身体的智能：7.2基于智能体的建模
Josh Epstein和RobAxtell，两人都受过经济学、公共政策以及计算方面的正规训练，在他们那本很薄，但是引人注目的著作《构建人造社会―一自下而上的社会科学》（Building Artificial
Societies:Social Science from the Bottom Up）中提出了从总体上将人工生命方法用于社会科学，特别是用于经济学研究。使用他们的“数字化社会科学工具箱”――一种基于智能体的仿真工具，进行实验，结果十分有趣并让人惊讶。他们在书中给出的一项研究可以追溯到哈佛大学有影响力的经济学家Thomas C.Schelling的工作。此人在20世纪60年代晚期对种族隔离问题颇感兴趣，当然无论是现在还是将来，这都是世界上许多地方尚待解决的问题。通过使用基于智能体的仿真工具箱，Epstein和Axtell可以对智能体的各种参数进行定义。这些智能体“生活”在二维的格子世界，并且它们只是遵循一个局部的交互规则―一如果具有其他颜色（红色而非蓝色）的邻居数量超过了智能体的参数水平，它就会移到其他栅格点。在一次仿真中，他们假定某个种族的成员偏爱它们的邻居至少有25%
的同类（但他们并不介意，例如，他们的邻居有70%是不同种族的）。即使是有着这样非常好的容忍度，社会中也会出现隔离现象，也就是，蓝色和红色区域会开始形成，并且智能体的分布并不是随机的。当他们将智能体容忍度些微减少了点，并假定容忍度均匀分布在25%~50%之间，如一些智能体的容忍度只有27%，而另一些智能体的容忍度则有40%等。社会将会高度分离成很大的蓝色和红色区域。这说
明了这样一个事实，可以说尽管智能体仍具有相当的容忍度，但仍然产生了高度隔离的试验结果。这些试验结果的令人惊讶之处在于，不愿意生活在完全异类周围的倾向性即使非常适度，也导致了隔离的形成。因而作为一个整体，社会看上去是非常隔离的，但是这种隔离并非个体信仰的反映。这种隔离涌现于简单的局部行为规则，也就是说，这是一种只考虑直接邻居的规则（关于原始模型，参看Scheling，
1969；关于新版的模型，参看Epstein和Axtell，1996，165-171）。
需要注意的是，智能体的行为规则是高度抽象的，并且没有考虑感知或者感觉一运动过程，这表明了对社会性交互建模时存在的强势假设。换句话说，规则认为忽略智能体的感知是理所当然的。大多数基于智能体的仿真模型就是建立在这样高等级的社会性交互规则上的，这些假设抽象省略了包括感知在内的具身性的所有细节。在Charlotte Hemelrijk关于人工灵长目动物的统治交互（dominance
interaction）
模型中，她假设了一条社会交互规则，称作统治交互规则，即个体统治值的增加或者减小，取决于其在当前的统治交互中（例如，一场战斗）是胜利还是失败。在真实的世界里，这样的统治交互是一种复杂的社会行为，需要精密的感觉和运动技能。
一个有趣的事实是，尽管有这些抽象，仍能经常获得一些真知灼见。Schelling模型演示了社会隔离极易发生；通过Hemelrijk的模型，可以发现具有高统治值的个体最终位于他们所居住空间的中央，而其他个体会移向周围，这与真实灵长目动物群里的情况非常相似（关于细节，参见Hemelrijk，2002年）。如果在未来的仿真（或者真实世界的实验）中，对感觉和运动能力进行了建模，其将产生何种涌现行为，这是一个有趣的课题，但目前，这一研究领域几乎无人涉足。
基于智能体的仿真研究的另一个引人之处在于其与进化方法的相互结合。
Epstein和Axtell提出了所谓的
Sugarscape模型。这是一个格子世界的模型，其中每个栅格点都有一定浓度的糖，智能体的特征描述采用两个遗传确定的参数，即视力（它们能看多远）和代谢能力（它们消耗糖的速度）以及由它们的储糖量所表示的当前状态。智能体遵循着一个简单的行为规则――在它的视野范围内寻找具有最高糖浓度的栅格点，移向那个点，然后消化那些糖（即存储它们）。它们看得越远，就越有可能找到高浓度的糖，代谢速度越慢，消耗的糖就越少。还存在着一条“性规则”，通过这条规则智能体能复制并且传递它们的遗传属性，即视力和代谢能力给它们的后代。
假定糖浓度存在着周期性的变化，看得更远、消耗糖更少的智能体将有更多的生存机会。因而，经过一段时间的进化，那些看得更远、消耗糖更少的智能体将会增殖，这是相当明显的。如果再加上一条规则，继承规则，这条规则已经介绍过了，即如果一个智能体死亡，它的孩子们将等量继承它的糖。所得到的结果令人吃惊，通过继承，对视力的选择压力降低了，而且有着微弱视力的智能体现在也有了生存的机会，而这些智能体原本是要被进化所淘汰的。因而，我们可以看到，遗产继承这样一条社会规则对生物进化是有影响的。当然，现在这一结果成了一个政治热点。
依据Epstein和Axtell的观点：“有趣的是，一些‘社会达尔文主义者’反对将财富分给穷人，认为纯粹的自然选择压力‘最有利于物种’。但是，他们却没有提到财富由富人到他们后代的两代间转移冲淡了这种选择压力”（p.4）。基于智能体的仿真开创了研究某些问题的可能性，例如，社会规范与生物进化之间的交互作用，这些问题在真实世界中是不可能进行系统研究的。
作为这类仿真的最后一个例子，让我们看看群集行为。Craig Reynolds，一位沉迷于大自然成就的计算机科学家，从孩提时代起就对鸟儿如何成群飞翔感兴趣。许多动物，如昆虫、鸟、鱼会成群结队，连哺乳动物也是如此（野牛和野马是两个例子）。Reynolds创造了被称作“boids”的计算机仿真系统，其中的智能体能够群集（Reynolds，1987）。Reynolds强调了一点，boids这个术语与鸟无关，“boids”是一种电子创造物而非某种真实鸟儿的模型，它们以自己的方式存在。顺便提一下，这样的定位，在人工生命领域经常遇到，并且，这也减少了此类研究的吸引力。不过，由这个术语所暗示的其与生物学或者真实世界的联系，仍使这一工作非常吸引人。
不考虑Reynolds的boids在仿真里飞得有多可爱，我们仍忍不住要问真实的鸟会如何做，它们的所作所为与boids相似吗？
这些boids 群集起来是基于三条简单的局部交互规则――避碰、速度匹配或者结盟以及中心聚集。避碰意味着boids应该不会飞到其他boids中去，所以存在来自于其他物体的一种排斥。一个boid调整它的速度以匹配它邻居的平均速度，也就是如果它的邻居们飞快了，它也会加速，还会开始向与其邻居差不多相同的方向飞行。此外，基于它邻居们的位置，boid将会向局部密度最高的boids区域移动。
在这些简单规则下的仿真结果非常让人惊讶。但是，依据我们以及许多其他学者的经验――根据其环境的不同一―这三条简单的规则需要一定的修正。例如，如果有障碍物，boids能很轻易地分开；boids需要一个缺省的速度（没有其他信息可利用时采取的飞行速度），否则作为一个整体的boids群或许待在原地不动。
或许Reynolds的规则并非真实鸟群的准确模型，但是由它导致的行为看上去如此贴近真实情况，以至于这种算法的变体已经广泛用于娱乐产业中，以使动物或者人类群体的仿真运动看上去更真实一些。该模型已经用于大量的电影中，来模拟动物的群集行为，如Tim Burton的影片“编蝠侠归来”（Batman Returms）里的企鹅们，迪斯尼影片“狮子王”（Lion King）里羚羊群的奔跑，还有“海底总动员”（Finding Nemo）里许多不同种类的海洋生物的成群游动。