Учитывая, сколько всего поставлено на карту в подобных симуляциях, рассказывает Барретт, пользователи всегда хотят знать, почему они должны доверять результатам. Как они могут быть уверены в том, что данные моделирования имеют какое-либо отношение к реальному миру, особенно в таких случаях, как ядерные катастрофы, когда нет достаточного количества эмпирических данных?
Окончание. Начало читайте здесь.
Барретт утверждает, что у этого вопроса есть несколько ответов. Во-первых, пользователям не стоит ожидать, что модели сделают им конкретный прогноз, скажем, о крахе фондового рынка в следующий вторник. Вместо этого специалисты учитывают неизбежные неопределенности путем усреднения результатов множества прогонов каждого сценария и отображения вероятного диапазона результатов. Примерно как это происходит с прогнозами ураганов. Это позволяет планировщикам использовать модель в качестве испытательного стенда для проигрывания последствий принятия решений A, B или C.
Во-вторых, по словам Барретта, разработчики моделей не должны просто лепить их и ожидать, будут ли иметь смысл конечные результаты. Вместо этого они должны проверять модель по мере ее создания, изучая каждую часть, которую они закладывают — например, как люди добираются с работы домой — и сопоставляя ее с реальными данными от перевозчиков, переписями населения и другими источниками. «На каждом шагу есть данные, которые приходится калибровать», — подчеркнул он.
Моделистам также следует пытаться калибровать поведение агентов, используя исследования человеческой психологии. Это совсем не просто, люди сложны, но в кризисных ситуациях склонны действовать проще. Например, модель СНП1 имеет встроенные правила, которые заставляют агентов перемещаться по локации лишь несколькими способами, такими как «поиск медицинских услуг», «поиск убежища» или «эвакуация».
Тем не менее, по словам Джули Дагдейл, разработчика искусственного интеллекта из Университета Гренобля во Франции, изучающей поведение человека в условиях стресса, результаты исследований поражают. «Мы обнаруживаем, что во время землетрясений, — рассказывает она, — люди больше бояться потерять родных или друзей, чем самой стихии». Поначалу они будут искать своих близких и в процессе этого подвергать себя явной опасности. То же самое, как утверждает Дагдейл, касается и пожаров. По замыслу инженеров, когда звучит сигнализация, люди немедленно и упорядоченно направятся к пожарным выходам. Но проследите в следующий раз, когда у вас в здании будут проходить учения по пожарной безопасности, говорит она: «Люди не бегут спасаться, не поговорив прежде с окружающими», и при необходимости не собрав родных и близких.
Исследования также показывают, что слепая, бездумная паника встречается довольно редко. В опубликованной в 2011 году агентной модели социолог Бен Агирре с коллегами из Делавэрского университета в Ньюарке попытались воспроизвести то, что произошло во время пожара в ночном клубе в Род-Айленде в 2003 году. Тогда толпа устроила такую давку, что никто не мог пошевелиться, в итоге погибли 100 человек. Из полицейских сводок, местной прессы и сведений выживших команда Агирре собрала точные данные о жертвах, их поведении и взаимодействии с окружающими. И когда исследователи встроили все это в свою модель, по ее словам, наиболее соответствовавшие обстоятельством реального пожара прогонки практически не показали паники. «Мы обнаружили, что люди просто пытались выйти оттуда с друзьями, коллегами и близкими, — утверждает Агирре. — Они не пытались навредить друг другу. Это была случайность».
Модель СНП1 пытается учитывать такие тенденции, отправляя своих агентов в режим «поиска родных» гораздо чаще, чем в режим «паники». При этом результат порой может быть противоречивым. Например, модель предполагает, что сразу после взрыва чрезвычайные службы должны быть готовы к тому, что некоторые люди ринутся в эпицентр, неистово пытаясь забрать детей из школы или найти пропавших супругов, и создавая таким образом заторы и давку. Отсюда проистекает хороший способ уменьшить хаос: оперативно восстановить аварийное обслуживание мобильной сети, чтобы люди могли убедиться, что их близкие находятся в безопасности.
Если у разработчиков агентных моделей и есть какие-то приоритеты, то это сделать свои симуляции максимально простыми для сборки, запуска и использования — не в последнюю очередь потому что это сделает их более доступными для тех, кто принимает решения в реальном мире.
Эпштейн, например, хочет создать сеть национальных центров, где ответственные лица будут иметь доступ к тому, что он называет петабайтной инструкцией: библиотеке, содержащей цифровую версию каждого крупного города с заранее вычисленными моделями практически любой потенциальной опасности. «Потом, если что-то на самом деле случится, например, выброс токсических материалов — говорит он, — мы могли бы выбрать наиболее близкую модель происходящего и практически в реальном времени производить расчеты таких вещей, как оптимальное соотношение между количеством людей, которым требуется убежище по месту происшествия, и эвакуация».
В том же ключе думает специалист-компьютерщик Мадхав Марате из Virginia Tech. Когда надвигается ураган 5 категории, говорит он, какой-нибудь чиновник вроде мэра Сан-Хуана не может неделю ждать анализа возможного воздействия бури на электросеть Пуэрто-Рико. По его словам, ей нужна информация, на основании которой можно действовать, «а значит — модель с простым интерфейсом, работающая в облаке, позволяющая обеспечивать очень сложный анализ за очень короткий промежуток времени».
Марате называет это «агентное моделирование как услуга». Последние 4 года его лаборатория занимается разработкой и тестированием веб-инструмента, который позволяет чиновникам системы здравоохранения строить симуляции пандемий и делать анализ ситуаций по принципу «что, если» самостоятельно, без необходимости нанимать программистов. Всего несколькими кликами пользователи смогут указать ключевые переменные, такие как интересующий район, от отдельного города до Соединенных Штатов в целом, а также тип заболевания, например, грипп, корь, лихорадка Эбола или что-то новое. После чего, используя встроенные в программу карты и графики, смогут наблюдать за разворачиванием модели и последствиями своих действий.
Несмотря на то, что он специализируется на эпидемиях, Марате утверждает, что основные географические модели и синтетические популяции разрабатываемого им инструмента являются общими, и могут применяться к другим видам бедствий, таким как химические выбросы, ураганы и веерные сбои в энергетических сетях. В конечном итоге, по его словам, «вся надежда на то, что подобные модели будут встраиваться в индивидуальные сервисы — для вас, вашей семьи или города». Иными словами, как добавляет Барретт, «если я отправлю Джимми в школу сегодня, какова вероятность того, что он заразится вирусом Зика?».
«Так что использовать такие системы будут не только бюрократы, — заключил он. — Это будете вы. Это будет так же обыденно, как Google Maps».
