【摘要】：基于智能主体模型和仿真技术已经成为建立社会系统有效模型的方法，这不仅有助于获得对各种社会现象更好的理解，但也丰富了基于智能主体的回报计算模式。基于智能主体模型允许模拟社会单位，如个人，家庭，组织或国家，以及其直接或间接的相互作用。这些模型表明了全球秩序和集体智慧如何从相对简单的本地交互出现，并解释紧急行为的动力。基于智能主体模型的方法独立地提供了一个连接心理学与社会学中的个体分析和社会行为的桥梁。这种生成性、建设证明性的方法也补充了认知科学中以个人为中心的研究，通过展示单独个体不是认知中的关键单位，但受环境和社会的影响，同时也影响环境和社会。在本文中，我们分析基于智能主体模型的紧急社会群体的行为，以及相关的理论与实验结果及其多重智能主体的影响系统。
【关键词】：基于智能主体计算 集体智慧 计算社会学 发生 多重智能主体
I.介绍
在基于智能主体建模（ABM）中，一个系统被建模为一组自治智能主体，能够感知环境以及在一些行为规则基础上采取行动。智能主体代表系统中的人员；环境代表周围事物，包括邻近智能主体；行为规则将智能主体与其他智能主体的互动，也包括与环境的互动模型化。智能主体建模可以用于多种领域的现象，如市场与经济，组织，万维网和社会系统等。快速廉价的计算能力日益普及，加之计算科学领域的其他进步，为智能主体建模的使用造就了一条受人喜爱的建模和仿真技术之路。在过去的几年，智能主体建模已经成为社会学家和心理学家用以分析社会行为，尤其是群体行为的有效工具。现在，使用生成性方法而进行的大量的研究被用于建模和分析社会现象，如谣言的传播，想法的扩散，合作的出现，社会规范习俗等的出现，宗教和文化的动态传播及演变等。
集体智慧被定义为由多个个体成员组成的群体的智慧。人类（甚至是昆虫和动物）的群体工作在一起而产生智能的群体行为。个体成员参与产生的集体行为，通常在最终的群体行为中不被理解或者不易被察觉。他们仅能在他们当地或周围地区可见或互动。这些简单的当地互动通常能产生紧急的全球性行为，比如蚁群，鸟群，人类定居点，组织和市场。蚂蚁的觅食行为，植绒鸟类的行为，人类定居点的复杂形势，组织行为和市场工作的多种形式都是集体智慧在行动中的例子。理解怎样（或者为什么）这些复杂智能的集体智慧从当地有限的互动中产生，已经成为近几十年来社会学家研究的重要问题。智能主体建模似乎为这一结果提供了正确的方法和工具。在这方面的努力中，应用基于智能主体的模型一方面有助于对研究系统有一个更好的理解，与此同时，在社会系统中采用基于智能主体模型为广阔的智能主体计算领域提供了新的原则和机制。
社会仿真的发展在过去的半个世纪里大致可以被分成三个阶段：宏观仿真，微观仿真以及基于智能主体的模型。社会学家，尤其是计算社会学家，率先将宏观仿真模拟供应链中出现的问题，仓储中的库存控制，城市交通，疾病的蔓延，移民和人口模式等。宏观仿真由一系列不同方程组成，采用了整体观点的系统。然而，以完整系统作为分析单元有其内在局限性。微观仿真关注于个体作为分析单元的应用，但却继续沿用宏观仿真中的宏观预测。虽然微观仿真建模对人口的每个元素采取了变化，但他们并不允许个人直接地互动或适应。主要的关注点仍保留在预测能够改变个体行为的公共政策的影响。智能主体建模，第三种技术，采取了一种纯粹地自下而上的方法并保持了中心位置的个体。它允许人口建模中的个体和他们之间的互动，包括与环境的互动。这使得它成为一种非常合适于分析由个体之间的本地互动而产生的群体行为的技术。除此之外，这个方法还有其他的优点。本文试图呈现智能主体建模方法的关键组成部分，呈现一个关于基于智能主体模型的账户用以建模和分析紧急出现的集体行为，并将我们的实验工作报导在社会影响的范例中。本文结尾讨论了一系列实验结果，以及他们对广阔的基于智能主体模型计算领域的影响。
II.智能主体建模方法
从实用建模的角度来说，一个智能主体被定义为一个可识别的分散个体，并具有一系列特点和规则掌控其行为和决定的决策力。智能主体被置于环境中并具有自主性。一个智能主体可以是简单的反应实体，也可以是能够进行目标导向的行为。智能主体通常包含了一套基本水平的行为规则，也包含了更高水平的规则用以改变其规则。智能主体建模是一个自下而上的方法，开始于鉴定一个系统的组成智能主体和他们的特定行为。然后系统建模成一个能够与环境及其自身互动的自动智能主体的集合。社会系统的智能主体建模通常构成一下四个假设：1.智能主体是自主的；2.智能主体之间是相互依存的；3.智能主体能够遵循简单的规则；4.智能主体具有适应性和向后看的特点。
A. 智能主体建模的动机
社会系统的传统建模方法依赖于用宏观角度操作的方程模型。他们分析人口的属性以及他们的分布，但缺乏在个体角色的关注。方程模型，尽管对于宏观范围的行为预测十分有效，但却未能将缺泛中心协调的社会系统（或进行）建模，也未能将涉及相互依赖关系而变得十分复杂的系统建模，还有一些系统产生了新奇紧急行为但缺少对集体现象有清晰认识的系统。Axtell将这种说法推进了一步并表示社会系统的智能主体计算建模有三个明确的用途：1.当熟知实现被提出并解决时基于智能主体模型可以用作社会仿真；2.当一个数学模型被提出并只能部分得到解决：基于智能主体模型成为分析的有效工具；3. 当数学模型既棘手的，或者是难以解决的：智能主体建模或许是唯一可用的系统化分析技术。快速廉价的计算能力和丰富的易用的软件环境的可用也增强了基于智能主体模型在社会科学中的运用。
B. 什么时候使用基于智能主体的模型
尽管技术上比较简单，基于智能主体模型在概念上却非常深。基于智能主体模型内在编程的简易可能会导致它的不正确使用。建立一个复杂的社会历程要求有高度的概念明确性和分析能力。一个关键的问题，因此，是决定何时为社会系统建模而使用基于智能主体模型。在考虑智能主体而进行思考和建模时应具有的一个指示性清单是：1.当个体的自然表征作为智能主体；2.当智能主体之间的作用是复杂的、非线性的、不连续的或者分立的；3.当智能主体出现复杂的适应性行为；4.当人口或拓扑结构是异样的；5.当智能主体对他们的行为或者相互作用有空间成分时。在社会科学中，基于智能主体模型涉及了智能主体人，他们的行为通常是复杂的，非理性的，主观的。因此，在使用基于智能主体模型之前应考虑清楚手边的社会现象。此外，模型需要在正确的描述水平和正确数量的细节来构建。不必要地对一个模型增加复杂性会使它无意义。
C. 基于智能主体模型的优点
理解社会系统不仅要求要理解组成系统的个体，还需要了解个体之间的相互作用而产生的全球性行为模式，这可以是足够的新奇。基于智能主体模型非常适合这种社会科学目标。基于智能主体模型帮助研究者们调查大范围的宏观效应是如何从众多智能主体的微观互动中产生的。Axelrod和Tesfatsion将基于智能主体模型称之为除归纳和推导之外的第三种科学研究方法。他们指出，研究者们追求的具体目标有四种形式：经验性的，规范性的，启发式的和方法型的。运用于社会科学的基于智能主体模型采用一种系统的方法而允许两个重要的发展：其一是严格的测试、完善以及现存的无法用数学、统计学方法评估的理论而进行的延伸；其二是在多智能主体系统中对基本的因果机制的深层理解。Bonabeau进行了更进一步的研究，他认为基于智能主体模型是一种心态，而不仅仅是一项技术。他总结了基于智能主体模型优于其他建模技术的好处，有以下三点：1. 基于智能主体模型提供了对一种对系统的自然描述；2.基于智能主体模型捕捉了突发情况；3.基于智能主体模型是灵活的。
D. 基于智能智能主体模型的步骤
设计一个社会系统的基于智能主体模型首先需要明确该模型的目的等，需要解决的潜在问题。接下来需要解决的问题的经典步骤如下：1. 明确智能主体和他们的行为准则；2. 明确智能主体之间的关系以及他们相互作用的形式；3.选择一个基于智能主体模型平台；4.获得要求的相应数据；5.激活智能主体行为的模型；6.运行模型并记录输出结果；7.以一种将智能主体的微观行为与系统的宏观行为结合的视角分析输出结果；8.验证模型的输出结果并提高模型。
E．基于智能主体模型的计算来源
对于基于智能主体模型，许多丰富简单的编程软件平台和工具集现在都非常容易获得。一些流行的建模工具（尤其是对社会科学）包括：Net Logo (http://ccl.northwestern.edu/netlogo/)，Repast(http://repast.sourceforge.net/),Swarm(http://www.swarm.org)，还有MASON (http://cs.gmu.edu/- eclab/projects/mason/)。Net Logo是一个对智能主体的编程语言，也是一个在标致编程语言中的环境构建。它非常适合建模和探索突发情况。就餐时一项基本的智能主体社会网络模型工具集，但是它也有丰富的函数库去研究社会历程的动态性。蜂群是一个多智能主体仿真包用以摹拟智能主体的社会性和生物性的相互作用以及他们突然出现的集体行为。蜂群有两个版本，即Objective-C和Java版本。MASON是在这个集群中最新的Java平台之一。除这些平台外，还有许多其他的对建模和可视化社会系统可用的工具包和API。
F．验证基于智能主体模型
基于智能主体模型，现已成为一种被建立的科学研究实践，需要纳入一个准确的验证方法用以验证其结论的稳健性，并真正充当各学科间的桥梁。由于基于智能主体模型的模拟结果对于智能主体是怎样构建的问题是非常敏感的，计算模型和摹拟的结果的有效性成为基于智能主体模型中一个关键性的问题。验证智能主体计算模型的一些方法已经被提出来。Carley和Gasser将这些验证方法归纳为三类：1.理论性验证，在形势专家的帮助下决定模型是否是真实世界的有效模型；2.外部验证：决定模型产生的结果是否匹配真实世界的结果；3.交叉模型的验证，将模型中产生的结果与其他模型相比。所有这些方法都旨在验证模型在宏观层面是否有效。Gilbert，在另一方面强调为了完全验证一个模型，不仅要在宏观层面而且要在微观层面进行验证。在进行宏观验证之前，应确认智能主体的微观水平上的行为是否能在系统中代表个体。计量验证和陪伴建模技术一直被提倡是最适合用于社会系统模型的经验检验。但是，在大力模型的经验验证中仍然产生了一些方法型问题，并且验证继续成为计算仿真和包括基于智能主体模型在内的建模方法中的一个中央认识论问题。
III.基于智能智能主体的模型和突发群体行为
社会系统的基于智能主体模型着重关注于简单的可预测的本地相互作用如何生成高度复杂的突发全球形式，如思想的传播，社会秩序和规范的出现，文化和集体行动。突发全球形势和系统结果有时完全是新型的，与个体的行为相比并不明显。采用了基于智能主体模型的自下而上（生成性）方法有助于细节分析突发结构行为如何形成及为什么形成。
A. 表征应急行为
应急行为的概念首先在哲学领域中讨论，现在已经被广泛英语与复杂系统以及分布式人工智能文学。然而，它仍然缺乏一个整体性定义。应急行为，通常是指“整个概念多余部分”。关于应急行为的一个最早最经典的定义要追溯于Broad。他的应急行为的定义认为存在特定的整体，由波段A,B和C组成，和一些关系R。有一些不能从A,B和C最完整的知识属性中推导隔离或其他整体中不属于R的部分。在社会和多智能主体系统中的突发行为通常是不能归因于任何个体的智能主体行为，但却是一个智能主体协调的全球性结果。一个突发行为，因此，不能仅仅通过一个水平的分析而不是整个系统的分析而进行预测。尽管突发性为来自于个体智能主体，但它设置的相互作用更难对他们进行分析。个体间互动产生不同的全球行为，影响了其他个体和其他行为。这也反过来影响了最原始的个体（浸入）。这复杂的反馈回路，使紧急分析行为变得困难，并呼吁像基于智能主体模型的方法。
B. 早期的突发行为基于智能主体模型
John Conway基于“游戏生命”的元细胞和Craig Reynolds的“BOID模拟”被视为紧急集体行为中最早的和最简单的基于智能主体模型。Conway提出了一个二维网格细胞，在那儿每个细胞可以基于三个简单规则进行开或关：1. 如果一个细胞临近的八个细胞都处于开的状态，那么这个细胞在下一代也将是开；2. 如果这个细胞周围的两个细胞状态是开，则其会保持其当前状态；3. 否则这个细胞将会关。两个值得一提的事情是相互作用的规则非常简单，仅用当地的信息。Conway在网格中随机分配了开和关细胞，并允许系统去运行。经过几次迭代，出现了独特新颖可以承受无限期的模式。
Reynolds的Boid模拟，通过简单的行为规则构建智能主体（鸟）之间的相互作用：1.衔接：每个智能主体朝向周围聚集的同类的平均位置；2.分离：每个智能主体朝向，以避免当地同类的拥挤；3.调整：整个智能主体朝向当地聚集的平均朝向。该模型是由最初在随机位置放置智能主体，然后允许反复操作行为规则。令人惊讶的是，即使是用三个只适用本地的简单规则，出现了无领导的群体。图1显示了一个一个典型的Boids模拟NET标志实施运行。
图1. 30*30网格中一个典型的Boids模型NET标志实施的快照，其中有100个智能主体。左侧是原始的随即纺织，右侧是1200次运转后突出的安排。
C. 复杂集体行为中的基于智能主体模型
基于智能主体模型目前被应用于模拟各种复杂的社会现象，简单的本地交互产生突发的系统级行为。一些表征及有关工作可被发现于[29]，[30]及[31]。Macy和Willer将集体行为的基于智能主体模型归为两类：1. 模型的突发结构，其中包括文化分化的作品，homophilous的聚类，想法的扩散，收敛行为和规范；2. 紧急社会秩序的模型，其中包括在全球控制的情况下，信任，合作和集体行动的可行性。Goldstone 和 Janssen还确定三个类似的主题，是基于智能主体计算模型的集体行为，即：1. 模式和组织，其中包括解决模式及隔离，人类群体行为和流量模式；2. 社会蔓延，其中包括创意，时尚，文化及宗教传播；3. 合作，其中包括合作的进化，信任、声誉和社会规范惯例。在本文我们关注的重点，尤其是在文化融合与分化中存在的社会影响的表征。
D. 社会影响建模与文化融合
社会影响假定个人（或智能主体人）往往通过他们与其他人互动中产生的良好行为。其动力学取决于相互作用的个人的熟悉度，邻里密度，普及度和其他个人的空间接近度。有趣的社会影响模型已经由Carley ， Axelrod和 Axtell，Coleman等人提出。Axelrod，在他的文化传播的社会影响力模型中，他专注于当地的影响力（交互使人变得更加相似的倾向）和同质性（相似的智能主体互动得更加频繁的趋势）。越多的智能主体互动，他们变得越相似；他们变得越相似，他们越有可能互动。Axelrod预计了融合性和同质化的结果，但模拟结果表明，尽管有强烈的聚合压力，保持了地区稳定的多样性。
Axelrod基本模型包括网格上摆着的网站。这些网站是该模型的基本成员。每个站点仅可以与其直接的邻居进行交互（通常是4或8）。相互之间越相似的智能主体越有可能相互作用，并因此变得更加相似。Axelrod的模型将文化视为一组的功能，每个功能有多个特征值。然而，重点是没有一个特定的文化内容，但对文化的方式是有可能出现和传播的。关于网格大小不同参数的模拟，每个功能性状的功能和数量导致两极分化，不论唯一变化机制是朝向临近的融合。我们已经将Axelrod的社会影响力模型沿着两个不同的维度扩展：1. 对一组特定功能的特征值的全球偏见的引进；2. 使得一些网站更有影响力的（令它们高度传播和不容易改变）。
在第一次延伸中，我们植入了一个全球性偏见的影响，为了在一个特定的文化通过引入一种倾向，有利于一个特定功能的全球特征值。这一全球性的偏见既可以被看作是作为一个大众媒体也可以是全球高选择性压力（可能是一个全球性规范或公约的结果）的强烈影响。当智能主体在其附近与另一个类似的智能主体交互时，它试图找到一个目标智能主体中的不熟悉的特点，并为目标智能主体提供自身的特点价值。然而，不同于一般的社会影响力模型，目标智能主体可以接受或可能推迟源智能主体提供的基于自身条件基础上的价值，基于提供的价值是否是全球青睐或不接受的价值。如果它是一个全球青睐的，目标设置其相应的功能与所提供的价值相一致;否则它增加其功能中的数字来提供清单的这此功能的特征值，而不是接受所提供的价值。当变化达到阈值的正常价值的信息（这是没有的青睐）被接受。这是模拟的事实，可能会发现一个理想的性状有利于个人，不论它是否是一个全球青睐的特质，如果它是由附近的多数有关智能主体的智能主体拥有。我们运行多次变参数模型。该研究结果发表在第4部分。
一些延伸使得智能主体极具影响力的，例如，他们总会影响他们临近的智能主体和不会受到正常智能主体的影响。然而，当一个有影响力的智能主体与另一个有影响力的智能主体相互作用，并且相似水平的相互作用大于阈值相同的不同特点，他们将变得更加类似。如果两个有相似性的影响性的智能主体小于阈值的相互作用，通过改变他们其中一种的类似功能，他们将变得更加不同。这是为了模拟一个事实，当两个有影响力的个体越相似，在他们相互影响的过程中他们达成一致的方面要多于分歧。但是，如果两个相互作用的具有影响力的智能主体商不同的，他们可能因人为地增加而倾向不同。我们希望看到一些在系统中少有影响的智能主体的出现的效果以及全球宏观层面系统的行为。我们预期，稳定的文化区域应在各地培养出有影响力的智能主体。然而，在下面的部分呈现出的结果却略有不同。
图2 .在20*20的网格中，第一次延伸的模型。左图是最原始的智能主体图，右图是100000次点击之后的智能主体。
图3.明显地区的数量与运行在20*20的网格中时间的对比，总计超过20次运行。
IV. 实验结果
我们已通过使用徽标平台来实施扩展模型。在第一个设置中，我们创建了一个20×20重叠的智能主体网格，其中每个智能主体都设置了一组功能特点（5），每个功能可以有不同的（从1到5）的数值。智能主体可以与在其附近的智能主体（通常摩尔临近）进行互动。智能主体在其临近的区域内随机选择另一个智能主体进行相互作用。两个智能主体之间发生的相互作用是以他们中间至少有一个类似的功能为条件的。在简单的模型中，当智能主体发现一个互动的目标智能主体，它往往采用目标智能主体的特征值来匹配其不同特征。这使得互动的智能主体变得更加相似。在两个完全不同的智能主体的情况下，没有发生相互作用。这个过程反复运行。我们通过设定特定的属性值来修改这种设置，以此对待全球性青睐的不同特征（比如12345可能是一个高度青睐的功能集）。当一个智能主体与一个目标智能主体相互作用时，如果目标智能主体有一个全球青睐的属性值，它倾向于采用一个与目标智能主体不同特征相一致的属性值。否则，它只是为了特征值而增加其报价。当非全球青睐特征提供功能时，它通过智能主体而增加了一个门槛。我们多次运行这种模式来观察朝着一个特定功能设置的全球偏见的影响。一个典型的智能主体运行网格，如图2所示。灰色的色块包含全球青睐的特征值。图3显示数量与稳定的地区，平均超过20次。随着时间的推移，社会影响力的动态趋于使智能主体变得类似。然而，很少有稳定的地区（或是相异）仍然存在。这是由于一旦智能主体有足够的不同，互动便不再进一步发生，因为相似是相互作用的先决条件。
图4.在20*20的智能主体网格中，在第二次延伸后通过“I”的标签显示有影响力的个体。显示的在有影响力智能主体附近的数据群是在400000点击之后形成的。
图5.显示了在纵轴上明显群体的数量与在横轴上操作的数量，在20*20的环绕智能主体网格中，平均多于20次的运行。
在第二个实验中我们对智能主体做了一些特殊的处理，将他们赋予高影响得分，并放置在网格上的随机位置。通常情况下，有影响智能主体的数量非常低（通常为总数的1%至2％）。有影响力的智能主体总是通过相互作用影响其周围的智能主体，但却不受其周围智能主体的影响（非影响性的）。此外，有影响力的智能主体往往能访问更大的周围区域。当一个有影响力的智能主体与另一有影响力的智能主体相互作用时，它可能采用目标智能主体的一个特征值进而从属于他们实质上的相似。在他们只有略微相似的情况下，他们可能会改变其中一个共同特征值而变得更加不相似。我们预计智能主体的数量将会融合，并且在有影响力的智能主体的附近稳定区域的相似性可以被确立。通过改变特征值的不同（从2到5）以及每个特征的特性数量（从5到10），我们做了一系列的模型运行。图4显示了一次运行中典型的截图。图5显示群组的数量与超过20次运行之后的点击数。实验的结果与预期的有些不同。尽管有影响力的智能主体趋向于对他们的邻居展示出影响力，但在群体边界的震动并没有被注意到。在群组边界的智能主体倾向于改变群组成员从而阻止完整的稳定性。以下的部分分析了实验结果以及对于智能主体计算表的启示，尤其是对多智能主体系统。
V. 结论
基于智能主体模型现已成为最受青睐的建模技术之一，不仅是在物理和计算科学领域，也在社会科学中。更震惊的是，通过为理解社会系统历程提供合适的建模和分析工具，它正在扮演一个双尾角色，因此为设计多重智能主体系统产生了新的原则和机制。多智能主体系统中所需的集体行为的出现，要求在设计多智能主体系统时有合适的原则去遵循。这种特性机制产生的所需紧急行为的逆问题是可以通过基于智能主体模型的方法在自然系统中建模而得到解决。大量关于分析智能主体总体中宏观水平的出现动态的研究工作正在开展，尤其是集体智慧的行为在不同的地区都已进行研究。
社会影响论和本文做的实验描述了有关多种智能主体系统设计的问题，即智能主体的同构性和异构性，一个智能主体对其周围的智能主体施加影响的方式，紧急宏观融合模式的获得，即只有通过本地的相互作用和全球偏见（如规范或公约）及领导智能主体（如中央的或核心的）出现的结果对智能主体行为所产生的影响。模型显示具有强社会影响力的智能主体，即便实在相对异构的智能主体量中，对其周围个体有一个同质及融合的趋势。外部规范的出现有助于获得期望的宏观行为。更进一步，在一个多重智能主体中，中央（领导）智能主体并不总是赞成众多智能主体中观点的融合。不同的领导者总是倾向以不同的强有力的方式影响其智能主体，并在他们的影响之中领向非融合行为。多重智能主体系统的设计者旨在宏观层面的期望集体智慧，因此，他们需要仔细调查各个因素的形式，比如社会影响，全球性偏见和领导智能主体。
（翻译：11S017015齐卫颖）
转载请注明：陈童的博客 » 基于社会系统和集体智慧的智能主体模型
