Los electrones que zumban entre sí y los humanos apiñados en un mitin político no parecen tener mucho en común, pero los investigadores de Cornell están conectando los puntos.
Han desarrollado un enfoque matemático de alta precisión para predecir el comportamiento de multitudes de criaturas vivientes, utilizando métodos ganadores del Premio Nobel desarrollados originalmente para estudiar grandes colecciones de electrones que interactúan mecánicamente cuántica. Las implicaciones para el estudio del comportamiento humano son profundas, según los investigadores.
Por ejemplo, mediante el uso de datos de video disponibles públicamente de multitudes en espacios públicos, su enfoque podría predecir cómo se distribuiría la gente en situaciones de hacinamiento extremo. Al medir las fluctuaciones de densidad con una aplicación de teléfono inteligente, el enfoque podría describir el estado de comportamiento actual o el estado de ánimo de una multitud, proporcionar un sistema de alerta temprana para las multitudes que se inclinan hacia comportamientos peligrosos.
Tomás Arias, profesor de física, es el autor principal de "Teoría de la fluctuación funcional de la densidad de las multitudes, "que se publicó el 30 de agosto en Comunicaciones de la naturaleza . Los coautores incluyen a Itai Cohen, profesor de física; y Yunus A. Kinkhabwala, estudiante de doctorado en el campo de la ingeniería.
Las interacciones entre los individuos de una multitud pueden ser complejas y difíciles de cuantificar matemáticamente; la gran cantidad de actores en una multitud da como resultado un complejo problema matemático. Los investigadores buscaron predecir el comportamiento de las multitudes mediante el uso de medidas simples de densidad para inferir interacciones subyacentes y utilizar esas interacciones para predecir nuevos comportamientos.
Lograr esto, aplicaron conceptos matemáticos y enfoques de la teoría funcional de la densidad (DFT), una rama de la física de muchos cuerpos desarrollada para sistemas mecánicos cuánticos, al comportamiento de las multitudes.
"Este es uno de los casos demasiado raros, particularmente cuando están involucrados sistemas vivos, donde la teoría precedió a los experimentos, y los experimentos, en precisos detalles matemáticos, confirmó completamente la teoría, "dijo Arias.
Para probar su teoría, los investigadores crearon un sistema modelo utilizando moscas de la fruta que caminan (Drosophila melanogaster). Primero demostraron una forma matemática de extraer funciones que cuantifican cuánto les gusta a las moscas las diferentes ubicaciones de su entorno (la función de "vejación") y cuánto les importa apiñarse (la función de "frustración" basada en los detalles de cómo las densidades de población cambiar a medida que las moscas más alrededor.
Luego demostraron que al mezclar y comparar esta información con las observaciones de una sola mosca en un entorno completamente nuevo, podrían predecir con precisión, antes de cualquier observación, cómo se distribuiría una gran multitud de moscas en ese nuevo entorno. También realizaron un seguimiento de los cambios en el comportamiento general de la multitud, es decir, su "estado de ánimo" - siguiendo la evolución de la función de "frustración" de preferencia social.
Si bien las moscas de la fruta eran "un conveniente, y ético, primer sistema de prueba, "Arias dijo, el comportamiento de una multitud en un mitin político proporcionaría un ejemplo humano de la teoría DFT. Las personas intentarán encontrar la mejor ubicación para pararse, generalmente más cerca del escenario, mientras evitan las áreas superpobladas. Cuando haya nuevas y mejores ubicaciones disponibles, es probable que los individuos se muevan hacia ellos.
Para desarrollar una teoría matemáticamente predictiva, los investigadores asociaron un número - la función de vejación - con la deseabilidad intrínseca de cada lugar; el valor más bajo estaría en la ubicación ideal, más cercano al escenario. La función de frustración explica la indeseabilidad de los efectos de hacinamiento, y una regla de comportamiento explica la tendencia de los individuos a buscar mejores ubicaciones.
"El notable descubrimiento matemático, "Arias dijo, "es que los valores precisos de disgusto y frustración se pueden obtener de forma instantánea y automática, simplemente observando cambios en la aglomeración a medida que la multitud se arremolina alrededor, sin la necesidad de ningún tipo de encuesta para preguntar a la gente en la multitud cómo se sienten acerca de diferentes ubicaciones o aglomeraciones ".
Al variar las circunstancias sociales en sus experimentos con moscas, como cambiar la proporción de hombres y mujeres, o inducir hambre y sed, y monitorear los valores de frustración de la multitud, los investigadores demostraron que pueden detectar cambios en el "estado de ánimo" de la multitud. El enfoque DFT, por lo tanto, no solo predice el comportamiento de la multitud en nuevas circunstancias, pero también se puede utilizar para detectar de forma rápida y automática cambios en los comportamientos sociales.
Otra aplicación, utilizando datos de teléfonos móviles y censos, podría analizar los impulsores políticos o económicos y las presiones demográficas para describir y predecir los flujos de población a gran escala, como las migraciones masivas. "Las predicciones resultantes de la migración durante eventos agudos permitirían una mejor planificación por parte de todos los niveles de los funcionarios gubernamentales, desde municipios locales hasta organismos internacionales, con el potencial de salvar millones de vidas humanas, "notan los investigadores.
Otros colaboradores fueron J. Felipe Méndez-Valderrama, profesor de física, Universidad de Los Andes, Bogotá, Colombia; y Jeffrey Silver, analista senior de Metron Inc.
