Τα μοντέλα βασισμένα σε πράκτορες, απλά, και πώς τα χρησιμοποιούμε χωρίς να κάνουμε προφίλ ανθρώπων

Τι είναι ένα μοντέλο βασισμένο σε πράκτορες

Ένα μοντέλο βασισμένο σε πράκτορες (agent-based model, ABM) περιγράφει ένα σύστημα από κάτω προς τα πάνω. Αντί να γράψουμε μία εξίσωση για μια ολόκληρη πόλη ή αγορά, ορίζουμε πολλούς μεμονωμένους «πράκτορες», δίνουμε στον καθένα απλούς κανόνες, τους αφήνουμε να αλληλεπιδράσουν και παρατηρούμε τι κάνει το σύστημα συνολικά. Στη γνωστή ανασκόπησή του το 2002 στο PNAS, ο Eric Bonabeau περιγράφει ένα τέτοιο μοντέλο ως σύνολο αυτόνομων οντοτήτων που παίρνουν αποφάσεις: η καθεμία εκτιμά την κατάστασή της και δρα με βάση ένα σύνολο κανόνων.

Η γοητεία τους είναι η αναδυόμενη συμπεριφορά: μοτίβα στο επίπεδο του συνόλου που κανένας πράκτορας δεν επιδιώκει. Το παράδειγμα του Bonabeau είναι το μποτιλιάρισμα: το δημιουργούν οι οδηγοί, αλλά μπορεί να «κινείται» προς τα πίσω ενώ όλα τα αυτοκίνητα πάνε μπροστά. Τέτοια αποτελέσματα συχνά αντιβαίνουν στη διαίσθηση, και γι' αυτό αξίζει να τα προσομοιώνουμε αντί να τα μαντεύουμε.

Ένα κλασικό παράδειγμα: το μοντέλο διαχωρισμού του Schelling

Το πιο γνωστό πρώιμο παράδειγμα δουλεύτηκε χωρίς υπολογιστή. Το 1971 ο οικονομολόγος Thomas Schelling δημοσίευσε το «Dynamic Models of Segregation» στο Journal of Mathematical Sociology. Όπως εξηγεί η ιστορική μελέτη του Rainer Hegselmann, η βασική εκδοχή λειτουργεί έτσι:

1. Δύο ομάδες πιονιών σκορπίζονται τυχαία σε μια σκακιέρα, και περίπου το ένα τέταρτο των τετραγώνων μένει άδειο ώστε να υπάρχει χώρος για μετακινήσεις.
2. Κάθε πιόνι κοιτάζει τα οκτώ γειτονικά του τετράγωνα.
3. Ένα πιόνι είναι ικανοποιημένο αν το ποσοστό των «όμοιών» του γειτόνων φτάνει ένα όριο, για παράδειγμα «δεν θέλω να είμαι μειοψηφία». Αν όχι, μετακινείται στο πλησιέστερο σημείο που το ικανοποιεί.

Το εντυπωσιακό αποτέλεσμα: ήπιες προτιμήσεις, όπως απλώς να μην είσαι μειοψηφία, αρκούν για να καταλήξει η σκακιέρα έντονα διαχωρισμένη. Ο έντονος διαχωρισμός δεν προϋποθέτει άτομα με έντονα διαχωριστικές προτιμήσεις. Ο Hegselmann επισημαίνει επίσης ότι ο James Sakoda είχε δημοσιεύσει ένα πολύ συγγενικό μοντέλο σκακιέρας στο πρώτο τεύχος του ίδιου περιοδικού και ότι το μοντέλο του Schelling μπορεί να θεωρηθεί ειδική περίπτωσή του.

Επιδημίες και εκκενώσεις

Ο Bonabeau ομαδοποιεί τις χρήσεις των μοντέλων πρακτόρων σε τέσσερις περιοχές: ροές (εκκένωση, κυκλοφορία, ροές πελατών), αγορές, οργανισμούς και διάχυση καινοτομιών. Ένα σχήμα στο άρθρο του αναπαράγει μια προσομοίωση διαφυγής από φωτιά των Helbing και συνεργατών: όταν μπαίνει μια κολόνα μπροστά στην έξοδο ενός δωματίου, περισσότεροι προσομοιωμένοι άνθρωποι βγαίνουν στα πρώτα 45 δευτερόλεπτα, με λιγότερους τραυματισμούς. Μικρές λεπτομέρειες σχεδιασμού αλλάζουν τη συμπεριφορά του πλήθους με τρόπους που η διαίσθηση δεν βλέπει.

Η μοντελοποίηση επιδημιών είναι άλλη μία μεγάλη χρήση. Το Covasim, ένα μοντέλο ανοιχτού κώδικα που φτιάχτηκε στην πανδημία COVID-19, αναπαριστά κάθε πράκτορα ως προσομοιωμένο άτομο με χαρακτηριστικά όπως η ηλικία, συνδεδεμένο μέσω «στρωμάτων» επαφών: νοικοκυριά, σχολεία, χώροι εργασίας και κοινότητα. Χρησιμοποιείται για να συγκρίνει παρεμβάσεις όπως τα τεστ, η ιχνηλάτηση επαφών, η καραντίνα και ο εμβολιασμός.

Πού στραβώνουν τα μοντέλα πρακτόρων

Ο Bonabeau μιλά ανοιχτά για τα όριά τους:

• Πρώτα ο σκοπός. Ένα μοντέλο «για όλα» δεν δουλεύει. Το επίπεδο λεπτομέρειας πρέπει να ταιριάζει στο ερώτημα.
• Οι «μαλακοί» παράγοντες. Οι άνθρωποι έχουν παράλογες συμπεριφορές και υποκειμενικές επιλογές, που μετριούνται και βαθμονομούνται δύσκολα.
• Τίμια ανάγνωση. Ένα αποτέλεσμα που πρέπει να διαβαστεί ποιοτικά δεν πρέπει να χρησιμοποιείται σαν ακριβής αριθμός.
• Κόστος. Η προσομοίωση πολλών ατόμων μπορεί να απαιτεί πολύ υπολογιστικό χρόνο.

Προσομοίωση χωρίς προφίλ ανθρώπων

Ένας πράκτορας σε ένα μοντέλο δεν είναι πραγματικό πρόσωπο, και δεν πρέπει να γίνει. Οι πιο ασφαλείς σχεδιασμοί δεν αγγίζουν καθόλου ατομικά δεδομένα. Βοηθούν δύο ιδέες:

• Συνθετικοί πληθυσμοί. Οι πράκτορες δημιουργούνται έτσι ώστε, όλοι μαζί, να ταιριάζουν με δημοσιευμένα συγκεντρωτικά στατιστικά, όπως η ηλικιακή δομή και το μέγεθος των νοικοκυριών. Για παράδειγμα, το συνοδευτικό εργαλείο του Covasim, το SynthPops, φτιάχνει συνθετικά δίκτυα επαφών από στοιχεία απογραφών και ερευνών. Σε μεγάλες επιδημίες, το Covasim μπορεί επίσης να βάλει έναν πράκτορα να αντιπροσωπεύει πολλά άτομα.
• Ανώνυμα, συγκεντρωτικά δεδομένα εισόδου. Σύμφωνα με τον Γενικό Κανονισμό για την Προστασία Δεδομένων (ΓΚΠΔ), η αιτιολογική σκέψη 26 ορίζει ότι οι κανόνες δεν εφαρμόζονται σε πραγματικά ανώνυμες πληροφορίες, και για στατιστικούς ή ερευνητικούς σκοπούς. Η ίδια σκέψη προειδοποιεί ότι τα ψευδωνυμοποιημένα δεδομένα, που μπορούν να συνδεθούν ξανά με ένα πρόσωπο με πρόσθετες πληροφορίες, εξακολουθούν να είναι προσωπικά δεδομένα.

Η γραμμή που δεν περνάμε είναι αυτό που ο ΓΚΠΔ ονομάζει κατάρτιση προφίλ: το άρθρο 4 σημείο 4 την ορίζει ως αυτοματοποιημένη επεξεργασία προσωπικών δεδομένων για να αξιολογηθούν ή να προβλεφθούν πράγματα για ένα συγκεκριμένο πρόσωπο, όπως η συμπεριφορά, οι προτιμήσεις ή οι μετακινήσεις του. Μια προσομοίωση για το πώς μια συνθετική γειτονιά θα αντιδρούσε σε μια νέα γραμμή λεωφορείου δεν χρειάζεται τίποτα από αυτά. Προς την ίδια κατεύθυνση δείχνει και η αρχή της ελαχιστοποίησης των δεδομένων: χρησιμοποιούμε μόνο ό,τι χρειάζεται το ερώτημα. (Πρόκειται για περιγραφή των αρχών, όχι για νομική συμβουλή.)

Πώς το βλέπει η Kassandra Labs

Η Kassandra Labs βρίσκεται σε στάδιο ιδέας. Αν χρησιμοποιήσουμε στοιχεία μοντέλων πρακτόρων, για παράδειγμα σε σενάρια για εκλογές και κοινωνία, το σχέδιο είναι οι πράκτορες να χτίζονται από δημοσιευμένα συγκεντρωτικά στατιστικά, ποτέ από ατομικά αρχεία, και οι παραδοχές να φαίνονται δίπλα σε κάθε αποτέλεσμα. Περισσότερα για τη συνολική προσέγγιση θα βρείτε στο πώς λειτουργεί.

Σχετικά