Kaj je večagentna simulacija? Razlaga v preprostem jeziku

Večagentna simulacija je način preučevanja sistema, pri katerem modeliramo veliko neodvisnih akterjev, imenovanih agenti, vsakega z lastnimi pravili, cilji ali osebnostjo, celoten izid pa nastane iz tega, kako delujejo drug na drugega. Namesto ene enačbe za »trg« ali »javno mnenje« opišete posameznike in opazujete, kaj naredi skupina. S sodobnimi jezikovnimi modeli lahko agenti berejo, pišejo in si zapomnijo v naravnem jeziku, zato je metoda uporabna za vprašanja o tem, kako se odzivajo ljudje.

Osnovna zamisel: vedenje nastane iz interakcije

Mnogih pomembnih izidov ne določi en sam akter. Prometni zastoji, cenovne spirale, viralne govorice in premiki javnega razpoloženja nastanejo iz številnih lokalnih odločitev, ki vplivajo druga na drugo. Večagentna simulacija to jemlje resno.

Tipična simulacija ima tri sestavine:

• Agente: akterje, vsakega s svojim stanjem (kaj ve, želi ali verjame) in vedenjem (kako se odloči, kaj bo storil naslednje).
• Okolje: prostor, v katerem agenti delujejo in se opazujejo, na primer zemljevid, trg ali družbeno omrežje.
• Korake ali kroge: v vsakem koraku agenti opazujejo, se odločajo in ukrepajo, okolje pa se zaradi tega spremeni.

Posebnost tega pristopa je emergenca: vzorci na ravni skupine, ki jih nihče ni neposredno sprogramiral. Majhna preferenca vsakega posameznika lahko s ponavljajočo se interakcijo povzroči velik in presenetljiv skupni rezultat.

Od kod izvira: agentno modeliranje

Zamisel ni nova. Raziskovalci v ekonomiji, ekologiji, sociologiji in računalništvu agentno modeliranje uporabljajo že desetletja. Zgodnje delo v sedemdesetih letih je z zelo preprostimi pravili na mreži pokazalo, kako lahko blage individualne preference glede sosedov privedejo do močne segregacije na ravni celotne soseske. V naslednjih desetletjih so raziskovalci gradili umetne družbe, simulirali trge ter modelirali epidemije, jate živali in promet.

Klasični modeli imajo skupno lastnost: agenti so namenoma preprosti. Vsak sledi nekaj številskim pravilom, kar model naredi pregleden in lahko analizljiv, hkrati pa omeji, kaj lahko pove o bogatem človeškem vedenju, kot so prepričevanje, uokvirjanje ali ironija.

Novi val: agenti na podlagi jezikovnih modelov

Veliki jezikovni modeli so spremenili, kaj agent sploh je. Približno od leta 2023 raziskave tako imenovanih generativnih agentov kažejo, da se agenti na jezikovnih modelih, ki imajo persono, spomin na pretekle dogodke in sposobnost razmisleka o tem spominu, v simulirani skupnosti vedejo presenetljivo verodostojno: načrtujejo svoj dan, oblikujejo mnenja, prenašajo novice in se usklajujejo med seboj.

V primerjavi s klasičnimi agentnimi modeli agenti na jezikovnih modelih:

• Komunicirajo v naravnem jeziku, zato se lahko odzovejo na dejansko besedilo izjave in ne le na število.
• Imajo bogate persone, ki združujejo ozadje, vrednote in način govora.
• Si zapomnijo in posodabljajo, zato zgodnejši pogovori oblikujejo poznejše vedenje.

Cena za to je manjša preglednost in višji stroški delovanja kot pri agentih na pravilih, njihovo vedenje pa odraža prednosti in pristranskosti osnovnega modela.

Kako jo uporablja InfoDome

InfoDome uporablja agente na jezikovnih modelih za simulacijo odzivov javnosti in deležnikov. Naložite dokumente in opišete, kaj želite napovedati; InfoDome iz gradiva izlušči graf znanja o osebah, organizacijah in skupinah, nato pa ustvari več sto agentov z lastnim značajem, stališčem in dolgoročnim spominom, razporejenih po največ 10 državah občinstva, ki jih izberete. Agenti določeno število krogov vzporedno komunicirajo v viru objav, podobnem Twitterju, in na forumu, podobnem Redditu, agent analitik pa napiše poročilo z napovedjo, ki ga lahko izprašujete prav tako kot vsakega posameznega agenta. Delovanje po korakih je opisano v članku kako simulacija množice z umetno inteligenco napoveduje odzive.

Kdaj večagentna simulacija pomaga

Metoda je najbolj dragocena, kadar je izid odvisen od interakcije in ne od ene same odločitve:

• Odzivi na odzive: krize, govorice, javne razprave, kjer je najpomembnejši odgovor na prvi odgovor.
• Veliko deležnikov z različnimi interesi: spremembe politik, prestrukturiranje organizacij, pogajanja.
• Strateška igra: odziv konkurence ali vojne igre, kjer se vsaka stran prilagaja drugi.
• Zgodnje raziskovanje: kadar hipoteze potrebujete hitro, pred anketo ali terensko raziskavo, ali kadar je resnični preizkus predrag ali preveč tvegan.
• Primerjava sporočil: isto občinstvo in dve različici izjave, da vidite, kateri okvir seže dlje.

Kdaj ne pomaga

Enako pomembno je vedeti, kdaj je ne uporabiti:

• Ko potrebujete reprezentativne številke. Simulacija ni javnomnenjska raziskava; njenih deležev ne gre brati kot resničnih odstotkov.
• Ko na vprašanje že odgovarjajo dobri zgodovinski podatki. Če imate večletne podatke o prodaji stabilnega izdelka, je statistična napoved lahko zanesljivejša.
• Ko je vhodnega gradiva malo. Agenti so utemeljeni le toliko, kolikor je utemeljeno gradivo, iz katerega so zgrajeni. Manjkajoči deležniki pomenijo manjkajoče glasove.
• Ko želite gotovost. Različni zagoni se lahko razvijejo različno. Rezultat je preverljiva hipoteza, ki podpira presojo, ne pa je nadomešča.

Primer iz prakse

Srednje veliko logistično podjetje razmišlja o uvedbi štiridnevnega delovnega tedna za pisarniške zaposlene. Vodstvo želi vedeti, kako bi se odzvali zaposleni, vodje skupin in stranke. Preglednica lahko oceni stroške, ne pokaže pa, kako bi se med zaposlenimi razširila govorica o »skritih nadurah« ali kako bi novico razumela ključna stranka.

Kadrovska služba v InfoDome naloži interni predlog in povzetek nedavne ankete med zaposlenimi, opiše vprašanje in zažene 20 krogov v eni državi. Na forumu agenti vodje skupin izražajo skrb glede pokritosti ob petkih; v viru objav mlajši zaposleni spremembo pozdravljajo, a jih skrbi, da se bo delo le stisnilo v manj dni. Agent stranke vpraša, ali se bodo spremenili odzivni časi. Analitik v poročilu nakaže, da je za vodje skupin in stranke odločilna jasnost glede petkove pokritosti.

V intervjuju agent vodja skupine pove, da bi izmenični petkovi razpored ublažil njegove pomisleke. Vodstvo to obravnava kot hipotezo za resnični pilotni preizkus v dveh oddelkih, ne kot končni odgovor. To je dobra uporaba večagentne simulacije: nejasno vprašanje je zožila na konkretno in preverljivo. Če se ukvarjate s podobnimi vprašanji o prihodnosti, je dobro izhodišče primer uporabe za načrtovanje scenarijev.

Kako začeti

Za večagentno simulacijo v InfoDome ne potrebujete znanja programiranja. Edini paket stane 29 € na mesec, vključuje 9 € mesečnega proračuna za umetno inteligenco in neomejeno število projektov, prekličete pa ga lahko kadar koli. Pripravite prvi scenarij v konzoli; nalogo lahko nastavite še pred registracijo.