社会模拟与复杂性的反思

### 社会模拟与复杂性的反思 #### 1. 基于主体的建模基础 在探索社会现象和解决问题的过程中，基于主体的建模是一种强大的工具。主体需要保持简单，但它们受到目标、信念、欲望（心理层面）、认知、情感（情感计算）和社会关注的驱动。 为了定义合理的基于主体的建模，除了模型本身，还需要大数据、模拟工具（如 NetLogo、MASON、Repast、AnyLogic、Jade）以及编程语言（如 Python、Java）。这些工具和数据能帮助我们捕捉个体性和丰富的行为。通过微观动机，我们可以激发集体行动，复制不同类型的社会动态，如协调、合作、协作、分组、拥挤和互动。 我们通常从一系列假设开始，产生结果后再进行仔细的评估和验证。例如，托马斯·谢林的隔离模型将人表示为棋盘上的主体，研究基于种族、民族或收入的社区隔离。尽管该模型的环境并不复杂，但却产生了很好的结果。 模型有助于我们理解、预测、制定策略和重新设计我们未来的世界。然而，我们需要凭借直觉更严格地测试这些模型。有证据表明，运用模型思考的人比不使用模型的人表现更出色。通过探索多个模型、对其进行批判、找出每个模型的局限性、优势和劣势，我们可以建立并加深整体理解。 我们还经常通过对相关人员进行调查，以及查看互联网上关于抗议活动的视频，来理解不确定性行为，并清晰地解释复杂的前沿研究。 #### 2. 应用与案例研究 在过去的三十年里，开发了多种应用程序，以展示不同的构建方式，并探索这种解决问题方法的复杂性。以下是一些案例示例： |年份|地点|应用案例|研究目的| | ---- | ---- | ---- | ---- | |2004年|葡萄牙里斯本塔古斯公园|互动（创新与预见）|制定新政策，鼓励人们参与并激发创造力| |2007年|葡萄牙|逃税研究|考察诚实态度的形成（反对逃税、修改数据）| |2009年|巴西圣保罗|水资源管理的严肃游戏|研究地方当局对民众需求的敏感度| |2016年|葡萄牙里斯本|社会冲突（街头抗议）|研究政治紧张局势如何通过自由呼声得到缓解| |2017年|葡萄牙及伊比利亚地区|电力市场|进行电力交换和谈判| |2018年|巴西圣保罗|风险管理与银行反脆弱性指数|研究机构的弹性和应对压力的能力| |2019年|英国脱欧公投（以及2016年美国特朗普选举、2018年巴西博索纳罗选举）|情感分析|研究虚假新闻对最终结果的操纵| 这些案例的有趣之处在于，它们在广泛的问题情境中运用了多种模型，其中一些还涉及到复杂性。我们发现了诚实行为、破坏、转变和意外事件的共同点，这些可以帮助我们以更开放的方式思考“创新”和不良行为。 #### 3. 模型思维 当今世界充满不确定性、随机性、脆弱性、意外性和全球性。模型思维如今是探索想法和直觉的重要资产，是一种新的科学形式。 模型思维的工具包适用于测试假设、用有说服力的叙述来描绘世界、思考任何给定情况的逻辑、评估一系列模型、在适当的时候设计新的或修改现有的模型，或者区分复杂的重要事实及其相互关系和多个主体的行为。 主体模型的 ODD（概述、设计概念和细节）协议适用于评估采用社会模拟来研究行为的适用性。这种共享协议可以促进模型审查，并精确描述许多复杂细节。该框架有望成为一种标准的沟通机制，目标是评估进行社会模拟的适用性，以及在提高个体和基于主体的建模者之间的沟通方面的成功程度。 模型可以提高我们进行准确预测、做出量身定制的决策和采用更有效策略的能力。实际上，模型通过组织信息、识别关系、理解结果类别并赋予大数据意义，使我们成为更好的思考者。 #### 4. 抗议实验室与复杂性 任何模拟的环境（仪表盘）都需要精心设计。需要设置所有能够建立后续观察动态的变量、跟踪特定事件的窗口、控制主要场景的区域，以及某些机制和电路的操作。 在社会冲突中，可能会发生街头暴力，我们需要选择两种暴力模型：一种是与监狱机制相关的恐惧模型，由爱泼斯坦公式定义（在我们的案例中，该公式得到了扩展）；另一种是与紧张、驱动力以及冲突/危机因果关系相关的愤怒模型，通过合法性反馈进行调整（关注紧缩、不平等和腐败）。政府及其公信力取决于经济与社会关系，这可以通过抗议期间的调查来涵盖。 社会关系、干扰（传染）、时间和复杂性是在研究现实城市地区（如街头抗议）时需要仔细关注的四个主题。我们通常将工具（基于主体的建模、实验室）与大数据相结合，进行模拟以设想空间和时间上的现实行为。然而，模型总是与现实存在差距，即使考虑了扩展规模，实验也往往不够有力。 我们可以使用抗议现场的视频、观察到的用户数据，并结合现场的微观调查、访谈和报告。此外，还需要进行更多基于大数据的实证研究。仅使用数据是不够的，我们还需要机器学习来探索预测，以获得更深入的理解。去除阻碍因素对于创新很重要，冒险、观察错误和失败是确保尝试有未来的最佳方式。如果已经知道结果，那就不能称之为实验。我们要进行测量和学习，如果事情失败了，但如果从中吸取的教训能推动下一次尝试，那么仍然可以视为成功。我们应该追随好奇心，去发现新的、不同的或奇怪的事物，挑战我们的既有观念。 社会冲突现象体现了“没有免费午餐定理”。由于规模多样性、实体和机制非常庞大，每种类型的冲突都需要不同的模型。机器学习模型可以提供建议、行为分析和见解。智能任务，如活动识别、情绪检测和移动预测，也适用于跟踪街头抗议的进展。 当人们觉得模型不真实时，首先会对主体模型（抽象、中程、模拟）提出质疑。还有其他替代方案，如 Agent_Zero 模型具有更多特征，包括社会和情感问题。旧的 BDI（信念、欲望、意图）模型曾被认为是解决方案，因为它包含了心理状态，整个思维概念很有趣。另一种替代方案是采用 PECS（身体状况、情绪状态、认知能力、社会地位）模型，这是一种常用于人群动态的 BDI 模型。 结合人群安全和风险分析的知识，可以大大改进社会冲突建模，以考虑独特性并避免一些陷阱。例如，当监狱中的人群比例达