Por que usar e o que são modelos baseados em indivíduos

De Física Computacional
Ir para: navegação, pesquisa

Anterior: Autômato celular e modelo baseado em indivíduos | Índice: Ecologia | Próximo: Contexto


Introdução

Uma breve descrição do que é modelagem baseada em indivíduos:

  • Agente: indivíduo computacional autônomo.
  • Modelagem baseada em agentes: forma de modelagem computação no qual um fenômeno é modelado em termos dos agentes e suas interações.

Representações bseadas em agentes são mais fáceis de entender que representações matemáticas dos mesmos problemas, pois a língua e conceitos usados nestas modelagens é mais próximas da linguagem natural e nossa forma natural de pensar qundo comparado com modelagens matemáticas.

Alguns conceito interessantes:

  • Estruturação: A codificação do conhecimento em um domínio como uma função da infraestrutura representacional usada para expressar o conhecimento. Ex.: Números romanos.
  • Reestruturação: uma mudanção de uma estruturação para outra. Ex.: Mudança de números romanos para hindu-arábicos
  • Inercia estruturacional: resistenência à reestruturação.

Entendendo sistemas complexos e emergência

Emergência é definido como o surgimento de estruturas, padrões e propriedades novas e coerentes através da interação de múltiplos agentes distribuíbos. Algumas característica da emergência são:

  • As estruturas emergentes não podem ser deduzidas apenas a partir das propriedades dos elementos, elas surgem da interação dos elementos e são propriedades do sistema.
  • Auto-organização: um padrão global surge espontaneamente sem a presença de um coordenador central.
  • A emergência também pode ser visto como um processo mantendo a estrutura no lugar ao invés de uma entidade.

Há dois desafios distintos:

  • Entendimento integrativo: uma vez que sabemos como cada indivíduo age, como descobrir o padrão?
  • Entendimento diferencial: conhecendo o padrão, como descobrir o comportamento dos elementos que geram o padrão?

Pesquisas indicaram a existência de um padrão cognitivo determinista e centralizado. Isto é, a maioria dos participantes envolvidos nesta pesquisa não acreditam que elementos aleatórios possam ser uma força construtiva para a formação de um padrão, pelo contrário, acreditam que seja destrutivo (determinista). Além disso também acreditam que os padrões surgem da ações de um controlador (centralizado). Um obstáculo para a melhor compreensão deste fenômenos é a dificuldade em ’pensar em níveis’. Pois fenômenos emergentes existem em dois níves: o nível dos agentes individualmente e o nível do sistema, onde os padrões são observados.

Pensando em um grupo de pássaros voando na formação, a formação consistente de aparentemente estabilidade leva as pessoas a a concluir que os elementos individualmente do bando também são estáveis e possuem um lugar consistente, transferindo uma propriedade do sistema para os indivíduos.

Pensando em um engarrafamento, estamos acostumados a pensar como o indivíduo no carro, parando o caro em frente à um acidente e se movendo quando não há carro, então quando se defrontado com um engarrafemto é fácil pensar em todo engarrafament se movendo quando possível e parando em frente à um acidente por exemplo, ao invés de pensar que há algo retrocedendo, que é um comportamento observado frequentemente nos engarrafamentos. Desta vez o que ocorre é transferir uma propriedade dos indivíduos para o sistema.

Reestruturação

Da mesma forma que houve uma reestruturação na substituição dos números romanos para os árabes, é possível que a representação computacional ajude a reestruturar o conhecimento em muitos domínios, onde tradicionalmente era utilizado técnicas matemáicas, agora podemos utilizar simuação computacional para estudar estes fenômenos.

Como o nome sugere, agentes são entidades com propriedades (variáveis de estado, valores) , se o agente é uma ovelha, poder ter propriedades como posição, idade, velocidade, etc... Agentes podem ter uma representação gráfica que o permita ser visualizado, também possuem regras de comportamento, como por exemplo comer grama. Em modelagem baseada em agentes imaginamos um relógio universal, quando o relógio faz ’tic’, todos os agentes invocam suas regras, se as condições são satisfeitas (se há grama próxima por exemplo) então o comporamento é executado.

O objetivo da modelagem é é criar agentes e regras que gerem o comportamento desejado, estes sistemas podem ser usandos para obter um melhor entendimento de um fenômeno através da experimentação das regras e propriedades.

Uma hipótese por teóricos da representação, é de que tudo que é percebido como difícil pode ser mais com compreensível por uma representação mais adequada. Alguns autores afirmam que a modelagem baseada em agentes (ABM) permite a reestruturação da área de sistemas complexos de forma que a compreensão destes sistemas podem ser democratizadas e a ciência possa avançar. Os modelos servem tanto como um objeto para se pensar a respeito do fenômeno modelado, como uma ferramenta para testar diferentes hipóteses.

Modelo de formigas

Mais alguns conceitos:

  • Modelo: uma descrição abstrata de um processo, objeto, ou evento.
  • Modelo computacional: um modelo que recebe certos valores de entrada, manipula estas entradas de uma forma algorítmica e gera saídas.
  • Implementação de modelo: processo de transformaçãoum modelo conceitual em uma simulação computacional que funciona (um código).

Em uma modelagem baseada em agentes de formigas, cada agente é uma formiga no qual impomos regras básicas de exploração e coleta de alimentos individualmente, assim como liberação de feronômios. Especificamente, do ponto de vista de cada formiga individual, podemos definir as seguintes regras:

  1. Se eu não estou carregando comida, checo se tem comida aqui. Se tem, eu a pego, se não tem, eu tento seguir a trilha de feronômios mais próxima. Se eu encontro uma, eu viro em direção à este gradiente de feronômio.
  2. Se estou carregando comida, eu viro em direção ao ninho liberando feronômio no chão atrá de mim.
  3. Eu ando uma quantidade pequena e aleatória de distância para frente.

Como resultado da simulação, o sistema forma “trilhas” que levam as formigas às fontes de comida, exibindo comportamento “ótimo” que as fazem explorar primeiro os recursos mais próximos e hainda “balanço” entre exploração do ambiente e exploração dos seus recursos. Estes três fenômenos não foram codificados nas formigas, são um fenômeno emergente do modelo.

Há principalmente 8 usos principal para um modelo baseado em agentes:

  1. Descrição: um modelo desreve um sistema do mundo real, apesar de ser uma simplificação que não contém todos os seus detalhes, ainda sim é uma descrição grosseira da realidade, caso contrário é um modelo inútil. Pois se incorpora todo os aspectos do fenômeno real, é mais fácil observar a realidade, e se não a descreve de nenhuma forma não há motivos para observar.
  2. Esclarecimento: os modelos apontam os principais mecanismos em um fenômeno, funcionando então como prova de que um conceito é possível.
  3. Experimentação: modelos podem ser executados repetidamente, onde podemos variar os parâmetros para ver seus efeitos no comportamento e na saída.
  4. Prever fontes de analogia: podemos encontrar similaridades com outras simplificações, ainda que modelem fenômeno aparanetemente muito diferentes.
  5. Comunicação/educação: os modelos podem ser usados para permitir que pessoas explorem e entendam melhor determinados fenômenos, facilitando o aprendizado.
  6. Prover peças centrais para o diálogo científico: também chamado de ’um objeto com que pensar’, basicamente se apresenta como uma vantagem em comparação a outros modelos, por exemplo comparando com modelos textuais, elimina amgibuidades de como o leitor pode interpretar a descrição. Possibilitando discutir quais mecanismos são importantes para gerar determinando comportamento removendo ou adicionando novos mecanismos.
  7. Experimento mental: não necessariamente representam um fenômeno do mundo real, mas também podem ser experimentos mentais apenas.
  8. Predição: um dos propósitos que as pessoas comumente atribuem a modelagem computacional é a predição, de fato pode ter o propóito de pensar sobre futuros cenários utilizando a modelagem como uma ferramenta nesta discussão. Porém há a observação que que a acurácia da predição depende dos dados de entrada, e é difícil avaliar a acurácia de uum modelo para prever eventos que não ocorrem ainda. O que de fato é feito é descrever padrões passados e com isso explicar padrões futuros que possam surgir.

Comparando com equações

A ideia central da modelagem baseada em agentes é que a maioria dos fenômenos do mundo real podem ser efetivamente modelos com agentes, um ambiente e uma descrição das interações agente-agenete e agente-ambiente.

A mais antiga forma de modelo científico é na forma de equações (equation-based modeling - EBM). Uma das maiores diferenças é que modelos de agentes podem modelar uma população heterogênea enquanto equações tipicamente partem da hipótese de homogenidade, e em muitas áreas a heterogenidade possui um papel central. Além disso em alguns problemas como a dinâmica de populações, as quantidades de indivíduos são discretos enquanto modelos são contínuos, o que leva às equações a assumir que a população é larga e os efeitos espaciais não são importantes. Outra vantagem é que para modelar com equações precisamos ter um bom conhecimento do padrão que o sistema exibe, enquanto em modelagem baseada em indivíduos podemos trabalhar com regras a nível individual apenas, porém como se imagina, isto requer que o modelador tenha um conhecimento a nível individual do sistema, enquanto talvez o MBE não tenha essa exigência. Os resultados do modelo baseado em indivíduos também são mais detalhados, uma vez que temos uma saídas não só a nível do sistema, mas tambem a nível individual.

Outra característica importante dos modelos baseados em agentes é a facilidade em incorporar aleatoriedade nos modelos, enquanto muitos modelos de equações e outras formas de modelagem requerem que as decisões sejam feitas de maneira determinística. Muitas vezes simplesmente não temos conhecimento suiciente para construir um modelo completamente determinístico, então precisamos construir um modelo com elementos aleatórios.

Porém como qualquer modelo, há situações em que o custo de construir um MBA excede seus benefícios. De maneira geral se o problema envolve um largo número de agentes homogêneos, será possível obter uma solução mais acurada em menor tempo (melhor modelado) usando uma solução como campo médio por exemplo. Também se o número de agentes é muito baixo não há necessidade de se utilizar da modelagem baseada em agentes, por exemplo duas bolas de bilhar colidindo pode ser descrito eficientemente por equações.

Além disso a modelagem baseada em agentes permite manter um histórico de interação entre os agentes, e este histórico pode servir para que o agente altere seus comportamentos e estratégias baseadas em eventos passdos, se tornando uam ferramenta muito útil quando se modela interações complexas de agentes adaptativos. Da mesma forma que a MBA é útil para modelar interações complexas entre agentes, é útil para modelar interaçõe compelxas entre agentes e o ambiente. O ambiente na MBA frequente é composta por agentes estacionários. Logo, aalém da MBA ser indicada para quando há agentes heterogêneos também é indicado quando há um ambiente ou espaço heterogêneo. A modelagem baseada em agentes também possui uma concepção de tempo mais rica quando comparado com outras técnicas de modelagem, pois nos permite observar os indivíduos interagindo ao longo do tempo.

Quanto ao custo computacional há uma relação de custo benefício semelhante a outros modelos, resultados mais detalhados que são obtidos através de modelos mais detalhados, exige mais recursos computacionais, e de maneira geral é computacionalmente mais pesado do que MBE, uma vez que estes últimos são relativamente simples, pois consistem de cálculos matemáticos repetitivos. Também junto com maior complexidade do modelo surge a necessidade que o modelador tome mais decisões. Em modelos baseado em equações, valores que são determinados pelo modelador são chamado de parâmetros livres, MBAs possuem geralmente mais parâmetros livres que MBE, críticos argumentam que MBA usam tanto parâmetros livres que pode ser usado para gerar qualquer resultado desejado, porém isso acontee da mesma forma em MBE, só que de forma implítica.

Por fim uma descrição histórica do surgimento dos MBA é muito interessante mas vai além das intenções deste texto, desta forma fica a recomendação de leitura do apêndice da principal leitura utilizada neste texto.


Principais materiais utilizados:
  • An Introduction to Agent-Based Modeling Modeling Natural, Social, and Engineered Complex Systems with NetLogo. (Wilensky U. e Rand W.)


Anterior: Autômato celular e modelo baseado em indivíduos | Índice: Ecologia | Próximo: Contexto