Capitolo 3
Modelli basati su agenti
Grazie alla tecniche di simulazione al computer è possibile costruire "società artificiali" da utilizzare per effettuare "esperimenti di laboratorio" volti a ricreare i fenomeni e le strutture sociali oggetto di studio e di analisi.
I modelli basati su agenti, grazie alla loro estrema flessibilità,
rappresentano una delle tecniche di simulazione più adatte per lo studio
dei fenomeni sociali, gli "Agent-Based Models" (nome abbreviato con
la sigla ABD) sono un modo più flessibile per studiare i comportamenti
economici rispetto ai modelli matematici. Nei modelli basati su agenti, tutte
le parti del sistema sociale possono essere rappresentate da algoritmi e variabili
che definiscono il comportamento degli agenti virtuali, e conservano i dati
sulla loro evoluzione nel tempo.
Il comportamento collettivo e i componenti di un sistema possono avere effetti
dinamici che cambiano l'ambito del sistema: se i vincoli del modello cambiano
è difficile studiarne le conseguenze con modelli analitici.
I modelli basati su agenti offrono dunque una visione alternativa dei sistemi
di comportamento rispetto ai modelli analitici.
In un Agent Based Model, i sistemi sociali sono modellati come
insiemi di entità autonome, denominate agenti; ogni agente del sistema
è rappresentato mediante algoritmi e variabili che ne definiscono il
comportamento e ne registrano l'evoluzione dello stato nel tempo. Le caratteristiche
comportamentali degli agenti possono cambiare ed adattarsi nel corso della vita
dell'individuo, in seguito alle interazioni con gli altri agenti e con l'ambiente.
L'idea fondamentale che guida questi modelli è che comportamenti complessi
possano essere il frutto delle interazioni fra agenti; i quali operano, invece,
sulla base di regole estremamente semplici.
La sfida di questo nuova metodologia di studio, che si pone come metodo alternativo
rispetto ai modelli analitici, è di spiegare l'emergere "spontaneo"
di regolarità nei processi sociali ed economici.
I processi economici e sociali sono quindi visti come conseguenza dell'interazione
tra agenti autonomi, operanti in un ambiente artificiale secondo proprie regole
di comportamento, piuttosto che come frutto di meccanismi fittizi di coordinamento.
Le strutture sociali ed economiche che emergono dalle simulazioni non sono definite
a priori, ma sono il risultato dell'interazione tra gli agenti; tali strutture
sociali esercitano, inoltre, importanti effetti di feedback sugli agenti, modificandone
il comportamento.
L'obiettivo principale dei modelli ABM è quello di svelare i meccanismi
fondamentali che operano localmente, a livello di singolo agente, e che sono
sufficienti a generare strutture sociali e comportamenti collettivi di interesse.
In altre parole, l'obiettivo è la ricerca della specificazione del modello
che conduce a generare la macrostruttura desiderata; se il modello è
in grado di ricreare il fenomeno oggetto di studio, allora il modello rappresenta
una possibile spiegazione del fenomeno stesso.
Grazie alle simulazioni basate su agenti diventa possibile collegare il livello
dell'individuo con il livello dei fenomeni sociali. Anche se i fenomeni sociali
risultano dal comportamento dei singoli individui, ciò non significa
necessariamente che siano totalmente riconducibili agli individui stessi. Un
fenomeno sociale è, infatti, un fenomeno complesso; è frutto delle
interazioni tra individui e non può essere previsto o dedotto conoscendo
anche perfettamente gli individui e il loro modo di comportarsi.
Le simulazioni consentono, a differenza dei metodi tradizionali di analisi,
di studiare insieme gli individui e la società: il modo in cui interagiscono
e si influenzano reciprocamente. La metodologia basata su agenti presenta, tuttavia,
uno svantaggio rispetto alla formalizzazione matematica: il problema della robustezza
dei risultati ottenuti .
Nelle teorie economiche classiche, la verifica della validità dei risultati
è spesso formalmente risolvibile; nei modelli ad agenti, invece, il solo
modo per valutare la validità dei risultati ottenuti è di effettuare
esecuzioni multiple del modello, variando sistematicamente i parametri o le
condizioni iniziali (data la natura dinamica di tali modelli sono necessari
numerosi esperimenti prima di dimostrare la convergenza dei comportamenti individuali
alla rappresentazione statica e formale di un teorema).
La simulazione al computer di società artificiali richiede la definizione
di agenti dotati di proprie regole di comportamento e di un ambiente nel quale
tali agenti possano operare ed interagire.
Nei modelli ad agenti, il termine agente è utilizzato per indicare un
processo sviluppato al computer che, tolti i casi di agenti semplici (per esempio
quelli che operano a caso) possiede le seguenti proprietà:
-autonomia: controlla il proprio stato
e le proprie azioni, senza che sia necessario un intervento diretto da parte
di entità esterne;
-abilità sociale: interagisce con gli altri processi-agenti mediante
un linguaggio comune;
-reattività: è in grado di percepire l'ambiente in cui vive e
di rispondere in modo tempestivo ai cambiamenti che si verificano nell'ambiente;
-pro-activity: non agisce semplicemente in risposta a stimoli provenienti dall'ambiente,
ma è in grado di prendere iniziative; è capace, cioè, di
esibire un comportamento finalizzato al raggiungimento di un dato obiettivo.
Vi sono diverse tecniche utilizzabili per la costruzione degli agenti; l'utilizzo di una tecnica, invece di un'altra, dipende spesso dallo scopo che si pone la simulazione. Alcune caratteristiche, tuttavia, sono comuni; in particolare ogni metodologia deve garantire alcune funzionalità di base che permettano all'agente di ricevere input dall'ambiente, di registrare una storia delle precedenti azioni, di elaborare i dati posseduti al fine di determinare le azioni future e infine di eseguire le azioni e di valutarne gli effetti.
In Gilbert
e Terna (2000) è proposto uno schema di riferimento per la costruzione
di simulazioni ad agenti per le scienze sociali denominato ERA (Environment
Rules Agent). Lo schema principalmente si basa sull'assunto che sia l'ambiente
ad influenzare i comportamenti degli agenti.
Lo schema ERA prevede una netta separazione fra l'ambiente in cui gli agenti
interagiscono e gli agenti stessi che, per gestire le proprie regole di comportamento
si avvalgono di altri oggetti, specializzati rispettivamente nella produzione
e nella gestione delle regole.
Gli agenti non comunicano direttamente fra loro, bensì lo fanno per mezzo
dell'ambiente che, in ogni caso, può fornire a ciascuno le informazioni
necessarie alla conoscenza degli altri agenti presenti.
Il gestore di regole provvede a selezionare il comportamento più adatto
ad una specifica situazione; quest'ultima è descritta dalle informazioni
che il singolo agente ricava dall'ambiente e riferisce al proprio gestore di
regole.
Ad un livello successivo si trova il produttore di regole, il cui compito è
quello di generare nuove regole, generalmente ottenute da quelle esistenti,
attivando una sorta di apprendimento dell'agente.
Secondo lo schema ERA gli agenti, a livello di codice, derivano come esemplari
da una classe tipo.
Questo schema, dunque, permette di distinguere in due piani distinti l'ambiente
che rappresenta il contesto dell'operatività degli agenti per mezzo di
regole e dati generali, e gli agenti stessi, con le proprie strutture di dati
interni e le proprie regole.