LA SIMULAZIONE AD AGENTI

La simulazione ad agenti è un particolare tipo di simulazione. Abbiamo già sottolineato, introducendo l’argomento, che molti dei fenomeni osservabili nella realtà non possono essere studiati con profitto per la mancanza di uno strumento idoneo a rappresentare le interazioni tra gli elementi da cui nascono.

Se i modelli tradizionali individuano correttamente quali sono i legami tra le diverse parti che compongono un sistema ed il sistema stesso, non sono tuttavia in grado di determinare le modalità con cui le prime sono influenzate dall’ambiente che le circonda, così come non riescono a chiarire come l’ambiente risulti

modificato dai rapporti istauratisi tra gli attori che operano al suo interno.

Le simulazioni ad agenti consentono di studiare queste reciproche interazioni, perché permettono di rappresentare, tramite algoritmi e variabili, tutte le parti del sistema sociale: gli individui e il loro comportamento, la struttura del fenomeno nel suo complesso e le sue proprietà. Rendono anche possibile la conservazione dei dati relativi alla loro evoluzione nel tempo.

In un Agent Based Model, i sistemi sociali sono modellati come insiemi di entità autonome, denominate agenti: ogni agente possiede doti computazionali con cui elabora le informazioni provenienti dall’ambiente esterno. In base a specifiche regole di comportamento questi trasforma gli input che riceve in output, che a loro volta influenzano la struttura artificiale della quale l’agente fa parte.

Il semplice operare dei “soggetti simulati” provoca delle modifiche alle condizioni ambientali che si ripercuotono sugli agenti stessi, secondo un processo ciclico che, a seconda dei casi, può stabilizzarsi o meno. Le caratteristiche di ciascuna entità virtuale possono cambiare in relazione agli input di volta in volta ricevuti.

Le applicazioni sull’uso della simulazione, introdotte in precedenza, sono un chiaro esempio di quanto appena affermato.

La rappresentazione dei fenomeni reali, attraverso questo strumento di analisi, assume una configurazione dinamica difficilmente ipotizzabile impiegando metodologie di ricerca differenti.

L’obiettivo è quello di comprendere l’emergere “spontaneo” di regolarità nei processi sociali a partire dai rapporti che si

instaurano tra gli agenti e il sistema, senza che questi siano disciplinati da fittizi meccanismi di coordinamento. Osservando i processi in atto localmente, a livello del singolo, si cerca di verificare la nascita delle manifestazioni sociali oggetto di analisi; ancor più si cercano di interpretare i fenomeni che sono emersi dalla simulazione, ma che non sono stati previsti dalla teoria.

Il modello da noi costruito, allo scopo di comprendere ciò che nasce dalle contrattazioni in borsa, fa uso della simulazione ad agenti; come vedremo meglio in seguito, il mercato virtuale proposto sarà popolato da diverse tipologie di “individui”, operanti in modo diverso a seconda delle specifiche regole di comportamento che li caratterizzano.

Davidsson (2002) descrive la simulazione ad agenti illustrandone i legami con le scienze sociali, la simulazione al computer e la

programmazione ad agenti.

Abbiamo già parlato dei benefici di cui le scienze dell’uomo possono usufruire dall’impiego della simulazione. La programmazione ad agenti fornisce tecniche e metodologie per costruire dei software a larga scala che possono rappresentare i sistemi sociali. I software così costruiti hanno come principale caratteristica la possibilità di riprodurre strutture che evolvono nel tempo. Ancora, essi offrono la possibilità di affrontare fenomeni complessi da una diversa prospettiva: nei modelli matematici tradizionali sono studiate le variazioni medie che coinvolgono una popolazione intera, quando sono introdotte delle modifiche alle caratteristiche della stessa.

Figura 4: i legami tra scienze sociali, simulazione e modelli ad agenti, Davidsson(2002:3)

L’insieme degli individui è qui considerato come struttura determinata in base ad un certo numero di variabili. Con la programmazione ad agenti, così come con tutte le tecniche di micro simulazione, la struttura è invece vista come frutto dell’interazione tra gli elementi di cui è composta.

La simulazione ad agenti consente di focalizzare l’attenzione sul singolo senza tralasciare o perdere di vista l’ambiente di cui fa parte e che contribuisce, con le sue azioni, a modificare.

Rispetto alla formalizzazione matematica questa metodologia presenta, tuttavia, il problema relativo alla robustezza dei risultati. Nelle teorie economiche classiche, la validità dei risultati può essere facilmente verificata; nei modelli ad agenti, invece, occorre procedere ad esecuzioni multiple della simulazione, variandone sistematicamente i parametri o le condizioni iniziali. Data la natura dinamica di simili modelli sono necessari numerosi esperimenti prima di poter dimostrare la convergenza dei comportamenti individuali alla rappresentazione formale di un teorema.

Gilbert e Terna (2000) propongono uno schema di riferimento, per la costruzione di simulazioni ad agenti, che si basa sull’ipotesi che il comportamento degli individui sia influenzato dall’ambiente in cui operano.

Nello schema proposto, denominato ERA (Environment Rules Agent), il contesto in cui i singoli interagiscono è separato dagli agenti, i quali sono riprodotti come unità a sé stanti.

Il loro modo di agire è disciplinato da altre entità che si occupano della produzione e della gestione delle regole di comportamento. Queste entità impongono agli agenti il modo di operare più consono a seconda della situazione in cui si trovano, che è descritta dalle informazioni che i singoli ricavano dall’ambiente e che riferiscono ai loro gestori di regole.

Altre entità si occupano invece della creazione di nuove regole, in modo da consentire agli agenti di apprendere dal contesto circostante e dalla loro passata esperienza.

Questo schema sarà ripreso ed approfondito, anche tramite l’ausilio di immagini, nella parte dedicata all’analisi del modello SUM.

Occorre comunque notare come lo sviluppo delle simulazioni sia stato consentito dalla rapida evoluzione della tecnologia.

Negli anni '80 mancavano ancora elaboratori sufficientemente veloci, in grado di manipolare ingenti quantitativi di dati in tempi ragionevoli.

Le prime riproduzioni virtuali della realtà derivavano spesso da un singolo calcolo, effettuato su una serie non troppo numerosa di parametri ai quali erano di volta in volta assegnati valori differenti. Queste riproduzioni si prestavano bene per analisi di tipo top-down (dall’alto verso il basso) in cui l’oggetto d’indagine era principalmente il sistema nel suo complesso.

Ai giorni nostri, con lo sviluppo di particolari linguaggi di programmazione - i linguaggi di programmazione ad oggetti, che descriveremo tra breve - e con la maggiore qualità e rapidità delle prestazioni dei personal computers, è stato possibile affrontare analisi dei fenomeni sociali di tipo bottom-up (dal basso verso l’alto).

L’attenzione resta sempre rivolta alla struttura nel suo insieme ma, a differenza di quanto accadeva con i primi modelli, essa è studiata come complesso emergente dalle azioni e interazioni tra i suoi elementi.

In base a quanto fin qui affermato, dovrebbero apparire evidenti le motivazioni della scelta di uno strumento di indagine quale la simulazione; in ogni caso, riportiamo, nel paragrafo seguente, i principali vantaggi relativi al suo utilizzo.