Kas ir daudzaģentu simulācija? Vienkāršas valodas ceļvedis

Daudzaģentu simulācija ir sistēmas pētīšanas veids, modelējot daudzus neatkarīgus dalībniekus, kurus sauc par aģentiem, katram ar saviem noteikumiem, mērķiem vai personību, un ļaujot kopējam rezultātam izrietēt no to mijiedarbības. Tā vietā, lai rakstītu vienu vienādojumu "tirgum" vai "sabiedriskajai domai", jūs aprakstāt indivīdus un vērojat, ko dara grupa. Ar mūsdienu valodu modeļiem šie aģenti var lasīt, rakstīt un atcerēties dabiskajā valodā, kas padara šo metodi noderīgu jautājumiem par to, kā cilvēki reaģē.

Galvenā ideja: uzvedība rodas mijiedarbības rezultātā

Daudzus svarīgus rezultātus neizlemj viens atsevišķs dalībnieks. Satiksmes sastrēgumi, cenu spirāles, vīrusu baumas un sabiedriskā noskaņojuma maiņa – tas viss rodas daudzu vietējo lēmumu rezultātā, kas ietekmē viens otru. Daudzaģentu simulācija to uztver nopietni.

Tipiskai simulācijai ir trīs sastāvdaļas:

• Aģenti : dalībnieki, katram ar savu stāvokli (ko tas zina, vēlas vai kam tic) un uzvedību (kā tas izlemj, ko darīt tālāk).
• Vide : telpa, kurā aģenti darbojas un novēro viens otru, piemēram, karte, tirgus vai sociālais tīkls.
• Laika posmi jeb apļi : katrā solī aģenti novēro, pieņem lēmumus un rīkojas, un rezultātā mainās vide.

Šīs pieejas īpatnība ir emergence : grupas līmeņa modeļi, kurus neviens tieši nav ieprogrammējis. Neliela katra indivīda vēlme atkārtotas mijiedarbības rezultātā var radīt lielu un pārsteidzošu kolektīvu rezultātu.

No kurienes tas cēlies: uz aģentiem balstīta modelēšana

Šī ideja nav jauna. Ekonomikas, ekoloģijas, socioloģijas un datorzinātņu pētnieki jau gadu desmitiem izmanto uz aģentiem balstītu modelēšanu. Jau agrīnie darbi 20. gs. 70. gados, izmantojot ļoti vienkāršus noteikumus uz režģa, parādīja, kā nelielas individuālas preferences attiecībā uz kaimiņiem var izraisīt spēcīgu segregāciju visas apkaimes līmenī. Turpmākajās desmitgadēs pētnieki veidoja mākslīgas sabiedrības, simulēja tirgus un epidēmiju, dzīvnieku baru un satiksmes modeļus.

Šiem klasiskajiem modeļiem ir kopīga iezīme: aģenti ir apzināti vienkārši. Katrs no tiem ievēro vairākus skaitliskus noteikumus, kas padara modeli caurspīdīgu un viegli analizējamu, bet arī ierobežo to, ko tas var pateikt par bagātīgu cilvēku uzvedību, piemēram, pārliecināšanu, kadrēšanu vai ironiju.

Jaunais vilnis: uz valodu modeļiem veidoti aģenti

Lielie valodu modeļi mainīja to, kas var būt aģents. Kopš aptuveni 2023. gada pētījumi par tā sauktajiem ģeneratīvajiem aģentiem ir parādījuši, ka valodu modeļu aģenti, kuriem ir dota persona, atmiņas par pagātnes notikumiem un spēja pārdomāt šīs atmiņas, simulētā kopienā var uzvesties pārsteidzoši ticami: viņi plāno savas dienas, veido viedokļus, nodod tālāk ziņas un koordinē darbības savā starpā.

Salīdzinot ar klasiskajiem uz aģentiem balstītajiem modeļiem, valodas modeļu aģenti:

• Sazināties dabiskā valodā , lai viņi varētu reaģēt uz apgalvojuma faktisko formulējumu, ne tikai uz skaitli.
• Izpauž bagātīgu personību , apvienojot pieredzi, vērtības un balss toni.
• Atcerieties un atjauniniet informāciju , lai agrākās sarunas ietekmētu vēlāku uzvedību.

Kompromiss ir tāds, ka tie ir mazāk caurspīdīgi un dārgāki nekā uz noteikumiem balstīti aģenti, un to uzvedība atspoguļo pamatā esošā modeļa stiprās puses un neobjektivitāti.

Kā InfoDome to piemēro

InfoDome izmanto valodas modeļa aģentus, lai simulētu sabiedrības un ieinteresēto personu reakcijas. Jūs augšupielādējat dokumentus un aprakstāt to, ko vēlaties prognozēt; InfoDome iegūst jūsu materiālā esošo cilvēku, organizāciju un grupu zināšanu grafu, pēc tam izveido simtiem aģentu ar savu raksturu, pozīciju un ilgtermiņa atmiņu, kas izkliedēti līdz pat 10 jūsu izvēlētajās auditorijas valstīs. Aģenti mijiedarbojas Twitter līdzīgā plūsmā un Reddit līdzīgā forumā paralēli noteiktu skaitu raundu, un analītiķa aģents raksta prognozēšanas ziņojumu, kuru varat apšaubīt, kā arī jebkuru atsevišķu aģentu. Soli pa solim mehānika ir izskaidrota sadaļā “Kā mākslīgā intelekta pūļa simulācija prognozē reakcijas” .

Kad palīdz daudzaģentu simulācija

Metode ir visvērtīgākā, ja rezultāts ir atkarīgs no mijiedarbības, nevis no kāda atsevišķa lēmuma:

• Reakcijas, kas balstās uz reakcijām : krīzes, baumas, publiskas debates, kur vissvarīgākā ir reakcija uz pirmo atbildi.
• Daudzas ieinteresētās personas ar dažādām interesēm : politikas izmaiņas, organizatoriskā pārstrukturēšana, sarunas.
• Stratēģiska mijiedarbība : konkurentu atbildes reakcijas vai kara spēles, kur katra puse pielāgojas otrai.
• Agrīna izpēte : ja hipotēzes ir nepieciešamas ātri, pirms aptaujas vai lauka pētījuma, vai ja reāla pārbaude ir pārāk dārga vai pārāk riskanta.
• Ziņojumu salīdzināšana : vienas un tās pašas auditorijas salīdzināšana ar divām viena apgalvojuma versijām, lai noskaidrotu, kura versija tiek tālāk attīstīta.

Kad tas nepalīdz

Tikpat svarīgi ir zināt, kad to nevajadzētu lietot:

• Ja nepieciešami reprezentatīvi skaitļi. Simulācija nav aptauja; tās proporcijas nevajadzētu interpretēt kā reālās pasaules procentuālās daļas.
• Ja uz jautājumu jau ir atbilde uz labiem vēsturiskiem datiem. Ja jums ir stabila produkta pārdošanas dati par vairākiem gadiem, statistiskā prognoze var būt uzticamāka.
• Kad ievades ir maz. Aģentu pamatojums ir atkarīgs no materiāla, no kura tie ir veidoti. Ieinteresēto pušu trūkums nozīmē arī balsu trūkumu.
• Kad vēlaties noteiktību. Dažādi izmēģinājuma posmi var izvērsties atšķirīgi. Rezultāts ir pārskatāma hipotēze, kas pamato spriedumu; tā to neaizstāj.

Darbināts piemērs

Vidēja lieluma loģistikas uzņēmums apsver pāreju uz četru dienu darba nedēļu biroja darbiniekiem. Vadība vēlas zināt, kā darbinieki, komandas vadītāji un klienti varētu reaģēt. Izklājlapu modelis varētu novērtēt izmaksas, bet ne to, kā baumas par "slēptām virsstundām" varētu izplatīties darbinieku vidū vai kā kāds svarīgs klients lasītu ziņas.

Personāla daļa augšupielādē iekšējo priekšlikumu un nesenas darbinieku aptaujas kopsavilkumu vietnē InfoDome, apraksta jautājumu un veic 20 aptaujas kārtas vienā valstī. Forumā komandas vadītāji pauž bažas par darba apjomu piektdienās; tiešsaistes plūsmā jaunākie darbinieki atzinīgi vērtē izmaiņas, taču pauž bažas, ka darba slodze vienkārši tiks samazināta. Klienta aģents jautā, vai mainīsies atbildes laiki. Analītiķa ziņojums liecina, ka skaidrība par darba apjomu piektdienās ir izšķirošais faktors gan komandas vadītājiem, gan klientiem.

Intervējot komandas vadošo aģentu, personāla vadības nodaļa uzzina, ka rotējošs piektdienu grafiks mazinātu tās bažas. Vadība to uztver kā hipotēzi, ko pārbaudīt reālā pilotprojektā ar divām nodaļām, nevis kā galīgo atbildi. Tā ir laba daudzaģentu simulācijas izmantošanas metode: tā sašaurināja neskaidru jautājumu līdz konkrētam, pārbaudāmam jautājumam. Ja strādājat ar līdzīgiem uz nākotni vērstiem jautājumiem, scenāriju plānošanas lietošanas gadījums ir labs sākumpunkts.

Darba sākšana

Lai vadītu vairāku aģentu simulāciju, izmantojot InfoDome, nav nepieciešamas programmēšanas prasmes. Vienotais plāns maksā 29 eiro mēnesī, ietver 9 eiro mēneša mākslīgā intelekta lietošanas budžetu un neierobežotu projektu skaitu, un to var jebkurā laikā atcelt. Sagatavojiet savu pirmo scenāriju konsolē ; pirms reģistrēšanās varat iestatīt uzdevumu.