Agent-Based Modelling: simulaties voor een beter begrip van de samenleving
Door: Frank Pijpers
De complexe samenleving
Een drukke winkelstraat of een treinstation of snelweg rond spitsuur lijken soms een volkomen ongecoördineerde chaos. Toch bestaat onze samenleving niet uit een onsamenhangende collectie van personen of bedrijven. De voorkeuren en keuzes voor wat ze doen en laten van individuele personen, of huishoudens, of bedrijven, leiden tot allerlei onderlinge interacties, die zich uiteindelijk uiten in allerlei maatschappelijke trends en sociale verhoudingen. Binnen de domeinen van sociologie en economie is er heel veel beschrijvend en deductief onderzoek dat vanuit data, zoals officiële statistiek of gerichte enquêtes of zelfs kleinschalige gecontroleerde experimenten, die onderliggende interacties probeert te duiden.
Agent-Based Modelling: een nieuwe benadering
Een andere aanpak is om die individuele interacties zelf te beschrijven, naar analogie van de natuurwetenschappen, en bijvoorbeeld met simulaties van heel veel digitale personen te beoordelen of dan inderdaad die emergente trends in de samenleving gereproduceerd worden. Dit is het werkterrein van computational social science. De digitale personen worden vaak met het woord ‘agents’ aangeduid, om aan te geven dat het natuurlijk versimpelde versies zijn van een kleine selectie van keuzes en acties die personen (of huishoudens, of bedrijven) kunnen maken.
Wat in de natuurwetenschappen bekend staat als veel-deeltjes simulaties, veelvuldig in gebruik in onder andere de statistische fysica en astrofysica, wordt de term “agent-based modelling” (ABM) gebruikt in de sociale en economische wetenschappen.
Toepassingen en maatschappelijke impact
Er ligt een groot maatschappelijk belang in het doen van dit soort ABM vanwege de grote maatschappelijke uitdagingen van ongelijkheid, klimaatadaptatie, en volksgezondheid. Het gedrag van mensen en de terugkoppelingen met deze uitdagingen moet beter worden begrepen om bijvoorbeeld te kunnen beoordelen welk beleid daadwerkelijk effectief zal zijn. Denk bijvoorbeeld aan dat menselijk gedrag klimaatverandering bewerkstelligt en dat klimaatverandering ook veranderingen van gedrag afdwingen.
Een voorbeeld, uit het terrein van volksgezondheid, is hoe de verspreiding van covid-19 te relateren is aan de patronen van menselijk contact en mobiliteit. Er is daarvoor een ABM ontwikkeld voor besmettelijke ziekten .
Het is inmiddels ook duidelijk dat die modellen winnen in kwaliteit door voor iedereen in Nederland een agent toe te voegen aan het model: en dus 18+ miljoen agents en al hun interacties te modelleren. Op het terrein van de economie en het ontstaan van economische crises wordt ook gebruik gemaakt van ABM. Ook hier is het de interacties tussen, en keuzes van, partijen die actief zijn in financiële markten die zelf een economie als geheel naar een kritieke toestand duwen.
Er zijn ook nog veel onderzoeken mogelijk en nodig naar alle vormen van connecties, en de invloed daarvan op maatschappelijke ongelijkheid en segregatie, gebruikmakend van grootschalige personen-netwerken. Dit onderzoek vereist zelfs zonder simulaties al veel large-scale computation: de contact matrix van dit personennetwerk heeft 18 miljoen x 18 miljoen elementen.
Als dit onderzoek kan uiteindelijk leiden tot beter beleid, omdat de uitwerking van dat beleid objectiever en gedetailleerder kan worden doorgerekend, in een samenwerking tussen de academische wereld, het CBS en de planbureaus, en ministeries, en natuurlijk ook andere maatschappelijke en commerciële organisaties.
