Что такое мультиагентное моделирование: простое объяснение

Мультиагентное моделирование — это способ изучать систему, описывая множество независимых участников (агентов), у каждого из которых свои правила, цели или характер, и позволяя общему результату возникнуть из их взаимодействия. Вместо одного уравнения для «рынка» или «общественного мнения» вы описываете отдельных участников и наблюдаете, что делает группа. Современные языковые модели позволяют агентам читать, писать и помнить на естественном языке, поэтому метод стал полезен для вопросов о том, как реагируют люди.

Главная идея: поведение возникает из взаимодействия

Многие важные результаты не определяются каким-то одним участником. Пробки, ценовые спирали, вирусные слухи и перемены общественных настроений складываются из множества локальных решений, которые влияют друг на друга. Мультиагентное моделирование принимает это всерьёз.

Типичная симуляция состоит из трёх элементов:

• Агенты — участники, у каждого своё состояние (что он знает, хочет или думает) и поведение (как он решает, что делать дальше).
• Среда — пространство, где агенты действуют и наблюдают друг за другом: карта, рынок или социальная сеть.
• Шаги или раунды — на каждом шаге агенты наблюдают, принимают решения и действуют, а среда в результате меняется.

Отличительная черта подхода — эмерджентность: закономерности на уровне группы, которые никто не программировал напрямую. Небольшое предпочтение каждого отдельного участника при многократном взаимодействии может дать крупный и неожиданный коллективный результат.

Откуда это пошло: агентное моделирование

Идея не нова. Экономисты, экологи, социологи и специалисты по информатике используют агентное моделирование десятилетиями. Ещё в 1970-х простые правила на клетчатом поле показали, как мягкие индивидуальные предпочтения в выборе соседей могут привести к сильной сегрегации в масштабе целого района. В последующие десятилетия исследователи строили искусственные общества, моделировали рынки, эпидемии, стаи животных и дорожное движение.

У классических моделей есть общая черта: агенты в них намеренно просты. Каждый следует нескольким числовым правилам. Это делает модель прозрачной и удобной для анализа, но ограничивает её возможности в описании сложного человеческого поведения — убеждения, подачи информации, иронии.

Новая волна: агенты на основе языковых моделей

Большие языковые модели изменили представление о том, каким может быть агент. Примерно с 2023 года исследования так называемых генеративных агентов показывают, что агенты на языковых моделях, наделённые персоной, памятью о прошлых событиях и способностью размышлять над этой памятью, ведут себя в симулированном сообществе удивительно правдоподобно: планируют свой день, формируют мнения, передают новости и договариваются друг с другом.

По сравнению с классическими агентными моделями агенты на языковых моделях:

• Общаются на естественном языке, поэтому реагируют на конкретные формулировки заявления, а не только на числа.
• Обладают богатой персоной — биографией, ценностями и манерой речи.
• Помнят и обновляют знания, так что ранние разговоры влияют на последующее поведение.

Цена этого — меньшая прозрачность и более высокая стоимость запуска по сравнению с агентами на правилах, а их поведение отражает сильные стороны и предвзятости базовой модели.

Как это применяет InfoDome

InfoDome использует агентов на языковых моделях для симуляции реакции общества и заинтересованных сторон. Вы загружаете документы и описываете, что хотите спрогнозировать; InfoDome извлекает граф знаний о людях, организациях и группах из вашего материала и создаёт сотни агентов со своим характером, позицией и долговременной памятью, распределённых по выбранным вами странам аудитории (до 10). Агенты в течение заданного числа раундов параллельно общаются в ленте в стиле Twitter и на форуме в стиле Reddit, а агент-аналитик пишет прогнозный отчёт, которому, как и любому агенту, можно задавать вопросы. Пошаговая механика описана в статье как ИИ-симуляция толпы строит прогноз.

Когда мультиагентное моделирование помогает

Метод наиболее ценен, когда результат зависит от взаимодействия, а не от одного решения:

• Реакции на реакции: кризисы, слухи, публичные дебаты, где важнее всего ответ на первый ответ.
• Много сторон с разными интересами: изменения в политике, реструктуризация организации, переговоры.
• Стратегическое взаимодействие: ответ конкурента или штабные игры, где каждая сторона подстраивается под другую.
• Ранняя разведка: когда гипотезы нужны быстро, до опроса или полевого исследования, или когда реальный тест слишком дорог или рискован.
• Сравнение сообщений: одна и та же аудитория и две версии заявления, чтобы понять, какая подача распространяется дальше.

Когда он не помогает

Не менее важно понимать, когда метод не нужен:

• Нужны репрезентативные цифры. Симуляция — не опрос, её пропорции не следует читать как реальные проценты.
• Хорошие исторические данные уже отвечают на вопрос. Если у вас есть многолетние данные о продажах стабильного продукта, статистический прогноз может быть надёжнее.
• Мало исходных данных. Агенты обоснованы настолько, насколько обоснован материал, из которого они построены. Нет участника в тексте — нет и его голоса.
• Нужна уверенность. Разные прогоны могут развиваться по-разному. Результат — проверяемая гипотеза, которая поддерживает решение, а не заменяет его.

Пример из практики

Логистическая компания средних размеров обдумывает переход офисных сотрудников на четырёхдневную рабочую неделю. Руководство хочет понять, как отреагируют сотрудники, руководители групп и клиенты. Таблица с расчётами оценит затраты, но не покажет, как среди персонала распространится слух о «скрытых переработках» или как ключевой клиент воспримет новость.

HR-команда загружает в InfoDome внутреннее предложение и сводку недавнего опроса сотрудников, описывает вопрос и запускает 20 раундов в одной стране. На форуме агенты-руководители групп беспокоятся о том, кто будет работать по пятницам; в ленте молодые сотрудники приветствуют изменение, но опасаются, что нагрузку просто уплотнят. Агент-клиент спрашивает, изменятся ли сроки ответа. Аналитик в отчёте указывает, что решающий фактор и для руководителей, и для клиентов — ясность с пятничным графиком.

В интервью агент-руководитель группы говорит, что ротационный график по пятницам снял бы его опасения. Руководство воспринимает это как гипотезу для реального пилота в двух отделах, а не как окончательный ответ. Это хороший пример применения мультиагентного моделирования: расплывчатый вопрос сузился до конкретного и проверяемого. Если вы работаете с похожими вопросами о будущем, начните со сценарного планирования.

С чего начать

Чтобы запустить мультиагентную симуляцию в InfoDome, программировать не нужно. Единственный тариф стоит 29 € в месяц, включает ежемесячный бюджет на ИИ в 9 € и неограниченное число проектов, отменить его можно в любой момент. Подготовьте первый сценарий в консоли — задачу можно настроить ещё до регистрации.