美國國家計劃情景1模擬核攻擊。圖片來源：DANE WEBSTER
doi:10.1126/science.aat8553
5月的一個星期一上午11:15，一輛看似普通的貨車駛進了美國華盛頓市中心的第16街和K街交匯處，就在白宮北邊的幾個街區。在裡面，自殺式炸彈襲擊者打開了一個開關。
當核彈爆炸後，整個城市街區瞬間化為烏有，方圓一英裡內的建築物全被摧毀，數十萬人在廢墟中死亡或垂死掙扎。一種電磁脈衝使5公裡內的手機發生爆炸，整個城市的電網變暗。風把炸彈產生的蘑菇雲變成了放射性塵埃，並向東蔓延到馬裡蘭州的郊區。
路上很快就擠滿了人，有些人試圖逃離，但更多的人在尋找失蹤的家庭成員或尋求醫療幫助。
災難模擬
當然，這一切都是虛構的，但卻有著嚴肅的目的。這個被稱為國家計劃情景1（NPS1）的核攻擊故事線起源於20世紀50年代，是為美國國家安全官員和應急管理人員在面對真實事件之前測試他們的反應計劃。
60年後的今天，官員仍在反思發生核災難的後果。直到現在，他們還沒有固定的故事線和預測，而是僅僅用計算機來「假設」一個完整的人工社會—— 一種基於主體的高級計算機模擬。
今天的NPS1模型包括了對受炸彈影響地區的每棟建築的數字模擬，以及道路、電線、醫院，甚至是發射塔。該模型包括天氣數據，以模擬放射性塵埃流。這個場景是由大約73萬名個體組成——從統計上看，在年齡、性別和職業等因素上，與受影響地區的真實人口完全相同。每個個體都是一個獨立的子程序，能通過切換多種行為模式，以合理的人類方式響應其他個體和不斷演變的災難。
這種模式的目的是避免用固定的方程式描述人類事務。事實上，諸如金融崩潰或疾病傳播等事件的影響從底層開始，通過許多人的相互作用，產生了現實世界的豐富和自發的事件，而這很難模擬。
而這種細節正是應急管理人員所需要的，維吉尼亞理工學院生物複雜性研究所所長、計算機科學家Christopher Barrett說。該研究所為政府開發了NPS1模型。例如，NPS1模型可以提醒管理者，一個電源故障點X可能導致意外交通阻塞點Y，如果他們決定在凌晨部署移動發射塔恢復通信，NPS1可以告訴他們有多少平民湧向道路。「基於主體的模型是如何將所有這些部分整理出來，並觀察它們之間的相互作用。」Barrett說。
缺點是，像NPS1這樣的模型往往十分巨大，迫使參與個體相對簡單。「個體的複雜性和模擬的規模之間存在著根本性的權衡。」國防高級研究項目局項目經理Jonathan Pfautz說。
基於主體的模型
但是隨著計算機越來越強大，在經濟、交通、公共衛生和城市規劃等諸多領域，越來越多的決策者正在認真對待基於主體的模型。「它們是最靈活、最詳細的模型。」佛羅裡達大學流行病專家Ira Longini說，「這使得其在理解和指導政策方面是最有效的。」
基於主體的建模至少可以追溯到20世紀40年代，當時像圖靈這樣的計算機先驅們嘗試了本地交互軟體，模擬物理學和生物學的複雜行為。但目前的發展浪潮是上世紀90年代中期才開始發展起來的。
一個早期成功案例是由維吉尼亞州喬治梅森大學經濟學家Robert Axtell和紐約大學Joshua Epstein共同開發的「糖域」。因為他們的目標是在普通桌上型電腦上模擬社會現象，於是將基於主體的模型簡化：一組簡單的主體，在網格中移動以尋找「糖」—— 一種類似於食物的資源，在某些地方很豐富，而在其他地方則很少見。儘管很簡單，這個模型卻產生了令人驚訝的複雜群體行為，如遷徙、戰鬥和鄰裡隔離等。
另一個裡程碑是20世紀90年代的交通分析和模擬系統，這是一個由Barrett等人在洛斯阿拉莫斯國家實驗室開發的基於主體的交通模型。與傳統交通模型不同的是，它使用方程式描述移動車輛作為一種流體，並將每輛車和司機都建模為一個通過城市道路網絡的主體。這個模擬實驗包括了汽車、卡車和公共汽車，並由具有現實的年齡、能力和目的地的人駕駛。當應用到實際城市的道路網絡時，該系統在預測交通擁堵和地方汙染水平方面比傳統模式要好。
流行病學家也在經歷類似轉變。在過去1個世紀裡，他們用一組相對簡單的方程式評估疾病暴發，這些方程式將人分為幾個類別——如易感、傳染性和免疫——並且假定完美混合，這意味著受影響地區的每個人都與其他所有人保持聯繫。這些基於方程式的模型仍然廣泛使用。
但是，流行病學家越來越多地求助於基於主體的模型，包括那些方程式忽略的因素，如地理、交通網絡、家庭結構和行為變化——所有這些因素都能強烈地影響疾病傳播的方式。
例如，在2014年西非伊波拉疫情期間，維吉尼亞理工大學使用了這種模型，幫助美國軍方確定戰地醫院的地點。規劃者需要知道當行動裝置最終到達時，最高的感染率會是多少，病人在該地區道路上移動速度有多快、距離多遠等。
在經濟學中，基於主體模型是一個理解全球貧困的強大工具。世界銀行經濟學家Stephane Hallegatte說提到，如果你分析的是標準度量，如國內生產總值和總收入，那麼在大多數國家只你看到富人：窮人有這麼點錢，他們幾乎沒有登記。
為了得出更好結論，Hallegatte和同事正在研究單個家庭。該團隊建立了一個包括全球140萬個家庭的模型，並研究了氣候變化和災難如何影響健康、糧食安全和勞動生產率。該模型能估計風暴或乾旱會如何影響作物產量和市場價格，或者地震如何通過摧毀汽車、道路甚至工廠來削弱工人的收入。
這個模型顯示了一些顯而易見的事實：窮人比富人更容易受到災難和氣候變化的影響。但是Hallegatte團隊還看到了其他變化。例如，如果一個特定國家的窮人大多是農民，那麼當全球糧食價格上漲時，他們實際上可能受益於氣候變化。但是，如果這個國家的窮人大部分都擠進了城市，那麼糧食價格上漲可能會造成嚴重傷害。
更容易、更方便
如果相關模型建模者選擇一個優先級，那就是讓模擬更容易構建、運行和使用。
例如，Epstein設想了一個國家中心，在那裡，決策者可以訪問他所稱的劇本：這裡有每個大城市的數字檔案，每一個潛在的危險都有預先計算的模型。「然後，如果真的發生了什麼事情，比如毒煙瀰漫。」他說，「我們可以挑選出最匹配的模型，並進行接近實時計算，比如在適當的庇護所和疏散的最佳組合。」
在維吉尼亞理工大學，計算機科學家Madhav Marathe也在思考同樣的問題。他說，當一場五級颶風正在減弱時，像聖胡安市市長這樣的人不能等一周時間，才對這場風暴可能對波多黎各電網造成的影響進行分析。他說，她需要的是可操作的信息，「這意味著需要一個簡單的模型，在很短時間內提供非常複雜的分析」。
Marathe稱其為「基於主體的建模服務」。他的實驗室在過去4年裡一直在開發和測試一種基於網絡的工具，讓公共衛生官員進行大流行病模擬，並自行進行假設分析，而無需僱傭程式設計師。只需點擊幾下滑鼠，用戶就可以指定關鍵變量，比如感興趣的區域以及疾病類型。然後，使用該工具的內置地圖和圖表，用戶可以觀看模擬過程，並看到他們提出的治療方案的效果。
儘管它是專門針對流行病的，但該工具的基礎地理模型和合成人群是通用的，它們可以應用於其他類型的災難，如化學品溢出、颶風和電力網絡級聯故障。最終，Marathe說，「我們希望將這些模型應用在個性化的服務中——為你、你的家庭或你的城市服務。」
或者，正如Barrett所說，「如果我今天送Jimm去上學，他感染寨卡的概率是多少？我們能像用谷歌地圖一樣使用這些工具。」（張章編譯）