Новости науки на портале «Научная Россия»

0 комментариев 1340

Виртуальные агенты для реальных задач

Виртуальные агенты для реальных задач
Директор ЦЭМИ РАН Альберт Бахтизин о сферах применения агент-ориентированного подхода

Агент-ориентированные модели основаны на индивидуальном поведении виртуальных агентов отрасли, региона, совокупных домохозяйств и т.д. Подобные модели создаются для компьютерных симуляций. Те, кто смотрел трилогию "Властелин колец" наверняка даже не догадываются о виртуальных сущностях, которые созданы благодаря программе MASSIVE. Это продукт для крупномасштабного агент-ориентированного моделирования групповых сцен и связанных с ними визуальных эффектов. Виртуальные агенты действуют и живут по заданным правилам, создавая ощущение непохожести. Однако агент-ориентированный подход применяется не только в кинематографе. Центральный экономико-математический институт РАН стал лидером в России по агент-ориентированным моделям. Специалисты ЦЭМИ разработали несколько агент-ориентированных моделей, которые получили известность в стране и мире. Среди них — модели расчетов стратегического развития Ленинградской, Волгоградской и Орловской областей, «Водоканала Санкт-Петербурга», транспортной сети Москвы. Центр подготовил демографические модели России, Евросоюза, миграции между РФ и Китаем, экологической ситуации в Ереване. Подробнее о сфере применения агентного подхода — в нашей беседе с Альбертом Бахтизиным.

Альберт Рауфович Бахтизин – директор Центрального экономико-математического института, член-корреспондент Российской академии наук.

— Насколько социально-экономические процессы поддаются моделированию?

— Социально-экономические процессы, конечно, поддаются моделированию. Здесь важен другой вопрос — насколько те модели, которые мы строим, реалистичны в условиях непредсказуемых ситуаций нашего все более усложняющегося мира.

Центральный экономико-математический институт имеет солидный опыт в моделировании социально-экономических процессов. Два года назад нашему институту исполнилось 55 лет. За это время мы прошли долгий путь, работая с моделями оптимального планирования, эконометрическими моделями, моделями общего экономического равновесия, динамическими стохастическими равновесными моделями. И эволюционным путем пришли к агент-ориентированным моделям.

Эта деятельность долгое время осуществлялась и осуществляется сегодня под руководством академика РАН Валерия Леонидовича Макарова. За годы работы в институте сформировался сильный коллектив, который работает с упомянутыми моделями.

— Какие параметры используют специалисты?

— Всё сильно зависит от самих моделей. За последние лет десять мы разрабатывали модели равновесные. Важно понимать, что современный мир очень волатильный по разным параметрам. Сегодня особое внимание уделяется моделям, которые могут позволить получать максимально реалистичные прогнозы и осуществлять мониторинг сложившейся ситуации. Поэтому мы эволюционно движемся в сторону более сложного инструментария, который улавливает разного рода флуктуации, как на микроуровне, так и на макроуровне.

Если говорить о параметрах, то мы используем базовые: ВВП, индекс потребительских цен, доходы населения, бюджетные и управляющие параметры. Управляющие параметры зачастую зависят от задач, типов моделей и, конечно, самих заказчиков. Например, долгое время мы сотрудничали с органами государственного управления, с министерствами и, соответственно, получали запрос на учет параметров бюджетного планирования или учет налоговых ставок.

— Когда и как возникла идея применения методов математического моделирования для анализа социально-экономических процессов?

— В человеческой природе заложено желание знать, что будет дальше, проводить мониторинг, получать прогнозы. Конечно, история развития математического моделирования очень богата, и я бы не стал проводить некую черту. Между тем, ее можно условно разделить на две части. Изначально существовали лишь теоретические модели. Но с появлением компьютерных технологий стали появляться прикладные модели, которые по сути использовали накопленную теоретическую базу. Это позволило создать реалистичные практические приложения.

Центральный экономико-математический институт занимается сегодня именно прикладными моделями, которые реализуются в виде компьютерных программ. Среди них и равновесные модели, и агент-ориентированное моделирование с использованием геоинформационных систем и суперкомпьютерных технологий. Те модели, которые мы в настоящий момент реализуем появились в 90-х гг. прошлого века благодаря распространению персональных компьютеров.

Конечно, математическое моделирование как метод имеет очень богатую историю. Но то, что представляет наибольший интерес и для практиков, и для конечных потребителей прикладных компьютерных моделей — это, в общем-то, относительно недавняя история.

— Расскажите подробнее об агент-ориентированных моделях. Для чего они применяются?

— Как я уже сказал, этот инструмент с одной стороны новый, а с другой стороны уже имеющий богатую историю. Я попытаюсь дать определение агент-ориентированным моделям, но прежде сошлюсь на Эндрю Крукса, коллегу из Университета Джорджа Мейсона (George Mason University) — одного из наиболее цитируемых исследователей в области агент-ориентированного моделирования, который начинает свой курс по агентным моделям с вопроса: «Видел ли кто-нибудь агентную модель раньше?» Часто слышится ответ «нет». И после этого он показывает видеоролик с нарезкой спецэффектов наиболее кассовых блокбастеров. По сути в нем представлена презентация программного продукта MASSIVE (Multiple Agent Simulation System in Virtual Environment) — средства для крупномасштабного агент-ориентированного моделирования групповых сцен и связанных с ними визуальных эффектов, используемых в компьютерной анимации, кино- и телеиндустрии. Программа используется для одновременной обработки сотен тысяч агентов. Изначально этот программный продукт был разработан в Новой Зеландии в процессе съемок фильма «Властелин колец». От режиссера поступил запрос на создание программного обеспечения, которое позволит реалистично отображать взаимодействие виртуальных сущностей: людей, растений и так далее. В программе реализованы концепты искусственных обществ, основанные на агент-ориентированном подходе.

Пример анимации толпы в пакете MASSIVE. Источник: Massive Software

Этот программный продукт стал настоящим прорывом в киноиндустрии, поскольку раньше использовались технологии покадровой анимации, которые с начала 2000-х годов уже перестали удовлетворять запросам. Для «Властелина колец» было сгенерировано порядка сотни тысяч виртуальных агентов. Кстати сказать, они были очень примитивными, то есть, по сути, отображали людей или выдуманных существ, которые двигались в рамках простого задания: создавать ощущение непохожести друг на друга, обходить препятствия, следовать в направлении общего движения и так далее. То есть самостоятельно принимать сложные решения он не могли.

В дальнейшем в таких фильмах как «Грань будущего», «Бен-Гур», «Обитель зла», «300 спартанцев», «Я, робот», «Игра престолов», «Аватар» стали использовать усовершенствованные модели для анимации сложных сцен, где требовалось большое количество объектов, которые взаимодействуют друг с другом на разных ландшафтах, плоскостях и так далее.

Название изображения

Прорисовка агентов в пакете MASSIVE для сериала «Игра престолов» (эпизод «Битва бастардов»). Источник: Massive Software

Название изображения

Прорисовка агентов в пакете MASSIVE для сериала «Игра престолов» (эпизод «Долгая ночь»). Источник: fxguide.com. The Simulation of Game of Thrones

Название изображения

Эпизод «Долгая ночь»: битва за Винтерфелл (окончательный кадр из фильма). Источник: fxguide.com. The Simulation of Game of Thrones

 

Таким образом, по сути, агент-ориентированные модели — это класс моделей, которые основаны на индивидуальном поведении агентов, создаваемых для компьютерных симуляций. При этом моделирование происходит снизу вверх, то есть мы моделируем агентов с самого нижнего уровня, при взаимодействии которых возникают эмерджентные эффекты.

Агентное моделирование можно рассматривать как подкласс более широкого понятия имитационного моделирования, куда входит и системная динамика, дискретно-событийные модели, и многое другое. В нашем понимании агент-ориентированная модель обладает свойством автономии агентов. Они действуют независимо друг от друга, при этом в процессе взаимодействия агенты не могут познавать нечто большее, что выходит за рамки макросреды модели.

Основное преимущество перед другими классами моделей состоит в том, что теоретически мы можем смоделировать систему, максимально приближенную к реальности. Детализация агентов модели ограничивается только возможностями компьютеров. Помимо этого, мы получаем эффекты, которые заранее не предопределяли в рамках модели. Возьмем, например, модель транспортной системы города. Мы моделируем поведение на уровне отдельных агентов — водителей транспортных средств, а эффекты более общего уровня, например, пробки, возникают уже в процессе работы модели.

Конечно, этот инструмент — не панацея. Но он отлично дополняет традиционные аналитические методы, поскольку ограниченно включает в себя другие парадигмы моделирования. 

— Каковы главные цели подобного моделирования?

— Среди очевидных: прогнозирование и создание цифрового двойника реально существующего объекта. Сама идея использования подобных агент-ориентированных моделей появилась в 40-х годах прошлого века благодаря концепции клеточных автоматов. Станислав Улам, работая в Лос-Аламосской национальной лаборатории в 1940-е годы, изучал рост кристаллов, используя простую решёточную модель. В это же время Джон фон Нейман, коллега Улама, работал над проблемой самовоспроизводящихся систем. Первоначальная концепция фон Неймана основывалась на идее робота, собирающего другого робота. Такая модель называется кинематической. Разработав эту модель, фон Нейман осознал сложность создания самовоспроизводящегося робота и, в частности, обеспечения необходимого «запаса частей», из которого должен строиться робот. Улам предложил фон Нейману использовать более абстрактную математическую модель, подобную той, что Улам использовал для изучения роста кристаллов. Таким образом возникла первая клеточно-автоматная система. Самый известный клеточный автомат представлен в виде игры «Жизнь», придуманной английским математиком Джоном Конвеем в 1970 году.

Название изображения

Агент-ориентированный симулятор ЦЭМИ РАН, разработанный совместно с национальным суперкомпьютерным центром Китая  (предоставлено Бахтизиным А.Р.)

В 2002 году вышла интересная книга математика Стивена Вольфрама «Новый вид науки». Автор подвел некий итог развития направления клеточных автоматов. По его мнению, природу вычислений необходимо изучать экспериментально. И результаты эксперимента важны сами по себе для понимания окружающего мира. Вольфрам подводит читателей к тому, что традиционная математика, по его мнению, на данный момент не в состоянии по существу описать наблюдаемую сложность динамики изучаемых систем. Любые системы логично дезагрегировать до отдельных ее взаимодействующих составляющих на микроуровне с тем, чтобы более качественно описывать системы и, проводя эксперименты, получать новые знания. Вольфрам утверждает, что такой подход применим и к биологии, и к экологии, и социологии, и к экономике.

Концепция клеточных автоматов стала активно развиваться и на ее основе создавались модели, в том числе отмеченные Нобелевскими премиями. Так, например, американский экономист Томас Шеллинг предложил модель, описывающую процесс сегрегации. Ученый пришел к выводу, что «черные районы» образуются не из-за вражды между людьми с разным цветом кожи, а из-за желания людей жить среди похожих на них самих.

Максимальный всплеск интереса к агентному подходу произошел в 90-е годы, как я уже говорил, в связи с распространением персональных компьютеров. Появилось множество программных средств, которые позволяли достаточно легко эти модели реализовывать. На данный момент подобных программных пакетов больше сотни. Многие из них доступны бесплатно. Кстати, упомянутый программный пакет, который создает спецэффекты для кинофильмов, тоже условно бесплатный. Любой желающий может скачать бесплатно 30-дневную версию. Я сам пробовал создавать масштабную сцену, используя довольно простые программные конструкции.

Название изображения

Агент-ориентированная модель Европейского Союза (предоставлено Бахтизиным А.Р.)

Если вернуться к вопросу о применении подхода для социально-экономических процессов, то анализ публикаций показал, что в экономике эти модели применяются только в 5-7 % случаев. Агент-ориентированные модели чаще всего используются для решения других задач, например, в биологии. Давайте сразу перейдем к тому, что у всех на слуху — распространение эпидемии, которое ранее, моделировалось с использованием дифференциальных уравнений. Однако в 90-х годах специалисты пришли к выводу, что такой инструментарий затрудняет учет связей между отдельными индивидуумами. Между тем эта связь очень важна.

Поэтому возник запрос на создание моделей агент-ориентированного класса. И в 2000-х годах появилась самая большая агент-ориентированная модель, которая включает в себя население США целиком, 300 миллионов агентов, которые перемещаются по карте страны.

Первая версия имитировала 300-дневный процесс распространения болезни с определенными характеристиками: 96-часовой период инкубации, 48-часовой период заражения и так далее. В 2009 году эта модель была апробирована на свином гриппе и в дальнейшем передана в Университет Джонса Хопкинса — главную организацию, которая сегодня занимается сбором статистики по коронавирусу.

В биологии агентный подход применяется и для динамики популяции отдельных видов растений, животных, в химии — для моделирования лекарств.

Другое направление связано с имитацией и активизацией пешеходного движения. Агентные модели позволяют оценивать поведение толпы на различных объектах, в небольших помещениях, торговых центрах, стадионах и так далее. Есть ряд очень интересных моделей, применимых, например, к самому, на мой взгляд, большому скоплению людей — во время хаджа в Мекке.

Количество ежегодных участников хаджа достигает нескольких миллионов человек. И из года в год эта цифра только растет. Подобное мероприятие, естественным образом, связано с распространением болезней, с несчастными случаями. Во время определенного ритуала — побивания камнями шайтана (или дьявола) — плотность толпы достигает шесть-семь человек на квадратный метр. В разные годы гибло от 300 до 2500 человек. Соответственно, возник запрос минимизацию жертв, то есть на создание симулятора для организации прохода огромного количества людей. Благодаря применению моделей поменялась геометрия самих пространств, где люди перемещаются в рамках ритуала. Насколько я знаю, результаты были очень положительными.

Название изображения

Мост Джамарат, используемый паломниками во время ритуала побивания камнями шайтана. Источник: JASSS

Название изображения

Агент-ориентированная модель: имитация эвакуации 100 000 агентов с моста Джамарат. Источник: JASSS

Название изображения

Агент-ориентированная модель: агенты-паломники выполняют обход вокруг Каабы. Источник: JASSS

Другое интересное направление связанно с изучением исторических событий. Существует модель, которая воспроизводит подробности похода Византийской армии на Манцикерт в 1071 году нашей эры. Были проанализированы особенности местности, наличие населенных пунктов, возможности прохода такого большого количества людей и так далее. Специалисты пришли к выводу, что, в общем-то, число участников похода историками было оценено неверно, то есть сильно завышено.

Также агентный подход хорошо применим к анализу социальных сетей, окружающей среды, экологических проблем. Для бизнес-структур он применяется при моделировании цепочек поставок, прогнозировании стоимости продукта, объема продаж. В военной сфере существуют симуляторы, которые позволяют проводить имитации боевых столкновений.

На сектор экономики, как я уже сказал, приходится небольшой процент использования подобных моделей. Но, тем не менее, в 2010 году один из самых высокорейтинговых журналов «Economist» опубликовал статью, где агентные модели рассматривались как реальная альтернатива стохастическим равновесным моделям.

В журнале «Nature» агентное моделирование рассматривалось в качестве перспективного и многообещающего инструмента для исследования социально-экономических процессов. Действительно, есть ряд примеров, когда модели этого класса очень хорошо себя показали. И первый пример — это крупномасштабная агентная модель европейской экономики с большим числом автономных агентов, которые взаимодействуют в рамках социально-экономической системы. В нее вошли домашние хозяйства, предприятия и банки, которые имели географическую привязку. В проект вовлечено как минимум восемь научно-исследовательских центров.

За рубежом часто проводятся многочисленные конгрессы на эту тему. В этом году, к сожалению, из-за пандемии большая часть международных мероприятий отменена. Но с другой стороны, многие из них перешли в онлайн-формат. Наш институт планирует провести свой онлайн-семинар, посвященный применению агент-ориентированного подхода для социально-экономических процессов, в котором примут участие специалисты из Китая, Германии, Индии и других стран.

— Расскажите подробнее, как эти модели применяют специалисты вашего института.

— Как я уже говорил, мы пришли к этому вопросу эволюционно. В начале мы занимались и моделями оптимального планирования, и моделями равновесия, нейронными сетями, генетическими алгоритмами и так далее. Однако последние 15 лет работа с агент-ориентированными моделями стала для нас мейнстримом как раз в силу тех причин, о которых я говорил ранее. Мы поняли, что эти модели оказываются более реалистичными, нежели другие средства изучения социально-экономических систем.

Самое важное при построении этих моделей — это наличие адекватных статистических данных. Поэтому сегодня мы ищем некий баланс: сколько агентов должно быть, чтобы они репрезентативно показывали весь социум, который мы моделируем?

Пока лучше всего эти модели соотносятся в рамках демографических задач. Здесь удается получить достаточно реалистичные результаты. Мы построили демографическую модель всей России несколько лет назад. Она поддерживается в актуальном состоянии и выступает некой подложкой, базовым блоком для решения других задач, связанных в том числе с экономикой. Ясно, что в экономике основной действующей силой считаются люди. Поэтому необходимо было построить модель, которая наиболее адекватно отображает структуру населения России, в том числе в каждом конкретном регионе.

Люди оказывают влияние и на экологию, работая на предприятиях, которые производят выбросы в атмосферу или в водные объекты. Это загрязнение, в свою очередь, влияет на самих агентов — людей, которые проживают на соответствующей территории, в особенности на показатели здоровья, смертности и так далее. Созданная модель в дальнейшем была использована для построения модели трудовой миграции из Китая в Россию с большим числом входных и выходных параметров.

Совместно с Международным институтом прикладного системного анализа мы работали над агентной моделью Европейского Союза. А работая с Национальным суперкомпьютерным центром Китая, мы создали симулятор социально-экономических систем более ста стран мира. Естественно, наш вклад заключается в моделировании России и нескольких стран СНГ, поскольку большую часть мира моделируют наши китайские коллеги. Но, симулятор мы используем совместно, в частности, для анализа последствий торговых войн. Подобных моделей, рассматривающих социально-экономические системы одновременно нескольких стран мира, не так и много. И, как правило, большинство из них закрытые. Помимо этого, во многих этих моделях Россия присутствует не как самостоятельный игрок, а как страна, которая входит в группу стран под названием «Остальной мир». Нас, конечно, это не устраивает. Поэтому стояла задача сделать Россию отдельным игроком, чтобы точно оценивать эффекты, которые возникают в рамках международных торговых цепочек.

Работа продолжается, и нам предстоит решить множество проблем, связанных с регулировкой различных параметров и с добавлением новых данных. Корректировки внесли пандемия и кризис. Те параметры, которые мы используем, должны учитывать новые условия, поэтому в данный момент модель модифицируется.

— В каком направлении будет развиваться агент-ориентированное моделирование? Будут ли модели улучшаться, дополняться? Или научное сообщество ждет каких-то принципиально новых приложений?

— Я считаю, что своего пика развития этот инструментарий пока не достиг.  Если проанализировать публикации по этой тематике, то можно заметить, что их количество растет в прогрессии. И агент-ориентированными моделями сегодня интересуются не только ученые, но и крупные компании —– Microsoft, IBM и другие.

Агент-ориентированный подход становится неким стандартом. Я сам сталкивался с примерами, когда инвесторам нужен не просто бизнес-план по построению или внедрению в эксплуатацию крупной точки притяжения в виде торгового центра или другого объекта, а макет, отражающий реальность с учетом транспортной загруженности, с учетом людей, которые будут приходить туда ежедневно. Я вижу, что перспективы у инструментария, в общем-то, большие и потенциал его до конца пока не раскрыт.

 

агент-ориентированные модели агентный подход моделирование социально-экономические процессы цэми ран член-корреспондент ран альберт бахтизин

Назад

Социальные сети

Комментарии

Авторизуйтесь, чтобы оставить комментарий

Информация предоставлена Информационным агентством "Научная Россия". Свидетельство о регистрации СМИ: ИА № ФС77-62580, выдано Федеральной службой по надзору в сфере связи, информационных технологий и массовых коммуникаций 31 июля 2015 года.