I modelli per rappresentare la realtà possono essere costruiti in molti modi: da quello fisico; alla pura rappresentazione letteraria e descrittiva, infinitamente flessibile; alla costruzione matematico-statistica, con il pregio della possibilità del calcolo; alla simulazione, con l’ausilio del computer.
La prima modalità, fisica, è quella della riproduzione in scala di un oggetto da studiare; la seconda, letteraria, è tipicamente rappresentata da un trattato che riporti gli accadimenti di un determinato periodo gli approfondimenti sui legami causali e così via, in modo infinitamente flessibile, ma non computabile.
La terza via, dei modelli fondati sulle equazioni, intrinsecamente computabile, richiede che stilizziamo le situazioni rappresentate. Se si vuole affrontare in modo innovativo lo studio della realtà economica e sociale occorre però superare i limiti dei modelli ad equazioni, inadatti ad affrontare la tematica della complessità.
Un libro molto recente illustra con ampia varietà di temi la prospettiva qui delineata: R.Viale (2005), Le nuove economie, Il Sole 24 ORE, Milano. La complessità è la caratteristica propria di un sistema in cui l’azione degli agenti costituenti produce effetti aggregati che sono ben più della somma dei risultati diretti dei comportamenti individuali.
L’esempio più immediato è quello delle formiche e del formicaio, all’interno del quale semplici attuatori di regole semplici (le singole formiche) producono un risultato mirabile nel suo insieme. Un ramo relativamente recente della matematica, che affonda però le sue radici nell’800, quello cosiddetto del caos, sembra dare una risposta “ad equazioni” alla necessità di confrontarsi con un mondo complesso. Si tratta però di modelli che non hanno la possibilità di collegare i comportamenti dei agenti del mondo reale ai risultati aggregati; inoltre sono estremamente sensibili alle condizioni iniziali e quindi ai valori dei parametri immessi del modello.
Per applicare il paradigma della complessità alla ricerca economica e sociale ricorriamo quindi ai modelli di simulazione ad agenti che abbinano la calcolabilità dei modelli matematici alla flessibilità dei modelli espressi in modo descrittivo e consentono la simultanea visione delle parti e del tutto, adatta alla esplorazione della complessità.
Sull’argomento, chi scrive ha da poco concluso la preparazione di un manuale che ha percorsi di lettura dal livello introduttivo a quello avanzato: P.Terna, R.Boero, M.Morini, M.Sonnessa (a cura di) (2006), Modelli per la complessità – La simulazione ad agenti in economia. il Mulino, Bologna, presentato a http://abm.econ.unito.it/. Con la simulazione ad agenti l’attenzione è puntata su routine informatiche che riproducono il comportamento degli individui che popolano l’ambiente che si intende riprodurre.
Un esempio: si supponga di voler verificare a priori l’effetto che la relativamente recente introduzione dell’asta di chiusura ha sull’andamento della borsa italiana. Possiamo costruire un modello di simulazione con agenti che operino in sequenza e farli interagire in borsa secondo le regole operanti in Italia, sia con l’asta di chiusura, sia senza. Le serie di prezzi così generate, a parità di ogni altra condizione, permettono di valutare l’effetto del nuovo strumento borsistico a seconda delle caratteristiche degli operatori. Se seguissimo invece la strada dei modelli matematici, le equazioni ex ante del problema potrebbero essere scritte solo sulla base di robuste semplificazioni, che invece la simulazione ad agenti non richiede.
L’esempio della borsa permette di chiarire che l’oggetto dei nostri modelli è tutto tranne un insieme di curiosità accademiche; per convincerne, leggiamo la recente ricerca sulla Network Science del Committee on Network Science for Future Army Applications (vedere il testo completo a http://www.nap.edu/catalog/11516.html), dove analisi delle reti, complessità e simulazione sono strettamente interrelate. Disponiamo di analisi di aziende, di organizzazioni (ad esempio le chiamate di emergenza rivolte ad un servizio 118), di fenomeni epidemici come la SARS, di fenomeni sociali come il terrorismo e così via. Nel mondo sono numerosissimi i centri che utilizzano queste tecniche, a partire dal prestigioso Santa Fe Institute (www.santafe.edu) ai lavori della Renmin University in Cina (http://sinfo.ruc.edu.cn/en/100497/19216.html).
In Italia esistono più punti di competenza accademica: Trento, Torino, Milano, Ancora, Siena, Salerno. Infine la Fondazione Rosselli di Torino, sta intraprendendo un rinnovato cammino di ricerca, con il LaSCo – Laboratorio di Scienze Cognitive e della Complessità, che si inserisce in questa prospettiva.
Pietro Terna, Professore di Economia politica presso l’Università di Torino