作者：S. Gabbriellini

来源： 复杂系统与计算社会学

无论是危险病毒在全球范围内的传播，由少数分子引发的城区意外骚乱，还是政党派系和议会选举，人们发现：已经越来越难以理解（更不用说预测）这些复杂社会现象究竟如何是展现的了。

集体行为不仅难以预测，而且在社会角色层面往往也是不受欢迎的。当众多个体行为聚集在一起时，我们可以在全局范围内观察到那些导致（不良）后果的强行为模式（比如谢林模型）。

高级分析方法对于解决这些复杂的机制问题是必要的，而社会研究人员和从业人员通常只是接收过统计、计量经济学或传统观察方法的简单培训。

心理实验是这些高级方法工具箱中的有效构成部分之一——在商业环境中，这等同于将分析从统计相关性层面推向因果关系，进而来回答这一问题：为什么会发生这种情况？但是，心理实验并不是通过积累统计证据来支持某些假设，而只是用以证明我们的假设在某种现实意义上揭示了我们观察到的后果。

为了探究这一问题的复杂程度，我们有时候需要依赖于直觉。在这里，基于Agent建模和计算机仿真的方法可以通过在计算机上模拟Agent之间的交互活动来帮助我们理解这些复杂且通常出乎意料的社交模式的涌现过程和规律。

Agent可以代表任何事物，从网络节点到客户或公司。其基本思想是：通过描述这些Agent在特定环境中的属性和行为规则，然后进行多重仿真运行来理解系统的核心趋势：如果您在计算机上看到的结果与您在经验中观察到的情况相似，那么您的模型就可以被用来对所观察现象进行解释。

你可以把自己想象成绘制地图的制图师：或许1：1的比例尺太过细致（可能无用），但是太小的比例尺却无法帮助你理解从地点A到地点B的最佳路径。如同每个任务都需要合适的地图，我们也当然需要一些经验来了解特定建模任务的合适抽象级别。

当然，学习Agent建模方法通常是很困难的。但如果能够加以强化培训并结合亲自动手练习，我们相信每个人都可以学习和掌握高等计算研究的方法和内容。

如有侵权，请联系本站删除！