Modelos Basados en Agentes Vida Artificial Sociedades Artificiales

1. Modelos Basados en AgentesVida ArtificialSociedades Artificiales Carlos ReynosoUNIVERSIDAD DE BUENOS AIRES http://carlosreynoso.com.ar

2. “Antes de aventurarse en las sociedades artificiales, mejor averiguar de qué se trata la sociedad natural”(¿No es mejor al revés?)

3. Objetivos • Clarificar modelos descentralizados • Profundizar en cuestiones de emergencia y modelado • Se revisarán elementos de AC, pero desde un punto de vista más práctico • Presentar instrumentos y describir estado de la cuestión

4. Agenda • Recapitulación: Autómatas celulares • Omitido: Random Boolean Networks (Stuart Kauffman, “Orden Gratis”) – Filo del caos • Modelos basados en agentes (MBA) • Surgimiento de patrones • Vida artificial • Sociedades artificiales • Herramientas • Aplicaciones y ejercicios de práctica • Conclusiones y propuestas

5. Sistemas complejos adaptativos • Autómatas celulares • Redes booleanas aleatorias • Modelos basados en agentes autónomos • Vida artificial • Sociedades artificiales • Cultura artificial • Meta-heurísticas evolutivas

6. Genealogías confusas • Modelos basados en agentes • “Agentes”: propuestos por Douglas Hofstadter en Gödel, Escher, Bach (1976) • Vida artificial • Propuesta por Chris Langton (1989) o Norman Packard (id.) • Modelo “fuerte” – Tom Ray (Tierra, 1991) • Evolución digital – Código autorreplicante evoluciona por selección natural • Modelo “débil” – Comprender los mecanismos de la vida • Sociedades artificiales • Término propuesto por Builder & Bankes, RAND Paper, 1991 • Modelos de Robert Axelrod, 1984 • Teoría de juegos, dilema del prisionero, evolución de la cooperación

7. Modelos descentralizados • Imperativos en casos en que se desconocen las ecuaciones básicas • O se conocen pero son intratables • Problemas de resolución de ODE y PDE • MBA: lo opuesto a la dinámica de sistemas • No hay control centralizado • No prevalece una estocástica: • Auto-organización como emergente de la diferencia casi azarosa en el bajo nivel • Patrones de orden surgen del azar (BZ) • Caos como emergente de principios deterministas (ecuación logística)

8. Combinación con otros modelos • Modelos de agente de última generación: • Observaciones inéditas que permitieron identificar efectos colectivos • P. ej. formación de senderos peatonales por analogía con la quemotaxis observada por los etólogos. • Esto permitió observar y predecir interesantes fenómenos de auto-organización y no-linealidad • Surgimiento de atascos desproporcionados, paradoja de Braess, senderos de contraflujo, cambios oscilatorios en los contraflujos en los cuellos de botella, brotes de conducta de rebaño, dependencia no monotónica del tiempo de evacuación respecto de parámetros inimaginables (el campo dinámico del piso), efectos de fricción, efectos de más-rápido-es-más-lento en situaciones de pánico o surgimiento de flujos más ordenados mediante la ampliación de las oscilaciones • (Helbing, Farkas y Vicsek 2000; Burstedde y otros 2001a y 2001b; Schadschneider 2001; Kirchner y Schadschneider 2002; Schadschneider, Kirchner y Nishinari 2002). • Software de simulación: EXODUS, página de Tamás Vicsek, etc. • Una vez más, en el diseño de lugares públicos el conocimiento de estos estudios y herramientas ha llegado a ser indispensable.

9. Estado de arte • Esenciales para simulación de contingencias, toma de decisiones complejas e impacto ambiental http://thunderheadeng.com/pathfinder/index.html

14. EXODUS http://fseg.gre.ac.uk/exodus

15. Modelos Basados en AgentesSociedades artificiales • Modelos urbanos en NetLogo • Disease • Epidemic • Models Library / Curricular Models / Urban suite • Economic disparity • Pollution • Sprawl effect • Recycling • Tijuana Bordertowns 

16. Tijuana Bordertowns NetLogo > Models Library > Curricular models > Urban Suite

17. Sociedades artificiales - Aplicaciones • Epstein & Axtell • Demostración de ley de Pareto • Modelización de Anasazi (G. Gumerman) • Sugarscape: Vida artificial • J. Stephen Lansing • Modelo de regadío en Bali • Journal of Artificial Societies and Social Simulation

18. Sociedades artificiales • Growing artificial societies – Joshua Epstein, Robert Axtell • Miembros de la Brookings Institution y del SFI • La sorprendente suficiencia de las reglas simples • Growing societies – Ciencia social generativa • “Comenzar el desarrollo de una ciencia social que modele los procesos evolutivos en un ambiente computacional que simule la demografía, la transmisión de la cultura, la economía, la enfermedad y la co-adaptación de los agentes” • Algunos miembros de Antropocaos estudiaron con Axtell

19. Vida artificial: La polémica

21. Vida artificial - Recursos

22. Boids • Craig Reynolds (1987) • Mezcla de birds and androids • Reynolds, C W, 1987, "Flocks, Herds, and Schools: A Distributed Behavioral Model“. Computer Graphics 21(4) 25ff, online at http://www.cs.toronto.edu/~dt/siggraph97-course/cwr87/[disp] • Metodología incorporada a las técnicas de industria (simulaciones, cine [El rey león, Batman returns]

23. Boids

24. 3DBoids

25. Herramientas

26. HerramientasModelos basados en agentes • Moduleco • *StarLogo [discontinuado] • Ascape • *3D Boids • *Repast • *Breve • **Netlogo

27. Moduleco • Programado en la Universidad de Manchester – Lenguaje Java • El sitio nativo está en francés • Incluye modelo de pila de arena, surgimiento de clases, epidemia, percolación de sitio y red, segregación de Schelling, influencia social, pequeños mundos, sugarscape • Documentación excesivamente escueta • Destinado a convertirse en plugin de Madkit

29. NetLogo • Inventado por Mitchel Resnick como extensión de las tortugas del Logo • Recordar gráfico de tortugas como interpretación espacial de las instrucciones de sistemas-L. • Logo: inventado por Papert (el mismo que defenestró a los perceptrones) • Resnick, 1997: Tortugas, termitas y congestiones de tráfico. Exploraciones en mundos masivamente paralelos (disp.)

30. NetLogo / StarLogo • Concebido como sistema de estimulación, más que de simulación • La idea es averiguar cómo se piensa que es un mundo, antes que cómo se puede simular éste • El objetivo no es simular sistemas para (por ejemplo) predecir, sino indagar cuál es la forma en que pensamos sobre ellos • Los proyectos de NetLogo son investigaciones de micromundos

32. AScape • Incluye varios modelos esenciales • Sugarscape • Basado en libro de Epstein y Axtell. Growing Artificial Societies. The MIT Press, 1991 • Artificial Anasazi

34. Sobre los Anasazi artificiales • Geoffrey Dean, George Gumerman, Joshua Epstein, Robert Axtell y otros • Basado en Sugarscape • Caso de prueba: Long House Valley (NE Arizona) entre 1800 AC y 1300 DC • Hallazgos hasta la fecha: • La desaparición no pudo deberse a fenómenos ambientales externos. • En el momento de su abandono, el área era capaz aún de sustentar una población importante • Se pide a los colegas que definan reglas alternativas, o sugieran parámetros distintos

35. Diversas interpretaciones de cambio y colapso • Climáticas (desertización de antiguos bosques) • Enfermedades • Guerras tribales – Declinación en comercio de la turquesa • Ideológicas • Centro ceremonial, no población. Viviendas para peregrinos (James Judge, 1984). Colapso debido a cambio de centro ceremonial (Azteca) tras sequías de 1080-1090 • Crisis por introducción de canibalismo (Christy Turner, 1996) – Debido al hambre por sequía, o introducido desde México – Control político, o patología social • Materialistas (marxistas): • John Gledhill (1978). Integrado a sistema global (Tolteca). No autónomo, no heterónomo. Competencia, jerarquización, expansión que condujo a crisis. Sobreexplotación y cambio climático, pero mayormente economía política • Randy McGuire (1986) – Sensibilidad de economía basada en mercancías a factores externos • Dean Saitta (1997) – Conflictos de clases

36. Repast • Recursive Porous Agent Simulation Toolkit • Intenta profundizar en la representación de los agentes, como medio para modelar creencias, organizaciones e instituciones como construcciones sociales recursivas • Uno de los ABM más completos después de Swarm – En vías de migración a Symphony • Relativamente pocos modelos disponibles en ciencias sociales • Integra AG, redes neuronales, GIS, redes sociales

38. Breve • Modelado tridimensional • Puede combinar distintas tecnologías • Inteligencia Artificial, algoritmo genético, MBA • Requiere programación interna para modelado en serio • Posibilidad de intervención en tiempo real • Posibilidad de guardar estado del genoma en problemas que requieran evolución/aprendizaje • Versión algo inestable

40. **Netlogo • Modelo de más amplia aplicación en ciencias sociales • Uri Wilensky, Universidad del Noroeste • El más robusto, estable, programable y completo • Versión mejorada de Starlogo, sin tanto énfasis pedagógico • Adecuado para trabajo científico – Usa matemáticas “estrictas” Java, aunque el lenguaje de programación es Logo • Se puede probar discrepancia entre aritmética real y punto flotante • Extensiones participativas • Driver para periférico GoGo (adquisición de datos, aparatos) • Infinidad de desarrollos en comunidad: • http://ccl.northwestern.edu/netlogo/models/community/ • Sugarscape, uso de drogas, pila de arena, propagación del Sida, mercado financiero, percolación, fuego, ilusiones ópticas

44. Aplicaciones

45. Infinidad de aplicaciones • JASSS desde 1998 – Congresos enteros de CA, Alife, MBA, AG y sus combinaciones • Thomas Berger – MBA y AC aplicado a las políticas agrarias en Chile • Bibliografía de casos en materiales de DVD • Volúmenes del SFI dedicados a GIS o a arqueología • Robert Axelrod – Diseminación de la cultura (traits/features) • Michael Agar – drugsupply: Modelo de mercado de venta de drogas

46. Michael Agar (1/3) • Proveniente de la antropología fenomenológica • Modeló la epidemiología del uso de sustancias en Netlogo • Drugtalk models how experiences with an illicit drug, evaluations of those experiences transmitted through social and spatial networks, and encounters with addicted agents lead to different rates of use and addiction. 

47. Michael Agar (2/3) • Cada agente tiene un riesgo y una actitud • Riesgo – Tendencia a intentar algo nuevo y desconocido. Es una variable en distintos agentes, pero no varía • Actitud – Hacia la droga, positiva o negativa. Varía conforme a la experiencia. Al principio es homogéneo, como si fuera una norma • Si un agente usa droga, depende si el riesgo es menor o no que la actitud • La conectividad de los agentes se inspira en Barabási – Ley de potencia con exponente 1.5 • La evaluación (Goodstuff? Badstuff?) varía según droga. Es 70/30 para la heroína

48. Michael Agar (3/3) • Los valores de adicción que resultan del modelo se aproximan a los de la realidad • Se genera un espacio en el que se pueden proponer otras variables • Se puede pensar en indicadores más eficaces de una racha epidémica que los que se usan en las políticas usuales de monitoreo y prevención • Correr modelo...

50. Prácticas de modelado urbano [en construcción]