Representando fenómenos emergentes

Autores/as

  • William Ananias Vallerio Dias Universidade de São Paulo

DOI:

https://doi.org/10.5007/1808-1711.2022.e84016

Palabras clave:

scientific representation, DEKI account, cellular automata, emergent properties

Resumen

Modelos representacionais são usados na prática científica para representar diferentes fenômenos. O propósito deste trabalho é examinar o uso de autômatos celulares (AC) para representar fenômenos emergentes, isto é, fenômenos com aspectos globais que não podem ser preditos apenas a partir de seus aspectos locais, procurando entender como se dá a representação nesse processo de modelagem. Uma abordagem sugerida é a acepção DEKI desenvolvida por Roman Frigg e James Nguyen, no qual o processo de representação envolve quatro aspectos: denotação do sistema-alvo pelo modelo sob uma interpretação, exemplificação das propriedades relevantes no modelo, formulação de uma legenda que relaciona propriedades do modelo com propriedades do alvo e imputação das propriedades dadas pela chave ao alvo. Nessa acepção, AC representariam os sistemas-alvo denotados como sistemas complexos que podem ser interpretados em nível local e global, de modo que propriedades emergentes são exemplificadas em nível global.

Citas

Bedau, M. 2002. Downward Causation and Autonomy in Weak Emergence. Principia 6(1): 5-50.

Elgin, C. 1983. With Reference to Reference. Indianapolis: Hackett.

Elgin, C. 2010. Telling Instances. In: R. Frigg & M. C. Hunter (ed.), Representation in Art and Science, p. 1-18. New York: Springer.

Frigg, R. & Nguyen, J. 2016. The Fiction View of Models Reloaded. The Monist 99(3): 225-242.

Frigg, R. & Nguyen, J. 2017. Models and Representation. In: L. Magnami & T. Bertolotti (ed.), Springer Handbook of Model-Based Science, p. 49-102. London and New York: Springer.

Frigg, R. & Nguyen, J. 2020. Modelling Nature: An Opinionated Introduction to Scientific Representation. Cham: Springer.

Ilachinski, A. 2001. Cellular Automata: A Discrete Universe. Singapore: World Scientific.

Callender, C. & Cohen J. 2006. There is no special problem about scientific representation. Theoria 21(1): 67-85.

Goodman, N. 1976. Languages of Art. 2nd Edition. Cambridge: Hackett.

Hughes, R. 1997. Models and representation. Philosophy of Science 64: S325-S336.

Kim, J. 1999. Making Sense of Emergence. Philosophical Studies 95(1/2): 3-36.

Ladyman, J.; Lambert, J.; Wiesner, K. 2013. What is a complex system? European Journal for Philosophy of Science 3(1): 33-67.

Libbrecht, K. 2005. The physics of snow crystals. Reports on Progress in Physics 68(4): 855-895.

Poundstone, W. 1985. The Recursive Universe: Cosmic Complexity and the Limits of Scientific Knowledge. Oxford: Oxford University Press.

Priest, G. 2011. Creating Non-Existentes. In: F. Lihoreau (ed.), Truth in Fiction, p. 107-118. Heusenstamm: Ontos Verlag.

Reiter, C. 2005. A local cellular model for snow crystal growth. Chaos, Solitons and Fractals 23(4): 1111-1119.

Schiff, J. 2008. Cellular Automata: A Discrete View of the World. Hoboken: John Wiley & Sons.

Suárez, M. 2003. Scientific Representation: Against Similarity and Isomorphism. International Studies in the Philosophy of Science 17(3): 225-244.

Symons, J. 2008. Computational Models for Emergent Properties. Minds and Machines 18(4): 475-491.

Thomasson, A. 1999. Fiction and Metaphysics. Cambridge: Cambridge University Press.

Toon, A. 2012. Models as Make-Believe: Imagination, Fiction and Scientific Representation. Basingstoke: Palgrave Macmillan.

Van Fraassen, B. 2008. Scientific Representation: Paradoxes of Perspective. Oxford: Oxford University Press.

Walton, K. 1990. Mimesis as Make-Believe: On the Foundations of Representational Arts. Cambridge: Harvard University Press.

Weisberg, M. 2012. Getting Serious about Similarity. Philosophy of Science 59(5): 785-794.

Weisberg, M. 2013. Simulation and Similarity: Using Models to Understand the World. Oxford: Oxford University Press.

Publicado

2022-06-07

Número

Sección

Special Issue: Models and Modeling in the Sciences