李學偉，男，2004年11月至今擔任北京交通大學副校長。科研領域為管理科學與複雜系統決策理論方法、市場與經濟預測分析方法研究等。[圖源：bjtu-sz.com]
摘要
介紹一個方興未艾的熱門領域——人工社會。這是一個採用複雜系統中的自下而上的建模方法，結合人工智慧、Agent技術、計算機仿真、社會科學等多門學科的綜合交叉學科。在簡單的回顧了基於Agent社會學仿真的方法發展歷史之後，較詳細地介紹一個人工社會模型實例——糖域（Sugarscape)。然後就人工社會建模方法、步驟、特點以及與傳統社會科學研究方法的對比進行評論。目前，雖然人工社會還沒有形成一個完善的理論體系，然而它已經深深的滲透到了經濟學、社會學、組織理論、環境科學、語言學、文化學等社會科學領域，並成為社會科學研究的一種重要方法。
1 介紹
20世紀末，複雜性科學興起，這一新興科學不僅僅是系統科學的前沿而且是整個科學體系的前沿，因此有人稱其為21世紀的科學。面對生命系統、人腦系統、社會系統、經濟系統等複雜的系統,複雜性科學放棄了還原分解的方法，取而代之的是一種自下而上的綜合集成方法。複雜性科學強調計算機模擬仿真，其基本思路就是通過觀察現實的複雜系統抽象出每個個體所遵循的簡單規則，在計算機中重現這些簡單的個體，並讓他們相互作用從而觀察計算機中的湧現結果，最後反過來用這些結果再來反映現實系統。
僅僅不到30年的時間，複雜性科學方法已經在各個領域得到了廣泛應用，並相應誕生了如人工生命、細胞自動機、複雜網絡等子學科。把複雜性科學方法應用到社會科學領域則誕生了人工社會這樣一門交叉學科。
人工社會是一種研究社會科學的新方法，其基本思路是：由於人類社會是由大量的個人構成的複雜系統，因而可以在計算機中建立每個人的個體模型，這樣的計算機中的人模型被稱為Agent；然後讓這些Agent遵循一定的簡單規則相互作用；最後通過觀察這群Agent整體作用的湧現屬性找到人工社會的規律，並用這些規律解釋和理解現實人類社會中的宏觀現象。
由此看出，人工社會是一門集成了計算機科學、社會科學、系統科學、計算機模擬技術、多Agent系統技術、人工智慧技術等的交叉學科。同時人工社會——基於Agent的社會學仿真又不僅僅是一門純粹炫耀技術的學科，因為它開闢了一條認識社會、理解社會的新路。自然科學強調科學實驗的方法，然而在社會科學中，實驗方法幾乎不可能。現在有了基於Agent方法的社會學仿真，人們可以通過研究現實社會在計算機世界中的「矽替身」，通過方便地修改人工社會所遵循的規則、參數，進行各種各樣的社會科學實驗。因此也有人說，人工社會就是研究各種各樣可能的社會。
短短幾十年的發展，基於Agent的社會學方法已經廣泛的應用於經濟學、社會學、生態學、環境學、組織理論、語言的起源、文化的傳播等廣闊的領域。
2 簡要歷史回顧
事實上，計算機仿真的方法運用到社會科學中已經不是什麼新鮮事，到目前至少已經經歷了50年的發展。早期的離散事件系統仿真、基於系統動力學的仿真以及後來的微觀分析模擬模型等計算機仿真技術已經在社會科學領域中得到了廣泛的應用。然而，人工社會的研究思路與這些方法的不同之處在於：人工社會中的模擬模型更加關心的是微觀個體的簡單行為在宏觀層次上的湧現屬性；在人工社會的模型中，每一個微觀個體Agent一般都是能夠獨立進行決策，並具有一定的適應、學習功能的個體；人工社會的Agent之間可能進行某種非線性的交互，而這類非線性是用傳統的數學方法、線性系統方法分析不了的。
2.1 早期的成功應用
Axelrod是最早運用基於Agent的社會學仿真方法的人之一。早在1984年的時候，他就舉行了一場別開生面的程序比賽——囚徒困境競賽。他邀請了世界各地的各行各業的專家編寫電腦程式，讓這些程序按照固定的規則在計算機的虛擬環境中進行「囚徒困境」博弈。通過觀察每個程序與所有其它程序的博弈得到的平均分來判定該程序的總表現。出人意料的是，一個僅僅有4行代碼的程序「針鋒相對」（Tit for tat）得分最高。這個Tit for tat程序的簡單規則正符合我們常說的「仁者無敵」。這次試驗不僅僅揭示出了合作現象是如何在一個競爭環境中自發湧現出來的，而且說明了在一個競爭激烈的、不確定的、複雜的環境中，「針鋒相對」這個異常簡單的規則是可以得到很好表現的這樣一個深刻的社會學道理。
另外一個早期的人工社會模型要算Arthur和Holland合作的人工股市模型（Artificial Stock Model）。與傳統的股市交易模型不同，Arthur等人放棄了每個交易Agent都必須具有全部的信息、完美的理性等等強假設，取而代之的是Agent可以通過歷史信息不斷地學習，修改自己對股價走勢的預測；也就是說人工股市ASM是一個不斷變化的永不平衡的系統，Agent之間的關係是一種既有競爭又有合作的協同進化關係。該模型成功地模擬出了真實股市中的「股市心理」，以及狂漲狂跌的非線性突變現象目前，運用人工股市模型，人們可以通過更改模型的參數來模擬、預測某種新的股票政策是否可以達到預期的效果。
1995年，Nigel Gilbert和Rosaria Conte編輯出版了《Artificial societies——The computer simulation of social life》一書,該書收集了Agent技術用於社會科學各個領域的論文，從此，人工社會被正式提出並變成了一個相對獨立的社會科學領域。
1996年，Epstein和Axtell兩人完成了一個人工社會系統——糖域（Sugarscape）這個模型雖然簡單，然而，Epstein等人卻把它當作了一個計算機中的社會科學實驗室，通過不斷地變換Agent遵循的規則，觀察各種各樣的社會現象，並把這些結論寫到了著作《Growing Artificial Societies——The social science from bottom》中。該模型將在後文中詳細敘述。
ASPEN模型是美國Sandia國家試驗室在1996年開始開發的一個基於Agent的經濟系統模型。這是一個較大規模的模擬了包括公司、住戶和政府等各種Agent的經濟系統模型，採用先進的建模技術以及大規模並行計算機的支持，ASPEN模型成功的應用於美國宏觀經濟系統和過渡經濟的研究中。
圖為美國Sandia國家試驗室。該試驗室可溯源至第二次世界大戰期間的曼哈頓計劃，911之後開始關注國家安全問題，開發前沿科技。[圖源：sandia.gov]
1997年，Axelrod出版了他的著作《The complexity of cooperation》，該書被譽為基於Agent的社會學仿真領域的經典讀物。在書中，Axelrod運用基於Agent的社會學仿真方法廣泛地探討了新戰略的演化、噪聲環境中的博弈、社會規範的形成、技術標準的誕生與演化、政治大國的興起和衰落、文化的異化和散布等社會學領域該書的意義在於，它用實際的例子說明了簡單的Agent計算模型可以被用來分析那些異常複雜、無從下手的社會學現象。
2.2 方興未艾的人工社會——基於Agent的社會學仿真領域
1998年，英國薩裡大學主辦國際學術期刊《人工社會與社會仿真雜誌》開始發行，標誌著這個領域的成熟。目前，與社科仿真有關的國際學術組織如仿真協會（Simsoc）、計算經濟學會等，每年都舉行多次各類國際學術活動，如每年一屆的國際計算機仿真與社會科學會議、計算經濟國際會議等。
現在，基於Agent的自下而上的社會學仿真方法已經蓬勃發展起來,並演化出了相應的子學科和子領域，這些領域包括：
（1）基於Agent的計算經濟學
基於Agent的計算經濟學（Agent based computational economic，簡稱ACE）是把基於Agent的自下而上模擬方法應用到經濟學的學科，該學科目前增長迅速，並越來越引起學術界的重視它不僅放棄了經典經濟學中關於個體的完美理性的苛刻要求，運用學習的有限理性的Agent來代替；而且在宏觀分析上得到了非均衡的不停進化的市場經濟。另外，基於Agent的計算經濟學還填平了微觀經濟學和宏觀經濟學分裂的鴻溝，這是因為宏觀經濟完全可以解釋為Agent交互產生的一種湧現屬性。
（2）計算組織理論
將Agent模擬技術運用到較微觀的組織系統中則誕生了計算組織理論（Computational Organization Theory）這個分支。早期的計算組織系統一般都是研究人工智慧的專家建立起來的多智能體系統，較成功的包括Garbage can、SOAR、Pluar-Soar模型等。之後，計算組織理論就不僅僅局限在人工智慧領域，越來越多的社會科學家、管理學、組織理論方面的學者開始關注這個領域並在組織的建模分析、組織結構的設計、組織學習、組織心理等多方面展開了廣泛的探討。
（3）語言演化的模擬
人腦本身是一個複雜的系統，當人腦對外面的客觀世界形成反映的時候就形成了自己的符號系統，而當若干人某些符號就被固定下來對應一種客觀世界，這種保留下來被多數人共享的符號體系就是語言。計算機是處理符號操作、計算的能手，因而用計算機也可以研究語言是如何起源並如何演化的。目前用Agent的方法研究語言的起源和演化已經形成了一個相對獨立的領域。
（4）文化的傳播與演化
英國生物學家Dawkins最早在他的暢銷書《自私的基因》中使用了謎米（meme）的概念。所謂的meme就是指一種文化的基因。這些文化的基因可以通過人類的語言媒介傳播而得到複製，在複製的過程中，還會因為失真而變異，因此Dawkins認為meme是可以不停進化的生命。用計算機模擬多個Agent之間文化基因meme的傳播則是文化傳播的計算機仿真研究思路。
圖為理察·道金斯（Richard Dawkins）所著《》一書書影。道金斯認為基因唯一感興趣的就是不斷重複地拷貝自身，以便在進化過程中爭取最大限度地生存和擴張。由於基因掌握著生物的「遺傳密碼」，所以一切生命的繁殖演化和進化的關鍵最終都歸結於基因的「自私」。[圖源：baike.baidu]
（5）社會規範的形成與演化
一些自私的、無組織的Agent是如何組織到一起並完成協作的？人類可以通過社會規範和準則來規定單個人的行為，然而這些社會規範又是如何形成的呢？採用自下而上的計算機仿真思路，我們可以清楚地看到，某種社會規範的確可以在多個Agent交互過程中逐漸形成並且，這種規範一旦形成就又會反過來影響系統中的所有Agent，這便是應用Agent仿真技術研究社會規範的形成與演化的主要思路。
另外，基於Agent的社會學仿真還包括在環境科學、交通系統、組織決策、社會變遷等各種領域的應用。
3 人工社會實例——Sugarscape
前面我們已經大概介紹了人工社會——自下而上的基於Agent建模方法的研究概況，下面分析一個人工社會的實例——糖域（Sugarscape）,看看具體如何應用這一方法進行社會建模分析。
Sugarscape的中文翻譯就是糖域，這是一個由Josh Epstein和Bob Axtell兩個人開發的人工社會模型。在一個二維的虛擬世界中分布著固定的被稱為「糖」的資源。大量的Agent在二維世界中遊走，並通過不斷的收集「糖」來增加資源。由於每個Agent都會在一個周期中消耗一定單位的糖，所以當糖消耗光的時候它就死去。我們可以通過變化Agent所遵循的不同規則來研究包括環境變遷、遺傳繼承、貿易往來、市場機制等等廣泛的社會現象。下面，我們從最簡單的糖域模型開始探索這個人工社會。
3.1 最簡模型
在最簡單的糖域模型中，世界是由50×50的方格單元構成的。並且有兩個糖資源比較集中的區域（如圖1（a））。所有的Agent僅僅能在這個世界中不停的移動。
每個Agent包含兩個變量：視力範圍r和資源的新陳代謝率v這兩個變量。當Agent一出生就固定了並且決定了該Agent的行為表現。Agent具有局部感知的能力它僅能感覺到上下左右四個方向r個單元內的世界情況。我們用s表示當前Agent所搜集到的糖的總和，在開始的時候每個Agent都會隨機的分配一個s數量。
（a）糖的分布,顏色越深的地方表示糖的含量越高
（b）Agent的分布,開始時所有的Agent都隨機的分布在世界中
圖1 Sugarscape的糖和Agent的分布
Agent在世界中的遊走遵循下面的規則：
Agent移動規則：
觀察四個方向中視力範圍內的所有單元，並確定出擁有最大糖含量的單元；
如果有幾個方格單元含有最大的糖含量，那麼就選最近的一個；
移動到這個方格；
收集該單元方格的糖並更新變量s。
在每個仿真周期內，Agent完成移動的同時還要消耗一定單位的能量，消耗的具體數值稱為新陳代謝率，用v表示。顯然v越大，這個Agent就越容易死亡。如果糖域中的糖數量不增加，那麼我們可以預測到，所有的Agent將會很快的死去。因此我們還需要為環境制定糖的增加規則：
環境規則G：
每個單元格都對應一個固定的最大糖含量capacity；
每隔一個時間間隔a，單元格會增加糖的容量直到達到capacity為止。
所有的Agent就是遵循這些規則在世界中不停地移動，通過觀察程序的運行結果我們看到一方面Agent的數量在減少，另一方面大部分的Agent都集中到了糖含量比較高的兩個區域。因為規則規定了僅有Agent消耗完所有的糖資源的時候才死去，所以遺留下來的Agent大部分都很長壽，而且由於他們總能吃到新的糖，所以能夠長期的存活下去。
下面，為了探討這個人工社會中的各種各樣的有趣現象，我們需要添加新的規則。
3.2 財富的分配
無論什麼社會，人類的財富總是不能得到均勻的分配。這種現象是不是必然的呢？我們可以用糖域模型來回答。
最簡單的模型中Agent死去不會再生。另外Agent的壽命沒有限制，也就是說只要Agent能夠獲得糖它就會永生下去。為了研究財富在Agent之間的分配，我們需要添加這樣的替換規則：
替換規則：
當Agent的壽命age超過他的最大壽命max age就會死去。
每個仿真周期，每個Agent的age都+1。
當一個Agent死掉的時候，環境會產生一個新的Agent替換這個死掉的agent,這個新生Agent的所有屬性都隨機的分配，包括它的最大壽命max age以及它在世界中的位置。
那麼，隨著時間的推移，糖資源（相當於財富）在Agent之間將如何分配呢？圖2表示出了若干仿真周期後糖在各個Agent之間的分布情況。
（橫軸是糖含量，縱軸是在某一糖含量區間Agent的數目）
圖2 Agent之間的財富分布
我們看到，隨著時間的推移，財富分配不均的現象將會湧現出來也就是說少數Agent擁有大量的糖資源，而多數的Agent僅僅擁有少量的糖。因此也可以說，財富的分配不均勻是系統自發產生的一種必然現象。這就是社會科學中著名的馬太效應。因為一些Agent可能在開始由於它的個人能力、所處地方資源的分布等一些優勢可以獲得較多的資源糖，那麼因為新陳代謝率不變，隨著它所獲得資源的增多，這就相當於它的活動能力會增強，並更加有可能存活下去。這就是說，該Agent具有了更多的機會收集更加大量的財富。
3.3 糖與香料：原始經濟的誕生
經濟學告訴我們,人們之所以相互交換商品促使經濟的誕生是因為可以在交換中獲得好處。一個人對資源的需求是多方面的，而因為個人的能力有限，所以他不可能同時擁有多種資源，這個時候交換就在所難免，這也就是原始經濟的起源。
在糖域中,我們同樣可以看到這種最原始的經濟的起源。假設糖域中不僅含有糖，而且含有另外一種資源，我們稱其為香料。每一個Agent不僅僅需要糖同樣也需要香料。而糖和香料分配在不同的區域，這樣在糖資源較多的區域中，Agent可以收集到很多的糖卻有較少的香料，而在香料資源多的區域中，糖卻很少。這時兩類Agent就會在邊界地區進行商品的交換，從而使得兩方Agent都能得到較大的滿足。同時，Agent在每個周期中既要消耗糖也要消耗香料，因此需要有兩個新陳代謝率來刻畫。m1是糖的新陳代謝率，m2是香料的代謝率。
為了刻畫Agent的滿足程度，我們使用福利函數的概念。福利函數的自變量是Agent所收集的糖資源量和香料的資源量，而函數值是一個實數，反映了Agent的滿足程度也就是說福利函數值越大，Agent就越滿意。假設Agent的糖資源總量為w1，香料的總量為w2。那麼，福利函數W(w1，w2)為
其中，mf=m1+m2，從該式中我們看到，如果Agent積累的糖或者香料越多則它的福利就越大同時如果糖的新陳代謝比香料的快（也就是m1>m2），那麼同等量的糖和香料對Agent的滿足程度是不一樣的，顯然糖要比香料大一些換句話說，Agent對糖的需求會更大。
有了福利函數，Agent的移動規則就要相應的作改變，以前是移動到糖含量最大的區域，現在則應該移動到能夠使自己福利最大的區域：
Agent移動規則：
——觀察四個方向中視力範圍內的所有單元，並確定出這些單元中的糖以及香料的含量，然後找到能夠最大化自己的福利函數的單元；
——如果有幾個方格單元可以最大化福利函數，那麼就選最近的一個；
——移動到這個方格；
——收集該單元方格的資源並更新變量w1和w2.
這樣，所有的Agent都會朝向能夠最大化自己的福利函數的地方移動，但是這並不能讓Agent發生商品交換，所以我們還需要給他們制定交易的規則。為了進一步討論，我們需要引進經濟學中的邊際替代率的概念。邊際替代率衡量了對一個交易者來說兩種或兩種以上的商品相對的重要程度。比如糖域中的Agent面臨糖和香料兩種資源的選擇。1單位的糖給Agent增加的福利增加相當於多少單位香料給他增加的福利呢？這個比例就是香料對糖的邊際替代率。一般的，我們用下面的公式來表達：
顯然如果MRS>1，那麼表示1單位糖的增加能夠比增加1單位香料給Agent帶來更大的福利，也就是說糖比香料更重要；如果MRS
考慮A和B兩個Agent相遇，這個時候A的香料對糖的邊際替代率為MRSA，B的為MRSB，那麼如果MRSA>MRSB，A就比B更需要糖，B比A更需要香料。這個時候A應該買進糖而賣出香料，反過來B應該買進香料而賣出糖。當MRSAB的情況跟上面敘述的情況正相反。
下面我們應該考慮兩種商品的交換價格。也就是當兩個Agent協商成交的時候用多少單位的糖來交換香料。下面的公式可以計算價格：
當價格P>1的時候，1單位的糖就能交換p單位的香料，如果PA和MRSB取平均值，也就是整體對糖的需求量越大，則應該能交換越多的香料；反過來p越小，對香料的需求越大，所以1單位香料能交換更多的糖。另外，需要指出的是式（3）是局部的，也就是說僅有A和B相遇的時候才會以該價格成交，而其它的Agent交易則應該重新計算交易價格。這樣，我們就能制定Agent的交易規則T：
首先，每個Agent和它的鄰居都要計算自己的邊際替代率如果所有的邊際替代率都相等，則不用交易，否則繼續；
擁有較大邊際替代率的Agent賣出香料買進糖，擁有較小MRS的則買進香料，賣出糖；
根據式（3）計算交易的價格；
按照如下的規則分配交易量：如果：p>1，那麼1單位糖交換p單位香料；如果p
如果交易能夠使得兩個Agent都獲利（繼續增加他們的福利函數值），那麼就返回第D步繼續交易，否則就結束，也就是說交易不停的發生多次，直到兩者的福利不再提高為止。
下面我們來看看增加了交易情況的糖域的演化行為。為了過濾掉其它因素的幹擾，我們這樣來設定糖域模型：初始時刻讓所有的Agent視力範圍都是1，隨機地給他們分配從25到50單位的糖和香料，隨機的分配糖和香料的新陳代謝率C從1到5單位取值並且假設所有的Agent不會死亡，我們能看到這樣的一些結果如圖3所示。
從圖3（a）中我們能看到平均交易價格隨時間的演變價格的標準差對數則如圖3（b）所示。價格的標準差在逐漸降低，說明價格的波動在逐漸減小，但是該圖顯示價格的標準差趨向於的趨勢很慢，這說明經濟遠遠沒有達到均衡。
如果讓Agent的視力範圍不是固定的1，而是從1到15之間隨機取值，那麼新的標準差曲線雖然還是在波動如圖4（a），但總的趨勢在減小並逐漸趨於這也就說明價格的波動一直在減小並逐漸趨於穩定。這一點是符合經典經濟學預言的，也就是最後市場將趨向於均衡，所有的交易都發生在均衡價格下。
如果Agent的年齡在60到100之間隨機取值，並且他們的視力從1~5之間隨機取值，我們得到價格標準差的圖如圖4（b）所示。
圖4顯示，價格的標準差一直在波動並且不為。也就是說價格也一直波動不會停留在某個平衡的狀態。
通過這一系列試驗我們發現，傳統經濟學中預言的均衡的經濟體系僅僅當交易者具有很好的視力範圍，也就是他們能掌握更多的市場全局的信息，並且每個交易者都能存活足夠長的時間的情況下才有可能達到。而更加一般的情況時，市場根本不可能均衡。這一點恰恰說明了經典經濟學的局限性。
總結
上面介紹的糖域的相關試驗僅僅是這個模型反映的人工社會問題中的一小部分，更多的內容讀者可以從 J. M. Epstein和R. Axtell1996年出版的書中讀到。總之，糖域模型就好比一個非常方便的實驗室，社會學家、經濟學家可以任意的制定、修改模型的規則而觀察豐富的社會現象的湧現以前人們為了某一個社會現象可能會爭論不休，但是爭論的任何一方都不可能拿出充分的證據來，因為社會現象是不可能重演的，然而現在有了糖域這樣的人工社會試驗場所，人們便可以通過計算機模型來 論證和檢驗自己的觀點了。
4 關於人工社會建模方法的討論
4.1 人工社會建模的一般方法與步驟
通過上面介紹的SugarScape模型，我們可以總結出，一般情況下的人工社會模型建模有下面幾個步驟：
(1)首先，觀察現實社會並抽象出一系列的假設（A）；
(2)其次，根據假設（A）建立Agent的個體模型，以及Agent之間的相互作用規則（R）；
(3)接下來，通過計算機仿真觀察計算機中的人工社會的宏觀湧現結果和動態（O）；
(4)最後根據觀察結果（O）得出結論從而對現實社會現象進行解釋；
(5)修改模型中的參數和規則，觀察參數如何影響模型的湧現結果。
這其中，比較重要的是第一步，也就是從現實社會中抽象出假設。因為它決定了人工社會模型的實用程度。然而也有的人工社會文獻僅僅從模型出發研究純粹的人工社會的性質，而並不關心這樣的人工社會是否是現實社會的反映，它們完全是一種模型驅動的研究方法。雖然這類人工社會模型遭受到了各方面的批評，但是他們強調的是人工社會本身的價值就在於研究各種可能的社會，而並不一定是真實的社會。
有的時候，（5）也顯示出了關鍵作用，因為正是通過不斷調整模型的參數才達到了人工社會試驗的目的。人工社會系統本身為社會科學工作者提供了實驗的平臺。因此也有人說，人工社會系統就是社會實驗室。一項影響社會系統的決策如果先在人工社會試驗室中反覆試驗並進行充分的論證，將會給實際的決策帶來更小的風險。
4.2 建模技術
人工社會是一個多學科交叉的領域，其中計算機建模技術是關鍵。在人工社會模型中應用最多的模型就是Agent。最早研究Agent技術是在人工智慧領域，研究集中在單個Agent的建模而後來人們逐漸把目光移到了多個Agent的相互交互和作用上，也就是多智能體系統。目前，Agent的模型技術可以說是五花八門。然而，在社會學仿真領域，人們卻並不需要特別複雜的單個Agent建模技術，因為人們關心的是多個Agent交互作用的宏觀湧現結果，只要Agent模型群體在宏觀上能夠表現出一定的社會效應，並且能夠反映人工社會研究者的研究需要，那麼Agent模型則應該建立的越簡單越好叫這樣的界定有利於人工社會研究者把目光集中到模型能夠反映的社會問題上來。
另外，多個Agent要完成交互則需要一定的模擬空間和拓撲結構。最常用的模擬空間就是如上面Sugarscape中講到的網格空間。在複雜性科學領域，這樣的規則排列的網格空間叫做細胞自動機。細胞自動機是一類更簡單的空間作用模型。若干方格由不同的狀態組成，方格狀態的變化組合湧現出各種各樣的動態屬性。另外一類模擬空間就是網絡模型。在這裡，Agent之間的交互是在一個網絡上進行的，也就是說每個Agent都看做是網絡上的一個節點，兩個Agent間的交互看做是網絡上的連線，這樣，網絡模型更加抽象地反映了Agent之間交互的拓撲結構。近年來，複雜網絡的研究已經興起並引起越來越多人的重視。人們從早期的「六度分離」試驗中總結出了大量關於複雜網絡的統計性特徵，並用計算機模擬的方法總結出不同網絡種類的動態。小世界網絡、無尺度網絡是人們研究最多的兩類網絡，因為這種模型網絡的統計特徵與人類的社會關係網絡、Internet網絡、知識網絡等實際的網絡具有相似的特徵。在這樣的複雜網絡上研究Agent的交互則具有更加現實的意義。
人工社會研究方法要求研究者具有較高的計算機建模水平，然而這是不現實的。幸好，近年來為了滿足廣大人工社會研究者的需要，各種各樣的建模軟體陸續出現社會科學工作者可以忽略計算機建模技術的細節而直接運用現成的工具軟體進行分析。文獻中介紹了運用mathematica軟體進行社會學仿真的方法；Santafe研究所開發的社會學仿真平臺SWarm已經得到了廣泛的應用和研究人員們的好評；Starlogo則是一款由MIT開發的簡單好用的複雜適應系統建模工具。另外，還有各式各樣滿足單獨學科的計算機軟體平臺，比如用於網絡分析的Projek用於經濟系統的TNG平臺等。總之，隨著這類建模工具的普及，越來越多的社會科學工作者將會逐漸融入人工社會的研究大潮中。
4.3 人工社會方法的特點
傳統研究社會科學的方法主要有三種：數理模型方法、統計數據實證分析、基於自然語言的論證。數理模型方法多用於經典的微觀經濟學，他們通過簡單的抽象得到對經濟人的一般假設，然後運用數學演算、定理證明的方法得到一般性結論。這種方法思路清晰，能夠為某類社會現象提供嚴格的解釋和洞察，然而卻一般不能精確預言社會整體的行為。
統計數據實證分析則根據社會宏觀統計數據得到整個宏觀系統的統計模型，然後運用統計模型推得現實社會進行預測和分析。然而這類方法一般並不關心產生某類社會現象的微觀機理，因而不能洞察某類社會現象的本質。
基於自然語言的論證方法雖然能夠反映某人對社會現象的深刻理解，但是它的主觀性過強，因而科學性較弱。由於缺乏嚴格的邏輯證明，所以常常會導致多家爭論不休的局面。
人工社會的方法更像是數理模型的方法。通過對社會系統進行抽象建立起計算機中的模擬社會與數理模型不同的是，人工社會基本不應用數學推理、證明的方法，因為一般人工社會模型對於Agent的抽象規則往往是非線性的、複雜的。而傳統的嚴格數學證明方法由於依靠的是人的腦力而不太可能理清多個變量、錯綜複雜的非線性相互作用規律，然而計算機則是一個天然的能夠分析複雜的非線性作用的有力工具，這些簡單Agent不停交互的結果能夠湧現出比數理方法預言更多的結論。與統計實證分析方法不同，人工社會方法一般並不能提供對真實系統的精確預言，但是它能夠提供對社會系統的本質洞察和理解。人工社會另外一個優點就是為各種各樣的社會學觀點提供了實驗的平臺。人們完全可以放棄無謂的詞語上的爭論，而運用計算機模擬的方法達成共識。
5 結束語
本文論述了人工社會——基於Agent的社會學仿真方法，回顧了其發展的大概歷史，並針對一個具體的人工社會模型——糖域進行了比較詳細的分析，最後總結了人工社會建模中的若干問題。
目前，人工社會已經成為國外的一個炙手可熱的研究領域，然而我國的社會科學工作者還沒有對這個領域給予足夠的重視，相對研究探討的較少。隨著複雜性科學的深入，已經有越來越多的學者開始重視社會科學中的計算機仿真方法了。
雖然人工社會方法目前還不能算是一套成熟的體系，因而也沒有一套完整而成形的理論，但是它的應用已經深入了社會科學的各個領域，由此可見它對人類社會研究具有深刻的影響。相信人工社會方法對於我國的社會科學研究來說將是一個新的機遇，同時也充滿了挑戰。
*本文選自《系統工程》，第23卷第1期（總第133期），為閱讀及排版便利，本文省略了注釋，敬請有需要的讀者參閱原文。
**封面圖為電影《黑客帝國》劇照。劇中主人公發現看似正常的現實世界實際上是由一個名為「矩陣」的計算機人工智慧系統控制的。[圖源：baike.baidu]
〇編輯/排版：椒鹽
聲明〡本圖文來自社會學社。版權歸原作者及原出處所有，內容為作者觀點，不代表本公眾號贊同其觀點和對其真實性負責。如涉及版權問題，請與我們聯繫。