Sim Sam

I samfunnssimulatorene er vi alle agenter. Men agentene må snakke sammen.

Publisert
 (Foto: (Illustrasjon: www.colourbox.no/forskning.no))
(Foto: (Illustrasjon: www.colourbox.no/forskning.no))

Blipp som glapp


 

I denne kommentarspalten flyr forskning.nos journalist Arnfinn Christensen lavt under nyhetsradaren og kretser over grenselandet mellom naturvitenskap, teknologi og filosofi.

Vi kaller ham Sam. I datamodellene er han en av mange agenter. Hver agent er et stilisert menneske.

Sammen med alle sine digitale kolleger setter Sam simuleringen i sving. Supermaskiner gumler data og spytter prognoser for hvordan samfunnet vil utvikle seg. 

Livsspillet

Å simulere samfunnet er en gammel drøm realisert med ny teknologi.

Drømmene er basert på idéen om kunstig liv. På slutten av 1940-tallet så matematikeren John von Neumann for seg hvordan en maskin kunne bruke løse deler og råstoff til å bygge en kopi av seg selv.

I 1970 tok matematikeren John Conway idéen over i dataverdenen. Han laget programmet Game of Life, der stiliserte agenter, enkle simuleringer av liv utfoldet seg i et flatt virtuelt rutenett.

"Romskip" i Conway´s Game of Life. Skjermdump fra nettprogram tilgjengelig på http://conwayslife.com/.
"Romskip" i Conway´s Game of Life. Skjermdump fra nettprogram tilgjengelig på http://conwayslife.com/.

Ovenfra og ned

Koblingen mellom simulering av liv og simulering av samfunn er ingen selvfølge. Simulering kan nemlig gjøres på to måter.

Den tradisjonelle simuleringsmetoden har arvet forskningens klassiske teorimodell. Den forsøker å se alt overnfra. Den vil tegne et stilisert oversiktsbilde av sammenhenger i naturen.

Astronomene har for eksempel brukt tyngdeloven til å lage matematiske modeller som beskriver planetenes baner rundt sola, sett som en teoretisk helhet.

Slike modeller kan fort bli uoverstigelig komplekse. Ingen har ennå laget en slik modell for mer enn to himmelkropper, for eksempel sola og en planet. Trekroppsproblemet er fortsatt uløst.

Nedenfra og opp

Alternativet er å se på planetene som agenter. Hver agent har sin tyngdekraft og sin posisjon. Så fryser du situasjonen, og beregner kreftene i dette statiske øyeblikket.

Øyeblikket seinere har kreftene flyttet på planetene. Beregningene må gjøres på nytt. Jo kortere tidsintervall du bruker, desto bedre blir tilnærmingen.

Planetbaner er vanskelige å modellere som helhet, men kan simuleres ved at hver planet betraktes for seg. (Foto: (Illustrasjon: NASA/Flickr Creative Commons))
Planetbaner er vanskelige å modellere som helhet, men kan simuleres ved at hver planet betraktes for seg. (Foto: (Illustrasjon: NASA/Flickr Creative Commons))

Den store teoretiske oversikten er erstattet med en serie øyeblikksbilder. Dynamikken oppstår på samme måte som når en film settes sammen av enkeltbilder.

En slik modell ser verden nedenfra og opp. Den setter utgangsbetingelsene og reglene for hvordan agentene oppfører seg. Så lar den verden folde seg ut som et stort spill - akkurat som livet selv.

Krever datakraft

I slike modeller er helhetsbeskrivelsen i kløktige formler erstattet av tallknusing av flest mulig enkelte øyeblikk. Jo tettere øyeblikkene ligger, desto mer nøyaktig blir modellen.

For å bruke filmanalogien: Jo flere bilder i sekundet, desto mykere og mer presis blir gjengivelsen av bevegelsene. Men flere bilder krever større datakraft.

I full blomst

Sosial simulering er sosiologi løfet opp i kraftfeltet fra mange faggrener: Psykologi, fysikk, statsvitenskap, økonomi, antropologi, lingvistikk, informatikk og datateknologi.

Blar du opp nettsiden til The Journal of Artificial Societies and Social Simulation, finner du titler som A Dialogical Model for Opinion Dynamics og How Can Extremism Prevail?

Dette er et fagfelt i full blomst, gjødslet av datakraftens eksponensielle vekst og tverrfaglig krysspollinering.

Altruistiske skilpadder

Forskerne samarbeider gjennom European Social Simulation Association (ESSA) og tilsvarende organisasjoner i Asia og Amerika.

Det er utviklet flere programmer for slike simuleringer. Ett eksempel er NetLogo. Det er laget for å være så enkelt at barn kan bruke det. I et stilisert landskap kan du styre agentene: skilpadder som kan bevege seg over felt (patches) på en flate.

På nettsidene til NetLogo er en lang liste av ferdige programmer. Under sosiologi finner du for eksempel et program som lar deg prøve ut hvordan altruisme konkurrerer med egoisme under forskjellige samfunnsforhold.

Rosa stiliserte skilpadder, rosa firkanter, er enten altruistiske eller egoistiske. Modellen viser hvilke skilpadder som får overtaket. Dette er avhengig av livsbetingelsene som brukeren legger inn i simuleringen. (Foto: (Illustrasjon: NetLogo))
Rosa stiliserte skilpadder, rosa firkanter, er enten altruistiske eller egoistiske. Modellen viser hvilke skilpadder som får overtaket. Dette er avhengig av livsbetingelsene som brukeren legger inn i simuleringen. (Foto: (Illustrasjon: NetLogo))

Samfunnsvarsler

Blar du litt lengre ned i artikkellista til Journal of Artificial Societies and Social Simulation, finner du en tittel som peker mot målet til forskerne: Asking the Oracle: Introducing Forecasting Principles into Agent-Based Modelling.

Slik som meteorologene lager værvarsel, slik håper altså sosiologene å kunne lage samfunnsvarsler. Men hvor pålitelige vil de være?

Svaret henger på et annet spørsmål: Hvor mye ligner agenten Sam på deg og meg?

Agenten Sam

I mange simuleringer er agenten Sam og vennene hans stiliserte, som skilpaddene i programmet NetLogo. De er laget for å illustrere spesielle problemstillinger, ikke for å simulere et helt samfunn.

Hvis programmene skal klare å komme med konkrete spådommer, må de fôres med store mengder pålitelige data.

Med andre ord: Du og jeg må fortelle maskinene hvordan agenten Sam ser ut i virkeligheten.

Datagraving

Fra 1980-tallet og utover fikk sosiologene nye verktøy for å samle inn og bearbeide data om Sam og vennene hans.

Begrepet datagraving (data mining) kom fra informatikernes lærebøker og ut i arbeidshverdagen da internettet vevet seg ut over verden.

Sosiale nettsteder som Facebook og Twitter og den nye bølgen av medisinsk og annen selvrapportering på nettet er nesten mer enn datagraverne kan klare å skuffe unna.

Og det er ikke bare et luksusproblem. For hvis sosiologene skal klare å grave gull ut av haugene med data, må data komme i en  form som maskinene kan tolke.

Data må standardiseres. Det kan høres ut som en enkel oppgave. Men det er en kaotisk dataverden der ute.

Dataskraping

Sist jeg fikk vitnesbyrd om dette, var da jeg intervjuet Even Westvang fra firmaet Bengler. Han hadde laget en app som viser byggesaker fra Plan- og bygningsetaten i Oslo.

Byggesakene svever som bobler foran kamerabildet når du sveiper mobilen over gatene der du går.

Mobilappen PlanAR kjører inne i appen Layar, som finnes både for Android og iPhone. Den viser saker fra Plan- og bygningsetaten i Oslo som grå sirkler foran stedet som saken gjelder. Jo større de grå sirklene er, desto nærmere er stedet som markeres. (Foto: Arnfinn Christensen, forskning.no.)
Mobilappen PlanAR kjører inne i appen Layar, som finnes både for Android og iPhone. Den viser saker fra Plan- og bygningsetaten i Oslo som grå sirkler foran stedet som saken gjelder. Jo større de grå sirklene er, desto nærmere er stedet som markeres. (Foto: Arnfinn Christensen, forskning.no.)

Han måtte skrape data fra nettsidene til Plan- og bygningsetaten. Slik skraping vil si å sette opp en rekke antagelser for å strukturere data slik programmet krever.

Denne skrapingen hadde krevd et par ukers heftig datakjøring, fortalte Westvang.

Krever standarder

Hvis sosiologene er henvist til å skrape før de kan grave, vil de sosiale simuleringene gå like tregt som saksgangen i FN. Og årsaken er den samme: Språk- og kulturkollisjoner.

At det er viktig med en felles standard for data, er selve internettet et godt eksempel på. Da datamaskinene begynte å snakke sammen over nett, fikk de en helt ny dimensjon av bruksnytte.

Uten standardiserte dataprotokoller som TCP/IP og http ville ikke internett fungert. Nå trenger sosiologene tilsvarende standarder.

Åpne tjenester

De er underveis. Sovjetsamveldet var tidlig ute, og fortsatt finnes en russisk databank for sosiologisk forskning med lange tidsserier av samfunnsdata, tilpasset datamaskiner.

I Europa finnes European Social Survey (ESS), og vi har Norsk samfunnsvitenskapelig datatjeneste (NSD).

NSD tilbyr data fritt og åpent. Det er viktig, for hvis ikke fri forskning får tilgang til data, er det nok av kommersielle aktører som vil grave gull, låse det inne og bare vise det fram mot betaling eller gjenytelser.

Frislipp gir muligheter

Hva kan vi så vente oss når gullstøv fra datagravingen smeltes sammen gjennom sosiale simuleringer?

Alle tjenestene og appene etter frislippet av vær- og kartdata viser mulighetene. De er nesten umulige å forutsi.

Allerede nå kan NSD tilby data om voteringer i Stortinget. Hva med å koble voteringsdata opp mot valgprogrammer?  Følger politikerne opp sine valgløfter?

Kanskje blir det også mulig å forutsi konsekvensene av politiske beslutninger. Slike analyser vil gjøre det lettere for folk å delta i de politiske prosessene.

Det er jo resultatene av de politiske beslutningene vi er interessert i og kan uttale oss om.

Den neste store utfordringen blir da at sosiologiske hackere der ute prøver å manipulere agenten Sam inne i simuleringen. Det er ille nok med biologiske virus og datavirus, om vi ikke også skal få politiske beslutningsvirus.

Lenker:

The Journal of Artificial Societies and Social Simulation

NetLogo

Modellen Altruism, programmert i NetLogo

The European Social Simulation Association (ESSA)

Norsk samfunnsvitenskapelig datatjeneste

The European Social Survey

The Data Bank of Sociological Research: A Tool for Studying Problems in Modern Russia