Simulations e modeling codes

La simulazione Agent-Based Modeling offre un’innovativa prospettiva per pensare e modellare i sistemi che abbiamo sempre voluto plasmare, ma che per molto tempo non siamo stati in grado di fare, come comprendere in che modo le dinamiche dei sistemi biologici, sociali e di altri campi derivano dalle caratteristiche e dai comportamenti degli agenti che compongono questi sistemi. È un sistema applicato in molteplici discipline da svariato tempo, almeno 40 anni, e il numero e l’ampiezza di queste applicazioni sono, inoltre, in continua crescita. Infatti, la disponibilità di microdati e i progressi nel calcolo hanno reso possibile un numero crescente di applicazioni basate su agenti in una varietà di domini. Possiamo vederne l’utilizzo, per esempio, in discipline riguardanti le scienze naturali, le scienze sociali, l’ecologia, la fisica, l’economia sociale e i sistemi ingegnerizzati.

Numerosi sono i campi di applicazione ma, nonostante questo, in termini di caratteristiche essenziali e metodi di sviluppo per la costruzione di modelli e relazioni, così come le tecniche di modellizzazione, non sono ancora generalmente comprese o accettate ed esistono una varietà di opinioni sull’utilizzo.

Ciò che distingue questo modello da altri precedentemente sviluppati, come la modellazione convenzionale basata su equazioni o modelli di natura concettuale per la costruzione di illustrazioni e teorie non calibrati su dati del mondo reale, risiede nel fattore spaziale o nella specificità geografica. Questo elemento è fondamentale per la mobilità spaziale e si distingue per essere un altro attributo degli agenti, che introduce un’eterogeneità di agenti in modo naturale e aiuta a definire e operare varie regole di interazione.

L’idea centrale dell’Agent-Based Modeling and Simulation è che molti (se non la maggior parte) dei fenomeni nel mondo possono essere modellati in modo efficace con agenti, con l’ambiente e con una descrizione delle interazioni agente-agente e agente-ambiente, così da poter osservare, per esempio, gli effetti collettivi dei comportamenti e delle interazioni degli agenti. Con questo modello è possibile modellare la dinamica di sistemi complessi e di sistemi adattivi complessi, nonché includere modelli di comportamento (umano o meno).

Un agente è un individuo autonomo o un oggetto con particolari proprietà, azioni ed eventualmente obiettivi. Ognuno di noi è un agente nelle azioni quotidiane e interazioni con il mondo reale e siamo già modellisti basati su agenti, nel senso che stiamo costantemente scegliendo i nostri comportamenti e anticipando i comportamenti degli altri.

L’ambiente è il paesaggio su cui gli agenti interagiscono e possono essere geometrici e basati sulla rete, o ricavati da dati reali.

Le interazioni che si verificano tra questi agenti con l’ambiente possono essere piuttosto complesse. Gli agenti possono interagire con altri agenti o con l’ambiente e non solo i comportamenti di interazione dell’agente possono cambiare nel tempo, ma anche le strategie utilizzate per decidere quale azione utilizzare in un determinato momento. Le interazioni sono costituite dallo scambio di informazioni ed il risultato che ne può derivare è che gli agenti possono aggiornare il loro stato interno o intraprendere ulteriori azioni.

È un terzo modo di fare scienza oltre ai processi induttivi e deduttivi. È metodo per implementare processi e meccanismi causali in un modello non solo per determinare le implicazioni della teoria (punti di forza, incongruenze, carenze) ma anche per fornire una base per ottenere spiegazioni causali di fenomeni modellati.

Le sfide per questo modello sono numerose e annoverano il trarre vantaggio dalla diversità delle discipline che si stanno interessando e/o stanno portando avanti sviluppi in quest’ambito, migliorare il trattamento dell’analisi dell’incertezza e sviluppare metodologie che sappiano rispondere a domande e risolvere problemi sempre più specifici.

Il desiderio di modellare i fenomeni che ci circondano in un modo che siano più fedeli al mondo reale producendo risultati che siano più o meno una corrispondenza uno a uno con quest’ultimo va di pari passo con il voler far avanzare la scienza e testare o sviluppare nuove teorie.

Riferimenti bibliografici 

Chaudhry, Q. A. (2016). An introduction to agent-based modelling, modeling natural, social, and engineered complex systems with NetLogo: a review. 

Macal, C. M. (2016). Everything you need to know about agent-based modelling and simulation, Journal of Simulation, 10:2, 144-156, DOI: 10.1057/jos.2016.7. Macal, C. M., & North, M. J. (2010). Tutorial on agent-based modelling and simulation. J Simul; 4: 151–62. 

Railsback, S. F., & Grimm, V. (2019). Agent-based and individual-based modeling: a practical introduction. Princeton university press. 

Wilensky, U., & Rand, W. (2015). An Introduction to Agent-Based Modeling, Modeling Natural, Social, and Engineered Complex Systems with NetLogo. Cambridge, Massachusetts.