Šta je višeagentna simulacija? Vodič jednostavnim jezikom

Multi-agentska simulacija je način proučavanja sistema modeliranjem mnogih nezavisnih aktera, nazvanih agenti, svaki sa svojim pravilima, ciljevima ili ličnošću, i omogućavajući da ukupni ishod proizilazi iz načina na koji oni međusobno djeluju. Umjesto pisanja jedne jednačine za "tržište" ili "javno mnijenje", opisujete pojedince i posmatrate šta grupa radi. Sa modernim jezičkim modelima, ti agenti mogu čitati, pisati i pamtiti na prirodnom jeziku, što čini metodu korisnom za pitanja o tome kako ljudi reaguju.

Osnovna ideja: ponašanje proizlazi iz interakcije

Mnoge važne ishode ne odlučuje nijedan pojedinačni akter. Saobraćajne gužve, spirale cijena, viralne glasine i promjene u raspoloženju javnosti proizlaze iz mnogih lokalnih odluka koje utiču jedna na drugu. Multi-agentska simulacija to shvata ozbiljno.

Tipična simulacija ima tri sastojka:

• Agenti : akteri, svaki sa svojim stanjem (šta zna, želi ili vjeruje) i ponašanjem (kako odlučuje šta će sljedeće učiniti).
• Okruženje : prostor u kojem agenti djeluju i posmatraju jedni druge, kao što su mapa, tržište ili društvena mreža.
• Vremenski koraci ili runde : u svakom koraku agenti posmatraju, odlučuju i djeluju, a okruženje se mijenja kao rezultat toga.

Ono što ovaj pristup čini posebnim jeste emergencijom : obrasci na nivou grupe koje niko nije direktno programirao. Mala preferencija kod svake osobe može, kroz ponovljenu interakciju, proizvesti veliki i iznenađujući kolektivni rezultat.

Odakle potiče: modeliranje zasnovano na agentima

Ideja nije nova. Istraživači u ekonomiji, ekologiji, sociologiji i računarstvu decenijama koriste modeliranje zasnovano na agentima. Rani radovi iz 1970-ih već su pokazali, s vrlo jednostavnim pravilima na mreži, kako blage individualne preferencije o susjedima mogu dovesti do snažne segregacije na nivou cijelog susjedstva. U narednim decenijama, istraživači su izgradili vještačka društva, simulirali tržišta i modele epidemija, jata životinja i saobraćaja.

Ovi klasični modeli imaju jednu zajedničku osobinu: agenti su namjerno jednostavni. Svaki slijedi nekoliko numeričkih pravila, što model čini transparentnim i lakim za analizu, ali također ograničava ono što može reći o bogatom ljudskom ponašanju kao što su uvjeravanje, uokviravanje ili ironija.

Novi talas: agenti izgrađeni na jezičkim modelima

Veliki jezički modeli promijenili su ono što agent može biti. Od otprilike 2023. godine, istraživanja takozvanih generativnih agenata pokazala su da se agenti jezičkog modela, kojima je data persona, sjećanje na prošle događaje i sposobnost razmišljanja o tom sjećanju, mogu ponašati na iznenađujuće uvjerljive načine u simuliranoj zajednici: planiraju svoje dane, formiraju mišljenja, prenose vijesti i koordiniraju jedni s drugima.

U poređenju sa klasičnim modelima zasnovanim na agentima, agenti zasnovani na jezičkom modelu:

• Komunicirajte prirodnim jezikom , kako bi mogli reagirati na samu formulaciju izjave, a ne samo na broj.
• Nosite bogate persone , kombinirajući porijeklo, vrijednosti i ton glasa.
• Zapamtite i ažurirajte , kako bi raniji razgovori oblikovali kasnije ponašanje.

Kompromis je što su manje transparentni i skuplji za korištenje od agenata zasnovanih na pravilima, a njihovo ponašanje odražava snage i pristranosti osnovnog modela.

Kako InfoDome to primjenjuje

InfoDome koristi agente jezičkog modela za simuliranje reakcija javnosti i zainteresovanih strana. Vi postavljate dokumente i opisujete šta želite predvidjeti; InfoDome izdvaja grafikon znanja o ljudima, organizacijama i grupama u vašem materijalu, a zatim kreira stotine agenata sa njihovim vlastitim karakterom, položajem i dugoročnim pamćenjem, raspoređenih u do 10 zemalja publike koje odaberete. Agenti paralelno komuniciraju na feedu sličnom Twitter i forumu sličnom Reddit tokom određenog broja rundi, a analitički agent piše izvještaj o predviđanju koji možete ispitivati, zajedno sa bilo kojim pojedinačnim agentom. Mehanika korak po korak objašnjena je u načinu na koji simulacija mase pomoću umjetne inteligencije predviđa reakcije .

Kada multiagentna simulacija pomaže

Metoda je najvrijednija kada ishod zavisi od interakcije, a ne od bilo koje pojedinačne odluke:

• Reakcije koje se nadovezuju na reakcije : krize, glasine, javne debate, gdje je odgovor na prvu reakciju najvažniji.
• Mnogo zainteresovanih strana sa različitim interesima : promjene politika, restrukturiranje organizacije, pregovori.
• Strateška interakcija : odgovori konkurenata ili ratne igre, gdje se svaka strana prilagođava drugoj.
• Rano istraživanje : kada su vam hipoteze potrebne brzo, prije ankete ili terenske studije ili kada je pravi test previše skup ili previše rizičan.
• Poređenje poruka : upoređivanje iste publike s dvije verzije izjave kako bi se vidjelo koja verzija poruke dalje putuje.

Kada ne pomaže

Podjednako je važno znati kada ga ne treba koristiti:

• Kada su vam potrebni reprezentativni brojevi. Simulacija nije anketa; njene proporcije ne treba čitati kao procente iz stvarnog svijeta.
• Kada dobri historijski podaci već odgovaraju na pitanje. Ako imate višegodišnje podatke o prodaji za stabilan proizvod, statistička prognoza može biti pouzdanija.
• Kada je ulaz slab, agenti su utemeljeni samo onoliko koliko je utemeljen materijal od kojeg su izgrađeni. Nedostatak zainteresovanih strana znači nedostatak glasova.
• Kada želite sigurnost. Različiti ciklusi se mogu odvijati drugačije. Izlaz je hipoteza koja se može preispitati i koja podržava procjenu; ne zamjenjuje je.

Urađen primjer

Srednja logistička kompanija razmatra prelazak na četverodnevnu radnu sedmicu za kancelarijsko osoblje. Rukovodstvo želi znati kako bi zaposleni, vođe timova i klijenti mogli reagovati. Model tabele bi mogao procijeniti troškove, ali ne i kako bi se glasina o "skrivenom prekovremenom radu" mogla proširiti među osobljem ili kako bi ključni klijent pročitao vijest.

HR tim postavlja interni prijedlog i sažetak nedavne ankete osoblja na InfoDome, opisuje pitanje i provodi 20 krugova u jednoj zemlji. Na forumu, agenti vođe timova izražavaju zabrinutost zbog izvještavanja petkom; na feedu, mlađi zaposlenici pozdravljaju promjenu, ali dijele zabrinutost da će se radno opterećenje jednostavno komprimirati. Agent klijenta pita hoće li se vrijeme odgovora promijeniti. Izvještaj analitičara sugerira da je jasnoća u vezi s izvještavanjem petkom odlučujući faktor i za voditelje timova i za klijente.

Intervjuirajući agenta koji vodi tim, HR odjel saznaje da bi rotirajući raspored petkom ublažio njihove zabrinutosti. Rukovodstvo ovo tretira kao hipotezu koju treba testirati u stvarnom pilot projektu s dva odjela, a ne kao konačan odgovor. To je dobra upotreba simulacije s više agenata: sužava nejasno pitanje na specifično, testirano. Ako radite na sličnim pitanjima usmjerenim prema budućnosti, scenarij planiranja upotrebe je dobra početna tačka.

Početak

Ne trebate programerske vještine da biste pokrenuli simulaciju s više agenata pomoću InfoDome. Pojedinačni plan košta 29 eura mjesečno, uključuje mjesečni budžet za korištenje umjetne inteligencije od 9 eura i neograničen broj projekata, a možete ga otkazati u bilo kojem trenutku. Pripremite svoj prvi scenarij u konzoli ; zadatak možete postaviti prije registracije.