**Modelización Computacional (Serie)** # Introducción Esta serie (originalmente creada para el Curso de Modelado Computacional y Vida Artificial del año 2021) intenta dar una visión general sobre *modelización*, concretamente sobre modelización computacional, un tema de creciente importancia y que se está convirtiendo en una habilidad fundamental en todas las ramas del conocimiento. La modelización computacional nos ayuda a *extraer valor de los datos*, a *plantear preguntas* sobre los comportamientos observados en los fenómenos bajo estudio, y a utilizar las respuestas del modelo generado para *comprender*, *diseñar*, *gestionar* y *predecir* el funcionamiento de sistemas y procesos complejos, incluidos los sistemas robóticos y autónomos. Sin embargo, la modelización es tan antigua como las más antiguas civilizaciones humanas conocidas, y se utiliza desde hace mucho tiempo como forma de representar y comprender el mundo. De hecho, es bastante probable que el proceso de modelizar sea inherente a la forma en el que cerebro humano comprende y comprehende el mundo. Muchos de los artefactos humanos más antiguos que se conservan son modelos físicos, que van desde juguetes hasta representaciones simbólicas colocadas en tumbas. Parece ser que antes de planos (que requieren un aprendizaje previo para interpretarlos, los arquitectos antiguos usaban maquetas físicas para mostrar (y promocionar) sus ideas. Los seres humanos somos modeladores naturales: llevamos modelos del mundo que conocemos en la mente, y gran parte de nuestro éxito ha consistido en ser capaces de dar representaciones formales de esos modelos (desde el lenguaje natural hasta los lenguajes formales diseñados con un fin propiamente modelizador, por ejemplo, el sistema numérico y toda la matemática que se ha construido a partir de él). Navegamos por el mundo que nos rodea mediante mapas: mapas mentales y mapas físicos que hemos sido capaces de crear, leer y compartir (lo que implica un sistema común de *representación* e *interpretación* de modelos). En el último medio siglo, el acceso generalizado a los ordenadores ha transformado la cartografía. Los smartphones presentan mapas que ayudan a navegar y localizar los medios de transporte y otros servicios y productos que se utilizan a diario. Utilizamos estos modelos cartográficos sin ni siquiera considerar que son modelos, generando una identificación que identifica el mundo real con su modelo. ![](ModeladoComputacional/img/planet-model.jpg align="right")Pero con el tiempo, los objetos y fenómenos que se modelan han incrementado su complejidad, y esta necesidad ha obligado a ir definiendo técnicas de modelización cada vez más depuradas. En este sentido, los modelos computacionales se han convertido en herramientas esenciales para analizar y explicar *Sistemas Complejos* que varían en tamaño, desde los más pequeños, como el funcionamiento de una bacteria, hasta los más grandes, como los sistemas planetarios, el funcionamiento de las estrellas y galaxias. o modelos del universo completo. Además, han demostrado ser igualmente valiosos para el análisis y explicación de sistemas humanos enormemente complejos, que van desde el comportamiento de multitudes hasta el funcionamiento de sistemas económicos. Y una de las características de los nuevos sistemas de modelización computacional es la capacidad de integrar modelos a diferentes escalas y de diferentes tipos, por ejemplo, cada vez es más natural vincular modelos hidrometeorológicos con mapas de infraestructuras físicas para ayudar a decidir dónde colocar defensas de protección contra catástrofes naturales (inundaciones, fuegos, terremotos, ...) o catástrofes humanas (fugas radioactivas, pandemias, ...). Pero el análisis y la explicación son solo el punto de partida de la utilidad de los modelos computacionales (y de los modelos en general). El siguiente paso es darse cuenta de que los modelos facilitan la toma de decisiones en entornos habitualmente fuera de nuestro alcance de manipulación, ya que pueden ayudarnos a *visualizar*, *predecir*, *optimizar*, *regular* y *controlar* Sistemas Complejos que se resisten a modelados convencionales. En el mundo de la construcción y la ingeniería, los productos fabricados pueden simularse (destacamos aquí la diferencia, pero fuerte relación, entre el *modelado* y la *simulación*) como parte del proceso de diseño antes de que se creen físicamente, ahorrando tiempo, dinero y recursos. Los edificios e infraestructura pueden ser modelados, y esos modelos pueden utilizarse no sólo para maximizar la eficiencia y eficacia de los procesos de diseño y construcción, sino también para analizarlos y gestionarlos a lo largo de toda su vida útil. En el sector público, las políticas pueden ponerse a prueba antes de su aplicación, exponer las posibles consecuencias imprevistas y evitar que se produzcan. La modelización consta de un kit de herramientas potente que evoluciona rápidamente, y como cualquier kit de herramientas, es importante saber qué herramienta aplicar a cada problema y conocer las instrucciones de seguridad. Según la adecuación entre la herramienta y la aplicación, los modelos pueden arrojar luz o provocar sombras y engañar. No debe olvidarse que *los modelos son siempre simplificaciones*, que sacrifican algo de la complejidad del mundo real, y no es fácil acertar sabiendo a priori de qué podemos prescindir y qué es necesario introducir... de hecho, parte del objetivo de modelar radica en aprender a hacer esta selección correctamente. También es importante reconocer que en esta rápida evolución de la modelización no siempre un modelo más complejo se corresponde con un modelo mejor. De hecho, en muchas circunstancias los modelos más simples pueden funcionar mejor que los más complejos... *los modelos deben tener la complejidad justa*. Gran parte de la revolución que se está experimentando en la modelización se debe, entre otras cosas, a una mayor disponibilidad de datos a la vez que aumenta la potencia de cálculo. Si a esto sumamos la aparición y expansión de la computación en la nube, lo que significa que los modelizadores no necesitan infraestructura de computación propia para llevar a cabo algunos tipos de modelización computacional, la conjunción de estos factores hace que la modelización se esté convirtiendo en una herramienta mucho más poderosa de lo que ha sido jamás. Estos mismos factores están impulsando también el desarrollo del *Aprendizaje Automático* y la *Inteligencia Artificial*, tipos de modelización que pueden predecir comportamientos precisos de sistemas complejos, aunque no siempre muy bien definidos ni comprendidos. Desde un punto de vista ético, las tecnologías de modelización son como cualquier otra tecnología: *no son intrínsecamente buenas ni malas*. !!!Tip:Contenido 1. Introducción (este documento). 1. [Por qué modelizar](ModeladoComputacional/MC2.md.html). 2. [Creación y uso de modelos](ModeladoComputacional/MC3.md.html). 3. [Algunas Técnicas de Modelización](ModeladoComputacional/MC4.md.html). (insert menu.md.html here)