A Cúpula de Copenhagen estava fadada ao fracasso?
.png){kind=logo}
Quando comentei com Alessandra Galdo que com um grupo de 10 pessoas não era possível nem chegar a um consenso sobre onde fazer uma reunião da revista de divulgação científica de blogueiros (também não há consenso sobre o nome da mesma), ela me sugeriu que tais projetos só germinam se for a partir de pequenos grupos que vão crescendo lentamente, em vez de querer formar um grupo enorme de saída. Assim, minha sugestão é de que João Alexandrino e Maria Guimarães, mais Roberto Takata, reiniciem o processo chamando as pessoas pouco a pouco conforme certos consensos já forem sendo tomados.
Como todos sabem (ou deveriam saber), a Física Estatística se caracteriza por seus métodos, e não pelos tópicos específicos a que se dedica. Nesse sentido, constitui um arsenal de ferramentas e métodos similar à Estatística, largamente usada em ciências Humanas e Biológicas.
Um dos resultados mais robustos dos diversos modelos de dinâmica de opiniões estudados pelos físicos estatísticos é o (resultado trivial) de que, se você quer inviabilizar um consenso, basta aumentar o número de participantes de uma conferência. É curioso que alguns modelos predizem até um número mágico para tais conferências: até 17-20 participantes funciona, depois a probabilidade de consenso cai a zero.
O artigo abaixo parece descrever o dinâmica "vítrea" (ou seja, lenta e armadilhada em mínimos locais) das discussões da COP-15 (e provavelmente COP-16, 17 etc). Talvez devesse ser lido pelos próximos organizadores do evento.
Opinion Dynamics of Learning Agents: Does Seeking Consensus Lead to Disagreement?
(Submitted on 13 Nov 2008 (v1), last revised 29 Jan 2009 (this version, v3))
We study opinion dynamics in a population of interacting adaptive agents voting on a set of complex multidimensional issues. We consider agents which can classify issues into for or against. The agents arrive at the opinions about each issue in question using an adaptive algorithm. Adaptation comes from learning and the information for the learning process comes from interacting with other neighboring agents and trying to change the internal state in order to concur with their opinions. The change in the internal state is driven by the information contained in the issue and in the opinion of the other agent. We present results in a simple yet rich context where each agent uses a Boolean Perceptron to state its opinion. If there is no internal clock, so the update occurs with asynchronously exchanged information among pairs of agents, then the typical case, if the number of issues is kept small, is the evolution into a society thorn by the emergence of factions with extreme opposite beliefs. This occurs even when seeking consensus with agents with opposite opinions. The curious result is that it is learning from those that hold the same opinions that drives the emergence of factions. This results follows from the fact that factions are prevented by not learning at all from those agents that hold the same opinion. If the number of issues is large, the dynamics becomes trapped and the society does not evolve into factions and a distribution of moderate opinions is observed. We also study the less realistic, but technically simpler synchronous case showing that global consensus is a fixed point. However, the approach to this consensus is glassy in the limit of large societies if agents adapt even in the case of agreement.
Comentários