Szimuláció, mint vizsgálati-tervezési eszköz II. Ágensek és multi-ágens rendszerek Kurzus az ELTE programtervező-matematikus hallgatóinak Gulyás László AITIA International Rt. lgulyas@aitia.ai

Ágensek és multi-ágens rendszerek Napirend „Tudományfilozófia” Modellezés, mint vizsgálati eszköz A szöveg, a matematika és a komputáció három formalizmusa Validáció és verifikáció Módszertan / Tutorial A replikáció, a reprodukálhatóság fontossága A pszeudó-véletlenszámok kezelése (független eloszlások, seed, etc.) Robosztusság, érzékenység-analízis Statisztikai alapú eredmények és konfidencia-intervallumok „Parameter-sweep” és batch-módú futtatás Az obszerver és a modell különválasztása Egyéb apróságok Újabb példák… … és példák hibás megoldásokra. Beadandó feladatok kiosztása. 2005. szeptember 28. Ágensek és multi-ágens rendszerek

Modellezés, avagy mit látunk? Mit taníthat egy pohár víz (statisztikus fizika)? Absztrakció Metafóra Emergens jelenségek 2005. szeptember 28. Ágensek és multi-ágens rendszerek

(Társadalom-) Tudománytörténet 1/5 Lexikális ismeretek és szöveg-alapú („spekulatív”) elméletek. Vaskos könyvek és véget nem érő viták. Az érvelés központi szerepe. Példák: Marx: Tőke Kínaszakértők a Weatherhead Center-ben Fukuyama és Huntington (v.ö. 9/11) Brezinski „sakktáblája” (v.ö. Condolezza Rice) Cinikusan: ha egy elgondolás (elmélet) nem 200-300 oldalban van kifejtve, akkor Nem is ér semmit… Bár általában ez a fajta tudomány szokta a leginkább megfeküdni (hozzám hasonló neveltetésű) Ismerőseim gyomrát, azon azért érdemes elgondolkozni, hogy közvetlen Hatásában minek van nagyobb hatása: egy szép és kerek matematikai tételnek, vagy Condolezza Rice elgondolásának pl. a közel-keleti helyzetről… 2005. szeptember 28. Ágensek és multi-ágens rendszerek

(Társadalom-) Tudománytörténet 2/5 „Soft” vs. „Hard” science. Az egységes formalizmus „rangja” és tömörsége. („Az egységes nyelv”.) A reprodukálható kísérletek lehetősége. Az elméletek „tesztelhetősége”. (*) Marx tévedése (G. Silverberg nyomán) „A társadalomtudományok az igazi » hard« tudományok”. Cinizmus: - a természettudományok virágzása a II. világháború után - a társadalomtudományi tanszékek pénzhiánya A közgáz élen járt ebben (már a 20-as években erről szól). És: épp a fentiek miatt a társ. Tudományok az igazi „hard” science. Ld. Gary King pozícióját és kurzusát (az egyetlent, ami kötelező A phd programban). Ld. A közelmúlt (közgáz) Nobel-díjasait. Ld. A híres IPD modellt (Axelrod), a „nemzetkozi kapcsolatok” modelljeinek Alfáját és omegáját. 2005. szeptember 28. Ágensek és multi-ágens rendszerek

(Társadalom-) Tudománytörténet 3/5 A (társadalom) tudományok „matematizálódása”. Statisztika „mindenekfelett”. Játékelmélet. Axelrod és az Iterált Fogolydilemma (IPD). 2005. szeptember 28. Ágensek és multi-ágens rendszerek

Illusztráció: Statisztika Alkohol, dohányzás, orális szex, szájrák Dátum: 2004. 02. 27. [11:35] Francia kutatók szerint az orális szex akár szájrákhoz is vezethet: több szájrákos páciensük szervezetében is kimutatták a humán papilloma vírus (HPV) jelenlétét. A szájrákban szenvedők háromszor gyakrabban éltek az orális szex által nyújtott örömökkel, mint egészséges társaik. (http://www.patikamagazin.hu) 2005. szeptember 28. Ágensek és multi-ágens rendszerek

Illusztráció: Játékelmélet 1/3 A Hotelling-probléma (H. Hotelling, 1929): Két jégkrémárus a tóparton. Egyforma jégkrémek. Vevők sűrűsége egyenletes. Mindenki a legközelebbi árushoz megy. 2005. szeptember 28. Ágensek és multi-ágens rendszerek

Illusztráció: Játékelmélet 2/3 Mindkét árus megszerzi a piac felét. A vevők által megteendő átlagos út hossza minimális. 2005. szeptember 28. Ágensek és multi-ágens rendszerek

Illusztráció: Játékelmélet 3/3 Csak nem stabil… 2005. szeptember 28. Ágensek és multi-ágens rendszerek

Illusztráció: Fogolydilemma Oszlop: C D C 3,3 0,5 Sor: D 5,0 1,1 2005. szeptember 28. Ágensek és multi-ágens rendszerek

Illusztráció: Iterált fogolydilemma (IPD) Ld. Mérő László: „Mindenki másképp egyforma” Axelrod és az ő versenye. A Tit-for-tat meglepő sikere. A TFT ismételt sikere… 2005. szeptember 28. Ágensek és multi-ágens rendszerek

(Társadalom-) Tudománytörténet 4/5 További problémák Bizonyos kísérletek nem elvégezhetőek: Counter-faktuálisok a statisztikában Emberi alanyok Bonyolultsági problémák (pl. játékelméletben): A szereplők száma (IPD-variánsok 3 (!) szereplővel). Kommunikációs-topológiák. (Mindenki mindent tud.) Dinamikus populációk. (Márpedig nincsenek.) Végtelen tudás… Egyensúly vagy trajektória? Ld. Hotelling. 2005. szeptember 28. Ágensek és multi-ágens rendszerek

(Társadalom-) Tudománytörténet 5/5 In Silico modellek és kísérletek Pl. ágens-alapúak. „If you didn’t grow it, you didn’t explain it.” (J. M. Epstein) Mégsem minden matematika. Azaz… 2005. szeptember 28. Ágensek és multi-ágens rendszerek

Tudományfilozófia II/1. 2005. szeptember 28. Ágensek és multi-ágens rendszerek

Tudományfilozófia II/2. 2005. szeptember 28. Ágensek és multi-ágens rendszerek

Tudományfilozófia II/3. Vagyis, az ábrázolás lényeges. Avagy mégis számít a nyelv. Így hiába „minden matematika”: „Experimental Maths” „Experimental Computation” „Computational Modeling” Ágens-alapú és egyéb módszerek. 2005. szeptember 28. Ágensek és multi-ágens rendszerek

A reprezentáció lehetséges szintjei Természetesen mindig, mindenre sok lehetséges és érvényes modell van… 2005. szeptember 28. Ágensek és multi-ágens rendszerek

Ágensek és multi-ágens rendszerek 2005. szeptember 28. Ágensek és multi-ágens rendszerek

Ágens-alapú modellezés és szimuláció Az egyik „in silico” módszertan. Nem csupán egyensúlyi helyzetek vizsgálata. Alulról-felfelé (bottom-up) megközelítés. (**) Ebből következően kognitív korlátok. Interakciós topológia explicit modellezése. Ki kitől, mit tud. Heterogén populáció. Dinamikus populációk. Ha nincs explicit reprezentációnk a kognitív képességekre és az interakciós topológiára, akkor nincs modellünk. (*) J. Epstein és R. Axtell után. (**) Az előzővel együtt ez azt is jelenti, hogy nem elég azt mondani, A „rendszernek jó lesz” (ld. A piac egyensúlyban lesz), de azt is meg kell Tudni mondani, az egyed mit csinál. (#) Bár már ez sem igaz. (Ld. Kathleen Carley) Nyilván: bonyolultsági kérdések itt is vannak, de ez itt bevallottan Közelítésre utazó módszertan… (S mivel amúgy is trajektóriákat Vizsgál, ez tán kevésbé gond.) 2005. szeptember 28. Ágensek és multi-ágens rendszerek

A számítógépes szimuláció „hasznáról” Modell-validálás: összehasonlítás Predikció V.ö. Globális felmelegedés (pl. Római Klub) Szimuláció V.ö. Wright testvérek Magyarázat (gondolatkísérlet) V.ö. Schelling és Axelrod 2005. szeptember 28. Ágensek és multi-ágens rendszerek

Az ABM gyakorlata: REPLIKÁCIÓ mindenek felett Tudományos kísérletek (tesztek és replikálásuk) Ergo, valódi (kontrollálatlan) parallelizmus kizárva. Probabilisztikus modellek Alapvető eszköze a „nem modellezett” komponensek reprezentációjának. Ergo, pszeudo-véletlenszámok (RNG-k). A „seed” kontrollálása!! Független változókhoz független RNG-k!! Teljes specifikáció Pl. standard gyakorlat, hogy több maximum/minimum közül véletlenszerűen választunk. DE: le kell írni, és dönteni kell (nem csak, ahogy jön!) 2005. szeptember 28. Ágensek és multi-ágens rendszerek

Az ABM gyakorlata: Eredmények generálása és kezelése Az eredmények természete statisztikus Egy futás nem futás. Érzékenység-analízis, konfidencia-intervallumok. „Parameter Sweep” Az eredmények függése a „kezdeti feltételektől” (paraméterektől). Nagy, sokdimenziós paraméterterek. Mintavétel. Nem-lineáris függés a paraméterektől, ezért nem szerencsés „indukálni”, extrapolálni. Az Active Non-linear Tests (ANTs) és hasonló „trükkök”. 2005. szeptember 28. Ágensek és multi-ágens rendszerek

Az ABM gyakorlata: Eredmények generálása és kezelése II. 2005. szeptember 28. Ágensek és multi-ágens rendszerek

Az ABM gyakorlata: Eredmények generálása és kezelése II. 2005. szeptember 28. Ágensek és multi-ágens rendszerek

Az ABM gyakorlata: Eredmények generálása és kezelése II. 2005. szeptember 28. Ágensek és multi-ágens rendszerek

Az ABM gyakorlata: Eredmények generálása és kezelése III. 2005. szeptember 28. Ágensek és multi-ágens rendszerek

Az ABM gyakorlata: A Model és az Obszerver(ek) szétválasztása Alapvető fontosságú!! A kísérleti tudományokban magától értetődik. A számítógépes szimulációk gyakorlatában a Swarm-tól datálódik. Általában több obszerver van. GUI Batch1 Batch2 … FONTOS!! Az obszerverekben használt RNG-k (pl. hálózatok megjelenítő-algoritmusai, fájlnév-generálás, stb.) legyenek függetlenek a modellben használtaktól!! 2005. szeptember 28. Ágensek és multi-ágens rendszerek

Az ABM gyakorlata: Egyéb apróságok Véletlen eloszlások Egyenletes, Normál, stb. esetén a szimulációs csomagok általában korrekt és hatékony megvalósítást nyújtanak. Egyedi/bonyolultabb eloszlások az egyenletes elo.-ból generálhatóak: az „intervallum-módszer”. Ne keverjük az ágens és a modell (pl. a környezet) kódját! Tegyük az ágensbe, ami odavaló  replikálhatóság, olvashatóság! Java-ban: a HashSet/HashMap nem garantálja a bejárási sorrendet!! A hashCode() implementálása. 10 15 22 24 32 10 5 7 2 8 2005. szeptember 28. Ágensek és multi-ágens rendszerek

Ágensek és multi-ágens rendszerek RePast “How-to”-k SimpleModel vs SimModelImpl Ütemező: Reflexió vs Belső osztály. Obszerverek Reflexió, Belső osztály, Anoním osztály Paraméter-fájlok, formátumok. Get/Set-ek Példa: ExperIPD 2005. szeptember 28. Ágensek és multi-ágens rendszerek