Rok Novak

Si predstavljaš neko računalniško simulacijo, kjer oblikuješ mesto do vsake podrobnosti, od ceste do dreves, služb za odvoz odpadkov, deleža turističnih nastanitev, števila bivalnih enot in prebivalcev, in lahko simuliraš, kaj se zgodi, če zapreš cesto, spremeniš ure odvoza odpadkov ali poplaviš mesto s fekalijami? V bistvu sem na grobo opisal idejo neštetih računalniških iger, meni osebno najbolj priljubljena je SimCity, tista večna klasika iz 90ih, ko si lahko mesto zbrisal z obličja zemlje s kometi ali pa z eksplozijo v jedrski elektrarni. Trenutno najbolj popularna verzija »city builder« iger pa je Cities Skylines, ki omogoča kontrolo nad smešno majhnimi podrobnostmi in simulacijo z milijonom individualnih prebivalcev. Hkrati pa omogoča narediti ogromen rezervoar vode močno onesnažene s fekalijami, ki jo lahko v enem velikem cunamiju spustiš nad mesto. To bomo dali v kategorijo – manj realni scenariji.

City builder tip igre predstavlja neko igrificirano obliko »Decision Support System« (DSS) oziroma sistema za pomoč pri odločanju na ravni mesta. Igralec se lahko postavi v vlogo odločevalca in spreminja parametre ter opazuje, kaj se s tako kompleksnim sistemom zgodi. Ena manjša odločitev, kot je zaprtje ene ceste, ima lahko neslutene posledice za celoten prometni sistem, ki vpliva na distribucijo dobrin in migracijo oseb, kar poganja velik del ekonomije mesta, ki zagotavlja mestu prihodke za vzdrževanje in gradnjo infrastrukture in tako dalje. Kompleksni sistemi so sestavljeni iz številnih komponent, ki lahko vplivajo ena na drugo, hkrati pa imajo vpliv na tretje, četrte in »n« druge komponente ter številne pozitivne in negative povratne zanke. Urbano okolje predstavlja tak kompleksen sistem, ki pa ga sicer lahko poenostavimo, če zmanjšamo število spremenljivk ali komponent, kot na primer, če odstranimo koncept ceste in mobilnosti po neki poti,slednjo pa zamenjamo s točkovno mobilnostjo, ali pa lahko rečemo kar teleportacijo, ko se oseba instantno preslika na drugo lokacijo. S tem smo mestu odstranili pomemben del kompleksnosti in hkrati (najverjetneje) zmanjšali zanesljivost napovedi. Pri tovrstnih simulacijah je praviloma cilj najti neko vmesno pot.

Mesto ima še eno globljo raven kompleksnosti, ki jo prej omenjeni igri ne upoštevata – notranje prostore. Celotna zasnova city builder iger deluje z vidika upravljalca mesta na makro nivoju. To je tudi smiselno, ker bi v nasprotnem primeru igra postala preveč kompleksna in neobvladljiva. Gibanje in interakcijo vozil in oseb, recimo jim »agenti«, narekuje serija predprogramiranih pravil. Agenti so lahko tudi opremljeni s sposobnostjo spreminjanja svojega odziva glede na interakcije v sistemu, na primer oseba ugotovi, da je določena ulica zelo hrupna in rajši zavije v stransko ulico. V tem primeru agent tehta, ali je malce daljša pot vredna zmanjšane izpostavljenosti hrupu. Hkrati imajo lahko agenti sposobnost spomina in si zapomnijo, katera ulica je hrupna ter jo naslednjič obidejo. Interakcije agent­‑agent in agent-okolje prav tako narekujejo določena pravila, ki pa lahko vplivajo na obnašanje udeležencev interakcije. Primer tega je lahko, da se oseba izseli iz svoje hiše, kar povzroči, da okolje (hiša) prične propadati in izgubi vrednost, agent-oseba pa je izločena iz simulacije, ker ne živi več v tem mestu. Nekateri od naštetih vidikov so prisotni v city builder igrah, vendar imajo v večini primerov številne omejitve, ki ohranjajo stabilnost in predvidljivost sistema. Na primer ko se oseba izseli iz zgradbe, ta propada, dokler jo ne nadomesti nova, ne morejo pa je naseliti skvoterji ali z ilegalno dejavnostjo. Zlasti pa so v tovrstnih simulacijah bolj pomembne makro spremembe, ki se odvijajo na ravni populacije, ne na ravni posameznika.  Čeprav prazna zgradba ne postane bordel ali ilegalni kazino, pa se lahko indikator kriminala v okolišu, kjer je veliko praznih zgradb, poslabša. Alternativa city builder igre v znanstvenoraziskovalnem delu pa so lahko agentsko‑bazirani modeli (ABM – »Agent-Based Model«).

ABM predstavlja metodologijo za simulacijo kompleksnih sistemov, kjer lahko s serijo preprostih navodil večjemu številu agentov opazujemo pojavljajoča se vedenja (»emergent behaviour«). Spodaj bom pokazal nekaj najbolj znanih primerov ABM, oblikovanih v orodju Netlogo. Fantastičen primer je model zbiranja ptic v jato (»flocking«), kjer se ptice konstantno premikajo samo naprej in deluje na podlagi samo treh pravil:

1. Poravnava, ki narekuje ptici, da svoje premikanje počasi spreminja na način, da je podobno gibanju ptic v bližini.
2. Separacija, ko ptica preusmeri svoj let, da se ne zaleti oz. preveč približa drugi ptici.
3. Kohezija, ki ptico spodbuja, da se približa drugim pticam v bližini (razen če so že preblizu).

Po določenem času se samo s pomočjo teh treh pravil, brez vodij in drugih navodil, oblikujejo jate ptic. Jata vztraja skupaj, dokler toka na prekine kršitev kakšnega od zgornjih pravil. To obnašanje bi lahko označili kot pojavljajoče se vedenje, ker »zbiranje v jato« ni nikjer neposredno vkomponirano v model.

Z ABM je mogoče modelirati zelo preproste sisteme, kot je zgornji, kot tudi take, ki imajo izjemno veliko število spremenljivk, nekaterih trdo programiranih v sistem (»hard coded«) ali pa nastavljivih. Določene spremenljivke so lahko deterministične in imajo ob vsaki iteraciji samo eno točno določeno vrednost, druge pa so lahko stohastične in je njihova vrednost odvisna od statistične verjetnosti. ABM-i so v svoji naravi stohastični, ker delujejo na principu, da je nekaj bolj ali manj verjetno, da se zgodi. Njihova prednost je tudi v tem, da so lažje razložljivi in razumljivi, da je mogoče preveriti neko sosledje, zakaj se nekaj v sistemu zgodi. Ta tip modeliranja se široko uporablja tudi na področju družboslovnih in humanističnih ved, ker so modeli zelo prilagodljivi in so lahko grajeni na kvalitativnih podatkih. Še en zanimiv primer, ki bolj »diši« po družboslovju in humanistiki, je Schellingov model segregacije. V modelu sta dva tipa agentov, oranžni in modri, ki pa se med seboj čisto super razumejo, ampak imajo preferenco, da so agenti v njihovi okolici v določenem deležu tudi njim podobni oz. njihove barve. Model pokaže, da tudi v primeru, ko si modri in oranžni želijo, da je samo 30% njihovih sosedov enake barve, pride do zelo izrazite segregacije in imajo vsi v povprečju 70% sosedov enake barve. Simulacija sicer teče, dokler niso vsi agenti srečni, kar pa pogojujejo s tem, da imajo vsaj 30% (oz. drug določen %) svojih sosedov enake barve. Sicer je to ponovno poenostavitev koncepta iskanja bivališča, preferenc in zmožnosti, vendar model vseeno prikaže zanimiv pojavljajoč se pojav. Schellingov model temelji na teoriji, ki jo je oblikoval Thomas Schelling leta 1970 (ali sedemdesetih letih prejšnjega stoletja), od takrat pa je bil model večkrat razširjen in nadgrajen in danes vključuje druge spremenljivke.

Potencial ABM pa je mogoče razširiti še na področje ekspozoma, koncepta, kjer so zaobjete vse notranje in zunanje izpostavljenosti človeka tekom njegovega življenja. Lahko govorimo o različnih kemičnih snoveh, reakciji snovi v telesu, mikroplastiki, onesnaženju v zraku, vodi in hrani, in še nešteto drugih snoveh, katerim je izpostavljen moderni človek. Preučevanje ekspozoma v ABM je smiselno, ker imajo agenti v interakcije med seboj in z okoljem, celoten princip ABM pa je osnovan na modeliranju kompleksnih sistemov. Znan primer uporabe ABM je simulacija prenosa virusa v populaciji. Zopet je osnovan na preprostih pravilih, ki pa jih je v tem primeru že nekoliko več kot pri pticah in segregaciji:

1. V simulaciji imamo 150 ljudi, 10 jih je okuženih z virusom in vsi se naključno premikajo po prostoru.
2. Agenti so lahko zdravi in dovzetni (zeleni), okuženi in kužni (rdeči) ali zdravi in imuni (sivi).
3. Umrejo lahko zaradi okužbe ali starosti. Novi ljudje, ki so dovzetni, nastanejo na način, da jih lahko producirajo zdravi agenti, če ni zapolnjena kapaciteta simulacije (300 agentov).
4. Preboleli agenti imajo imunost 1 leto. Življenjska doba je 50 let.
5. V modelu lahko nastavimo a) število oseb ob začetku simulacije, b) koliko je možnosti, da oseba ozdravi po okužbi, c) prenosljivost virusa in d) koliko časa traja kužnost.

V tem modelu je ključno ravnotežje med nastavljivimi parametri, da lahko sistem deluje. Če simuliramo virus, ki je hitro prenosljiv in kužnost z njim traja dolgo časa, je sistem zelo volatilen, ker prihaja do močnih nihanj v populaciji. Populacija okuženih hitro naraste, vendar tudi hitro pade, ker je velika večina agentov imuna ali mrtva, za tem pa je nekaj časa število okuženih zelo nizko, ker je za okužbo dovzetnih malo agentov. Ker so vsi zboleli »naenkrat« tudi njihova imunost sovpada, kar zopet povzroči hiter skok okužb. Obstaja zelo veliko število scenarijev, ki jih lahko simuliramo v tem modelu, nekateri bodo povzročili kolaps sistema, drugi bodo gladko tekli v neskončnost ali dokler ne ustavimo simulacije. Model pa lahko še dodatno razširimo z implementacijo bolnišnične oskrbe, obsežnejšim zdravstvenim sistemom, domovi in delovnimi mesti, tranzitom in podobnim.

V naslednjem blogu bom opisal primer ABM, ki temelji na podatkih nizkocenovnih senzorjev za spremljanje kakovosti zraka in pametnih urah. Predstavlja praktično implementacijo ABM koncepta v preučevanje enega manjšega dela ekspozoma oz. bolj nastavka za nadaljnje analize. Ker je ABM zelo dovzeten za bogate podatke, pa obstaja tudi pristop participativnega ABM. Do naslednjič pa priporočam čim več »igranja« z modeli na povezavah, ki so na voljo v tem blogu.

Rok Novak je doktoriral iz ekotehnologij na Mednarodni podiplomski šoli Jožefa Stefana in po pričevanjih prijateljev in družine naredi fantastičen domač sladoled. Rad zaide v hribe, prebere knjigo ali dve na leto in se (mnogo preveč) poglablja v svet J.R.R. Tolkiena. V času, ki mu preostane je še zaposlen na Odseku za znanosti o okolju na Institutu Jožef Stefan in vodi alumni klub na prej omenjeni šoli. Raziskuje široko področje interakcij ljudi in različnih stresorjev v okolju z uporabo različnih naprednih orodij in metod. Po izobrazbi naravoslovec, po duši humanist.