Künstliche Gesellschaften und virtuelle Gewalt

Paul Krugman, der angesehene Wirtschaftsprofessor der Princeton University und New York Times Kolumnist, erklärte einst die jejune Beweggründe für seine Berufswahl. In meiner frühen Jugend war es meine heimliche Fantasie, Psychohistoriker zu werden, schrieb er und bezog sich dabei auf das zentrale Gimmick, die Psychogeschichte, von Isaac Asimov Stiftung Trilogie. Krugman fuhr fort: „Eines Tages wird es eine einheitliche Sozialwissenschaft geben, wie sie sich Asimov vorgestellt hat, aber vorerst ist die Ökonomie so nah wie möglich an der Psychogeschichte.

Lokale ethnische Säuberungen bis hin zum Völkermord.

Das ist lächerlich, wenn man die Kluft zwischen Asimovs Fantasie eines vorausschauenden Kalküls menschlicher Angelegenheiten und der Realität der Mainstream-Ökonomie – in der Tat jeder der Sozialwissenschaften –, wie sie während des größten Teils des letzten Jahrhunderts praktiziert wurde, bedenkt. In den letzten Jahrzehnten gab es jedoch neue Ansätze. Einer der vielversprechendsten wurde von Joshua Epstein, Senior Fellow an der Brookings Institution, in . beschrieben Wachsende künstliche Gesellschaften: Sozialwissenschaft von unten nach oben , ein Buch, das er 1996 in Zusammenarbeit mit Robert Axtell veröffentlichte. Vielleicht interpretieren die Leute eines Tages die Frage „Können Sie es erklären?“ als Frage „Können Sie? wachsen es?’ schlug Epstein vor. Künstliche Gesellschaftsmodellierung ermöglicht es uns, soziale Strukturen zu „wachsen“ in silico zeigt, dass bestimmte Sätze von Mikrospezifikationen ausreichend zu generieren die Makrophänomene von Interesse.

Diese Geschichte war Teil unserer Juli-Ausgabe 2007

• Siehe den Rest der Ausgabe
• Abonnieren

Was bedeutet das? Und warum sollten wir uns darum kümmern? Epsteins Behauptung war zweifach. Zunächst wies er darauf hin, dass, während fast alle Muster, die Sozialwissenschaftler interessieren, emergente Muster sind – das heißt komplexe Entwicklungen, die aus vielen relativ einfachen Interaktionen resultieren – Disziplinen wie die Mainstream-Ökonomie Gesellschaften als tendenziell zu einem fiktiven Gleichgewicht neigen. Auch Standarderklärungen gehen davon aus, dass Gesellschaften aus hochrationalen Akteuren bestehen, die bei vollem Wissen stets im eigenen Interesse handeln. Wenn es darum geht, wie reale Populationen unterschiedlicher Akteure mit begrenzter Rationalität tatsächlich ihre Muster der Vermögensverteilung entwickeln, so Epstein, haben die Aktienerklärungen fast nichts zu sagen. (Siehe Ein Brief an den Herausgeber von Joshua Epstein.)

Epstein war mit dieser Kritik kaum allein. Aber zweitens schlug er vor, dass Computermodelle an sich Gesellschaften effektiv beschreiben könnte. In den frühen 1990er Jahren hatten Epstein und Axtell eine Simulation namens Sugarscape erstellt, ein quadratisches Gitter, das eine zweidimensionale Landschaft darstellt, die von autonomen Unterprogrammen – Agenten – bewohnt wird, die von einem groben künstlichen Stoffwechsel von Quadrat zu Quadrat getrieben werden, der eine Ressource namens Zucker erfordert. Als Hunderte dieser Wirkstoffe so programmiert wurden, dass ihr Sehbereich und ihre Stoffwechselrate auf einfache Weise variierten, entstanden überraschende Muster.

Tatsächlich würden Epstein und Axtell lernen, dass mit ihren Modellen der Trick [war], viel zu bekommen aus , dabei so wenig wie möglich einsetzen, wie Epstein in seinem neuesten Buch schreibt, Generative Sozialwissenschaften: Studien zur agentenbasierten Computermodellierung . In den frühen 1990er Jahren richteten die beiden Männer zwei Regionen ihres Sugarscape-Gitters ein, um reich an Zuckerressourcen zu sein, sodass Agenten schnell zu ihnen kamen. Einige Wirkstoffe mit überlegenem Sehvermögen und niedrigen Stoffwechselraten akkumulierten große Zuckervorräte. Andere Wirkstoffe mit schwächerem Sehvermögen und hohen Stoffwechselraten überlebten oder starben in Zonen, in denen Zucker knapp war. Im Wesentlichen, so fanden Epstein und Axtell heraus, fungierte Sugarscape als Modell einer Jäger-Sammler-Gesellschaft, die ein gemeinsames Merkmal menschlicher Gesellschaften reproduzierte: eine verzerrte Vermögensverteilung. Zugegeben, die Vorstellung, dass grobe Automaten, die sich in einem Computerraster bewegen, darauf hindeuten, dass Vermögensungleichheit ein angeborenes Merkmal der menschlichen Existenz ist, wird nicht nur von Marxisten, sondern von den meisten anderen von uns nicht gemocht, da wir wissen, wie unterschiedlich unsere individuellen Erfahrungen sind. Dennoch ist die Natur voll von eigentümlich konsistenten statistischen Beziehungen, die in unterschiedlichen Bereichen immer wieder auftreten und die Statistiker Potenzgesetze nennen.

Das am weitesten verbreitete Potenzgesetz ist die Pareto-Verteilung, benannt nach dem italienischen Ökonomen Vilfredo Pareto aus dem 19. Jahrhundert. In den späten 1890er Jahren argumentierte Pareto, dass in jeder Gesellschaft 20 Prozent der Bevölkerung 80 Prozent des Vermögens besitzen. Aber die Pareto-Verteilung, auch als 80-20-Regel bekannt, gilt in so unterschiedlichen menschlichen Kontexten wie Siedlungsgröße (einige große Städte, viele kleinere Städte) und Häufigkeit von Wörtern im Text (einige Wörter werden oft verwendet, die meisten Wörter selten). ) sowie für Naturphänomene wie die Größe von Sandpartikeln und Meteoriten. Dass das Verhalten von Sugarscapes Automaten Verteilungen vom Typ Potenzgesetz ergab, zeigte Epstein und Axtell, dass sie etwas auf der Spur waren.

In den frühen 1990er Jahren hielt Epstein eine Präsentation am Santa Fe Institute in New Mexico, einem Zentrum für das Studium komplexer adaptiver Systeme in natürlichen, menschlichen und künstlichen Kontexten. Ich zeigte eine unserer künstlichen Geschichten, die in der Standard-Sugarscape-Landschaft mit zwei Zuckergipfeln, einem Zuckertiefland in der Mitte und Zuckerödlanden an den Seiten spielt – effektiv eine einfache Taldarstellung, sagte mir Epstein. Ich fragte das Publikum, ob es irgendjemanden an etwas erinnerte. George Gumermans Hand schoss nach oben und er sagte: 'Es erinnert mich an die Anasazi.'

George Gumerman ist Anthropologe und seit Jahrzehnten ein führender Experte für die Anasazi, Vorfahren der heutigen Pueblo-Völker, die ab etwa 1800 v. bis 1300 u. Z. bewohnten Long House Valley im Nordosten von Arizona. Epstein und Axtell beschlossen, ihre agentenbasierte Modellierung zu verwenden, um eine virtuelle Anasazi-Zivilisation zu schaffen und zu sehen, wie sie mit der umfangreichen Datenbank von Siedlungsmustern und dergleichen übereinstimmt, die von Gumerman und seinen Kollegen zusammengestellt wurde. Epstein erinnerte sich: Wir begannen von vorne und bauten das künstliche Terrain von Grund auf mit großer Genauigkeit. Elemente wie Klimamuster, Maiserträge, Schwankungen des Grundwasserspiegels und viele andere Faktoren flossen in das Modell ein. Der große Trick war: Könnten wir für unsere künstlichen Anasazi gute Regeln aufstellen, sie dort platzieren, wo die echten im Jahr 900 n. Chr. waren, und sie laufen lassen, bis sie die wahre Geschichte gewachsen sind? Epstein erinnerte sich an eine Sitzung, in der die künstlichen Anasazi seines Teams eine Siedlung genau dort errichteten, wo Long House, die echte Anasazi-Siedlung, gewesen war. Wir saßen nur da und schrien vor Befriedigung in die Luft. Das ganze Geschäft hat seitdem einen sehr langen Weg zurückgelegt. Jetzt machen viele Leute diese Art von Arbeit.

In der Tat. Die Website der Zeitschrift für künstliche Gesellschaften und soziale Simulation , zum Beispiel, listet Aufsätze mit Titeln wie Cascades of Failure und Extinction in Evolving Complex Systems auf. Epsteins neues Buch sammelt seit 1996 seine eigenen Papiere; eine beiliegende CD ermöglicht es dem Leser, sich die im Text beschriebenen Modelle anzuschauen und die Modelle selbst zu erkunden. In den im Buch beschriebenen Projekten modellierten Epstein und seine Mitarbeiter zusätzlich zu den Anasazi die Entstehung verschiedener Phänomene: Muster beim Zeitpunkt der Pensionierung; soziale Klassen; gedankenlose Anpassung an soziale Normen; Muster der Pockeninfektion nach einem bioterroristischen Vorfall; und erfolgreiche, anpassungsfähige Organisation.

Die Modelle sind faszinierend. In beiden Varianten, die in Generating Patterns of Spontaneous Civil Violence (siehe Abbildungen 1 und 2) beschrieben sind, gibt es reguläre Agenten sowie Agenten namens Cops, die eine zentrale politische Instanz darstellen. Der linke Bildschirm zeigt das offene Verhalten regulärer Agenten (blau, wenn ruhend, rot, wenn aktiv) und der rechte die zugrunde liegende Emotionslandschaft, in der die Agenten entsprechend ihrem politischen Missstand eingefärbt werden (je dunkler das Rot, desto höher die Beschwerde). Beschwerde hat zwei Komponenten: Legitimität ( L ) des Staates, wie er von den Agenten wahrgenommen wird, und Härte ( h ), die eine physische oder wirtschaftliche Entbehrung darstellt und je nach Agent unterschiedlich ist. Darüber hinaus können Agenten täuschen: Auf dem linken Bildschirm können geschädigte Agenten blau werden (erscheinen nicht rebellisch), wenn Polizisten (immer schwarz) in der Nähe sind, und dann rot (aktiv rebellisch), wenn sich Polizisten entfernen. Epstein ordnete auch unterschiedliche Stufen der Risikoaversion zu ( R ) an die Agenten: Manche neigen eher zur Rebellion als andere. Agenten schätzen die Wahrscheinlichkeit einer Verhaftung durch Polizisten ein, bevor sie sich einer Rebellion anschließen, und ihre Einschätzung hängt von ihrer Vision ab ( v ) dessen, was um sie herum ist, d. h. wie viele Gitterpositionen (Norden, Süd, Ost und West) sie sehen können. Schließlich erhalten von Polizisten festgenommene Agenten Gefängnisstrafen ( J ). Festgenommene Agenten gehen für eine zufällige Dauer ins Gefängnis und tauchen genauso betrübt auf, wie sie hineingegangen sind, sagte mir Epstein. Ich scherze immer, dass dies die einzigen beiden realistischen Annahmen im gesamten Modell sind.

Obwohl dieses Modell zu einfach erscheinen mag, generiert es realistisch genug Muster, sobald der menschliche Bediener die Parameter von . festlegt L und J , die Vision der Agenten und Polizisten und ihre Anfangsdichte und lässt dann beide Gruppen sich bewegen und interagieren. In Variante eins, Generalisierte Rebellion gegen die Zentrale Autorität (siehe Abbildung 1), können in Zonen mit geringer Cop-Dichte hohe Konzentrationen aktivistischer, gekränkter Agenten auftreten. Wenn das passiert, halten es selbst leicht gekränkte Agenten es für vernünftig, eine Rebellion zu riskieren. Genau aus diesem Grund ist die Versammlungsfreiheit in der Regel das Erste, was unter repressiven Regimen eingeschränkt wird. Darüber hinaus weist das Modell das Kennzeichen eines komplexen Systems auf: unterbrochenes Gleichgewicht mit langen Perioden relativer Stabilität, die von rebellischen Ausbrüchen unterbrochen werden. In einigen Läufen kann der rechte Emotionsbild-Bildschirm aufgrund der Beschwerden der Agenten hellrot sein, während der linke Bildschirm aufgrund ihrer öffentlichen Ruhe vollständig blau ist. Was eher eine Revolution auslösen würde: eine große absolute Reduzierung um L (Legitimität) in kleinen Schritten oder eine kleinere Reduzierung in einem großen Schritt? Letzteres stellt sich heraus. Im Fall der großen, aber schrittweisen Reduzierung können Polizisten aktivistische Agenten einzeln aufgreifen und einsperren. Umgekehrt spornt ein plötzlicher, drastischer Rückgang der Legitimität mehrere geschädigte Agenten gleichzeitig zu einer aktiven Rebellion an. Wie Epstein bemerkte: Sobald 50 Menschen rebellieren, ist es viel weniger riskant, der 51. zu sein.

Variante zwei, Gewalt zwischen Gruppen, ist interessanter. Jetzt sind Agenten in zwei Ethnien unterteilt, blau und grün. Legitimität wird zur Einschätzung der Existenzberechtigung der anderen Gruppe durch jede Gruppe, erklärte Epstein. Going Aktivist eines Agenten bedeutet in diesem Zusammenhang, dass er ein Angehöriger der gegnerischen Volksgruppe tötet. Die Cops sind Friedenstruppen, und wenn das Modell ohne sie läuft und L unter allen Agenten um nur 20 Prozent reduziert wird, beginnt die ethnische Säuberung schnell. Wenn Polizisten eingeführt werden, entstehen sichere Häfen. Dennoch hält die interethnische Feindseligkeit an. Letztendlich, wie Abbildung 2 zeigt und Epstein mir sagte, endet es immer damit, dass eine Seite die andere auslöscht, wenn Sie die Legitimität in dieser Variante fallen lassen. Die Cop-Dichte kann auf jede beliebige Stufe eingestellt werden. Bei niedriger Polizeidichte kommt es zu einem schnellen Völkermord. Bei hohen Polizistendichten kann es auch manchmal zu einem schnellen Völkermord kommen, aber auch zu einem sehr unterschiedlichen Ausgang. Im Durchschnitt dauert es bei mehr Polizisten länger. Genug länger, um die Kosten für zusätzliche Polizeiarbeit zu rechtfertigen? Es ist alles nur sehr ungewiss, sagt Epstein; nur ein Ansturm von Polizisten würde kein gutes Ergebnis garantieren.

Insgesamt betonte Epstein sogar, dass seine Modelle vor allem auf Erklärungskraft abzielten. Etwas zu erklären bedeutet nicht, dass man es vorhersagen kann, sagte er. Er wies darauf hin, dass wir Blitze und Erdbeben zwar erklären, aber auch nicht vorhersagen können. Wenn wir wie Asimov hoffen, die Zukunft vorherzusagen, werden Epsteins Modelle enttäuschen. Da seine Modelle sogar dann sehr unterschiedliche Ergebnisse liefern, wenn ihre Agenten mit sehr einfachen Regeln programmiert sind, weisen sie darauf hin, dass eine Vorhersage der Zukunft niemals möglich sein wird. Dennoch tun Epsteins künstliche Gesellschaften mehr, um die verborgenen Mechanismen, die sozialen Verschiebungen zugrunde liegen – und ihre unerwarteten Folgen – deutlich zu machen als jedes Werkzeug, das Sozialwissenschaftler bisher besessen haben. In Zukunft könnten sie und andere wie sie vorschlagen, wie politische Entscheidungsträger kleine, billige Interventionen mit großen, nützlichen Ergebnissen entwickeln können.

Mark Williams ist ein Technologieüberprüfung mitwirkender Redakteur.

Generative Sozialwissenschaften: Studien zur agentenbasierten Computermodellierung
Von Joshua M. Epstein
Princeton Studies in Complexity-Reihe
Princeton University Press, 2006, $49,50

verbergen