Symulacja społeczna - Social simulation

Informacje na temat aplikacji do gier wideo można znaleźć w sekcji Gra społecznościowa .

Symulacja społeczna to dziedzina badań wykorzystująca metody obliczeniowe do badania zagadnień z zakresu nauk społecznych . Badane zagadnienia obejmują zagadnienia z zakresu prawa obliczeniowego , psychologii , zachowań organizacyjnych , socjologii , nauk politycznych, ekonomii , antropologii, geografii, inżynierii , archeologii i językoznawstwa ( Takahashi, Sallach i Rouchier 2007 ).

Symulacja społeczna ma na celu przekroczenie luki między podejściem opisowym stosowanym w naukach społecznych a podejściem formalnym stosowanym w naukach przyrodniczych, poprzez przeniesienie uwagi na procesy/mechanizmy/zachowania, które budują rzeczywistość społeczną.

W symulacji społecznej komputery wspierają działania ludzkiego rozumowania, wykonując te mechanizmy. Ta dziedzina bada symulację społeczeństw jako złożonych systemów nieliniowych , które są trudne do zbadania za pomocą klasycznych modeli matematycznych opartych na równaniach. Robert Axelrod uważa symulację społeczną za trzeci sposób uprawiania nauki, różniący się zarówno od podejścia dedukcyjnego, jak i indukcyjnego; generowanie danych, które można analizować indukcyjnie, ale pochodzących z rygorystycznie określonego zestawu reguł, a nie z bezpośredniego pomiaru rzeczywistego świata. Symulowanie zjawiska jest więc podobne do jego generowania – konstruowania sztucznych społeczeństw. Te ambitne cele spotkały się z kilkoma krytykami .

Podejście symulacji społecznej do nauk społecznych jest promowane i koordynowane przez trzy stowarzyszenia regionalne, ESSA dla Europy, Ameryki Północnej (reorganizujące się pod nową nazwą CSSS) i PAAA Pacific Asia .

Historia i rozwój

Historia modelu opartego na agentach sięga wstecz do maszyny von Neumanna, maszyny teoretycznej zdolnej do samoreprodukcji. Zaproponowane przez von Neumanna urządzenie byłoby zgodne ze szczegółowymi instrukcjami, aby stworzyć kopię samego siebie. Koncepcję udoskonalił wówczas przyjaciel von Neumanna Stanisław Ulam , również matematyk; Ulam zasugerował, aby maszynę zbudować na papierze, jako zbiór komórek na siatce. Pomysł zaintrygował von Neumanna, który go opracował – tworząc pierwsze z urządzeń nazwanych później automatami komórkowymi .

Kolejne usprawnienie przyniósł matematyk John Conway . Skonstruował znaną Grę w życie . W przeciwieństwie do maszyny von Neumanna, Gra w życie Conwaya działała na prostych zasadach w wirtualnym świecie w postaci dwuwymiarowej szachownicy .

Narodziny modelu agentowego jako modelu systemów społecznych zostały zapoczątkowane przez informatyka Craiga Reynoldsa . Próbował modelować rzeczywistość żywych czynników biologicznych, znanych jako sztuczne życie , termin ukuty przez Christophera Langtona .

Joshua M. Epstein i Robert Axtell opracowali pierwszy model agenta na dużą skalę, Sugarscape , aby symulować i badać rolę zjawisk społecznych, takich jak sezonowe migracje, zanieczyszczenia, rozmnażanie płciowe, walka, przenoszenie chorób, a nawet kultura.

Kathleen M. Carley opublikowała „Computational Organizational Science and Organizational Engineering” definiującą przenoszenie symulacji do organizacji, założyła czasopismo poświęcone symulacji społecznej stosowanej w organizacjach i złożonych systemach socjotechnicznych: Computational and Mathematical Organization Theory , oraz była prezesem założycielem Północnoamerykańskie Stowarzyszenie Obliczeniowych Systemów Społecznych i Organizacyjnych, które przekształciło się w obecną CSSSA.

Nigel Gilbert opublikował wraz z Klausem G. Troitzschem pierwszy podręcznik Symulacji społecznej: Symulacja dla naukowca społecznego (1999) i założył najbardziej odpowiednie czasopismo: Journal of Artificial Societies and Social Simulation .

Niedawno Ron Sun opracował metody oparte na symulacji agentowej na modelach ludzkiego poznania, znane jako kognitywna symulacja społeczna (patrz ( Sun 2006 ))

Tematy

Oto kilka przykładowych tematów, które zostały zbadane w symulacji społecznościowej:

Rodzaje symulacji i modelowania

Symulacja społeczna może odnosić się do ogólnej klasy strategii zrozumienia dynamiki społecznej przy użyciu komputerów do symulacji systemów społecznych. Symulacja społeczna pozwala na bardziej systematyczny sposób oglądania możliwości wyników.

Istnieją cztery główne typy symulacji społecznej:

  1. Symulacja na poziomie systemu.
  2. Modelowanie na poziomie systemu.
  3. Symulacja oparta na agentach.
  4. Modelowanie agentowe.

Symulacja społeczna może mieścić się w rubryce socjologii obliczeniowej, która jest niedawno rozwiniętą gałęzią socjologii, która wykorzystuje obliczenia do analizy zjawisk społecznych. Podstawowym założeniem socjologii obliczeniowej jest wykorzystanie symulacji komputerowych ( Polhill i Edmonds 2007 ) w konstruowaniu teorii społecznych. Obejmuje zrozumienie podmiotów społecznych , interakcji między tymi podmiotami oraz wpływu tych interakcji na agregat społeczny. Chociaż przedmiot i metodologie w naukach społecznych różnią się od tych w naukach przyrodniczych czy informatyce , kilka podejść stosowanych we współczesnej symulacji społecznej wywodzi się z dziedzin takich jak fizyka i sztuczna inteligencja .

Symulacja na poziomie systemu

Symulacja na poziomie systemu (SLS) to najstarszy poziom symulacji społecznej. Symulacja na poziomie systemu analizuje sytuację jako całość. To teoretyczne spojrzenie na sytuacje społeczne wykorzystuje szeroki zakres informacji, aby określić, co powinno się stać ze społeczeństwem i jego członkami, jeśli występują pewne zmienne. Dlatego przy przedstawionych konkretnych zmiennych społeczeństwo i jego członkowie powinni mieć pewną odpowiedź na nową sytuację. Poruszanie się po tej teoretycznej symulacji pozwoli naukowcom rozwinąć wykształcone pomysły na to, co stanie się pod pewnymi określonymi zmiennymi.

Na przykład, gdyby NASA miała przeprowadzić symulację na poziomie systemu, przyniosłoby to korzyści organizacji, zapewniając opłacalną metodę badawczą umożliwiającą poruszanie się po symulacji. Pozwala to badaczowi sterować wirtualnymi możliwościami danej symulacji i opracowywać procedury bezpieczeństwa oraz przedstawiać sprawdzone fakty dotyczące przebiegu określonej sytuacji. ( Badania Krajowe 2006 )

Modelowanie na poziomie systemu

Modelowanie na poziomie systemu (SLM) ma na celu konkretnie przewidywanie (w przeciwieństwie do uogólnienia symulacji na poziomie systemu w przewidywaniu) i przekazywanie dowolnej liczby działań, zachowań lub innych teoretycznych możliwości prawie każdej osoby, obiektu, konstrukcji itp. w systemie przy użyciu dużego zestawu równania matematyczne i programowanie komputerowe w postaci modeli.

Model jest reprezentacją konkretnej rzeczy, od przedmiotów i ludzi do struktur i produktów stworzonych za pomocą równań matematycznych i zaprojektowanych przy użyciu komputerów w taki sposób, aby mogły występować jako wspomniane wcześniej rzeczy w badaniu. Modele mogą być uproszczone lub złożone, w zależności od potrzeb; jednak modele mają być prostsze niż to, co reprezentują, pozostając realistycznie podobnymi, aby można było ich dokładnie używać. Są one budowane przy użyciu zbioru danych, które są tłumaczone na języki komputerowe, co pozwala im reprezentować dany system. Modele te, podobnie jak symulacje, służą do lepszego zrozumienia konkretnych ról i działań różnych rzeczy, aby przewidzieć zachowanie i tym podobne.

Symulacja agentowa

Symulacja społeczna oparta na agentach (ABSS) polega na modelowaniu różnych społeczeństw na podstawie sztucznych agentów (różnych w skali) i umieszczaniu ich w symulowanym komputerowo społeczeństwie w celu obserwowania zachowań agentów. Na podstawie tych danych można poznać reakcje sztucznych środków i przełożyć je na wyniki niesztucznych środków i symulacji. Trzy główne dziedziny w ABSS to obliczenia agentowe, nauki społeczne i symulacje komputerowe.

Obliczenia agentowe to projekt modelu i agentów, podczas gdy symulacja komputerowa jest częścią symulacji agentów w modelu i wyników. Nauki społeczne to mieszanka nauk ścisłych i społecznej części modelu. To tam rozwijają się i teoretyzują zjawiska społeczne. Głównym celem ABSS jest dostarczanie modeli i narzędzi do agentowej symulacji zjawisk społecznych. Dzięki ABSS możemy badać różne wyniki zjawisk, w których możemy nie być w stanie zobaczyć wyniku w prawdziwym życiu. Może dostarczyć nam cennych informacji o społeczeństwie i skutkach wydarzeń lub zjawisk społecznych.

Modelowanie agentowe

Modelowanie oparte na agentach (ABM) to system, w którym zbiór agentów niezależnie współdziała w sieci. Każdy indywidualny agent jest odpowiedzialny za różne zachowania, które skutkują zachowaniami zbiorowymi. Te zachowania jako całość pomagają zdefiniować funkcjonowanie sieci. ABM koncentruje się na ludzkich interakcjach społecznych oraz na tym, jak ludzie współpracują i komunikują się ze sobą bez jednego, jednego „umysłu grupowego”. Zasadniczo oznacza to, że skupia się na konsekwencjach interakcji między ludźmi (agentami) w populacji. Naukowcy są w stanie lepiej zrozumieć ten rodzaj modelowania, modelując tę ​​dynamikę na mniejszym, bardziej zlokalizowanym poziomie. Zasadniczo ABM pomaga lepiej zrozumieć interakcje między ludźmi (agentami), którzy z kolei wpływają na siebie nawzajem (w odpowiedzi na te wpływy). Proste indywidualne zasady lub działania mogą skutkować spójnym zachowaniem grupy . Zmiany w tych indywidualnych aktach mogą wpłynąć na zbiorową grupę w danej populacji.

Modelowanie agentowe to eksperymentalne narzędzie do badań teoretycznych. Umożliwia radzenie sobie z bardziej złożonymi indywidualnymi zachowaniami, takimi jak adaptacja. Ogólnie rzecz biorąc, za pomocą tego typu modelowania twórca lub badacz dąży do modelowania zachowania agentów i komunikacji między nimi, aby lepiej zrozumieć, w jaki sposób te indywidualne interakcje wpływają na całą populację. W istocie ABM jest sposobem modelowania i rozumienia różnych globalnych wzorców.

Obecne badania

Istnieje kilka aktualnych projektów badawczych, które odnoszą się bezpośrednio do modelowania i symulacji opartej na agentach. Poniżej wymieniono poniżej z krótkim przeglądem.

  • „Generative e-Social Science for Socio-Spatial Simulation” lub (GENESIS) to węzeł badawczy brytyjskiego Narodowego Centrum e-Social Science finansowany przez brytyjską radę badawczą ESRC . Więcej informacji można znaleźć na stronie internetowej i blogu GENESIS .
  • „National e-Infrastructure for Social Simulation” (NeISS) to brytyjski projekt finansowany przez JISC . Aby uzyskać więcej informacji, zobacz: Strony internetowe NeISS .
  • „Network Models Governance and R&D Cooperation networks” lub (NEMO) to ośrodek badawczy, którego głównym celem jest identyfikacja sposobów tworzenia i oceny pożądanych struktur sieciowych dla typowych funkcji; (np. wiedza, tworzenie, transfer i dystrybucja). Badania te ostatecznie pomogą decydentom na wszystkich szczeblach politycznych w poprawie skuteczności i wydajności sieciowych instrumentów politycznych w promowaniu gospodarki opartej na wiedzy w Europie.
  • „Agentowe symulacje zachowań rynkowych i konsumenckich” to kolejna grupa badawcza finansowana przez Unilever Corporate Research. Obecnie prowadzone badania mają na celu zbadanie przydatności symulacji opartych na agentach do modelowania zachowań konsumentów oraz pokazania potencjalnej wartości i spostrzeżeń, jakie mogą one wnieść do ugruntowanych od dawna metod marketingowych.
  • „Nowe i powstające modele świata poprzez indywidualne, ewolucyjne i społeczne uczenie się” lub (nowe powiązania) to trzyletni projekt, który ostatecznie stworzy wirtualne społeczeństwo opracowane przez symulację opartą na agentach. W ramach projektu powstanie symulowane społeczeństwo zdolne do eksploracji środowiska i rozwijania własnego wizerunku tego środowiska i społeczeństwa poprzez interakcję. Celem projektu badawczego jest, aby symulowane społeczeństwo wykazywało indywidualne uczenie się , uczenie ewolucyjne i uczenie społeczne .
  • Projekt Brucha i Mare dotyczący segregacji w sąsiedztwie : Celem badania jest ustalenie powodów segregacji w sąsiedztwie ze względu na rasę oraz określenie punktu krytycznego lub kiedy ludzie czują się niekomfortowo z poziomem integracji z ich sąsiedztwem i decydują się na ucieczkę spod. Stworzyli model za pomocą fiszek i umieścili dom agenta na środku, a wokół domu agenta umieścili domy różnych ras. Pytali ludzi, jak dobrze czuliby się w różnych sytuacjach; jeśli zgadzali się z jedną sytuacją, pytali o inną, dopóki okolica nie została w pełni zintegrowana. Wyniki Brucha i Mare wykazały, że punkt krytyczny wyniósł 50%. Kiedy dzielnica stała się w 50% mniejszością iw 50% białą, ludzie obu ras zaczęli czuć się niekomfortowo, a biała ucieczka zaczęła rosnąć. Zastosowanie modelowania agentowego pokazało, jak przydatne może być w świecie socjologii, ludzie nie musieli odpowiadać, dlaczego czują się niekomfortowo, w jakiej sytuacji czują się niekomfortowo.
  • Program MAELIA (Multi-Agent Emergent Norms Assessment) to projekt zajmujący się relacjami pomiędzy użytkownikami i zarządcami zasobu naturalnego, w tym przypadku wody, oraz związanych z nimi norm i praw, które mają być w nich budowane (konwencje) lub są im narzucane przez innych aktorów (instytucje). Celem projektu jest zbudowanie uniwersalnej platformy wieloskalowej, która ma zajmować się kwestiami związanymi z konfliktami wodnymi .
  • Projekt Mosi-Agil to czteroletni program finansowany przez Autonomiczny Region Madrytu za pośrednictwem programu MOSI-AGIL-CM (grant S2013/ICE-3019, współfinansowany z funduszy strukturalnych UE FSE i FEDER). Ma na celu stworzenie zasób wiedzy i praktycznych narzędzi, które są niezbędne do efektywniejszego radzenia sobie z zachowaniami użytkowników dużych obiektów. W związku z tym projekt bada rozwój inteligencji otoczenia i inteligentnych środowisk wspieranych przez wykorzystanie agentowej symulacji społecznej.

Modelowanie oparte na agentach jest najbardziej przydatne w zapewnianiu pomostu między poziomami mikro i makro, co stanowi dużą część tego, co studiuje socjologia. Modele agentowe są najbardziej odpowiednie do badania procesów pozbawionych centralnej koordynacji, w tym pojawiania się instytucji, które raz ustanowione, narzucają porządek odgórnie. Modele skupiają się na tym, jak proste i przewidywalne interakcje lokalne generują znane, ale bardzo szczegółowe wzorce globalne, takie jak pojawianie się norm i udział w działaniach zbiorowych. Michael W. Macy i Robert Willer zbadane ostatnim badaniu wniosków i okazało się, że były dwa główne problemy ze środkiem na bazie modelowania samoorganizacji struktury społecznej oraz pojawienie się porządku społecznego ( Macy & Willer 2002 ). Poniżej znajduje się krótki opis każdego problemu, który według Macy i Willera istnieje;

  1. „ Wyłaniająca się struktura . W tych modelach agenci zmieniają lokalizację lub zachowanie w odpowiedzi na wpływy społeczne lub presję selekcyjną. Agenci mogą zacząć od niezróżnicowania, a następnie zmienić lokalizację lub zachowanie, aby uniknąć odmienności lub izolacji (lub w niektórych przypadkach przepełnienia). Jednak zamiast tworzyć jednorodność, te konformistyczne decyzje łączą się, tworząc globalne wzorce zróżnicowania kulturowego, stratyfikacji i homofilnych klastrów w sieciach lokalnych.Inne badania odwracają ten proces, zaczynając od heterogenicznej populacji, a kończąc na konwergencji: koordynacja, dyfuzja i nagłe załamanie norm, konwencji, innowacji i standardów technologicznych.”
  2. " Emergent porządek społeczny . Badania te pokazują, jak egoistyczne adaptacji może prowadzić do skutecznego działania zbiorowego bez obu altruizmu lub globalnego (z góry na dół) nałożenie kontroli. Kluczowym odkryciem całej licznych badań jest to, że żywotność zaufania, współpracy i działań zbiorowych zależy decydująco o zakorzenieniu interakcji”.

Przykłady te pokazują po prostu złożoność naszego środowiska i to, że modele agentowe mają na celu zbadanie minimalnych warunków, najprostszego zestawu założeń dotyczących ludzkiego zachowania, wymaganego, aby dane zjawisko społeczne pojawiło się na wyższym poziomie organizacji.

Krytyka

Od momentu powstania skomputeryzowana symulacja społeczna była przedmiotem krytyki ze względu na jej praktyczność i dokładność. Uproszczenie symulacji społecznej w celu stworzenia modeli, na podstawie których możemy lepiej zrozumieć te ostatnie, jest czasami postrzegane jako wadą, ponieważ używanie dość prostych modeli do symulacji prawdziwego życia za pomocą komputerów nie zawsze jest najlepszym sposobem przewidywania zachowania.

Wydaje się, że większość krytyki dotyczy modeli i symulacji opartych na agentach oraz sposobu ich działania:

  1. Symulacje, wykonane przez człowieka z matematycznych interfejsów, przewidują ludzkie zachowanie w zbyt prosty sposób w odniesieniu do złożoności ludzkości i naszych działań.
  2. Symulacje nie mogą oświecić badaczy, w jaki sposób ludzie wchodzą w interakcje lub zachowują się w sposób nie zaprogramowany w ich modelach. Z tego powodu zakres symulacji jest ograniczony, ponieważ badacze muszą już wiedzieć, co znajdą (do pewnego stopnia, bo nie mogą znaleźć niczego, czego sami nie umieścili w modelu) przynajmniej niejasno, być może zniekształcając wyniki .
  3. Ze względu na złożoność tego, co jest mierzone, symulacje muszą być analizowane w sposób bezstronny; jednak w przypadku modelu działającego na gotowym zestawie instrukcji zakodowanych w nim przez modelarza, błędy systematyczne istnieją niemal powszechnie.
  4. Bardzo trudna i często niepraktyczna jest próba połączenia ustaleń z abstrakcyjnego świata, który tworzy symulacja, z naszym złożonym społeczeństwem i wszystkimi jego odmianami.

Badacze zajmujący się symulacją społeczną mogą odpowiedzieć, że konkurujące teorie z nauk społecznych są znacznie prostsze niż te osiągane za pomocą symulacji i dlatego znacznie silniej odczuwają wyżej wymienione wady. Teorie w niektórych naukach społecznych wydają się być modelami liniowymi, które nie są dynamiczne i są generalnie wyprowadzane z małych eksperymentów laboratoryjnych (testy laboratoryjne są najczęstsze w psychologii, ale rzadko w socjologii, naukach politycznych, ekonomii i geografii). Zachowanie populacji agentów w tych modelach jest rzadko testowane lub weryfikowane w oparciu o obserwacje empiryczne.

Zobacz też

Bibliografia

  1. ^ Hughes, HPN; Clegg, CW; Robinson, MA; Crowder, RM (2012). „Modelowanie i symulacja agentowa: potencjalny wkład w psychologię organizacji”. Czasopismo Psychologii Pracy i Organizacji . 85 (3): 487-502. doi : 10.1111/j.2044-8325.2012.02053.x .
  2. ^ a b Crowder, RM; Robinson, MA; Hughesa, HPN; Sim, YW (2012). „Opracowanie frameworka modelowania opartego na agentach do symulacji pracy zespołu inżynierów”. Transakcje IEEE dotyczące systemów, człowieka i cybernetyki — część A: Systemy i ludzie . 42 (6): 1425–1439. doi : 10.1109/TSMCA.2012.2199304 .
  3. ^ Robert Axelrod (1986): Ewolucyjne podejście do norm
  4. ^ Felix Flentge, Daniel Polani i Thomas Uthmann (2001) Modelowanie pojawienia się norm posiadania przy użyciu memów
  5. ^ Alexander Staller i Paolo Petta (2001): Wprowadzenie emocji do obliczeniowego studium norm społecznych: pierwsza ocena
  6. ^ Zobacz Martin Neumann (2008): Homo Socionicus: studium przypadku modeli symulacyjnych norm, aby zapoznać się z przeglądem ostatnich (stan na 2008 r.) badań.
  7. ^ José Castro Caldas i Helder Coelho (1999): Pochodzenie instytucji: procesy społeczno-gospodarcze, wybór, normy i konwencje
  8. ^ Dan Miodownik, Britt Cartrite i Ravi Bhavnani (2010): Między replikacją a dokowaniem: „Agenci adaptacyjne, instytucje polityczne i tradycje obywatelskie” Revisited
  9. ^ Christian Hahn, Bettina Fley, Michael Florian, Daniela Spresny i Klaus Fischer (2007): Reputacja społeczna: mechanizm elastycznej samoregulacji systemów wieloagentowych
  10. ^ JASSS tom. 14: Sekcja specjalna: Symulacja społecznych procesów nauki
  11. ^ Sung-youn Kim (2011): Model osądu politycznego: symulacja Agent-Based oceny kandydata
  12. ^ Ramzi Suleiman i Ilan Fischer (2000) Kiedy jeden decyduje dla wielu: Wpływ metod delegowania na współpracę w symulowanych konfliktach międzygrupowych
  13. ^ Marie-Edith Bissey, Mauro Carini i Guido Ortona (2004) ALEX3, program symulacyjny do porównania systemów wyborczych

Zewnętrzne linki