რა არის მრავალაგენტიანი სიმულაცია? მარტივი ენის სახელმძღვანელო

მრავალაგენტიანი სიმულაცია სისტემის შესწავლის მეთოდია მრავალი დამოუკიდებელი აქტორის, აგენტების მოდელირებით, რომელთაგან თითოეულს თავისი წესები, მიზნები ან პიროვნება აქვს და საერთო შედეგის გამოვლენის საშუალებას იძლევა მათი ურთიერთქმედებიდან. „ბაზრის“ ან „საზოგადოებრივი აზრისთვის“ ერთი განტოლების დაწერის ნაცვლად, თქვენ აღწერთ ინდივიდებს და აკვირდებით, თუ რას აკეთებს ჯგუფი. თანამედროვე ენობრივი მოდელებით, ამ აგენტებს შეუძლიათ ბუნებრივი ენით კითხვა, წერა და დამახსოვრება, რაც მეთოდს სასარგებლოს ხდის ადამიანების რეაგირების შესახებ კითხვებისთვის.

ძირითადი იდეა: ქცევა ურთიერთქმედებიდან წარმოიშობა

ბევრი მნიშვნელოვანი შედეგი ერთი კონკრეტული მოთამაშის მიერ არ წყდება. საცობები, ფასების სპირალები, ვირუსული ჭორები და საზოგადოებრივი განწყობის ცვლილებები - ეს ყველაფერი მრავალი ადგილობრივი გადაწყვეტილების შედეგია, რომლებიც ერთმანეთზე გავლენას ახდენენ. მრავალაგენტიანი სიმულაცია ამას სერიოზულად ეკიდება.

ტიპურ სიმულაციას სამი ინგრედიენტი აქვს:

• აგენტები : აქტორები, თითოეულს თავისი მდგომარეობით (რა იცის, რა სურს ან რა სწამს) და ქცევით (როგორ წყვეტს, რა გააკეთოს შემდეგ).
• გარემო : სივრცე, სადაც აგენტები მოქმედებენ და აკვირდებიან ერთმანეთს, როგორიცაა რუკა, ბაზარი ან სოციალური ქსელი.
• დროის საფეხურები ან რაუნდები : თითოეულ საფეხურზე აგენტები აკვირდებიან, იღებენ გადაწყვეტილებებს და მოქმედებენ, რის შედეგადაც გარემო იცვლება.

ამ მიდგომას გამორჩეულს ხდის მისი გაჩენა : ჯგუფის დონეზე არსებული ნიმუშები, რომლებიც პირდაპირ არავის დაუპროგრამებია. თითოეულ ინდივიდში მცირე უპირატესობას განმეორებითი ურთიერთქმედების გზით შეუძლია დიდი და გასაკვირი კოლექტიური შედეგის გამოწვევა.

საიდან მოდის: აგენტზე დაფუძნებული მოდელირება

იდეა ახალი არ არის. ეკონომიკის, ეკოლოგიის, სოციოლოგიისა და კომპიუტერული მეცნიერებების მკვლევარები ათწლეულების განმავლობაში იყენებდნენ აგენტებზე დაფუძნებულ მოდელირებას. 1970-იანი წლების ადრეულმა ნაშრომებმა უკვე აჩვენა, ბადეზე ძალიან მარტივი წესებით, თუ როგორ შეიძლება მეზობლების მიმართ ზომიერმა ინდივიდუალურმა პრეფერენციებმა გამოიწვიოს ძლიერი სეგრეგაცია მთელი სამეზობლოს დონეზე. მომდევნო ათწლეულების განმავლობაში მკვლევარებმა შექმნეს ხელოვნური საზოგადოებები, მოახდინეს ბაზრების და ეპიდემიების, ცხოველების ჯგუფური მოძრაობისა და სატრანსპორტო საშუალებების მოდელირება.

ამ კლასიკურ მოდელებს ერთი საერთო მახასიათებელი ახასიათებთ: აგენტები განზრახ მარტივია. თითოეული მათგანი მიჰყვება რიცხვით წესებს, რაც მოდელს გამჭვირვალეს და ადვილად გასაანალიზებელს ხდის, თუმცა ასევე ზღუდავს იმას, თუ რას ამბობს ის ადამიანის ისეთი ქცევის შესახებ, როგორიცაა დარწმუნება, ჩარჩოების ახსნა ან ირონია.

ახალი ტალღა: ენობრივ მოდელებზე აგებული აგენტები

დიდმა ენობრივმა მოდელებმა შეცვალა ის, თუ როგორი შეიძლება იყოს აგენტი. დაახლოებით 2023 წლიდან, ე.წ. გენერაციულ აგენტებზე ჩატარებულმა კვლევამ აჩვენა, რომ ენობრივი მოდელის აგენტებს, პერსონის, წარსული მოვლენების მეხსიერებისა და ამ მეხსიერებაზე რეფლექსიის უნარის გათვალისწინებით, შეუძლიათ საოცრად დამაჯერებლად მოიქცნენ სიმულირებულ საზოგადოებაში: ისინი გეგმავენ თავიანთ დღეებს, ქმნიან მოსაზრებებს, გადასცემენ ახალ ამბებს და კოორდინაციას უწევენ ერთმანეთს.

კლასიკურ აგენტებზე დაფუძნებულ მოდელებთან შედარებით, ენის მოდელის აგენტები:

• კომუნიკაცია ბუნებრივი ენით განახორციელეთ , რათა მათ შეძლონ რეაგირება განცხადების ფაქტობრივ ფორმულირებაზე და არა მხოლოდ რიცხვზე.
• ატარეთ მდიდარი პერსონა , რომელიც აერთიანებს წარმომავლობას, ღირებულებებსა და ხმის ტონს.
• დაიმახსოვრეთ და განაახლეთ , რათა ადრეულმა საუბრებმა ჩამოაყალიბოს შემდგომი ქცევა.

კომპრომისი ის არის, რომ ისინი ნაკლებად გამჭვირვალე და უფრო ძვირია გასაშვებად, ვიდრე წესებზე დაფუძნებული აგენტები, ხოლო მათი ქცევა ასახავს ძირითადი მოდელის ძლიერ და მიკერძოებულ მხარეებს.

როგორ იყენებს მას InfoDome

InfoDome იყენებს ენობრივ-მოდელურ აგენტებს საზოგადოებისა და დაინტერესებული მხარეების რეაქციების სიმულირებისთვის. თქვენ ატვირთავთ დოკუმენტებს და აღწერთ, რისი პროგნოზირება გსურთ; InfoDome იღებს თქვენს მასალაში არსებული ადამიანების, ორგანიზაციებისა და ჯგუფების ცოდნის გრაფიკს, შემდეგ ქმნის ასობით აგენტს საკუთარი ხასიათით, პოზიციითა და გრძელვადიანი მეხსიერებით, რომლებიც განაწილებულია თქვენს მიერ არჩეულ 10-მდე აუდიტორიის ქვეყანაში. აგენტები ურთიერთქმედებენ Twitter მსგავს არხზე და Reddit მსგავს ფორუმზე პარალელურად გარკვეული რაოდენობის რაუნდების განმავლობაში, ხოლო ანალიტიკოსი აგენტი წერს პროგნოზირების ანგარიშს, რომლის კითხვების დასმაც შეგიძლიათ ნებისმიერ ცალკეულ აგენტთან ერთად. ეტაპობრივი მექანიკა ახსნილია იმაში, თუ როგორ პროგნოზირებს ხელოვნური ინტელექტის მიერ ბრბოს სიმულაცია რეაქციებს .

როდესაც მრავალაგენტიანი სიმულაცია გვეხმარება

მეთოდი ყველაზე ღირებულია მაშინ, როდესაც შედეგი დამოკიდებულია ურთიერთქმედებაზე და არა რომელიმე ერთ გადაწყვეტილებაზე:

• რეაქციები, რომლებიც რეაქციებზეა დაფუძნებული : კრიზისები, ჭორები, საჯარო დებატები, სადაც ყველაზე მნიშვნელოვანია პირველ რეაქციაზე რეაგირება.
• მრავალი დაინტერესებული მხარე სხვადასხვა ინტერესებით : პოლიტიკის ცვლილებები, ორგანიზაციული რესტრუქტურიზაცია, მოლაპარაკებები.
• სტრატეგიული ურთიერთქმედება : კონკურენტების რეაქციები ან საომარი თამაშები, სადაც თითოეული მხარე მეორეს ეგუება.
• ადრეული კვლევა : როდესაც ჰიპოთეზები სწრაფად გჭირდებათ, გამოკითხვის ან საველე კვლევის ჩატარებამდე, ან როდესაც რეალური ტესტი ძალიან ძვირი ან ძალიან სარისკოა.
• შეტყობინების შედარება : ერთი და იგივე აუდიტორიის შედარება განცხადების ორ ვერსიასთან, რათა დადგინდეს, რომელი ფრეიმინგი უფრო შორს მიდის.

როდესაც ეს არ ეხმარება

თანაბრად მნიშვნელოვანია იცოდეთ, როდის არ უნდა გამოიყენოთ იგი:

• როდესაც წარმომადგენლობითი რიცხვები გჭირდებათ. სიმულაცია არ არის გამოკითხვა; მისი პროპორციები არ უნდა იქნას აღქმული, როგორც რეალური სამყაროს პროცენტული მაჩვენებლები.
• როდესაც კარგი ისტორიული მონაცემები უკვე პასუხობს კითხვას. თუ თქვენ გაქვთ სტაბილური პროდუქტის გაყიდვების წლების მონაცემები, სტატისტიკური პროგნოზი შეიძლება უფრო სანდო იყოს.
• როდესაც შემავალი ინფორმაცია მწირია. აგენტები მხოლოდ იმდენად არიან დაფუძნებულნი, რამდენადაც მასალად არიან ისინი აგებულნი. დაინტერესებული მხარეების ნაკლებობა ნიშნავს ხმების ნაკლებობას.
• როდესაც გსურთ დარწმუნებულობა. სხვადასხვა ცდა შეიძლება განსხვავებულად განვითარდეს. შედეგი არის გადასინჯვადი ჰიპოთეზა, რომელიც მხარს უჭერს განსჯას; ის არ ცვლის მას.

დამუშავებული მაგალითი

საშუალო ზომის ლოჯისტიკური კომპანია ოფისის თანამშრომლებისთვის ოთხდღიან სამუშაო კვირაზე გადასვლას განიხილავს. ხელმძღვანელობას სურს იცოდეს, როგორ შეიძლება რეაგირება მოახდინონ თანამშრომლებმა, გუნდის ხელმძღვანელებმა და კლიენტებმა. ცხრილის მოდელით შესაძლებელია ხარჯების შეფასება, მაგრამ არა იმის დადგენა, თუ როგორ შეიძლება გავრცელდეს ჭორი „ფარული ზეგანაკვეთური სამუშაოს“ შესახებ თანამშრომლებში ან როგორ წაიკითხავს სიახლეებს მთავარი კლიენტი.

ადამიანური რესურსების გუნდი InfoDome ზე ატვირთავს შიდა წინადადებას და ბოლოდროინდელი პერსონალის გამოკითხვის შეჯამებას, აღწერს კითხვას და ერთ ქვეყანაში 20 რაუნდს ატარებს. ფორუმზე გუნდის ხელმძღვანელი აგენტები შეშფოთებას გამოთქვამენ პარასკევს გაშუქებასთან დაკავშირებით; არხზე ახალგაზრდა თანამშრომლები მიესალმებიან ცვლილებას, მაგრამ იზიარებენ შეშფოთებას, რომ სამუშაო დატვირთვა უბრალოდ შემცირდება. კლიენტის აგენტი კითხულობს, შეიცვლება თუ არა რეაგირების დრო. ანალიტიკოსის ანგარიში ვარაუდობს, რომ პარასკევს გაშუქების სიცხადე გადამწყვეტი ფაქტორია როგორც გუნდის ხელმძღვანელისთვის, ასევე კლიენტებისთვის.

გუნდის ხელმძღვანელი აგენტის გასაუბრებისას, ადამიანური რესურსების განყოფილება იგებს, რომ პარასკევის მონაცვლეობითი გრაფიკი შეამსუბუქებდა მის შეშფოთებას. ხელმძღვანელობა ამას განიხილავს, როგორც ჰიპოთეზას, რომელიც უნდა გამოსცადოთ რეალურ პილოტურ პროექტში ორი დეპარტამენტის მონაწილეობით და არა როგორც საბოლოო პასუხს. ეს არის მრავალაგენტიანი სიმულაციის კარგი გამოყენება: ის ბუნდოვან კითხვას ამცირებდა კონკრეტულ, შემოწმებად კითხვამდე. თუ მსგავს მომავალზე ორიენტირებულ კითხვებზე მუშაობთ, სცენარის დაგეგმვის გამოყენების შემთხვევა კარგი საწყისი წერტილია.

დაწყება

InfoDome ით მრავალაგენტიანი სიმულაციის გასაშვებად პროგრამირების უნარები არ გჭირდებათ. ერთიანი გეგმის ღირებულება თვეში 29 ევროა, მოიცავს 9 ევროს ოდენობის ყოველთვიურ ხელოვნური ინტელექტის გამოყენების ბიუჯეტს და შეუზღუდავ პროექტებს და მისი გაუქმება ნებისმიერ დროს შეიძლება. მოამზადეთ თქვენი პირველი სცენარი კონსოლში ; დარეგისტრირებამდე შეგიძლიათ დავალების დაყენება.