International online seminar "Artificial Societies and Information Technologies"
Table of contents
Share
QR
Metrics
International online seminar "Artificial Societies and Information Technologies"
Annotation
PII
S207751800016353-7-1
Publication type
Review
Статус публикации
Published
Authors
Tatiana Konkova 
Occupation: Researcher
Affiliation: Cemi RAS
Address: Russian Federation, Moscow
Abstract

In 2020, the team of the Central Economics and Mathematics Institute of the Russian Academy of Sciences launched a regular international online seminar "Artificial Societies and Information Technologies". The seminar was attended by leading researchers in the field of agent modeling from Brazil, South Korea, India, China, France, Germany and other countries.

Keywords
workshop, international seminar, online seminar, artificial societies, information technologies, agent models
Received
30.07.2021
Date of publication
16.09.2021
Number of purchasers
8
Views
789
Readers community rating
0.0 (0 votes)
Cite Download pdf
Additional services access
Additional services for the article
1

4 июня 2020г. состоялся первый Международный онлайн-семинар "Искусственные общества и информационные технологии". Заседание семинара было посвящено докладу профессора Animesh Dutta (доцент кафедры компьютерных наук и инженерии, Национальный технологический институт Дургапур, Индия) и доктора Shrutilipi Bhattacharjee (научный сотрудник, Технический университет Мюнхена, Германия) на тему: «Агентная модель отслеживания контактов при вспышке пандемии». В заседании приняли участие представители ЦЭМИ РАН, МГУ, Уфимского научного центра РАН, Национального технологического института Дургапур (Индия), Технического университета Мюнхена (Германия). 

2

В докладе было отмечено, что с конца 2019 года мир стал свидетелем невиданной ранее пандемии COVID-19. Отслеживание контактов с такими инфекционными заболеваниями, которые передаются через человека, - задача не из легких, но крайне важная. Приложениям для отслеживания контактов, которые были разработаны до сих пор, не хватает эффективного сбора данных с точки зрения надежности и точности. В технологически слаборазвитых странах отслеживание контактов - утомительный и трудоемкий процесс, выполняемый государственной администрацией и работниками здравоохранения. Если предположить, что в первый день число инфицированных коронавирусом равно I и каждый из этих инфицированных людей вступал в контакт по крайней мере с k людьми в день, то общее количество инфицированных через 14 дней составляет 14 * I * k. Это значение зависит от значения k. Приложение для мониторинга будет использоваться для понижения значения k.

3 С приложением отслеживания контактов связаны различные исследовательские проблемы: как сделать его рентабельным с технологической точки зрения и продуктивным с точки зрения общества. Из-за отсутствия достаточной медицинской инфраструктуры важно идентифицировать сильно уязвимые узлы (отдельные контакты с людьми) и заранее принять соответствующие меры (самокарантин, институциональный карантин, изоляция и т. д.), чтобы оптимизировать использование медицинских ресурсов. С технической точки зрения разработчики модели понимают эту проблему как создание агентной модели для отслеживания высокочувствительных агентов, оценки вероятности их заражения для генерации предупреждений. Поставленная цель - сделать процесс отслеживания контактов более быстрым, масштабируемым, точным с минимальным вмешательством человека.
4

19 июня 2020г. прошло заседание семинара, посвященное докладу к.э.н., в.н.с. Сушко Е. Д.: "Агент-ориентированная модель эпидемии COVID-19 в городе Москве". Автором был представлен подход к моделированию эпидемий с помощью агент-ориентированной имитационной модели. 

5

В разработанной АОМ с использованием актуальных статистических данных на популяции агентов воссоздается возрастно-половая структура населения города Москвы, а затем агенты образуют семьи. В начале работы модели происходит заражение случайно выбранных агентов, каждый из которых проходит стадии заболевания от инфицирования до выздоровления или смерти, соответствующие классической эпидемиологической модели класса SEIRD. При этом продолжительность каждого периода для агента, а также тяжесть осложнений определяются вероятностным способом в соответствии с характеристиками конкретной инфекции, вызвавшей эпидемию, а также с учетом базового уровня здоровья агента. Инфицированные агенты в модели способны заражать других при личном контакте, и на этой основе имитируется распространение инфекции с учетом социальных (родственных) связей агентов. В ходе компьютерных симуляций получены оценки хода эпидемии COVID-19 в Москве при различных значениях параметров модели, в том числе, оценено влияние карантинных мер на такие характеристики как: численность инфицированных и умерших за весь период эпидемии; дата наступления пика заражения и его размах; пиковая потребность в койко-местах, в том числе, реанимационных.

6 7 июля 2020г. состоялось заседание семинара, посвященное докладу исследователей из Китайской Народной Республики на тему «Моделирование динамики социальной экономики на основе агент-ориентированного моделирования».
7 По мнению авторов 21 век это эпоха глобальной экономики и больших данных. По мере глобализации, экономики различных стран производили массивную и быстро меняющуюся экономическую информацию. Если люди не могут решить проблему упорядоченной обработки больших экономических данных, они не могут заставить мировую экономику и экономику каждой страны развиваться упорядоченным и скоординированным образом. Использование научной экономической теории и методов исследования для создания практических экономических лабораторий является основным решением проблем, с которыми сталкиваются люди в эпоху глобальной экономики и больших данных. Для решения этой проблемы в Лаборатории цифрового экономического моделирования была создана динамическая имитационная модель социально-экономической системы (далее - модель SED), основанная на теории экономической динамики и агентном моделировании.
8 13 ноября 2020 г. на заседании семинара выступила с докладом к.т.н., доцент кафедры информационных систем и цифровых технологий Орловского государственного технического университета, с.н.с. ЦЭМИ РАН Машкова Александра Леонидовна "Агент-ориентированное моделирование экономики России в пространственном и отраслевом разрезе".
9 Доклад был посвящен достигнутым результатам в области разработки агент-ориентированной модели прогнозирования экономики России в разрезе ее отраслевой и пространственной структуры. В докладе была рассмотрена структура модели, создание агентов и социально-экономической среды, алгоритмы динамики модели, аспекты программной реализации, информационного наполнения, верификации и калибровки модели, а также план сценарных расчетов. Разработанная авторами модель является результатом междисциплинарного исследования, она сочетает методы агентного моделирования, демографического и финансово-экономического анализа.
10

Методология компьютерного моделирования пространственного развития России включает следующие шаги [1]:

11
  1. Интеграция данных. На данном этапе воссоздается текущая демографическая ситуация в регионах, экономические взаимосвязи, административные институты, образовательная система, инфраструктура в регионах. Для этого производится сбор больших массивов открытых данных из различных источников, их проверка на согласованность, приведение к требуемому виду для загрузки в модель; генерация исходных объектов модели и их сохранение в базе данных.
  2. Динамическое моделирование без управления. На данном этапе осуществляется моделирование динамики населения как результата демографических процессов, решений и действий агентов-жителей, а также поведение организаций, определяющее динамику объемов производства, занятости и инвестирования.
  3. Управляемое динамическое моделирование. Целью данного этапа является проведение серии сценарных расчетов для оценки эффективности альтернативных управляющих воздействий в различных внешнеэкономических условиях. Программы управляющих воздействий включают объемы финансирования и направления государственной инвестиционной политики, ставки налогов и трансфертных платежей, региональные мероприятия по развитию кадрового потенциала регионов.
12 27 ноября 2020г. прошло на очередном заседании международного онлайн-семинара «Искусственные общества и информационные технологии», выступил с докладом "К построению реалистичной модели искусственного сообщества" д.т.н., г.н.с. ЦЭМИ РАН ЦЭМИ РАН Паринов Сергей Ивановича. В докладе рассматривалось искусственное сообщество, образованное пятью основными типами агентов: «крестьянин», «рабочий», «интеллигенция», «диссидент», «новое поколение». Эти типы определяют основной род деятельности агентов. В общем случае, в деятельности агента в определенных пропорциях присутствуют все пять типов, и агенты могут менять эти пропорции по определенным правилам. Признаком того, что агенты образуют сообщество, является их совместная деятельность в рамках определенной системы разделения труда. Будем считать, что изначально агенты согласовали (договорились) «кто делает что» в рамках их совместной деятельности и следуют этим договоренностям. В целях большей реалистичности необходимо принять, что совместная деятельность агентов осуществляется в среде жизнедеятельности, которая имеет стохастическую природу, а также в состоянии агентов тоже могут происходить непредсказуемые изменения.
13 Если в сообществе (в состоянии агентов) и/или в среде жизнедеятельности сообщества происходят случайные события, то агенты должны заново согласовать свою деятельность, чтобы она учитывала произошедшие изменения. Так как подобные случайные изменения происходят во времени с некоторой интенсивностью, то в реалистичной модели искусственного сообщества должен присутствовать механизм приведения совместной деятельности агентов в согласованное (скоординированное) состояние в ответ на происходящие стохастические изменения.
14 В докладе было рассмотрено какой полный набор видов совместной деятельности агентов должен согласовываться в реалистичном искусственном сообществе, и какова общая теоретическая модель способов/механизма согласования деятельности агентов. Изучение механизмов согласования совместной деятельности агентов, как части модели искусственного сообщества, является чрезвычайно перспективной задачей. Это позволит разрабатывать меры для повышения эффективности действующих механизмов координации на базе современных компьютерных технологий и, таким образом, повысить масштабы и точность согласования деятельности в экономике, что обещает значительный положительный социально-экономический эффект. Кроме этого, механизмы согласования деятельности для больших групп людей поддерживаются существующими формальными и неформальными нормами и правилами (социальными институтами), которые являются очень консервативными сущностями. Но социальные институты также являются результатом работы специфических механизмов согласования деятельности людей. Если и их реализовать в более эффективном виде, то это открывает для общества совершенно новые возможности для развития и обновлений.
15 4 декабря 2020г. прошло заседание онлайн-семинара «Искусственные общества и информационные технологии», посвященное докладу Douglas Silveira (PhD), Izak Silva (PhD), Silvinha Vasconcelos (PhD), Fernando Perobelli (PhD): « Игра в Брексит: неопределенность и решение о местонахождении». В докладе говорилось об анализе решений компаний о местонахождении, когда они сталкиваются с Brexit. Авторами были объединены подходы теории эволюционных игр и пространственного агентного моделирования с анализом затрат и результатов для оценки двух различных секторов: (i) растениеводство и животноводство и (ii) финансовые услуги. Европейский Союз был разделен на множество регионов и учитывались следующие факторы при принятии решений:
16
  • рыночный потенциал;
  • производственная интеграция;
  • затраты на рабочую силу;
  • стоимость замещения.
17 Фирмы присваивают вес каждому из этих факторов. Результаты показали, что в традиционных секторах компании стремятся к ненасыщенным рынкам. В секторах, связанных с услугами, чем больше неопределенность, тем выше вероятность того, что фирмы переместятся.
18 Заседание 22 декабря 2020г. прошло заседание международного онлайн-семинара «Искусственные общества и информационные технологии», было посвящено докладу Il-Chul Moon (Korea Advanced Institute of Science and Technology, Department of Industrial and Systems Engineering) «Калибровка моделей на основе данных машинного обучения».
19 Агентные модели широко используются из-за интуитивной аналогии с реальным миром и его гибкого экспрессионизма. Однако эта интуиция и гибкость достигаются за счет введения многих параметров и трудностей их калибровки. В докладе был представлен недавний подход к калибровке и проверке агентных моделей с использованием подходов машинного обучения. Мы можем рассматривать агентные модели как генератор для создания выборочной траектории моделируемой системы. Затем задача сводится к калибровке с точки зрения вероятности. Авторы продемонстрировали это на примере калибровки на рынке жилья и городского транспорта.
20 12 февраля 2021г. на семинаре с докладом «Рефлексивность агента в вычислительных моделях: случай диффузии инноваций» выступил Cesar Garcia-Diaz (Pontificia Universidad Javeriana, Богота, Колумбия).
21 Рефлексивные явления в социальных науках обычно понимаются как процессы, которые рекурсивно влияют на самих себя. Это проистекает из взаимно изменяющихся отношений между участниками и социальным процессом, к которому они принадлежат: участники могут изменять ход процесса своими действиями, а новое состояние в ходе эволюции процесса может привести к изменению поведения его участников. В данной работе предлагается агент-ориентированная модель распространения инноваций в социальной сети для изучения рефлексивности. В этой модели агенты решают внедрить новый продукт в соответствии с функцией полезности, которая зависит от двух видов социальных влияний. Во-первых, на агента оказывают местное влияние его ближайшие соседи, которые уже приняли его, а также сам агент, если он считает, что продукт соответствует его личным потребностям. Во-вторых, существует глобальное влияние, которое побуждает агентов принимать решения, когда они узнают о новых тенденциях, происходящих в системе. Для этого агенты наделяются рефлексивной способностью, которая позволяет им распознавать тенденцию, даже если они не могут ощутить существенное изменение в своем районе. Результаты показывают появление периодов замедления на кривой скорости внедрения, в отличие от классического стилизованного колоколообразного поведения. Результаты также показывают, что сетевая структура играет важную роль в эффекте рефлексивности: в то время как одни структуры (например, безмасштабные сети) могут усиливать его, другие (например, структура маленького мира) ослабляют такой эффект. Новизна этой работы заключается во включении развивающихся когнитивных различий по мере того, как агенты принимают решение о принятии продукта в процессах распространения.
22 19 марта 2021г. прошло заседание международного онлайн-семинара «Искусственные общества и информационные технологии», посвященное докладу д.э.н., проф. Ильина И.В., к.э.н., доц. Левиной А.И., аспиранта Никитина Н.С. (Санкт-Петербургский политехнический университет Петра Великого). Тема доклада: Мультиагентный подход в планировании и диспетчеризации производства как часть комплексных архитектурных решений на предприятии.
23 Представленное на семинаре исследование посвящено идентификации возможностей мультиагентного подхода для повышения эффективности систем оперативного планирования и диспетчеризации производства, разработке системы математических моделей и внедрению ИТ-решений, основанных на мультиагентном подходе, в комплексную архитектуру производственного предприятия. Авторами последовательно решаются следующие задачи:
24
  • Анализ развития концепции архитектуры предприятия применительно к производственным предприятиям;
  • Анализ существующих подходов к автоматизации оперативного управления производством и определение ограничений этих подходов;
  • Анализ возможностей мультиагентного подхода к решению задач точного и эффективного оперативного планирования и диспетчеризации производства;
  • Формирование математической модели оперативного планирования и диспетчеризации производства на основе мультиагентного подхода;
  • Определение места модуля мультиагентного планирования (MAP) в архитектуре производственного предприятия.
25 Предложенная мультиагентная модель планирования и диспетчеризации производства позволяет оперативно корректировать календарные планы производства, выстраивая оптимальные маршруты движения заказов, и может быть встроенная в существующее ИТ-решение, расширяя функциональность ERP и MES систем.
26 Заседание семинара, состоявшееся 02 апреля 2021г., было посвящено, докладу Guillaume Deffuant (Institut national de la recherche agronomique, Париж, Франция). Тема доклада: Уменьшение воспринимаемого неравенства приводит к увеличению среднего мнения друг о друге.
27 Докладчик рассказал о недавно опубликованной модели, в которой агенты придерживаются мнения друг о друге и влияют на мнения друг друга во время случайных парных взаимодействий. Эта модель демонстрирует поразительные закономерности: без сплетен, инициализированное значением 0, среднее мнение увеличивается, пока не стабилизируется на значительном положительном значении; со сплетнями среднее мнение колеблется вокруг отрицательного значения. Автор выводит модель среднего эффекта шума, которая объясняет эти закономерности как результат конкуренции между отрицательными и положительными смещениями. Это также объясняет, почему негативный эффект сплетен возникает только тогда, когда репутация агентов очень неравна и сильнее влияет на агентов с низкой репутацией.
28 На заседании 16 апреля 2021г. с докладом «Агентное моделирование экологического конфликта и сотрудничества» выступил Jürgen Scheffran (Research Group Climate Change and Security, Institute of Geography, University of Hamburg, Германия).
29 Используя науку о сложности для анализа социальных взаимодействий, агент-ориентированное моделирование было представлено в докладе как инструмент для оценки конфликтов и поиска путей их разрешения и сотрудничества. Также была представлена интегративная основа для подхода к конфликту и сотрудничеству как к сложным адаптивным системам, соединяющей системную динамику, агент-ориентированное моделирование, эволюционную теорию игр, теорию жизнеспособности и анализ социальных сетей. Структура модели VIABLE (Values and Investments from Agent-Based interaction and Learning in Environmental systems) позволяет моделировать сложные аспекты конфликтов, включая создание институтов, формирование коалиций, адаптивное обучение и потенциал будущего конфликта. Представлены различные приложения в исследованиях окружающей среды и конфликтов (изменение климата, управление стихийными бедствиями, возобновляемые источники энергии, мобильность и т. д.), а также определены жизнеспособные и совместные стратегии разрешения конфликтов.
30 14 мая 2021г. прошло заседание международного онлайн-семинара «Искусственные общества и информационные технологии», посвященное докладу Zhou He (School of Economics and Management, University of Chinese Academy of Sciences, Beijing, China), тема доклада: Агентное моделирование рынка онлайн-заказа и доставки еды.
31

На быстро развивающемся рынке заказа и доставки еды из онлайн-в-офлайн (O2O) многочисленные независимые рестораны конкурируют за заказы, размещаемые клиентами через специализированные онлайн-платформы для заказа еды. При выборе потребителями на этом рынке ресторанов, информация об их местонахождении и качестве еды является двумя основополагающими факторами. Чтобы исследовать качество еды и поведение ресторанов в зависимости от их местоположения, автор предложил агентную модель заказа еды O2O, которая состоит из трех типов агентов: клиентов, ресторанов и онлайн-платформы для заказа еды. Было явно смоделировано их адаптивное поведение. Автором было обнаружено, что поведение клиентов оказывает значительное влияние на решения ресторанов о качестве еды. Кроме того, связь между решениями о местонахождении ресторана и временем ожидания клиентов менее значима на рынке заказа еды O2O из-за наличия уравнивающей службы доставки, предоставляемой онлайн-платформой.

32

В обзоре использовались материалы с сайта amb.center. 

References

1. Mashkova A.L., Novikova E.V., Savina O.A. Upravlenie infrastrukturnymi proektami v agentnoj modeli prognozirovaniya prostranstvennogo razvitiya Rossii // DRUKEROVSKIJ VESTNIK. 2019, 5(31)

Comments

No posts found

Write a review
Translate