Società artificiali e violenza virtuale

Paul Krugman, l'illustre professore di economia della Princeton University e New York Times editorialista, una volta ha spiegato i motivi jejune della sua scelta di carriera. Nella mia prima adolescenza la mia fantasia segreta era quella di diventare uno psicostorico, scrisse, riferendosi all'espediente centrale, la psicostoria, del libro di Isaac Asimov. Fondazione trilogia. Krugman continuò: Un giorno esisterà una scienza sociale unificata del tipo immaginato da Asimov, ma per il momento l'economia è il più vicino possibile alla psicostoria.

Pulizia etnica locale al genocidio.

Questo è risibile, dato il divario tra la fantasia di Asimov di un calcolo predittivo degli affari umani e l'attualità dell'economia tradizionale - anzi, di una qualsiasi delle scienze sociali - come praticata durante la maggior parte del secolo scorso. Gli ultimi decenni, tuttavia, hanno visto nuovi approcci. Uno dei più promettenti è stato descritto da Joshua Epstein, un membro anziano della Brookings Institution, in Società artificiali in crescita: scienze sociali dal basso verso l'alto , un libro che ha pubblicato nel 1996 in collaborazione con Robert Axtell. Forse un giorno le persone interpreteranno la domanda 'Puoi spiegarmelo?' come una domanda: 'Puoi?' crescere vero?» suggerì Epstein. La modellazione della società artificiale ci consente di 'far crescere' le strutture sociali in silicone dimostrando che alcuni insiemi di microspecifiche sono sufficiente per generare i macrofenomeni di interesse.

Questa storia faceva parte del nostro numero di luglio 2007

• Vedi il resto del problema
• sottoscrivi

Cosa significa questo? E perché dovremmo preoccuparci? L'affermazione di Epstein era duplice. In primo luogo, ha sottolineato che mentre quasi tutti i modelli che interessano gli scienziati sociali sono quelli emergenti, ovvero sviluppi complessi derivanti da molte interazioni relativamente semplici, discipline come l'economia tradizionale concepiscono le società come tendenti a un certo equilibrio nozionale. Le spiegazioni standard presuppongono anche che le società siano costituite da agenti altamente razionali che, in possesso di piena conoscenza, agiscono sempre nel proprio interesse. Quando si tratta di come le popolazioni reali di attori diversi con razionalità limitata evolvono effettivamente i loro modelli di, ad esempio, distribuzione della ricchezza, ha osservato Epstein, le spiegazioni sulle azioni non hanno quasi nulla da dire. (Vedi Una lettera all'editore di Joshua Epstein.)

Epstein non era certo il solo a fare quelle critiche. Ma ha proposto, in secondo luogo, che i modelli di computer in se stessi potrebbe descrivere efficacemente le società. All'inizio degli anni '90, Epstein e Axtell avevano creato una simulazione chiamata Sugarscape, una griglia quadrata che rappresentava un paesaggio bidimensionale abitato da sottoprogrammi autonomi - agenti - guidati da un quadrato all'altro da grezzi metabolismo artificiale che richiedeva una risorsa, denominata zucchero. Quando centinaia di questi agenti sono stati programmati in modo che il loro raggio visivo e il loro tasso metabolico variassero, anche in modi semplici, sono emersi schemi sorprendenti.

In effetti, Epstein e Axtell avrebbero imparato che con i loro modelli, il trucco [era] ottenere molto fuori , pur mettendoci il meno possibile, come scrive Epstein nel suo ultimo libro, Scienze sociali generative: studi sulla modellazione computazionale basata su agenti . All'inizio degli anni '90, i due uomini hanno creato due regioni della loro griglia Sugarscape per essere ricche di risorse di zucchero, in modo che gli agenti gravitassero rapidamente verso di loro. Alcuni agenti con una visione superiore e bassi tassi metabolici hanno accumulato grandi scorte di zucchero. Altri agenti, con una vista più debole e alti tassi metabolici, sopravvissero o morirono in zone dove scarseggiava lo zucchero. In sostanza, hanno scoperto Epstein e Axtell, Sugarscape funzionava come un modello di società di cacciatori-raccoglitori, riproducendo una caratteristica comune delle società umane: la distribuzione distorta della ricchezza. Certo, l'idea che i rozzi automi che si muovono attorno a una griglia di computer suggeriscano che la disuguaglianza di ricchezza è una caratteristica innata dell'esistenza umana non sarà apprezzata non solo dai marxisti ma dalla maggior parte di noi, dato quanto sappiamo che sono varie le nostre esperienze individuali. Tuttavia, la natura è piena di relazioni statistiche particolarmente coerenti, che si ripetono in regni dissimili e che gli statistici chiamano leggi di potere.

La legge di potere più comune è la distribuzione di Pareto, dal nome dell'economista italiano del XIX secolo Vilfredo Pareto. Alla fine degli anni 1890, Pareto sosteneva che in una data società, il 20 percento delle persone deteneva l'80 percento della ricchezza. Ma la distribuzione di Pareto, nota anche come regola 80-20, vale in contesti umani così diversi come la dimensione degli insediamenti (poche grandi città, molte città più piccole) e la frequenza delle parole nel testo (poche parole usate spesso, la maggior parte delle parole raramente ), così come per fenomeni naturali come la dimensione delle particelle di sabbia e dei meteoriti. Il fatto che il comportamento degli automi di Sugarscape producesse distribuzioni di tipo legge di potere indicava a Epstein e Axtell che avevano qualcosa in mente.

All'inizio degli anni '90, Epstein ha tenuto una presentazione al Santa Fe Institute nel New Mexico, un centro per lo studio di sistemi adattativi complessi in contesti naturali, umani e artificiali. Ho mostrato una delle nostre storie artificiali ambientata nel paesaggio standard di Sugarscape con due picchi di zucchero, una pianura di zucchero nel mezzo e calanchi di zucchero ai lati: in effetti, una semplice rappresentazione di una valle, mi ha detto Epstein. Ho chiesto al pubblico se ricordava qualcosa a qualcuno. La mano di George Gumerman si alzò di scatto e disse: 'Mi ricorda gli Anasazi'.

George Gumerman è un antropologo che per decenni è stato uno dei massimi esperti degli Anasazi, antenati degli odierni popoli Pueblo che dal 1800 a.C. circa. al 1300 d.C. abitata nella Long House Valley nel nord-est dell'Arizona. Epstein e Axtell hanno deciso di utilizzare la loro modellazione basata su agenti per creare una civiltà Anasazi virtuale e vedere come si confrontava con l'ampio database di modelli di insediamento e simili assemblato da Gumerman e dai suoi colleghi. Epstein ha ricordato: Abbiamo ricominciato da capo, costruendo il terreno artificiale da zero, con grande esattezza. Elementi come i modelli climatici, la resa del mais, le fluttuazioni della falda freatica e una moltitudine di altri fattori sono stati inseriti nel modello. Il grande trucco era: potremmo inventare buone regole per i nostri Anasazi artificiali, metterli dove c'erano quelli veri nel 900 d.C. e lasciarli correre fino a farli crescere la vera storia? Epstein ha ricordato una sessione in cui l'Anasazi artificiale della sua squadra ha stabilito un insediamento esattamente dove si trovava Long House, il vero insediamento Anasazi. Ci siamo semplicemente seduti urlando in aria con gratificazione. Da allora l'intera attività ha percorso una strada terribilmente lunga. Ora ci sono molte persone che fanno questo tipo di lavoro.

Davvero. Il sito web del Journal of Artificial Societies and Social Simulation , ad esempio, elenca articoli con titoli come Cascades of Failure ed Extinction in Evolving Complex Systems. Il nuovo libro di Epstein raccoglie le sue carte dal 1996; un CD di accompagnamento consente ai lettori di guardare le corse dei modelli descritti nel testo ed esplorare i modelli per conto proprio. Nei progetti descritti nel libro, Epstein ei suoi collaboratori hanno modellato, oltre agli Anasazi, l'emergere di vari fenomeni: modelli nella tempistica del pensionamento; classi sociali; conformità sconsiderata alle norme sociali; modelli di infezione da vaiolo dopo un incidente bioterroristico; e un'organizzazione adattativa di successo.

I modelli sono affascinanti. In entrambe le varianti descritte in Generazione di modelli di violenza civile spontanea (vedi figure 1 e 2), ci sono agenti regolari e agenti chiamati poliziotti, che rappresentano un'autorità politica centrale. Lo schermo di sinistra mostra il comportamento palese degli agenti regolari (blu se quiescente, rosso se attivo) e quello di destra il panorama emotivo sottostante, dove gli agenti sono colorati in base al loro livello di risentimento politico (più scuro è il rosso, maggiore è il risentimento). Il reclamo ha due componenti: legittimità ( L ) dello Stato, come percepito dagli agenti, e il disagio ( h ), che è una privazione fisica o economica e varia a seconda degli agenti. Inoltre, gli agenti possono ingannare: sullo schermo di sinistra, gli agenti offesi possono diventare blu (apparentemente non ribelli) quando i poliziotti (sempre neri) sono vicini, quindi diventare rossi (attivamente ribelli) quando i poliziotti si allontanano. Epstein ha anche assegnato diversi livelli di avversione al rischio ( R ) agli agenti: alcuni sono più inclini a ribellarsi di altri. Gli agenti valutano la loro probabilità di essere arrestati dalla polizia prima di unirsi a una ribellione e le loro valutazioni dipendono dalla loro visione ( v ) di ciò che li circonda, ovvero quante posizioni della griglia (nord, sud, est e ovest) possono vedere. Infine, gli agenti arrestati dai poliziotti ricevono pene detentive ( J ). Gli agenti arrestati vanno in prigione per un periodo casuale e ne escono offesi come sono entrati, mi ha detto Epstein. Scherzo sempre sul fatto che queste sono le uniche due ipotesi realistiche nell'intero modello.

Sebbene questo modello possa sembrare eccessivamente semplice, genera modelli abbastanza realistici una volta che l'operatore umano imposta i parametri di L e J , la visione degli agenti e dei poliziotti e le loro densità iniziali, quindi consente a entrambi i gruppi di muoversi e interagire. Nella variante uno, Ribellione generalizzata contro l'autorità centrale (vedi figura 1), possono sorgere alte concentrazioni di attivisti e agenti offesi in zone con bassa densità di poliziotti. Quando ciò accade, anche gli agenti leggermente offesi trovano razionale rischiare la ribellione. È proprio per questo motivo che la libertà di riunione è generalmente la prima cosa ridotta sotto regimi repressivi. Inoltre, il modello mostra il segno distintivo di un sistema complesso: equilibrio punteggiato, con lunghi periodi di relativa stabilità interrotti da scoppi di ribellione. In alcune esecuzioni, lo schermo del panorama emotivo di destra potrebbe essere rosso vivo con la lamentela degli agenti, mentre lo schermo di sinistra è completamente blu a causa della loro quiescenza pubblica. Quale sarebbe più probabile che scateni la rivoluzione: una grande riduzione assoluta di L (legittimità) in piccoli incrementi o una riduzione più piccola effettuata in un unico grande passo? Quest'ultimo, si scopre. Nel caso della riduzione ampia ma incrementale, i poliziotti possono far fuori gli agenti attivisti uno per uno e incarcerarli. Al contrario, un'improvvisa e netta riduzione della legittimità spinge più agenti offesi alla ribellione attiva contemporaneamente. Come ha notato Epstein, una volta che ci sono 50 persone che si ribellano, è molto meno rischioso essere il 51esimo.

La variante due, la violenza tra gruppi, è più interessante. Ora gli agenti sono divisi in due etnie, blu e verde. La legittimità diventa la valutazione di ciascun gruppo del diritto di esistere dell'altro gruppo, ha spiegato Epstein. In questo contesto, l'attivismo di un agente significa che uccide un membro del gruppo etnico avversario. I poliziotti sono pacificatori, e se il modello viene eseguito senza di loro e L tra tutti gli agenti si riduce di appena il 20 per cento, la pulizia etnica inizia rapidamente. Quando vengono introdotti i poliziotti, emergono rifugi sicuri. Tuttavia, l'ostilità interetnica continua. In definitiva, come mostra la figura 2 e mi ha detto Epstein, quando si perde la legittimità in questa variante, finisce sempre con un lato che cancella l'altro. La densità del poliziotto può essere impostata a qualsiasi livello. A bassa densità di poliziotti, ottieni un rapido genocidio. Ad alta densità di poliziotti, a volte puoi anche ottenere un rapido genocidio, ma anche un risultato altamente variabile. In media, più poliziotti fanno impiegare più tempo. Abbastanza più a lungo per giustificare le spese di polizia extra? È tutto molto incerto, dice Epstein; solo avere un'ondata di poliziotti non garantirebbe un buon risultato.

Nel complesso, infatti, Epstein ha sottolineato che i suoi modelli erano per lo più finalizzati a raggiungere un potere esplicativo. Spiegare qualcosa non significa che puoi prevederlo, ha detto. Ha sottolineato che sebbene possiamo spiegare fulmini e terremoti, non possiamo nemmeno prevederlo. Se speriamo, come Asimov, di prevedere il futuro, i modelli di Epstein deluderanno. Infatti, poiché i suoi modelli danno risultati ampiamente divergenti anche quando i loro agenti sono programmati con regole molto semplici, indicano che prevedere il futuro non sarà mai possibile. Tuttavia, le società artificiali di Epstein fanno di più per rendere chiari i meccanismi nascosti alla base dei cambiamenti sociali - e le loro conseguenze inaspettate - di qualsiasi strumento che gli scienziati sociali hanno finora posseduto. In futuro, loro e altri come loro potrebbero suggerire come i responsabili politici possono progettare i tipi di interventi piccoli ed economici che hanno risultati grandi e benefici.

Mark Williams è un Revisione della tecnologia redattore collaboratore.

Scienze sociali generative: studi sulla modellazione computazionale basata su agenti
Di Joshua M. Epstein
Princeton Studies in Complexity series
Princeton University Press, 2006, $ 49,50

nascondere