simple podría fallar al capturar el mecanismo real, mientras que un modelo que sea demasiado complejo podría ser innecesario para predecir el resultado. El autor sugiere que, en lugar de buscar una regla universal, los científicos deberían ser más precisos sobre lo que están tratando de reproducir. Deben preguntarse si un modelo más simple puede coincidir con el objetivo específico que les importa, ya sea una regla microscópica o una tendencia macroscópica. Al separar el mecanismo del comportamiento y la descripción, el artículo proporciona un camino más claro para comprender los sistemas interconectados y complejos que dan forma a nuestro mundo, mostrando que, a veces, los problemas que parecen más complejos pueden resolverse mirando las variables adecuadas, y que, a veces, las reglas más simples pueden producir los resultados más sorprendentes.