O documento discute as ciências da complexidade e como elas promovem uma nova maneira de conceituar a economia, a sociedade e a história através de novas metáforas cognitivas, como sistemas complexos auto-organizados e críticos. As ciências da complexidade também mostram que eventos históricos podem ser vistos como avalanches em cascata e que não há eventos típicos, apenas imprevisibilidade em alta dimensão.

1. Ciências da Complexidade
e a "Quarta Revolução Industrial”
Osame Kinouchi
!
!
Fundação Padre Anchieta 27/11/2017
1

2. 2
Convolutional neural networks for
artistic style transfer
GATYS, Leon A.; ECKER,
Alexander S.; BETHGE,
Matthias.
Image style transfer using
convolutional neural
networks.
In: Proceedings of the
IEEE Conference on
Computer Vision and
Pattern Recognition.
2016. p. 2414-2423.
Figure 2: Images that combine the content of a photograph with the style of several well-

3. 3
História da Inteligência Artificial

4. 4
Inteligência Artificial, Machine Learning e
Deep Learning

5. 5
Exemplo de rede neural multicamadas

6. 6
Prisma app ….

7. 7
PRISMA
https://harishnarayanan.org/writing/artistic-style-transfer/

8. 8
Revolução científica 1.0
Mecânica Clássica (1543-1687)

9. 9
Revolução científica 1.1
Termodinâmica e Física Estatística (1824 - 1902)

10. 10
Revolução científica 2.0
Eletricidade + Magnetismo (1800 - 1897)

11. 11
Revolução científica 3.0 e 3.1
Relatividade e Física Quântica (1905 - 1935)

12. 12
Revolução científica 4.0
Ciência computacional de sistemas complexos

13. O que é física estatística?
» A Física Estatística é a parte da física que estuda
sistemas com muitas unidades interagentes, tais como
átomos, moléculas, spins magnéticos etc.
» Seu principal interesse é estudar as fases da matéria
(sólida, líquida, gasosa, fase magnética etc.)
» A origem da Física Estatística foi inspirada nas
ciências humanas (Sociologia, Economia) onde se
deram as primeiras aplicações da Estatística (sec.
XVIII-XIX).
» Dado que o comportamento humano é imprevisível no
nível individual mas muito previsível no nível
estatístico, James Clerk Maxwell (1860) propôs que os
átomos, com seu comportamento caótico em grandes
populações (gás), devessem ser encarados como
pequenos seres humanos com livre arbítrio, de modo a
se poder usar a Estatística em vez da abordagem
determinista Newtoniana.

14. Da física estatística interdisciplinar ao
estudo dos sistemas complexos
» Logo se percebeu que as ideias e técnicas desenvolvidas pela física
estatística poderiam ter aplicações inter/trans-disciplinares, por
exemplo:
» Sistemas de muitos agentes econômicos: Econofísica ou Economia
Computacional
» Sistemas de muitos agentes sociais: Sociofísica ou Sociologia
Computacional
» Sistemas de muitos agentes culturais: Evolução Cultural
Computacional
» Sistemas de muitas espécies: Evolução Biológica Computacional,
Ecologia Computacional
» Sistemas de muitas entidades biológicas: Biologia Computacional
» Sistemas de muitos neurônios: Neurociência Computacional
!
» Não se trata de reducionismo à Física, mas sim de modelagem
computacional de fenômenos coletivos emergentes em qualquer
nível de organização de sistemas complexos = Ciências da
Complexidade.
» A onipresença de físicos se deve apenas por sua maior experiência
em modelagem computacional.

15. 15
Econofísica e Sociofísica:
comportamentos coletivos não são a soma de
comportamentos individuais
Robert Axelrod
sociólogo

16. 16
Redes Complexas

17. 17
T h e o p e n – a c c e s s j o u r n a l f o r p h y s i c s
New Journal of Physics
The non-equilibrium nature of culinary evolution
Osame Kinouchi1
, Rosa W Diez-Garcia2
, Adriano J Holanda1
,
Pedro Zambianchi3
and Antonio C Roque1,4
1
Departamento de Física e Matemática, FFCLRP, Universidade de São Paulo,
14040-901 Ribeirão Preto, SP, Brazil
2
Departamento de Clínica Médica, Curso de Nutrição e Metabolismo,
Faculdade de Medicina de Ribeirão Preto, Universidade de São Paulo,
14040-901 Ribeirão Preto, SP, Brazil
3
Departamento de Física, Universidade Tecnológica Federal do Paraná,
Av. Sete de Setembro 3165, Centro, 80230-901 Curitiba, PR, Brazil
E-mail: antonior@ffclrp.usp.br
New Journal of Physics 10 (2008) 073020 (8pp)
Received 2 April 2008
Published 10 July 2008
Online at http://www.njp.org/
doi:10.1088/1367-2630/10/7/073020
Abstract. Food is an essential part of civilization, with a scope that ranges from

18. Não basta medir, tem que modelar!
Evolução da culinária

19. 19
Grupo de Albert Barabási (199 citações)
Flavor network and the principles of food
pairing
Yong-Yeol Ahn1,2,3
*, Sebastian E. Ahnert1,4
*, James P. Bagrow1,2
& Albert-La´szlo´ Baraba´si1,2
1
Center for Complex Network Research, Department of Physics Northeastern University, Boston, MA 02115, 2
Center for Cancer
Systems Biology Dana-Farber Cancer Institute, Harvard University, Boston, MA 02115, 3
School of Informatics and Computing
Indiana University, Bloomington, IN 47408, 4
Theory of Condensed Matter, Cavendish Laboratory, University of Cambridge,
Cambridge CB3 0HE, UK.
The cultural diversity of culinary practice, as illustrated by the variety of regional cuisines, raises the question
of whether there are any general patterns that determine the ingredient combinations used in food today or
principles that transcend individual tastes and recipes. We introduce a flavor network that captures the flavor
compounds shared by culinary ingredients. Western cuisines show a tendency to use ingredient pairs that share
many flavor compounds, supporting the so-called food pairing hypothesis. By contrast, East Asian cuisines tend
to avoid compound sharing ingredients. Given the increasing availability of information on food preparation,
our data-driven investigation opens new avenues towards a systematic understanding of culinary practice.
A
s omnivores, humans have historically faced the difficult task of identifying and gathering food that
satisfies nutritional needs while avoiding foodborne illnesses1
. This process has contributed to the current
diet of humans, which is influenced by factors ranging from an evolved preference for sugar and fat to
SUBJECT AREAS:
STATISTICAL PHYSICS,
THERMODYNAMICS AND
NONLINEAR DYNAMICS
APPLIED PHYSICS
SYSTEMS BIOLOGY
STATISTICS
Received
18 October 2011
Accepted
24 November 2011
Published
15 December 2011

20. 20
Ingredientes = nodos
Links = compartilhamento de flavorizantes
Figure 2 | The backbone of the flavor network. Each node denotes an ingredient, the node color indicates food category, and node size reflects the
ingredient prevalence in recipes. Two ingredients are connected if they share a significant number of flavor compounds, link thickness representing the
number of shared compounds between the two ingredients. Adjacent links are bundled to reduce the clutter. Note that the map shows only the statistically
significant links, as identified by the algorithm of Refs.28,29
for p-value 0.04. A drawing of the full network is too dense to be informative. We use, however,
the full network in our subsequent measurements.
www.nature.com/scientificreports

21. 21
Revoluções científicas precedem, vem a reboque
ou ocorrem em paralelo com revoluções industriais?
» Engenharia e know how precederam Mecânica (RC 1.0)
» Máquinas a vapor (1a RI) vieram antes da Termodinâmica (RC 1.1)
» Eletrificação (2a RI) ocorreu em paralelo com Eletromagnetismo (RC 2.0)
» Relatividade e Física Quântica (RC 3.0 e 3.1) foram irrelevantes para
revolução informática (3a RI)
» Computadores e informatização (3a RI) foram pré-requisito para ciências
da complexidade (RC 4.0)
!
!
» 4a RI 4a RC

22. 22
Mas quem disse que existem revoluções
(científicas ou industriais)?
Mais que tecnológico, o
grande impacto das
ciências da complexidade
é cultural: elas promovem
uma nova maneira de
conceituar a economia, a
sociedade e a história na
f o r m a d e n o v a s
metáforas cognitivas

23. 23
Criticalidade auto-organizada (SOC)

24. 24
Um novo conceito de História que escapa da dualidade
“grande homem” vs “determinismo histórico”:
Eventos históricos = avalanches (reações em cadeia)

25. 25
Invariância de escala das avalanches = fractal
= não existem avalanches típicas (pequena, média, grande)
Avalanches históricas
são imprevisíveis.
Caos (efeito borboleta)
em alta dimensão)

26. 26
Conclusão
Não existem “revoluções” científicas ou industriais,
ou melhor, temos revoluções de todos os tamanhos,
incluindo micro-revoluções

27. 27
Outras aplicações de SOC

28. 28