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.