Що таке багатоагентне моделювання? Посібник простою мовою

Багатоагентне моделювання — це спосіб вивчення системи шляхом моделювання багатьох незалежних дійових осіб, яких називають агентами, кожен з яких має свої власні правила, цілі чи особистість, і дозволяє загальному результату випливати з того, як вони взаємодіють. Замість того, щоб писати одне рівняння для «ринку» чи «громадської думки», ви описуєте окремих осіб і спостерігаєте, що робить група. Завдяки сучасним мовним моделям ці агенти можуть читати, писати та запам'ятовувати природною мовою, що робить цей метод корисним для питань про те, як люди реагують.

Основна ідея: поведінка виникає в результаті взаємодії

Багато важливих результатів не вирішуються якимось окремим учасником. Затори, цінові спіралі, вірусні чутки та зміни в громадських настроях виникають внаслідок багатьох локальних рішень, які впливають одне на одного. Багатоагентне моделювання ставиться до цього серйозно.

Типова симуляція має три складові:

• Агенти : актори, кожен з яких має свій стан (чого він знає, хоче або у що вірить) та поведінку (як він вирішує, що робити далі).
• Середовище : простір, де агенти діють та спостерігають один за одним, наприклад, карта, ринок або соціальна мережа.
• Кроки або раунди за часом : на кожному кроці агенти спостерігають, приймають рішення та діють, і в результаті середовище змінюється.

Відмінною рисою цього підходу є емерджентність : патерни на рівні групи, які ніхто безпосередньо не програмував. Невелика перевага у кожної людини може завдяки багаторазовій взаємодії призвести до великого та дивовижного колективного результату.

Звідки це взялося: агентно-орієнтоване моделювання

Ця ідея не нова. Дослідники в галузі економіки, екології, соціології та інформатики використовують агентне моделювання вже десятиліттями. Ранні роботи в 1970-х роках вже показали, за допомогою дуже простих правил на сітці, як незначні індивідуальні уподобання щодо сусідів можуть призвести до сильної сегрегації на рівні цілого району. У наступні десятиліття дослідники створювали штучні суспільства, моделювали ринки та моделі епідемій, зграй тварин та дорожнього руху.

Ці класичні моделі мають одну спільну рису: агенти навмисно прості. Кожна з них дотримується кількох числових правил, що робить модель прозорою та легкою для аналізу, але також обмежує те, що вона може сказати про багату людську поведінку, таку як переконання, фреймінг чи іронія.

Нова хвиля: агенти, побудовані на мовних моделях

Великі мовні моделі змінили те, ким може бути агент. Приблизно з 2023 року дослідження так званих генеративних агентів показали, що агенти мовних моделей, маючи персону, спогади про минулі події та здатність розмірковувати над цими спогадами, можуть поводитися напрочуд правдоподібно в симульованій спільноті: вони планують свої дні, формують думки, передають новини та координують свої дії один з одним.

Порівняно з класичними агентно-орієнтованими моделями, агенти на основі мовних моделей:

• Спілкуйтеся природною мовою , щоб вони могли реагувати на фактичне формулювання твердження, а не лише на число.
• Носіть змістовні образи , поєднуючи походження, цінності та тон голосу.
• Запам'ятовуйте та оновлюйте , щоб попередні розмови формували подальшу поведінку.

Компроміс полягає в тому, що вони менш прозорі та дорожчі в експлуатації, ніж агенти на основі правил, а їхня поведінка відображає сильні сторони та упередження базової моделі.

Як InfoDome це застосовує

InfoDome використовує агентів на основі мовних моделей для моделювання реакції громадськості та зацікавлених сторін. Ви завантажуєте документи та описуєте, що хочете передбачити; InfoDome витягує граф знань про людей, організації та групи з вашого матеріалу, а потім створює сотні агентів з їхнім власним характером, посадою та довготривалою пам'яттю, розподілених по 10 вибраних вами країнах аудиторії. Агенти взаємодіють у стрічці, подібній до Twitter , та на форумі, подібному до Reddit , паралельно протягом певної кількості раундів, а агент-аналітик пише звіт про прогноз, який ви можете поставити під сумнів разом з будь-яким окремим агентом. Покрокова механіка пояснюється в тому, як моделювання натовпу за допомогою штучного інтелекту передбачає реакції .

Коли допомагає багатоагентне моделювання

Цей метод є найбільш цінним, коли результат залежить від взаємодії, а не від якогось окремого рішення:

• Реакції, що ґрунтуються на реакціях : кризи, чутки, публічні дебати, де реакція на першу реакцію має найбільше значення.
• Багато зацікавлених сторін з різними інтересами : зміни політики, реструктуризація організації, переговори.
• Стратегічна взаємодія : реакції конкурентів або військові ігри, де кожна сторона адаптується до іншої.
• Раннє дослідження : коли вам потрібні гіпотези швидко, перед опитуванням або польовим дослідженням, або коли реальне тестування є занадто дорогим або занадто ризикованим.
• Порівняння повідомлень : порівняння двох версій твердження з тією ж аудиторією, щоб побачити, яка з них поширюється далі.

Коли це не допомагає

Так само важливо знати, коли його не слід використовувати:

• Коли вам потрібні репрезентативні цифри. Симуляція — це не опитування; її пропорції не слід сприймати як реальні відсотки.
• Коли хороші історичні дані вже відповідають на питання. Якщо у вас є дані про продажі стабільного продукту за роки, статистичний прогноз може бути надійнішим.
• Коли вхідних даних мало. Агенти настільки ж обґрунтовані, наскільки й матеріал, з якого вони побудовані. Відсутність зацікавлених сторін означає відсутність голосів.
• Коли вам потрібна впевненість. Різні пробіги можуть розгортатися по-різному. Результатом є гіпотеза, яку можна перевірити, що підтверджує судження; вона не замінює його.

Працюючий приклад

Логістична компанія середнього розміру розглядає можливість переходу на чотириденний робочий тиждень для офісного персоналу. Керівництво хоче знати, як можуть відреагувати співробітники, керівники команд та клієнти. Модель електронної таблиці може оцінити витрати, але не те, як серед персоналу можуть поширитися чутки про «приховану понаднормову роботу» або як ключовий клієнт сприйме новину.

Команда HR завантажує внутрішню пропозицію та короткий виклад нещодавнього опитування персоналу до InfoDome, описує питання та проводить 20 раундів в одній країні. На форумі агенти-керівники команд висловлюють занепокоєння щодо висвітлення подій у п'ятницю; у стрічці молодші співробітники вітають зміни, але поділяють занепокоєння тим, що робоче навантаження просто стиснеться. Агент клієнта запитує, чи зміниться час відповіді. Звіт аналітика показує, що ясність висвітлення подій у п'ятницю є вирішальним фактором як для керівників команд, так і для клієнтів.

Під час співбесіди з керівником команди, відділ кадрів дізнається, що змінний графік роботи у п'ятницю розвіє їхні побоювання. Керівництво розглядає це як гіпотезу для перевірки в реальному пілотному проекті з двома відділами, а не як остаточну відповідь. Це гарне використання багатоагентного моделювання: воно звужує розпливчасте питання до конкретного, яке можна перевірити. Якщо ви працюєте над подібними перспективними питаннями, сценарне планування є гарною відправною точкою.

Початок роботи

Вам не потрібні навички програмування, щоб запустити багатоагентне моделювання за допомогою InfoDome. Вартість єдиного плану становить 29 євро на місяць, включає щомісячний бюджет на використання штучного інтелекту в розмірі 9 євро та необмежену кількість проектів, і його можна скасувати будь-коли. Підготуйте свій перший сценарій у консолі ; ви можете налаштувати завдання перед реєстрацією.