(1) «Conocimiento y complejidad» (Knowledge and complexity), Allen, Peter M y Paul M Torrens. (pp. 581-584)

(2) «Liderazgo e incertidumbre: Complejidad y lecciones de la historia» (Leadership and uncertainty: complexity and the lessons of history), Artigiani, Robert. (pp. 585-603)

Los problemas que enfrentan los líderes militares son empleados para evaluar técnicas para tratar con los límites del conocimiento. Un levantamiento de los desarrollos científicos recientes establece primero que el conocimiento está limitado en principio, y después se analizan ejemplos históricos para hacerle frente al conocimiento limitado en la práctica. La convergencia entre la ciencia de la complejidad y casos exitosos de evolución social indica que los límites del conocimiento extienden las fronteras del entendimiento. Las secciones de conclusiones exploran brevemente algunas implicaciones éticas potencialmente útiles para los líderes políticos y sociales.

(3) «Conocimiento, límites y fronteras» (Knowledge, limits and boundaries), Cilliers, Paul. (pp. 605-613)

En este artículo la preocupación básica es el problema del conocimiento. ¿Cómo entendemos el mundo, qué es el conocimiento «científico», y en qué medida está limitado el conocimiento por el hecho de que el mundo en que vivimos es complejo? Los problemas asociados con el estado de nuestro conocimiento del mundo han sido centrales de la filosofía desde siempre. El autor se centra aquí en la manera en que el reconocimiento de la complejidad transforma algunas de las concepciones tradicionales del conocimiento (especialmente el científico). Examina también las nociones de fronteras y límites, argumentando que estas nociones no son problemas de los que tengamos que deshacernos, sino que son inevitables tan pronto como empezamos a hablar de «conocimiento».

(4) «La hegemonía de las ciencias físicas: Una exploración en pensamiento de la complejidad» (The hegemony of the physical sciences: an exploration in complexity thinking), Richardson, Kurt. (pp. 615-653)

Tradicionalmente las ciencias naturales, particularmente la física, han sido vistas como los Guardianes de la Verdad. Como tales, la legitimidad de otras formas de conocimiento han sido cuestionadas, particularmente esos métodos que caracterizan a las ciencias «más blandas», y hasta a las artes. Este artículo empieza con una discusión extensa sobre los principales rasgos de un sistema complejo, y la naturaleza de las fronteras que emergen al interior de tales sistemas. Después de esa discusión, y asumiendo que en algún nivel el Universo puede ser bien descrito como un sistema complejo, el artículo explora la noción de ontología, o existencia, desde una perspectiva de sistemas complejos. Se argumenta que ninguno de los objetos tradicionales de la ciencia, o cualquier objeto de cualquier disciplina, formal o no, se puede decir que es real en ningún sentido absoluto, aunque temporalmente pueda asociarse a él un realismo sustantivo. Se discuten las limitaciones de las ciencias naturales, así como la profunda conexión entre las ciencias «duras» y «blandas». Como resultado de este análisis de sistemas complejos, se bosqueja una filosofía evolucionaria denominada cuasi-«pluralismo crítico», que es más sensible a las demandas de la complejidad que los enfoques reduccionistas actuales.

(5) «Límites a la economía del conocimiento y el conocimiento de la economía» (Limits to the economy of knowledge and knowledge of the economy), Metcalfe, J S y R Ramlogan. (pp. 655-674)

En este ensayo los autores exploran si el crecimiento de conocimiento es un proceso evolucionario complejo. Prestan particular atención a la división del conocer en una economía del conocimiento, a la naturaleza inquieta del conocimiento, y al principio de variación y selección que hace del conocimiento un fenómeno evolucionario. Los fundamentos de esta discusión se localizan en la sugerencia de Adam Smith de que el aspecto más fundamental de la división del trabajo es la división del conocimiento, y la consecuente existencia de maneras circulares y combinatorias de producir conocimiento. Esta noción de circularidad también conecta la discusión con los escritos de la Escuela de Austria de economistas. Es dicha escuela de pensamiento la que se ha acercado más a comprender la naturaleza abierta y evolucionaria de la actividad económica basada en conocimiento. La teoría de sistemas complejos adaptivos, aplicada al dominio económico y social, le permite a los autores confrontar la distinción entre conocimiento y la institución de comprensión social. Los autores mapean la diferencia entre conocimiento, que es privado, y comprensión, que es social. Si el conocimiento es una característica de individuos, la comprensión se vuelve entonces un problema emergente derivado de la interacción entre individuos en contextos específicos. La comprensión tiene fronteras, tiene componentes que poseen gran heterogeneidad, y es sostenida por las conexiones de flujos de información. Es un proceso socialmente distribuido cuyo crecimiento depende de un contexto sistémico, de la manera en que un conjunto dado de individuos interactúan para compartir información y desarrollar así más su conocimiento idiosincrático. El reconocimiento de que el entendimiento está necesariamente distribuido lleva a la percepción de que la actividad económica, que es necesariamente social, depende de entendimientos compartidos, es decir, de conocimiento correlacionado. Esto proporciona una clave sobre la no predictibilidad y dispar acumulación de conocimiento y, por supuesto, la no predictibilidad del capitalismo como un sistema impulsado por el conocimiento.

(6) «Reveses en el crecimiento de nuevas empresas» (Growth setbacks in new firms), Garnsey, Elizabeth y Paul Heffernan. (pp. 675-697)

Nuevas empresas en industrias emergentes están sujetas a procesos dinámicos complejos que desafían los intentos de predicción incorporados en las conjeturas de negocios. El crecimiento discontinuo es común, pero el asunto de interrupciones en el crecimiento temprano de nuevas empresas no ha sido abordado adecuadamente en la corriente principal de la literatura. Los autores examinan la prevalencia de interrupciones al crecimiento en un estudio de cohortes de las trayectorias de crecimiento de empresas fundadas en 1990, y luego analizan estudios de caso de empresas individuales para investigar las causas subyacentes. Encuentran que un crecimiento sustantivo es raro y el crecimiento continuo inusual, y que las interrupciones en el crecimiento son resultado tanto de dinámicas internas como externas. Los administradores de empresas en crecimiento enfrentan escasez de recursos vitales y problemas significativos de sincronización y coordinación de recursos, muchos de los cuales pueden conducir a lo que son, en efecto, cambios de estado de fase. Mientras tanto, el volátil ambiente de una industria emergente presenta problemas particulares a las empresas jóvenes que todavía no han construido reservas para sostenerlas a través de las crisis de corto plazo. Sin embargo, la resolución de problemas de las que sobreviven proporciona una importante fuente de aprendizaje que puede respaldar su futuro desarrollo.

(7) «El conocimiento del precio y el precio de los conocimientos» (The knowledge of price and the price of knowledge), Rosewell, Bridget. (pp. 699-710)

La ciencia social está enredada desde el principio en una interacción entre agentes individuales, acción colectiva y respuesta analítica. El deseo de implantar políticas y crear un resultado preferido proporciona una complicación adicional. Existe una confusión fundamental entre conocimiento en el sistema y conocimiento sobre él. El análisis de mercado clásico divorcia a los dos; en la práctica los agentes los emplean a ambos. Más aún, emplean su conocimiento para cambiar el sistema. Un conjunto dado de reglas puede así producir una variedad de resultados. A menos que este fenómeno se comprenda y analice mejor, la elaboración de políticas seguirá produciendo resultados inesperados y de hecho indeseables. Los enfoques de sistemas complejos ofrecen un camino hacia delante para estos asuntos que está empezando a rendir frutos para pensar con claridad sobre cómo pueden y deben analizarse los sistemas.

(8) «El conocimiento y el modelado de sistemas complejos» (Knowledge and the modelling of complex Systems), Lyons, Michael. (pp. 711-719)

Este artículo discute el papel de los modelos de sistemas complejos lo mismo como encarnaciones que como fuentes de conocimiento en el contexto de la toma de decisiones estratégicas. Frecuentemente los modelos son vistos como un modo de obtener conocimiento sobre el futuro. Avances en la simulación de sistemas adaptivos complejos permiten a los modelos incrementar el conocimiento sobre el comportamiento de los sistemas, pero pueden también indicar los límites de tal conocimiento. La relación entre modelos y conocimiento es discutida en el contexto de una simulación de la industria de telecomunicaciones. Se muestra que el «conocimiento» proporcionado por los modelos es multi-valuado y altamente dependiente del contexto; no de respuestas de valor único, sino una declaración de opciones, que imponen límites sobre la magnitud del control que puede ejercerse. Esto empuja a buena parte de la toma de decisiones a niveles cognitivos superiores donde dominan los objetivos y los valores. Resaltando los potenciales compromisos de cualquier decisión, la ciencia de la complejidad puede asegurar un debate real sobre cuáles valores deberían ser adoptados, o están siendo adoptados, por la sociedad.

(9) «Complejidad y los límites del conocimiento» (Complexity and the limits to knowledge), Ormerod, Paul. (pp. 721-728)

Las economías son sistemas en los que las cantidades macroscópicamente observables emergen de los efectos de interacciones entre los elementos constitutivos individuales del sistema. Exhiben rasgos clave de sistemas complejos: impredictibilidad de corto plazo, propiedades emergentes, y múltiples historias posibles. El enfoque tradicional para el control de la economía a nivel agregado requiere la habilidad tanto de hacer predicciones razonablemente precisas de lo que pasará en el futuro en ausencia de cambios de política, como de tener una comprensión razonablemente precisas del impacto de cambios en las políticas sobre la economía. Ninguna de las dos cosas es el caso. Existen razones inherentes por las que la habilidad de pronosticar con cualquier grado razonable de precisión en el tiempo está severamente limitada, y por las que la habilidad de extraer información a partir de series de tiempo de datos agregados sobre los modos en que interactúan las variables económicas también está restringida. La implicación no es que los gobiernos no deberían hacer nada. Las acciones de los gobiernos claramente tienen consecuencias, para bien o para mal. Pero la manera convencional de pensar, que requiere de un mundo que se comporte como una máquina confiable, debe ser abandonada.

(10) «Modelos, creación de conocimiento y sus límites» (Models, knowledge creation and their limits), Allen, Peter M y Mark Strathern. (pp. 729-744)

En lugar de modelar las situaciones socio-económicas como sistemas mecánicos con un comportamiento fijo, predecible, ahora vemos que los sistemas socio-económicos son en realidad sistemas complejos, en los que pueden ocurrir varios cambios estructurales posibles dando lugar a un rango de posibles futuros diferentes. Esta necesaria incertidumbre futura automáticamente impone una incertidumbre sobre la rentabilidad precisa que cualquier acción o decisión particular que pueda tomar un agente. Debido a ello, las decisiones que los agentes tomarán son también inciertas y ello impone límites a nuestra habilidad para modelar sistemas socio-económicos y, por tanto, al conocimiento que podemos tener en cualquier momento sobre el futuro. Debido a esta constante degradación de conocimiento, lo que importa en situaciones del mundo real de mercados y negocios es la generación de nuevo conocimiento actualizado. Contrariamente a la ciencia tradicional en la que las leyes naturales son independientes de quien las conozca, en los sistemas sociales y económicos el conocimiento del comportamiento del sistema se degrada con el tiempo y de cualquier manera se agota cuando dispara nuevos comportamientos en el sistema. Se presentan varios ejemplos de sistemas de mercados evolucionarios que demuestran como el conocimiento es creado y destruido constantemente, y se muestra como los problemas del cambio, innovación y diseño son parte de una visión «racionalmente acotada» en la que una búsqueda imperfecta da lugar a un comportamiento «suficientemente bueno». Todo ello es un alejamiento radical del enfoque tradicional que falsamente cree en la optimación de diseños, comportamientos y ganancias. La complejidad nos dice que debemos aceptar riesgo e incertidumbre y trabajar de manera suelta, manteniendo nuestras opciones abiertas tanto como sea posible.

(11) «Modelado y predicción en un mundo complejo» (Modelling and prediction in a complex World), Batty, Michael y Paul M Torrens. (pp. 745-766)

Un sistema complejo es una entidad coherente en algún modo reconocible, pero cuyos elementos, interacciones y dinámica generan estructuras y admiten sorpresas y novedades que no pueden ser definidas a priori. Los sistemas complejos son más que la suma de sus partes, y una consecuencia de ellos es que cualquier modelo de su estructura es necesariamente incompleto y parcial. Los modelos representan así simplificaciones en las que partes y procesos sobresalientes son simulados y, dada esta definición, existirán muchos modelos de cualquier sistema particular. En este artículo los autores exploran el impacto de esta complejidad sobre la validación de modelos de tales sistemas. Empiezan con un conjunto de definiciones y luego identifican asuntos clave que se preocupan por la caracterización del equilibrio del sistema, el ambiente del sistema, y la manera en que los sistemas y sus elementos se extienden y escalan. Conforme nuestra perspectiva sobre estos asuntos cambia también lo hacen entonces nuestros modelos, con implicaciones para su prueba y validación. Los autores argumentan qué cambios en el significado de validez, planteados por el uso que se le dará a los modelos, son centrales para este debate, agrupando estas ideas como conclusiones sobre los límites impuestos a la predicción en sistemas complejos.