Co je to multiagentová simulace? Průvodce v jednoduchém jazyce

Multiagentní simulace je způsob studia systému modelováním mnoha nezávislých aktérů, nazývaných agenti, z nichž každý má svá vlastní pravidla, cíle nebo osobnost, a nechává celkový výsledek vyplynout z toho, jak interagují. Místo psaní jedné rovnice pro „trh“ nebo „veřejné mínění“ popíšete jednotlivce a sledujete, co dělá skupina. Díky moderním jazykovým modelům mohou tito agenti číst, psát a pamatovat si v přirozeném jazyce, což činí tuto metodu užitečnou pro otázky týkající se toho, jak lidé reagují.

Základní myšlenka: chování vychází z interakce

O mnoha důležitých výsledcích nerozhoduje žádný jednotlivý aktér. Dopravní zácpy, cenové spirály, virální zvěsti a změny ve veřejné náladě, to vše vyplývá z mnoha lokálních rozhodnutí, která se navzájem ovlivňují. Multiagentní simulace to bere vážně.

Typická simulace má tři složky:

• Agenti : aktéři, každý s vlastním stavem (co ví, chce nebo čemu věří) a chováním (jak se rozhoduje, co dělat dál).
• Prostředí : prostor, kde agenti jednají a vzájemně se pozorují, například mapa, trh nebo sociální síť.
• Časové kroky nebo kola : v každém kroku agenti pozorují, rozhodují se a jednají a v důsledku toho se mění prostředí.

Tento přístup je charakteristický svou emergencí : vzory na úrovni skupiny, které nikdo přímo nenaprogramoval. Malá preference u každého jednotlivce může opakovanou interakcí vést k velkému a překvapivému kolektivnímu výsledku.

Odkud to pochází: modelování založené na agentech

Tato myšlenka není nová. Výzkumníci v oblasti ekonomie, ekologie, sociologie a informatiky používají agentové modelování po celá desetiletí. První práce v 70. letech 20. století již ukázaly, s velmi jednoduchými pravidly na mřížce, jak mírné individuální preference ohledně sousedů mohou vést k silné segregaci na úrovni celého sousedství. V následujících desetiletích vědci vybudovali umělé společnosti, simulovali trhy a modely epidemií, hejn zvířat a dopravy.

Tyto klasické modely sdílejí jeden rys: agenti jsou záměrně jednoduchí. Každý z nich se řídí několika numerickými pravidly, což model činí transparentním a snadno analyzovatelným, ale zároveň omezuje jeho možnosti říci o složitých lidských projevech, jako je přesvědčování, rámování nebo ironie.

Nová vlna: agenti postavení na jazykových modelech

Velké jazykové modely změnily to, čím může být agent. Výzkum tzv. generativních agentů, který probíhá přibližně od roku 2023, ukazuje, že agenti s jazykovým modelem, kterým je dána persona, vzpomínka na minulé události a schopnost reflektovat tuto vzpomínku, se mohou v simulované komunitě chovat překvapivě věrohodně: plánují si dny, tvoří si názory, předávají si zprávy a vzájemně se koordinují.

Ve srovnání s klasickými modely založenými na agentech, agenti založené na jazykových modelech:

• Komunikujte přirozeným jazykem , aby mohli reagovat na skutečné znění výroku, nejen na číslo.
• Noste bohaté osobnosti , kombinující zázemí, hodnoty a tón hlasu.
• Pamatujte a aktualizujte , aby dřívější konverzace formovaly pozdější chování.

Nevýhodou je, že jsou méně transparentní a jejich provoz je nákladnější než u agentů založených na pravidlech a jejich chování odráží silné stránky a zkreslení podkladového modelu.

Jak InfoDome aplikuje

InfoDome používá agenty jazykového modelu k simulaci reakcí veřejnosti a zainteresovaných stran. Nahrajete dokumenty a popíšete, co chcete předpovědět; InfoDome extrahuje graf znalostí o lidech, organizacích a skupinách ve vašem materiálu a poté vytvoří stovky agentů s jejich vlastním charakterem, pozicí a dlouhodobou pamětí, rozložených až do 10 zemí publika dle vašeho výběru. Agenti interagují paralelně na fóru podobném Twitter a na fóru podobném Reddit po stanovený počet kol a analytický agent napíše predikční zprávu, kterou můžete zpochybňovat, spolu s jakýmkoli jednotlivým agentem. Podrobné mechanismy jsou vysvětleny v článku o tom, jak simulace davu s využitím umělé inteligence předpovídá reakce .

Kdy pomáhá multiagentní simulace

Tato metoda je nejcennější, když výsledek závisí na interakci spíše než na jednotlivém rozhodnutí:

• Reakce, které staví na reakcích : krize, fámy, veřejné debaty, kde nejdůležitější je reakce na první reakci.
• Mnoho zúčastněných stran s různými zájmy : změny politik, restrukturalizace organizace, jednání.
• Strategická souhra : reakce konkurentů nebo válečné hry, kde se každá strana přizpůsobuje té druhé.
• Včasný průzkum : když potřebujete hypotézy rychle, před průzkumem nebo terénní studií, nebo když je skutečný test příliš nákladný nebo příliš riskantní.
• Porovnání sdělení : porovnání dvou verzí jednoho prohlášení se stejným publikem, aby se zjistilo, které z nich se dostane dále.

Když to nepomůže

Stejně důležité je vědět, kdy jej nepoužívat:

• Když potřebujete reprezentativní čísla. Simulace není průzkum; její proporce by se neměly chápat jako procenta z reálného světa.
• Když dobrá historická data již odpovídají na otázku. Pokud máte data o prodeji stabilního produktu za několik let, může být statistická prognóza spolehlivější.
• Když je vstup slabý. Agenti jsou jen tak ukotveni jako materiál, ze kterého jsou postaveni. Chybějící zainteresované strany znamenají chybějící hlasy.
• Když chcete jistotu. Různé běhy se mohou vyvíjet odlišně. Výstupem je přezkoumatelná hypotéza, která podporuje úsudek; nenahrazuje ho.

Pracovaný příklad

Středně velká logistická společnost zvažuje přechod na čtyřdenní pracovní týden pro kancelářské zaměstnance. Vedení chce vědět, jak by na to mohli reagovat zaměstnanci, vedoucí týmů a klienti. Tabulkový model by mohl odhadnout náklady, ale ne to, jak by se mezi zaměstnanci mohla šířit fáma o „skrytých přesčasech“ nebo jak by si tuto zprávu všiml klíčový klient.

Personální tým nahraje interní návrh a shrnutí nedávného průzkumu mezi zaměstnanci do InfoDome, popíše otázku a provede 20 kol v jedné zemi. Na fóru vedoucí týmů vyjadřují obavy ohledně pokrytí v pátek; v informačním kanálu mladší zaměstnanci změnu vítají, ale sdílejí obavy, že se pracovní zátěž jednoduše zkrátí. Agent klienta se ptá, zda se změní doby odezvy. Zpráva analytika naznačuje, že jasnost v pátečním pokrytí je rozhodujícím faktorem jak pro vedoucí týmů, tak pro klienty.

Při pohovoru s vedoucím týmu se personální oddělení dozví, že rotující páteční rozvrh by jeho obavy zmírnil. Vedení to považuje za hypotézu k otestování v reálném pilotním projektu se dvěma odděleními, nikoli za konečnou odpověď. To je dobré využití multiagentní simulace: zúží vágní otázku na konkrétní, testovanou. Pokud pracujete na podobných otázkách zaměřených na budoucnost, je dobrým výchozím bodem případová studie plánování scénářů .

Začínáme

Pro spuštění multiagentní simulace s InfoDome nepotřebujete programátorské dovednosti. Jednotlivý tarif stojí 29 EUR měsíčně, zahrnuje měsíční rozpočet na využití umělé inteligence ve výši 9 EUR a neomezený počet projektů a lze jej kdykoli zrušit. Připravte si první scénář v konzoli ; před registrací si můžete nastavit úkol.