SIMMEL, ORLÉAN, MENGER E COMPLEXIDADE

A narrativa mengeriana enfatiza a natureza espontânea e não direcionada do processo de emergência da moeda, ao longo do qual agentes vão pouco a pouco, num processo marcado por imitação e observação local, buscando usar certas mercadorias mais frequentemente trocadas como meio de troca; progressivamente, através do reforço causado por essas próprias escolhas, uma das mercadorias passa a adquirir vendabilidade tamanha que ela acaba por se constituir como uma moeda que serve de referência a todos os agentes. Como vimos, tanto o processo espontâneo e não direcionado de emergência da moeda descrito por Simmel quanto o mecanismo mimético de Orléan carregam certas semelhanças (e algumas diferenças importantes) com essa narrativa. Nos três casos, crucialmente, a moeda emerge da interação espontânea e localizada entre os diversos agentes econômicos, sem que seja necessária a presença indutora de um projeto coletivo ou uma autoridade central. É a interação de cada agente com os outros que leva ao surgimento de propriedades coletivas possivelmente inesperadas, como a adoção de uma convenção monetária da qual participam todos os agentes, e que passa a estruturar as relações econômicas entre eles.

Com efeito, buscaremos demonstrar ao longo dessa seção que, em um nível de análise bastante fundamental, visões sobre a moeda baseadas tanto no princípio de mimesis quanto na

noção de vendabilidade crescente são a princípio compatíveis com o conjunto de inovações teóricas que compõem o campo da teoria da complexidade, uma abordagem teórica ainda emergente que combina perspectivas de diversos campos como biologia, teoria cognitiva e teoria da computação. Começamos por uma breve apresentação dos diversos fenômenos que inspiraram a formação dessa visão, e por um panorama da literatura que concerne essa abordagem, bem como seu potencial e suas limitações. Pela própria natureza de sua proposta, essa é uma literatura vasta e dinâmica, de forma que a apresentação a seguir se restringirá a contextualizar a discussão de sistemas complexos com base em alguns autores fundadores e determinadas contribuições sistematizadoras, buscando oferecer uma visão geral, e não exaustiva, do campo.

Um dos exemplos elementares de emergência de complexidade é o de um cristal de gelo. Das interações entre inúmeras moléculas de água num estado de transição entre líquido e sólido, emerge uma grande variedade de estruturas que exibem formas imprevisíveis, e altamente organizadas, de simetria. Entre as características do processo de formação de cristais, destacam- se que: a forma final do cristal é arbitrária e provavelmente derivada de perturbações imperceptíveis; não existe em nenhuma molécula de água um plano geral para a forma do cristal, a estrutura emerge espontaneamente da interação das moléculas de água umas com as outras; e embora as regras físicas da interação entre moléculas de água sejam conhecidas, não é possível prever o estado final particular de cada cristal. (Anderson 1972, p. 395)

Algo semelhante se passa com um cardume de peixes ou uma revoada de pássaros, sistemas que consistem em um grande número de agentes independentes, mas de forma que o conjunto dos elementos se move no espaço como se fosse um organismo único, comportando-se de forma complexa e imprevisível. Embora observando um cardume em movimento quase tenhamos a impressão de que o movimento coletivo é intencional, na verdade não há razão para supor que esteja em ação qualquer processo além decisão individual de cada peixe com relação a para onde ir. De fato, depois de décadas de tentativas infrutíferas de abstrair o padrão geral de movimento de cardumes, programadores finalmente concluíram que a abordagem mais efetiva consiste em modelar cada agente individualmente com algumas regras simples e deixar a simulação se encarregar de calcular a forma emergente – decidiram, enfim, seguir o mecanismo que a própria natureza parece empregar (Kelly, 1995).86

Efetivamente, processos muito semelhantes são observáveis em um campo ainda mais variado de fenômenos. Nicolis e Prigogine (1989) afirmam que um mesmo conjunto de técnicas matemáticas pode ser utilizado para a análise de todos esses sistemas, e propõem um vocabulário científico que seja capaz de dar conta dos aspectos que eles apresentam em comum. Os autores identificam o “nascimento da complexidade” na auto-organização de alguns sistemas físico-químicos. Na física, é possível observar a emergência de correlações espaciais e estruturação em ambientes antes indiferenciados, desde que eles estejam submetidos a um fluxo constante de energia (células de Bénard, p. 11, cristais p. 28). De forma semelhante, na reação química de Belousov-Zhabotinsky (p. 18), processos autocatalíticos que ocorrem sob um fluxo estável de massa resultam na emergência de ritmicidade (correlações temporais em que sistema periodicamente se move entre dois estados), bem como de estrutura espacial em grandes distâncias se o sistema é submetido a pequenas perturbações (p. 22). Na ótica e na eletrônica, ainda, foram processos semelhantes de feedback positivo ou biestabilidade os responsáveis pelo desenvolvimento das tecnologias de lasers e diodos na década de 1980 (p. 31).87

É a partir dessas contribuições, e do reconhecimento de que todos esses processos possam derivar de um mecanismo comum de interação, que se articulou o campo da teoria da complexidade. Essa seção busca traçar algumas características gerais dessa literatura e investigar até que ponto seria possível desenvolver modelos desse tipo buscando respostas a algumas questões da teoria monetária.

Uma sistematização definitiva da teoria da complexidade é provavelmente impossível, mas podemos partir de Prigogine para expor características mais gerais desses sistemas complexos particulares e ao mesmo tempo ubíquos. Em primeiro lugar, todos esses sistemas tendem

pequeno de formigas da mesma espécie para conviver num ambiente isolado, a princípio elas só se movimentam de forma mais ou menos aleatória. A partir de um número suficiente grande de formigas, contudo, subitamente o conjunto apresenta ordem e passa a se comportar como uma colônia, demonstrando propriedades altamente estruturadas como especialização de funções e regulação de temperatura. Isso é analógico a uma questão em aberto na embriologia que diz respeito aos primeiros passos da formação de embriões. No período que segue a fertilização, a célula fertilizada passa a se dividir em um conjunto muito grande de células vizinhas umas das outras. Cada um dessas células é, a princípio, exatamente igual às outras – contudo, apesar dessa indiferenciação total, desse conjunto homogêneo eventualmente emergem órgãos tão diferentes e especializados como um olho ou um coração. Um processo semelhante aos anteriores que se passa no desenvolvimento embrionário, e a simulação por computador desse fenômeno de diferenciação apresenta resultados promissores.

87_{Na biologia, o autor vê semelhanças no processo reprodutivo, uma versão altamente organizada do processo} químico de auto-catálise; no nível planetário transições climáticas de longa escala; na cosmologia a própria história do universo é discutida nos mesmos termos (ps. 32-35).

espontaneamente à auto-organização. Essa organização, na linguagem da complexidade, e dada a inexistência de qualquer forma de metacoordenação que guie o processo, é uma propriedade emergente da interação não planejada dos agentes individuais. Um dos elementos responsáveis pela emergência é a presença generalizada de circuitos de feedback que comunicam informação entre os diversos elementos do sistema. Além disso, esses sistemas tendem a apresentar transições de estado, isto é, mudanças dramáticas no caráter da organização emergente, evidenciando a possibilidade de diversos estados estáveis para um mesmo sistema. Isso também implica que esses sistemas não operam em equilíbrio – eles são marcados por mudanças e evolução constantes, de forma que todos eles são estritamente históricos. Por serem históricos e evolutivos, esses sistemas também são irreversíveis – o que traz grandes desafios para analisá- los a partir do paradigma científico newtoniano. Finalmente, todos eles são sistemas abertos, sistemas que comunicam informação, matéria ou energia com o ambiente em que estão inseridos. A sistemas com esse conjunto de características Prigogine denomina sistemas dissipativos.88

Anderson (1972) afirma que essa noção radical de sistema quebra o paradigma reducionista nas ciências naturais e exige uma nova abordagem que esteja atenta não à possibilidade de redução a elementos essenciais, mas à importância do que ele chama de transformação de fase. Para o autor, “more is different” – ao contrário do que pregam princípios científicos reducionistas, a agregação em sistemas complexos transforma, cria novas propriedades emergentes que só podem ser compreendidas em seus próprios termos, e não a partir dos seus elementos constituintes. O autor afirma que a divisão intelectual do trabalho já considera o agregado da ciência, implicitamente, nesses termos: supõe-se que na cadeia das ciências, cada uma seja redutível a uma outra anterior. Dessa forma, a física de estado sólido seria o fundamento da química, a química o fundamento da biologia molecular, e essa por sua vez a

88_{Se Prigogine chegou a essa noção de sistemas complexos a partir de insights desenvilvidos no estudo da} termodinâmica e da mecânica de fluidos, Anderson (1972) elaborou outra definição potencialmente canônica partindo da sua teoria de quebra de simetria (uma manifestação de arbitrariedade), que investiga as relações entre transições de fase irreversíveis no nível quântico e molecular, e acredita que o mesmo processo de emergência de estrutura é responsável pela criação de informação – por exemplo, na linguagem ou em cadeias de DNA: “in some sense, structure – functional structure in a teleological sense, as opposed to mere crystalline shape – must also be considered a stage possibly intermediate between crystallinity and information strings, in the hierarchy of broken symmetries. I would say that the next stage could be hierarchy or specialization of function, or both. at some point we have to stop talking about decreasing symmetry and start calling it increasing complication. thus, with increasing complication at each stage, we go on up the hierarchy of the sciences. We expect to find fascinating and, I believe, very fundamental question at each stage in fitting together less complicated pieces into the more complicated system and understanding the basically new types of behavior that can result”

base da biologia celular – assim progressivamente até chegarmos na psicologia e nas ciências sociais. Em nenhuma dessas transições, contudo, são conservadas as mesmas ferramentas teóricas para a análise do próximo nível. O autor defende, ao contrário, que cada um desses níveis de agregação corresponde a uma transição de fase no sistema, cuja análise que exige uma nova ciência e novas técnicas, não disponíveis no paradigma reducionista ou previstas por ele. Qualquer que seja a definição precisa do campo científico ainda emergente preocupado com complexidade sistêmica, contudo, a ideia central que atravessa toda a discussão é a de que complexidade e auto-organização emergem de uma distribuição de elementos (ou ”agentes”) agindo de forma independente e não coordenada, em qualquer um dos campos em que sistemas desse tipo são analisados. Como veremos nessa e nas próximas seções, esse foco nas relações entre agentes e propriedades agregadas permite à visão de sistemas complexos oferecer certas contribuições potenciais para uma compreensão da moeda atenta às propostas de Simmel e de Orléan.

O pensamento em termos de sistemas complexos tem raízes em diversos movimentos independentes. Como aponta Capra (2014, p.52), o movimento primeiro tomou forma durante as Macy Conferences, convenções da década de 1950 em que participaram John Von Neumann, Gregory Bateson e Norbert Wiener, mas a abordagem já era prenunciada pelo systems thinking de Bogdanov, Bertalanffy e da psicologia da Gestalt (onde se originou a expressão “the whole is other than the sum of its parts”). Desde o início, assim, esse é um campo altamente interdisciplinar, incluindo em sua fundação engenheiros, neurocientistas, matemáticos e diversos representantes das humanidades. Segundo o autor, a teoria cognitiva moderna deve muito a essa visão sistêmica, em especial ao trabalho de Maturana e Varela na década de 1970. A cibernética, como se denominou o conjunto de abordagens derivado dessas conferências, trouxe a primeiro plano as noções de feedback loops, circuitos fechados e autoalimentados de influências, e de auto-organização, noções deram suporte ao desenvolvimento tanto de novos processos industriais quanto de uma onda de novas abordagens sistêmicas nas ciências sociais, cognitivas e na teoria da informação. Capra argumenta que nesse paradigma “a relação toma o lugar do elemento, e a análise é substituída pelo pensamento contextual” (p. 162), uma proposta familiar ao pensamento pós-estruturalista (Varela e Dupuy, 2013, ps.3-10).

Em paralelo à formalização de Prigogine e Anderson, o crescimento da capacidade computacional nas décadas de 80 e 90 e o trabalho de pesquisadores associados ao Instituto

Santa Fe apoiaram o desenvolvimento de outras linhas de análise que viriam a ser incorporadas ao pensamento de complexidade. Destacam-se aí o trabalho com autômatos celulares, que carrega semelhanças íntimas com as simulações miméticas (Capra, p. 81), o surgimento da network theory, com aplicações interdisciplinares indo desde a sociologia à geologia, e a teoria do caos, que explora sistemas não lineares, particularmente certos padrões fractais que podem tanto ser derivados de equações matemáticas recursivas relativamente simples (como o Mandelbrot Set) quanto observados em inúmeras instâncias de processos naturais. Todas essas abordagens forneceram ferramentas que em algum momento foram incorporadas à abordagem de sistemas complexos, revelando novos aspectos desses sistemas: o fato de que eles tendem a ser hierarquizados em redes de transmissão de informação, o fato de eles apresentarem níveis encapsulados de autossimilaridade, a sensibilidade a condições iniciais, e a irredutibilidade típica de equações caóticas não lineares (Capra p. 105). Por fim, a geração mais recente de modelagem com sistemas complexos trouxe à teoria os componentes de autorregulação e adaptabilidade, ideias derivadas da biologia evolutiva que buscam demonstrar como, dada suficiente complexidade, os sistemas se tornam capaz de criar novas formas e de regular o seu próprio funcionamento, características definidoras da vida e também dos arranjos sociais.

Em suma, a teoria da complexidade é uma abordagem relativamente incipiente – ou mesmo um conjunto de visões paralelas que reconhecem entre si elementos estruturais comuns – dedicada a lidar com qualquer sistema de unidades ou agentes distribuídos que operam em reação ao seu ambiente imediato com base em informações limitadas, sistemas que em última análise se provam muito comuns, se não mesmo universais. Como argumentaremos nas próximas seções, esse é justamente o caso dos sistemas simplificados que analisaremos para compreender a emergência da moeda a partir do fenômeno generalizado de imitação. De forma mais geral, e sob algumas qualificações importantes, essa também é a natureza de todos os sistemas sociais89.

Dada a diversidade de influências teóricas e o caráter interdisciplinar da análise em complexidade, há diversas definições concorrentes de sistemas complexos. Cilliers (1998, p3) apresenta uma definição abrangente, que seguiremos aqui.90 Segundo o autor, esses sistemas se

89 _{Uma ampla discussão a respeito de simulação de sistemas sociais com base em princípios de sistemas complexos} adaptativos é oferecida por Miller e Page (2009).

90_{Uma definição mais concisa da organização Advances in Complex Studies é: “systems comprised of multiple} interacting components, or agents. Nonlinear feedback processes, stochastic influences, specific conditions for the supply of energy, matter, or information may lead to the emergence of new system qualities on the macroscopic

caracterizam por:

1. conter um grande número de unidades independentes. Para sistemas não-complexos com um número relativamente pequeno de elementos, é possível uma definição formal do comportamento do sistema (por exemplo via equações diferenciais); em sistemas maiores, por outro lado, essas ferramentas descritivas deixam de revelar as propriedades cruciais do sistema; 2. esses elementos devem interagir uns com os outros em um processo de mudança no tempo. Essas interações podem ser físicas mas também podem ser compreendidas como trocas de informação;

3. essa interação é rica, isto é, cada um dos elementos conecta-se a diversos outros (alternativamente, um número especialmente grande de elementos conecta-se fracamente a poucos outros);

4. as interações entre elementos são não-lineares, de forma que pequenas causas são amplificadas em resultados muito amplos, ou causas generalizadas absorvidas e reduzidas a pequenos resultados;

5. as interações entre as unidades costumam ser de pequeno alcance: via de regra, entre cada unidade e seus vizinhos; é o fato de os elementos todos estarem conectados que permite que unidades distantes influenciem umas às outras através da modulação das intermediárias (donde o requerimento de alta conectividade, também presente na matriz de probabilidades de Orléan);

6. as interações entre os elementos formam circuitos fechados (loops); o efeito de qualquer atividade pode se voltar para a unidade que o causou, imediatamente ou através da influência de outras unidades no circuito; esses efeitos de feedback podem ser positivos ou negativos;

7. os sistemas são abertos, isto é, eles interagem com o ambiente em que estão inseridos; as bordas de cada sistema, efetivamente, podem não ser imediatamente claras, e em muitos sentidos serão definidas com base no recorte interpretativo que descreve o sistema;

8. os sistemas operam em condições distantes do equilíbrio, e na verdade requerem que um fluxo constante de energia passe por eles de forma a manter sua organização e assegurar sua sobrevivência (como é o caso dos sistemas dissipativos de Prigogine);

scale that cannot be reduced to the dynamics of the agents. Quantitative approaches to the dynamics of complex systems have to consider a broad range of concepts, from analytical tools, statistical methods and computer simulations to distributed problem solving, learning and adaptation. This is an interdisciplinary enterprise.”

9. sistemas complexos têm uma história, no sentido de que eles evoluem no tempo e, mais ainda, de que eles não podem ser compreendidos independentemente de seu próprio passado;

10. cada elemento do sistema ignora o comportamento do sistema como um todo, respondendo só a informações disponíveis localmente. A complexidade emerge dessas inúmeras interações locais.

Cilliers também divide sistemas de agentes distribuídos em 3 categorias: sistemas simples, sistemas complicados e sistemas complexos. Sistemas simples e complicados ainda são passíveis de análises produtivas sob o paradigma reducionista: ambos são redutíveis a seus componentes. São sistemas aditivos e lineares, mecânicos, e cabem no paradigma newtoniano – um relógio ou o problema gravitacional de dois corpos são exemplos convencionais. Esses sistemas são, enfim, previsíveis, e podem ser abstraídos e simulados sem muitas dificuldades (nos termos da teoria da informação, eles têm baixa entropia informacional, sendo descritíveis em um conjunto relativamente simples de instruções). Na medida em que esses sistemas são criados, são criados buscando eliminar variabilidade e influências imprevisíveis do ambiente, que são descartadas simplesmente como ruído. (p.45).

Cristais de gelo e cardumes de peixe, por sua vez, estão na vizinhança da complexidade: são sistemas imitativos relativamente pouco intricados, mas nos quais imperfeições mínimas já bastam para gerar arbitrariedade e a emergência de formas imprevisíveis; esses sistemas incorporam variabilidade como parte de seu funcionamento. Uma colônia de formigas já é mais um passo adiante na direção de um sistema complexo. Um embrião ou o mercado financeiro são sistemas definitivamente complexos; sistemas desse tipo apresentam adaptabilidade, autorregulação, criatividade e hierarquias – e também imprevisibilidade e grande entropia informacional.

Nas décadas recentes, a economia vem estabelecendo diálogos relativamente próximos com visões sistêmicas sensíveis à noção de complexidade. Rosser (1999) oferece um balanço bastante sóbrio do potencial e das limitações possíveis da abordagem de sistemas complexos na economia, argumentando que o paradigma trouxe razões para uma significativa mudança de perspectiva na disciplina, permitindo ver como parte da natureza do sistema econômico aspectos que eram antes considerado anomalias ou desvios91; o paradigma, assim, carregaria

91_{“Even so, the emphasis on dispersed agent models in economics provides an alternative way of thinking about} the economy that has significantly contributed to undermining important elements of conventional thinking such as the likelihood of rational expectations, continual market-clearing, and reaching global optima.” (Rosser, 1999,

contribuições teóricas, metodológicas e de política econômica potencialmente relevantes, embora não tivesse claramente culminado em descobertas científicas específicas. Krugman (1996) apresenta uma visão ainda mais conciliatória, defendendo que em muitos casos alguns modelos da economia, que evoluíram a certa distância das ciências naturais, já incorporam diversos elementos da visão de complexidade, e que, na verdade, a economia teria tanto a