viernes, 19 de octubre de 2012

Manejando la complejidad, volviendo a trabajar la predicción.

Fuente: www.elleuk.com
Foto: www.elleuk.com
Continuando con los escritos compartidos por el Dr. Michael Batty a este Blog, ahora nos envía un corto editorial originalmente publicado en Environment and Planning B: Planning and Design en el que nos habla que predecir el futuro no solo se vuelve difícil entre mas lejano sea, sino que el futuro inmediato puede ser igualmente de problemático gracias a creciente complejidad de las sociedades. Como ejemplo, escribe el impacto que tuvieron los Juegos Olímpicos de Londres 2012 en el comercio local. El escrito original se puede descargar en este link, y del cual Traza Digital hizo una traducción al castellano que se puede leer después del salto.

jueves, 20 de septiembre de 2012

Descubriendo la complejidad urbana en los sencillos autómatas celulares


                        ¿Existirá una manera de hacer experimentos con una simple hoja de papel cuadriculado y un lápiz para entender cómo funciona una ciudad? La respuesta es afirmativa y se sabrá como hacerlo después de leer el siguiente artículo del Dr. Michael Batty. Bueno, la verdad es que es posible siempre y cuando se tenga una hoja lo suficientemente grande, muchos lápices y mucho, mucho tiempo. Luego, también es mejor que se haga el experimento en una computadora porque, aunque es fácil entender cómo se debe de hacer este ejercicio, la cantidad de trabajo que implica su realización nos lleva inmediatamente a esta opción. Estamos hablando de los autómatas celulares, modelos matemáticos en los que sus reglas de funcionamiento pueden llegar a ser en extremo sencillas pero sus resultados llegar a ser hasta impredecibles. Y ahí la fascinación que provocan: de un conjunto finito de reglas sencillas y conocidas se produce un resultado complejo e inesperado. Y ahí también la razón de porqué se utilizan para entender a las ciudades: son un claro ejemplo de comportamiento emergente, es decir, cuando del comportamiento de los componentes individuales de un sistema (nivel micro) surge un comportamiento del todo diferente a estos en la totalidad de este sistema (nivel macro).
Para aclarar esto y explicar cómo se han utilizado ya los autómatas celulares para estudiar fenómenos urbanos, es que el Dr. Batty escribe un corto y conciso artículo sobre autómatas y forma urbana. El artículo a sido traducido al castellano por Traza Digital y se puede descargar haciendo click aquí, y si después de leerlo se quiere jugar con estos autómatas directamente desde una computadora se puede hacer haciendo click aquí.


jueves, 6 de septiembre de 2012

Una introducción relámpago al modelado urbano por cortesía del Dr. Michael Batty

En esta ocasión no abundaremos sobre quien es el Dr. Michael Batty ya que ameritaría un artículo aparte debido a su prolífico trabajo e influencia en el campo del modelado urbano. Para quien aún no lo conozca, solo mencionaré que es director del Centro para el Análisis Espacial Avanzado (CASA por sus siglas en inglés) de la University College de Londres, editor del journal Environment and Planning B: Planning and Design y ha publicado numerosos artículos y libros como Fractal Cities y el reciente Cities and Complexity.

De entre esta gran cantidad de trabajo, hay uno pequeño que sobresale por su claridad y sencillez titulada Urban Modeling. En solo ocho páginas, logra concentrar de manera por demás breve y concisa toda una serie de conceptos fundamentales al campo del modelado y, a diferencia de otros escritos similares (que de por sí ya son pocos) este destaca por una capa adicional que cubre a este trabajo y que es la experiencia del Dr. Batty a lo largo de muchos años al momento de explicar la evolución de esta aún reciente disciplina. Partiendo de conceptos teóricos tan elementales como definir qué es un modelo, procede a explicar las relaciones entre la teoría urbana, modelado y el método científico y llega a explicar cómo se formaliza lo anterior en un lenguaje matemático. Tampoco podía faltar su explicación respecto al proceso de construcción de modelos y sus aplicaciones en la formulación de políticas públicas urbanas.

En un reciente contacto que sostuve con el Dr. Michael Batty, enterado de este Blog y los fines que persigue, amablemente entregó a Traza Digital su trabajo Urban Modeling para que, con su consentimiento, se publique en este sitio. Se puede descargar haciendo click aquí. Agradezco al Dr. Batty su amabilidad y apoyo, deseando pronto ser favorecido con otra colaboración.

 

miércoles, 1 de agosto de 2012

Predicción, políticas públicas y pixeles: a lo que se enfrenta un modelador urbano en Latinoamérica.

Al día de hoy, existe un ente donde se concentra todo lo que somos, donde se concentra (o se revuelve, como sucede en América Latina con singular alegría) toda una serie de elementos producto de la naturaleza humana. Este ente es la ciudad, y es injusto llamarla por un solo nombre al considerar la gran cantidad de cosas que en ella suceden. La ciudad es mucho más que calles, manzanas, gente, carros y edificios. Esta aglomeración en veces violenta y otras fortuita, de poder, caprichos, historia, belleza, desigualdad, abstracción política y espejo de todo lo humano, es terriblemente compleja. Lejos quedaron los días de las ciudades pre-industriales cuando el intercambio cultural solo sucedía con los más próximos, la movilidad hasta donde los caballos jalaran y las grandes obras tardaban más de 200 años en completarse (¿existiría la prisa en aquel entonces?). Superando con creces todo lo anterior, las ciudades ahora son cuna y consecuencia del avance en la infraestructura de servicios (¡gracias por estar disponibles!, ¡malditos por facilitar la dispersión!), las telecomunicaciones, el transporte, una economía que en veces no se eligió participar, pleitos políticos, movimientos ciudadanos y de una conciencia de lo que sucede en otras partes del mundo. Cada uno de los elementos antes mencionados, y muchos más, tienen un efecto multiplicador sobre los otros, lo que ante nuestra sorpresa y asombro da nacimiento a su vez a nuevas formas de actuar en la ciudad. Así ha sido en las últimas décadas, y seguirá por otras más. Y es a este ente al que, de una u otra manera, tratamos de estudiar y entender los que nos dedicamos a estudiar la ciudad.

La ciudad entonces, es sumamente compleja, y así como se ha distanciado de sus pasadas formas, igualmente las maneras de querer entenderla deben de estar a la par. Afortunadamente quedó atrás la concepción de que su creación recaía solo en el arquitecto-urbanista para dar paso a una concepción multidisciplinaria de la ciudad, lo que ha implicado un cruce con otras disciplinas de maneras antes impensables. Unos de estos procesos de cruce es la extensión del pensamiento matemático e informático hacia la ciudad en la segunda mitad del siglo pasado, en particular a unos temas en donde se conjuga lo anterior: el modelado y la simulación. A partir de los años sesenta, y gracias al avance de las computadoras, lentamente se ha incluido en el discurso de la ciudad temas que antes eran exclusivos del pensamiento matemático como lo son la teoría de la complejidad, sistemas no lineales, autómatas celulares y procesos emergentes; todos estos aplicados al estudio de las dinámicas de usos de suelo, transporte y el mercado inmobiliario entre otros temas. El modelado urbano engloba todos estos conceptos, y nos abre una posibilidad de estudiar a la ciudad de una manera que hasta hace poco no existía: el tener un laboratorio urbano en donde podamos experimentar con ciudades sintéticas.



Un modelo es la simplificación de una estructura o sistema de la vida real y la simulación es ingresar información a dicho modelo, correrlo hacia adelante en el tiempo y observar que sucede (Gilbert, 2005) (Axelrod, 2003). La maqueta de un edificio es un ejemplo: ni es el edificio en sí ni contiene todos los atributos del mismo, solo los suficientes para que sea una fiel representación. La maqueta ni está hecha de concreto ni contiene instalación eléctrica o hidráulica como el edificio real. El que no los contenga es irrelevante para los fines con que se construyó la maqueta. Un modelo urbano funciona de la misma manera: está elaborado para que asemeje lo mejor posible a la realidad que se quiere estudiar, dejando fuera los elementos que no son relevantes a la misma; y así como la maqueta de un edificio nos ayuda a entender el edificio real, así también el empleo de la simulación ofrece varias ventajas. Para empezar, la investigación experimental casi se desconoce en los campos de las ciencias sociales (Gilbert, 2005). Es difícil imaginar los costos económicos que implicaría experimentar sobre una ciudad real, sin siquiera considerar los de tipo social o político. Por esto mismo, el poder experimentar sobre modelos que emulan a la ciudad es ahora más factible, gracias en parte a los avances informáticos que hacen posible procesar con rapidez gran cantidad de datos. Dado que esto se realiza dentro de una computadora, un mismo modelo puede simularse varias veces, descubriendo en este proceso relaciones e interdependencias entre los componentes urbanos. De aquí se desprende el valor de la simulación, ya que al observar el comportamiento del modelo bajo diferentes escenarios es posible desarrollar teorías o comprender el comportamiento de la ciudad. Inclusive, siempre y cuando el modelo esté armado con los datos más fieles a la realidad posibles, se puede llegar a realizar predicción. Al día de hoy es evidente el potencial del uso del modelado porque ya hay todo un trabajo de encuentro entre los lenguajes de programación y el urbanismo y de este hacia la abstracción formal de sus fenómenos, encuentro que ha generado un espacio en común para estas ciencias que todavía no toma forma ni termina por definirse. Este espacio ha permitido vislumbrar una serie de principios sobre cómo debe de llevarse a cabo, a través del método científico, este aún incipiente encuentro de disciplinas.

II 

Desde el punto de vista teórico, el proceso mediante el cual se arma y simula un modelo es relativamente sencillo de entender, pudiéndose visualizar en tres grandes pasos. Aunque es obvio mencionarlo, y en el método científico nunca hay que dar pie a que otros supongan qué es lo que estamos haciendo (¿desde qué especialidad se está suponiendo?), lo primero es identificar nuestro enigma, una pregunta cuya respuesta aún no se conoce y que va a ser el objetivo a resolver a través de la simulación. Una vez identificado de manera clara este objetivo, se procede a estudiar su comportamiento en la vida real para saber cómo reproducirlo en un modelo. Al igual que el ejemplo de la maqueta en donde el arquitecto antes de elaborarla debe primero estar frente al edificio que va a representar y apreciarlo en todos sus aspectos; de igual manera el investigador urbano debe primero conocer lo más posible la naturaleza de lo que ha de modelar. Dicho modelador en su proceso de estudio debe de hacer suposiciones de porqué el objeto de estudio se comporta de tal o cual manera, y estos supuestos procede a traducirlos en un lenguaje formal, casi siempre a un lenguaje de computadora. De nuevo con el ejemplo de la maqueta, aunque el arquitecto conozca los detalles internos del edificio, al representarlo en una maqueta puede tomarse la libertad de no construirlos ya que la función de dicha maqueta puede ser solo el apreciar cómo se ve el edificio real desde el exterior. Igualmente el investigador urbano debe de decidir qué elementos va a representar en su modelo de acuerdo a los fines que persigue, y esta decisión no siempre es fácil. De aquí se puede plantear la siguiente pregunta: si aún no conozco bien el objeto real, ¿cómo saber entonces cuales de sus componentes son relevantes representar en el modelo? Parte de la respuesta se puede obtener al definir para qué se quiere modelar el objeto de estudio, y de acuerdo a expertos como Axelrod, Gillbert o Batty modelamos para dos cosas: entender o predecir. Estas dos metas son extremos opuestos con respecto a qué tanto dejamos fuera de un modelo o, dicho en otras palabras, que tan complejo debe de ser. Si lo que se persigue es entender el objeto, el modelo es más sencillo y tiende a ser genérico, sin hacer referencia a un objeto específico del mundo real (el ejemplo más claro es el juego de Simcity: no representa una ciudad específica del mundo, pero podemos ver con mucha claridad por ejemplo las consecuencias de bajar los impuestos sobres las condiciones físicas de su infraestructura). En el otro extremo está la predicción, la cual demanda un alto nivel de fidelidad con respecto a lo que se modela y por lo mismo mayor complejidad.
Ya definido lo anterior, lo que prosigue es construir el modelo con el uso de un programa informático, preferentemente uno que sea familiar al mayor número de usuarios para que el modelo pueda ser reproducido, experimentado y adaptado a las necesidades de otros usuarios.
Si el primer paso fue definir y modelar nuestro enigma, el segundo es ingresar información al modelo y hacer pasar el tiempo sobre el mismo, es decir, hacer la simulación. Por último, el tercer paso es asegurar que todo lo que se ha hecho es correcto y que la información arrojada tenga el suficiente grado de confiabilidad para nuestros propósitos, y esto se logra en tres partes. En la primera, denominada Verificación, lo que se persigue es la consistencia interna del modelo; y esto se logra observando si el programa funciona como se intencionó; independientemente de que si es una reproducción fiel o no de la realidad. Esto significa que si el programa se hizo para que arroje dos cantidades: población y vehículos, este no se equivoque sumando unos con otros por ser esto imposible en la vida real. En la segunda parte, denominada Validación, se debe de asegurar que el modelo en su funcionamiento sea una representación lo suficientemente acertada de la realidad. Una buena manera de comprobar esto es someter el modelo a una condición tan simple que de antemano se conozca cual sería el resultado en el mundo real y observar si el modelo lo cumple. Por último, en la tercera parte denominada Análisis de Sensibilidad, se realizan pruebas para observar cómo reacciona el modelo ante pequeñas variaciones en la información ingresada. Si el modelo es muy sensible ante inclusive las variaciones más pequeñas, amerita una revisión.

III 

Aunque el proceso de modelado y simulación es relativamente sencillo de entender, de ninguna manera significa que hay una sola manera de hacerlo. Enmarcado dentro del tema de la simulación ha habido una evolución en la forma de abordarlo que va cambiando mientas se logran avances en las matemáticas y ciencias computacionales, no necesariamente porque las ciudades tengan una equivalencia con estas disciplinas, sino porque es posible abordarlas cada vez de una manera más completa. Solo hay que tomar el ejemplo del avance en el poder de procesamiento de las computadoras, lo que ha permitido trabajar con mayores cantidades de información de manera más rápida; y es que de verdad, las ciudades son un inconmensurable cúmulo de datos y procesos, para decirlo en términos computacionales. Y quizá fue esta concepción de la ciudad en forma de datos, una de tantas como se puede ver, lo que derivó en esta unión de matemáticas-computación-urbanismo. Fue solo cuestión de tiempo cuando alguien vio una semejanza entre el tema de redes y la intrincada estructura vial para poder aplicarlo al estudio de las calles y carreteras, o una relación entre los estudios de inteligencia artificial y las formas en que la gente toma decisiones respecto a donde comprar, hacia donde desplazarse y decidir si se ubica cerca de personas diferentes a ellos mismos.

Bien, hasta aquí es estimulante ver todas las posibilidades de la simulación enfocada al estudio de nuestras ciudades. Las metodologías están ahí al igual que los equipos computacionales, cada vez más baratos y con mayor poder de procesamiento, listos para recibir todos los modelos que les ingresemos para ver qué resultados nos pueden dar. Aparte, hay diferentes paquetes de software exclusivos a la simulación, e inclusive hay gratuitos que en este mismo momento se pueden descargar de la internet junto con abundantes tutoriales sobre como armar modelos. Pareciera que tuviéramos todo a nuestra disposición para que inmediatamente nos pusiéramos a modelar. Pero la verdad es que al día de hoy, ni todas las computadoras ni todos los estudios de simulación han realmente pasado a ser parte de la forma de hacer ciudad, ni en las escuelas ni mucho menos en las instituciones encargadas de administrar el desarrollo urbano; y por el estado del arte de esta todavía nueva disciplina (los expertos aún no se ponen de acuerdo a que campo debe de clasificarse) quizá sea mejor así, o por lo menos debería aplicarse con mucho cuidado. Lo más sano sería por lo pronto aplicarse para entender la ciudad y no tanto para predecirla, mucho menos en ciudades donde la falta de información urbana es abundante. Y es que cuando hablamos de simular la ciudad, no hay una sola manera de hacerlo: no siempre va a estar la información disponible ni habrá expertos en programación a la mano y, claro, siempre habrá una manera distinta de interpretarla. La ciudad es tan malvadamente compleja de modelar en su totalidad que no existe una sola metodología que la abarque toda. Con esto no me refiero que no es posible representarla, ya que al fin siempre haremos una simplificación de ella, me refiero a que sus atributos no son posibles representarlos en una sola plataforma. Por lo mismo, hay modelos que nunca los vamos a ver representados gráficamente porque solo van a expresar términos económicos, ¿pero como prescindir de la economía? imposible. Va a haber otros sobre intercambio de bienes y servicios donde el resultado será una serie de relaciones y cantidades impresas o cuando mucho en tablas y diagramas. Luego, hay otros más que muestran desplazamientos de transporte, crecimiento de la mancha urbana y cambios de uso de suelo. Estos a diferencia de los anteriores manejan la dimensión espacial a través de, ahora sí, representaciones gráficas similares a planos o mapas. Si los expertos no acuerdan aún una forma clara para abordar la simulación urbana, ¿cómo pedírselo a los no iniciados a que la asuman? Esto no es porque el modelado todavía esté en tela de juicio, sino porque es una disciplina tan nueva como decir que empezó a usarse apenas en los años noventa y que irá avanzando mientras avancen las computadoras, las metodologías, la información disponible y los estudios urbanos para los cuales deben de participar tantas disciplinas como aristas y dimensiones tiene la ciudad.

IV 

Ahora, la cereza en el pastel: el ser humano.
Desde mucho antes de aplicarse en ciudades, la práctica del modelado ya tenía éxito en otras ciencias como la química, la física y las ciencias naturales. En esta última son conocidos los modelos denominados cazador-presa donde se observa en la pantalla de una computadora pixeles que representan lobos, ovejas y manchas de pasto distribuidas en una amplia superficie. A través de este modelo se entienden mejor las dinámicas de población en la naturaleza: los lobos se comen a las ovejas y estas a su vez se alimentan de pasto, los lobos aumentan en número mientras el de ovejas disminuye, luego los lobos disminuyen por falta de ovejas y el pasto empieza a crecer porque no es consumido. Posteriormente la población de ovejas vuelve a aumentar por la presencia de pocos lobos, la cantidad de pasto disminuye, regresan al acecho los lobos al ver crecido la oferta de ovejas, vuelve a crecer el número de lobos y se repite el ciclo. Si solo los seres humanos fuéramos así de predecibles. Como ya se ha mencionado de manera reiterativa la ciudad es muy compleja, pero no hubiera tanto problema en modelarla si se comportara mecánica y repetitiva. Agreguemos a la fórmula al ser humano y esta se vuelve impredecible en muchos aspectos, aunque afortunadamente a nivel macro se puede observar cierta consistencia en su comportamiento. Como seres humanos nos comportamos de una manera más compleja que ovejas y lobos, y como tal nos manifestamos de maneras que no son solo del ámbito mecanicista y por lo mismo creamos formas que ni son físicas ni son fáciles de medir, como lo son las leyes, las instituciones y las formas de gobernar. Tomemos como ejemplo esto último; el gobierno y lo que emana de él: las políticas públicas. En teoría, las políticas públicas son las acciones del gobierno hacia sus gobernados. Por el supuesto impacto que estas tienen, suponiendo que las grandes obras solo son posibles a través del poder económico del gobierno, el impacto sobre la ciudad debería de ser de primer orden, impacto que se reflejaría en el comportamiento de la ciudad y, por ende, debería y es materia de atención al momento de modelar. Pero esto es solo una manera de ver a las políticas públicas en la ciudad: su supuesto impacto a través de las instituciones públicas sobre los gobernados. Pero sobre la ciudad hay más actores activos. De hecho, se han concebido por lo menos 6 maneras de ver cómo las políticas, y la "política", influyen en la ciudad (Kirlin-Erie, 1972). La concepción de que la ciudad es el resultado del poder institucional es solo una, pero también se puede estudiar a través de la distribución informal de este poder. También a través de la existencia de grupos de interés, de la cultura, de la forma en cómo se proveen los servicios y, aquí tiene un campo sin explorar el modelado, a través de los impactos no tangibles y sutiles de la forma de gobernar.

Si estas concepciones son de origen externo, nos haría bien pensar más sobre las ciudades de América Latina (¿porqué es tan escasa la reflexión urbana latinoamericana?). Claro, hay muchos trabajos de transporte, la distribución del ingreso, hacienda, impuestos y el mercado inmobiliario en el territorio, pero siempre de ciudades que no están dentro de nuestro territorio nacional, mucho menos del resto de los países hispanohablantes de nuestro continente. Aquí tenemos nuestras particularidades, algunas recientes, otras ya pasadas pero con impactos que se siguen sintiendo y con unas raíces profundamente arraigadas a un suelo que es fértil a la diversidad cultural que toma posiciones y territorios: crecimiento acelerado, migración rural a la ciudad, desigualdad salarial, influencia de estructuras informales de poder e irregularidad, entre otras. Y no caigamos en el error de aseverar que para entender la ciudad latinoamericana debemos de estudiar las ciudades pre-industriales anglosajonas supuestamente porque estas eran como lo son ahora las latinas. No, estas ciudades ocupan sus propios modelos y teorías (Barros, 2004). No hay de donde asirse de manera segura para un modelador de estas ciudades, no por lo menos con teorías europeas. Quien se dedique a esto debe de bajar a conocerlas, caminar sus espacios y sobre todo, con más ahínco con que se hace en otras ciudades del mundo, conocer a la gente que las crea, pues son en estas ciudades del llamado tercer mundo donde se aplica con más fuerza lo que Kirlin y Erie llaman los aspectos simbólicos de la política, y quizá en su estudio descubramos por fin alguna luz del porqué de su crecimiento caótico, que seguramente no es más que un gran reproche urbano colectivo e inconsciente a no saber todavía como encausar la ciudad sin tener que recurrir, o dejarse moldear, por formas que no son propias.


En el pasado reciente era imposible representar en una computadora a individuos tomando decisiones, pero qué interesante es ahora ver que esto es posible a través de modelos basados en agentes en donde cada uno es una persona, institución o grupo que se comporta de manera autónoma, socializa, reacciona a su entorno y toma iniciativa. También ya es factible generar condiciones para observar comportamiento emergente: agentes que estaban programados para replicar ciertos comportamientos específicos, al interactuar entre sí crean otros comportamientos diferentes y novedosos inclusive para el propio programador. Este es el caso de los autómatas celulares: una amplia retícula de celdas sobre la que se pueden representar dinámicas de suelo como crecimiento, disminución, desplazamiento e inclusive su desaparición.
Entonces, los avances ahí están. Una disciplina aun no consolidada, metodologías en evolución, diversas formas de ver la ciudad pero, en fin, lo suficiente ya existe para iniciar y ¿lo están las instituciones responsables de administrar el desarrollo urbano? Sin discutir si el modelo institucional es el único para entender la gobernanza de la ciudad, por lo menos es uno de los más asumidos tanto por gobernantes como gobernados. Si este es tal, habría que hacer algunas observaciones de la posibilidad del uso del modelado urbano frente a la situación actual de la administración pública. Primero, esta no es proactiva en aspectos tecnológicos, tan es así que en ciudades que cuentan con centros de investigación es evidente su desaprovechamiento y por lo mismo, la que podría ser una oportunidad de acercamiento al tema queda desaprovechada. Otra seria limitante es la disponibilidad de información en materia urbana. Si esta depende exclusivamente de las administraciones municipales, su acceso, validez y actualización dependerá de factores tan elementales como lo es el recurso económico hasta tan absurdos como su reiterada desaparición en las transiciones de gobierno. Otro reto es la inherente complejidad técnica de la simulación, que requiere tanto de cuadros especializados como de un equipo multidisciplinario, características a las que se encuentran alejados la mayoría de los ayuntamientos. Una causa que indirectamente abona al desconocimiento es la falta de instituciones que estudien el fenómeno urbano y, donde las hay, su interacción con los municipios es cuando mucho protocolaria. Y esto permanecerá así porque en los académicos de las ciencias duras no hay un interés en los temas urbanos por considerarlos privativos de las esferas administrativas, y porque los integrantes de dichas administraciones consideran poco prácticos los productos académicos. Finalmente, hablando en lo que le corresponde a la administración pública, el rezago en la reflexión e investigación urbana es por falta de una clara política en materia de desarrollo urbano que emane tanto de los órdenes de gobierno como desde los diferentes agentes urbanos. Salvo muy contadas intenciones, la ciudad está ausente en el discurso político y la falta de rumbo urbano es la más clara muestra.


Bibliografía

Axelrod, R. (2003), Advancing the art of simulation in the social sciences.

Batty, M., Urban modelling.

Barros, J. (2004), Urban growth in latin america: exploring urban dynamics trough agent-based simulation.

Gilbert, N., Terna, P. (1999), How to use and build agent-based models in social science.

Gilbert, N., Troitzsch, N. (2005), Simulation for the social scientist.

Kirlin, J., Erie, S. (1972), The Study of City Governance and Public Policy Making: A Critical Appraisal.

viernes, 1 de junio de 2012

Ejemplo del uso de agentes en el nuevo juego de Simcity


Maxis, la empresa responsable de crear la exitosísima serie de juegos de simulación urbana Simcity, acaba de lanzar unos vídeos sobre el motor de juego Glassbox a usar en la mas reciente versión de este juego. Aunque breves, muestran como hace uso de agentes para simular el transporte de bienes, servicios, automóviles y habitantes en un pueblo hipotético, algo que ya se utiliza en los ejercicios académicos de modelado y simulación urbana. Gracias a lo que podríamos llamar un Simcity 5, de nuevo la brecha entre lo académico y lúdico en materia de urbanismo se acortará un poco mas con esta versión renovada cuando salga a la luz en el 2013. Aquí los videos:






lunes, 21 de mayo de 2012

Publicación gratuita sobre planeación de escenarios


Como seguramente muchos ya nos hemos dado cuenta, las ciudades son entes complejos en los cuales nos ha tocado vivir, que parecen tener vida propia y donde nadie tiene el control sobre los mismos. Y estas son precisamente dos cuestiones a que nos enfrentamos quienes hemos tenido la oportunidad de participar en la planeación de las ciudades: complejidad e incertidumbre.

Pero, y tal como lo dice una nueva publicación del Lincoln Institute of Land Policy, "Complejidad e incertidumbre no necesitan ser las barreras para planear el futuro de largo plazo". En el libro Opening Acces to Scenario Planning Tools (Abriendo el acceso a herramientas de planeación de escenarios) se muestra de una manera breve y concisa cómo se pueden sobrellevar dichas barreras a través de la planeación con escenarios. A pesar de que ya se lleva varias décadas en su uso, es hasta el surgimiento de las tecnologías digitales cuando se presenta la oportunidad de realmente valorar la utilidad de esta herramienta.

La meta de la planeación con escenarios es el proveer una vista lo mas exhaustiva posible de los pros y contras de futuros potenciales, y dar información sobre futuros alternos en las manos de tomadores de decisiones, expertos y al público en general. Al tratar sobre esto, el libro presenta un balance sobre las ventajas de la utilización de esta herramienta y del software especializado que actualmente tenemos a nuestra disposición. Pero también pone claro sobre la mesa los retos que implica su utilización para quien los quiera implementar en los procesos de hacer ciudad.

El libro es gratuito, se puede descargar haciendo clic aquí previo registro en el sitio del Lincon Institute of Land Policy el cual también es gratis. Este libro es parte de una iniciativa que pretende profundizar en esta herramienta, y para quienes estén interesados en colaborar pueden hacerlo visitando el sitio www.scenarioplanningtools.org.

miércoles, 21 de marzo de 2012

Modelo 3D de Traza Digital gana mención honorífica en concurso nacional.

Templo Purísimo Corazón de María

Este pasado 15 de Marzo de 2012 se celebró en la ciudad de México la ceremonia de premiación del 3er Concurso Nacional Pon a México en el Mapa organizado por el Instituto Nacional de Antropología e Historia (INAH) y Google. Siendo el objetivo modelar en 3D zonas arqueológicas y monumentos históricos custodiados por el INAH para la galería 3D de Google y referenciarse en Google Earth, los resultados fueron un verdadero agasajo de habilidad técnica de los modelos ganadores, como lo fueron la Catedral y Ex Convento de La Asunción, Teatro Juarez, el Templo Circular de Huexotla y el Edificio de 5 Pisos de Edzná.
A prácticamente un año de haber iniciado la elaboración de edificios 3D emblemáticos de la ciudad de Ensenada, B.C., México, en la fecha antes mencionada un servidor fue acreedor de una mención honorífica por el modelo del Templo Purísimo Corazón de María ubicado en esta ciudad y que data de 1897.

Con el interés de explorar los efectos sobre la percepción urbana de quienes interactúan con estos modelos, Traza Digital ha modelado edicifios que ya han sido incluidos en colecciones de la 3D Warehouse de Google como en Monumentos y Patrimonios Históricos de México, Catedrales e Iglesias Latinas, Original Geomodels 3.0 y Supermodels:

Centro Social, Cívico y Cultural Riviera de Ensenada 


Santuario de Ensenada

Torre Augen Ópticos

Los modelos antes mostrados se pueden descargar haciendo click sobre los títulos de sus imágenes, la lista completa de los ganadores del concurso se puede descargar haciendo click aquí, y quienes quieran ver mas ejemplos sobre el uso de herramientas infográficas para la representación de entornos urbanos y arquitectónicos realizados por Traza Digital, hacer click en los títulos de los grupos de imágines siguientes:


Renders Mix-Media
Renders Fotorrealistas






sábado, 4 de febrero de 2012

¿Porqué modelar? La respuesta de Joshua M. Epstein




Ya sea por la falta de información o simplemente porque no es una herramienta de uso común, cuando se habla de modelado de sistemas complejos todavía se puede llegar a tener una idea muy limitada del mismo, casi siempre recayendo en el tema de la predicción como su único fin. Pues bien, Joshua M. Epstein, director del Center on Social and Economic Dynamics en su discurso del Segundo Congreso Mundial de Simulación Social se dio a la tarea de extender, y por mucho, los usos y beneficios que se pueden obtener al modelar. El también Investigador Principal en Estudios Económicos de la Brookings Institution y miembro de la Facultad Externa del Santa Fe Institute tituló a su discurso con la sencilla pregunta Why Model? (¿Porque modelar?) en el cual enumera nada menos que 16 razones para usar modelos y va mas allá al explorar el uso de la analogía en el modelado como una herramienta para el avance de la ciencia, concepto por demás interesante.

Como todo buen discurso, este es breve y solo explica algunos de los 16 puntos, pero queda como una importante referencia al momento de querer ahondar en la naturaleza del modelado de sistemas complejos. Por esta relevancia Traza Digital a traducido, con el consentimiento del propio Joshua M. Epstein, por primera vez para el público hispanohablante este importante discurso, agradeciendo de antemano su gentil consentimiento y aclarando que la legibilidad en la traducción es responsabilidad solo de este Blog:


¿PORQUE MODELAR?
La empresa de modelar se remonta tan lejos como los tiempos de Arquímedes; y así también su malentendido. He sido invitado para compartir mis pensamientos sobre algunas ideas falsas perdurables sobre el modelado. Espero que al hacer esto, daré corazón a quienes aspiran a modelar y dar pausa a críticos malguiados.

¿Porqué modelar?
La primera pregunta que surge frecuentemente—algunas veces inocentemente y otras no—es simplemente "¿Porqué modelar?" Imaginando un inquisidor retórico (no inocente), mi réplica favorita es "Tu eres un modelador". Cualquiera que aventura una proyección o se imagina cómo una dinámica social se desenvuelve—una epidemia, guerra o migración—está ejecutando algún modelo.

Pero típicamente, es un modelo implícito en los que los supuestos están ocultos, su consistencia interna está sin probar, sus consecuencias lógicas son desconocidas y su relación a datos también es desconocida. Pero, cuando cierras los ojos e imaginas la dispersión de una epidemia o cualquier otra dinámica social, estás ejecutando algún modelo u otro. Es solo un modelo implícito que no has escrito (ver Epstein 2007). 

Siendo este el caso, siempre me sorprendo cuando esta misma gente me reta con la pregunta "¿puedes validar tu modelo?" La réplica apropiada es, claro, "¿Puedes validar el tuyo?". Por lo menos puedo escribir el mío para que, en un principio, sea calibrado a datos, si esto es lo que quiere decir con "validar", un término que evito de manera asidua (como buen Popperiano que soy). 

La elección entonces, no es si construir modelos; sino sobre si construir modelos que sean explícitos. En los modelos explícitos los supuestos se muestran con detalle para que podamos estudiar exactamente qué es lo que implican. Sobre estos supuestos este tipo de cosas suceden. Cuando alteras los supuestos eso es lo que sucede. Al escribir modelos explícitos permites que otros repliquen tus resultados. 

De hecho, puedes calibrar para casos históricos si es que existen datos, y puedes probarlo frente a datos actuales hasta donde sea posible la existencia de los mismos. Y, muy importante, puedes incorporar a los mejores expertos (por ejemplo en biomedicina, entografía) de una manera rigurosa. En realidad, los modelos pueden ser puntos focales de equipos en donde se involucren muchas disciplinas. 

Otra ventaja de los modelos explícitos es la factibilidad de los análisis de sensibilidad. Uno puede barrer un amplio rango de parámetros sobre un vasto rango de escenarios posibles para identificar las incertidumbres y regiones de robustez más sobresalientes y los umbrales más importantes. No veo cómo hacer eso con un modelo implícito mental. Es importante notar que en la esfera de lo político (si no en la física de partículas) los modelos no obvian la necesidad de un juicio. Sin embargo, al revelar ventajas y desventajas, incertidumbres y sensibilidades, los modelos pueden disciplinar el diálogo sobre opciones y realizar juicios ineludibles de manera más considerada.

¿Puedes predecir?
Tan pronto como estos puntos son concedidos, la siguiente pregunta surge inevitablemente: "¿Pero puedes predecir?" Por alguna razón, en el momento en que postulamos un modelo—como en una bola de cristal que puede decir el futuro—reflexivamente se presume que esa es su meta. Claro, la predicción puede ser una meta, y puede que sea factible, particularmente si uno admite que la predicción estática en las que las distribuciones estacionarias (por ejemplo de la riqueza o tamaños de epidemias) son las regularidades de interés. Estoy seguro que antes de Newton, la gente debió de haber dicho "las órbitas de los planetas nunca se van a predecir." No veo como la predicción macroscópica—pacem Heisenberg—puede ser definitiva y eternamente evitada.

Dieciséis razones aparte de la predicción para construir modelos
Pero, más al grano, puedo rápidamente pensar en 16 razones además de la predicción (por lo menos en un sentido escueto) para construir un modelo. En este espacio ofrecido, no puedo hablar de todos estos, y algunos han sido tratados de paso con anterioridad. Pero, de mi cabeza y sin ningún orden en particular, tales metas en la modelación incluyen:

1. Explicar (muy diferente a predecir)
2. Guiar la colección de datos
3. Iluminar sobre dinámicas principales
4. Sugerir analogías dinámicas
5. Descubrir nuevas preguntas
6. Promover un hábito de mente científico
7. Relacionar resultados a rangos posibles
8. Iluminar sobre incertidumbres principales
9. Ofrecer opciones de crisis en casi tiempo real
10. Demostrar ventajas y desventajas / sugerir eficiencias
11. Poner a prueba la robustez de una teoría prevaleciente a través de perturbaciones
12. Exponer conocimiento prevaleciente como incompatible con datos disponibles
13. Entrenar a practicantes
14. Disciplinar el diálogo sobre políticas
15. Educar al público en general
16. Revelar que lo aparentemente simple (complejo) es complejo (simple)

Explicación no implica predicción
Una diferenciación crucial es entre explicar y predecir. La tectónica de placas seguramente explica los terremotos, pero no nos permite predecir la hora y el lugar de su ocurrencia. La electrostática explica los rayos, pero no podemos predecir donde o cuando caerá el próximo rayo. En casi todas partes (y lamentablemente consecuente), la evolución es aceptada como la que explica la especiación, pero ni siquiera podemos predecir la cepa de gripe del próximo año. En las ciencias sociales, he tratado de articular y demostrar un acercamiento que llamo explicación generativa, en la que una explanada macroscópica—regularidades a gran escala tales como la distribución de la riqueza, patrones espaciales de asentamientos o dinámicas de epidemias—emergen en poblaciones de individuos de software heterogéneos (agentes) interactuando localmente bajo reglas de comportamiento posibles (Epstein 2006; Ball 2007). Por ejemplo, la reconstrucción computacional de una antigua civilización (los Anasazi) ha sido lograda con este acercamiento con agentes (Axtell et al. 2002; Diamond 2002) Considero este modelo como explicatorio, pero no insistiría que sea predictivo por eso. Este trabajo se impulsó con datos. Pero no creo que eso sea necesario.

Guiar la colección de datos
Sobre este punto, muchos que no son modeladores y en realidad muchos modeladores, albergan un inductivismo ingenuo que se puede parafrasear como sigue: "La ciencia procede de la observación, y luego se construyen los modelos para "representar" a los datos." La interpretación de las ciencias sociales— de la cual estoy muy familiarizado—sería una en la que primero colectamos muchos datos y luego ejecutar regresiones sobre estos. Esto puede ser muy productivo, pero no es la regla en la ciencia, en donde la teoría frecuentemente precede a la colección de datos. La teoría electromagnética de Maxwell es un ejemplo principal. La existencia de las ondas de radio fueron deducidas de sus ecuaciones. Solamente hasta entonces se buscaron...¡y se encontraron! La relatividad general predijo la desviación de la luz por la gravedad, que solo se confirmó después con un experimento. Sin modelos, en otras palabras, ¡no siempre queda claro que datos colectar!

Iluminar sobre dinámicas principales: todos los mejores modelos están equivocados
En un sentido ingenieril, los modelos sencillos pueden ser invaluables sin estar "correctos". En realidad, bajo esta luz, todos los mejores modelos están equivocados. Pero están fructíficamente equivocados. Son abstracciones iluminadoras. Creo que fue Picasso quien dijo "El arte es una mentira que nos ayuda a ver la verdad." Así es también con muchos modelos simples y hermosos: el modelo de ecosistema Lotka-Volterra, la Ley de Hooke o las ecuaciones epidémicas Kermack-McKendrick. Siguen formando los cimientos conceptuales de sus respectivos campos. Se enseñan de manera universal: practicantes maduros, sabiendo muy bien la naturaleza aproximativa de los modelos, sin embargo confían en ellos para la formación de las intuiciones más básicas de los estudiantes (ver Epstein 1997). Y esto es porque capturan comportamientos cualitativos de interés general, tales como los ciclos depredar-presa o la naturaleza de umbral no lineal de epidemias y la noción de la inmunidad de manadas. De nuevo, el asunto no es la idealización—todos los modelos son idealizaciones. El asunto es si el modelo ofrece una idealización fertil. Como George Box famosamente lo dijo "Todos los modelos son incorrectos, pero algunos son útiles."

Sugerir analogías
Es un hecho sorprendente y magnífico que una amplia y aparentemente inconexa variedad de procesos tienen formalmente modelos idénticos (es decir, todos pueden ser vistos como interpretaciones del mismo formalismo subyacente). Por ejemplo, la atracción electrostática bajo la ley de Coulomb y la atracción gravitacional bajo la ley de Newton tienen la misma forma algebraica. La diversidad física de los procesos difusivos que satisfacen la ecuación de "calor" o de los procesos oscilatorios que satisfacen la ecuación de "onda" es prácticamente ilimitada. En su Lectura Nobel de economía, Samuelson escribe que "si usted mira la firma monopólica como ejemplo de un sistema máximo, usted puede conectar sus relaciones estructurales con aquellas que prevalecen en un sistema termodinámico maximizador de entropía...la temperatura absoluta y la entropía tienen entre sí la misma relación conjugada o dual que la tasa del salario tiene al empleo o que la renta del suelo tiene a las acres del suelo." Un diagrama, en sus palabras, hace un "doble servicio, representa las relaciones económicas como también las termodinámicas." (Samuelson 1972; también ver Epstein 1997) Al desarrollar el modelo Anasazi mencionado anteriormente, mis colegas y yo hicimos una "analogía computacional" entre el bien conocido modelo Sugarscape (Epstein y Axtell 1996) y el paisaje de maíz en el cual vivieron los antiguos Anasazi.

Estoy sugiriendo que las analogías son más que hermosos testamentos del poder unificador de los modelos: son faros en un territorio oscuro e inexplorado. Por ejemplo, hay una poderosa teoría de enfermedades infecciosas. ¿Las revoluciones, o religiones, o la adopción de innovaciones se desenvuelven como las epidemias? ¿Es útil el pensar en estos procesos como formalmente análogos? Si es así, entonces una poderosa teoría pre-existente se puede llevar a un campo inexplorado, quizás conduciéndolo a un rápido avance.

Plantear nuevas preguntas
Los modelos nos pueden sorprender, volvernos curiosos y llevarnos a nuevas preguntas. Esto es lo que odio sobre los exámenes. Estos solo demuestran que puedes responder la pregunta de alguien, cuando la cosa más importante es: ¿puedes hacer una nueva pregunta? Son las nuevas preguntas (por ejemplo los problemas de Hilbert) las que producen grandes avances, y los modelos nos pueden ayudar a descubrirlas.

De militancia ignorante a ignorancia militante
Para mí, sin embargo, la contribución más importante de la empresa del modelado—tan distinto de cualquier modelo particular o técnica de modelado—es que hace cumplir un hábito mental científico, el cual caracterizaría como uno de ignorancia militante—un compromiso de hierro a un "yo no sé." Esto es, todo el conocimiento científico es incierto, contingente, sujeto a revisión y falsable de principio. (Esto, claro, no significa fácilmente falsificado. Significa que uno en principio puede especificar observaciones que, si son hechas, lo falsificaría). Uno no basa creencias en autoridad, sino fundamentalmente en evidencia. Esto, claro, es una idea muy peligrosa. Nivela el campo de juego, y permite al campesino más bajo retar al gobernante mas exaltado—obviamente un riesgo intolerable.

Esto es porque la ciencia, como un modo de investigación, es fundamentalmente antitética a todos los sistemas intelectuales monolíticos. En un hermoso ensayo, Feynman (1999) habla sobre la difícilmente ganada "libertad para dudar." Nació de un largo y brutal esfuerzo, y es esencial para una democracia funcional. Los intelectuales tienen un solemne deber de dudar, y de enseñar a dudar. La educación, en su sentido más verdadero, no es sobre "un juego de habilidades vendibles." Es sobre la libertad de prejuicios y argumentos heredados de la autoridad. Esta es la más profunda contribución de la empresa del modelado. Hace cumplir hábitos mentales esenciales para la libertad.

Agradecimientos
Agradezco a Ross A. Hammond por sus comentarios perspicaces y reconozco el apoyo financiero de la National Institutes of Health MIDAS Project [GM-03-008] y el 2008 NIH Director's Pioneer Award [1DP1OD003874-01].

Referencias
AXTELL, RL, JM Epstein, JS Dean, GJ Gumerman, AC Swedlund, JHarberger, S Chakravarty, R Hammond, J Parker, y M Parker, "Population Growth and Collapse in a Multi-Agent Model of the Kayenta Anasazi in Long House Valley". Proceedings of the National Academy of Sciences, Colloquium 99(3): 7275-79.

BALL, Philip (2007), "Social Science Goes Virtual" Nature, Vol 448/9 August .

DIAMOND, Jared M. , "Life with the Artificial Anasazi," Nature 419: 567-69.

EPSTEIN, Joshua M. y Robert Axtell (1996). Growing Artificial Societies: Social Science from the Bottom Up. MIT Press.

EPSTEIN, Joshua M. (1997). Nonlinear Dynamics, Mathematical Biology, and Social Science. Addison-Wesley Publishing Company, Inc.

EPSTEIN, Joshua M. (2006). Generative Social Science: Studies in Agent-Based Computational Modeling. Princeton University Press.

EPSTEIN, Joshua M. (2007). "Remarks on the Role of Modeling in Infectious Disease Mitigation and Containment". En Stanley M. Lemon, et al, Editors, Ethical and Legal Considerations in Mitigating Pandemic Disease: Workshop Summary. Forum on Microbial Threats, Institute of Medicine of the National Academies. National Academies Press.

FEYNMAN, Richard P. (1999) "The Value of Science." En Feynman, R. P. The Pleasure of Finding Things Out. Perseus Publishing.

SAMUELSON, Paul A. (1972). "Maximum Principles in Analytical Economics. En The Collected Scientific Papers of Paul A. Samuelson, editado por y Robert Merton, Vol III, 8-9. Nobel Memorial Lecture, Dec. 11, 1970. MIT Press.









viernes, 20 de enero de 2012

Pearl Harbor digital y la primera World Web War

Estimado lector(a) de Traza Digital:

Diferente a lo que publico normalmente sobre temas de ciudad y tecnología, quiero compartir de manera respetuosa con ustedes una reflexión respecto a lo que está sucediendo en este momento respecto a iniciativas de ley para regular el contenido en la internet. No lo haría de no saber que sitios como este pueden estar en riesgo de ser suprimidos. Aunque este Blog cuida rigurosamente de no compartir material de manera ilegal, estas iniciativas tienen un alcance internacional y pugnaran contra sitios con solo sospechar de su material. De antemano gracias por su atención y comprensión.


Pearl Harbor digital y la primera World Web War

El día de hoy se acaba de liberar una aplicación llamada iTunes U, mediante la cual se pretende ofrecer de manera gratuita y al público en general una gran cantidad de cursos educativos de prestigiadas universidades. La aplicación en sí misma también es gratuita.
Esta es una prueba mas de una característica única del tiempo que nos tocó vivir: el valor del conocimiento, el despunte de la tecnología y los esfuerzos por hacer accesibles ambos a cada vez mayores cantidades de gente. Los efectos de esto ya se han vuelto una forma de hacer civilización, una civilización digital que ha encontrado de manera creativa nuevas manifestaciones culturales propias de este tiempo y que seguirá evolucionando de maneras que todavía son difíciles de prever, manifestaciones que, como cualquier cambio de proporciones realmente históricas, al buscar sus propios caminos entra en conflicto con concepciones opuestas a lo que en el futuro será moneda común en la forma de vivir. Aún mas, dicha revolución cultural ahora no es llevada por un país o ideología en particular que detenten gran poder, sino por ciudadanos "de a pie" de prácticamente todos los continentes del mundo.

Que no nos sorprendan estos conflictos que en el contexto de la escala histórica son temporales pero, como ciudadanos digitales (y tu también lo eres al leerme en una pantalla), tenemos que estar alertas.

Con la explicación anterior, quiero referirme a la iniciativa de ley SOPA (iniciativa que pretende parar la piratería en la internet), la cual desafortunadamente deja de ver por mucho el impacto negativo que puede tener sobre el avance de quizá la tecnología que ha provocado el mayor impacto en la menor cantidad de tiempo en la humanidad. La iniciativa SOPA debe de entender que en la internet no solo se tiene como problema a la piratería ni que todos los usuarios somos delincuentes. Este es solo una cara de todo un fenómeno mucho mas grande y polifacético. La duplicación de cualquier tipo de información se ha vuelto inmensamente fácil y accesible y eso merece un aplauso. La posibilidad de acceder, reproducir y difundir información debe de ser ahora un derecho inalienable de todos nosotros. Si lo anterior te suena subversivo o transgresor, quiere decir que copiar y difundir es para ti sinónimo de piratería. Error. Internet + copiar + difundir no es un delito. No es un muchacho en una computadora perdiendo tiempo bajando canciones. Si al copiar algo te preguntas si cometes delito, error. La idea de la piratería ha sido difundida de manera tan masiva que ahora se ha vuelto difícil para el usuario común distinguir entre lo que es legal de lo que es delito y esto va en detrimento de la libre circulación de información.

Esto no es fácil, nadie todavía tiene la respuesta, y todos vamos en el mimo barco. No hay que actuar como si ya están dadas todas las condiciones para tomar partido. Estamos presenciando el principio. Seamos prudentes y, sobre todo, seamos creativos. No actuemos con viejas herramientas frente a un reto tan novedoso que ni siquiera tiene precedente histórico. Hay poderosos tomadores de decisiones que actúan de acuerdo a criterios de empresas que crean contenidos comerciales, y esa es su mira, fallan en ver un contexto mucho mas grande. Para ellos todo se reduce a que en la internet se da el delito de la piratería y hay que actuar en consecuencia. Por otro lado están auténticos especialistas que han decidido, y logrado, neutralizar informáticamente sitios estratégicamente comerciales y de seguridad. ¿En que otro lugar mas que la internet se puede lograr esto? ¿neutralizar a la propia FBI en el momento en que quisieron? Ojalá esto no escale a mayores y todos salgamos damnificados. Que esto no sea un Pearl Harbor digital. Se dice que los EUA voluntariamente sacrificó a esta importante base militar para justificar su ingreso a la Segunda Guerra Mundial. Aunque siempre he dudado de lo anterior, el cierre por parte de la FBI de sitios como Megaupload pudo ser una deliberada provocación al grupo Anonymous para que saliera al frente con sus ataques de corte radical y así exponer ante los ciudadanos del mundo su naturaleza aparentemente anárquica. De esta manera, el FBI justificaría, con el actuar de este grupo, acciones aún mas extremas por parte del gobierno. Que pena, porque la iniciativa pacífica de apagar voluntariamente miles de páginas web había levantado mas simpatías contra la iniciativa SOPA. Ojalá que lo que suceda en estos días no culmine en un retroceso que nos ha tomado a millones de gentes, con nuestras subidas de videos, blogs, escritos, opiniones, críticas y propuestas, tanto esfuerzo empujar.