随着心理学方法论革命的进展，社会科学兴起了计算社会科学(Computational Social Science)的热潮。顺应时势，笔者想开通一个系列，向大家分享介绍计算社会科学中的一个重要分支，Agent-Based Modeling (ABM)技术。在这次疫情中，应用ABM技术模拟的病毒传播模型被广泛应用于各国疫情的应对中，为抗击新冠做出了突出贡献。ABM并非新生事物，早在1971年，Thomas Schelling就以基于ABM的segregation model闻名，并于2005年因其基于ABM对社会，政治经济，以及合作与冲突的研究获得诺贝尔经济学奖。在这个系列中，笔者将向各位介绍这门技术的基本原理与特征，并介绍一些经典的模型，让各位认识这一尚不知名却潜力无限的社会科学前沿技术。笔者本身即是正在学习ABM的学生，希望能与大家共同学习进步。
1. 什么是ABM?
1.1 ABM是一种理论建立(theory development)技术。
如下图所示，在计算社会科学的大家庭中，ABM是计算机模拟(computer simulation)的一种。与之相对比的就是大数据方法，大数据更加偏重应用，是通过收集大量数据 (data collection)来预测现象 (phenomenon)的方法，其不足在于虽然可以预测，但难以对被预测的现象进行解释。而ABM更加偏重理论。其作用在于通过计算机模拟提取理论 (theory)和提出可检验，可证伪的假设(hypothesis)。它不仅可以对现象提出预测性假设，还可以通过理论解释现象和现象的成因。
1.2 ABM的核心概念
ABM的一个核心概念是社会突现 (social emergence)。一个社会的整体特征，并非这个社会中所有个体特征的简单相加，而是在个体特征引导下的互动造成的结果。个体之间互动，往往导致社会整体特征与个体特征大相径庭。这种个体行为和互动上升到社会总体特征的过程，被称作社会的突现。例如，在笔者将在这个系列里介绍的Schelling种族隔离模型(segregation model)中，种族隔离可能是由内心倡导种族平等的公民造成的。组成一个社会的所有人都没有种族隔离的意愿，也并不排斥与肤色不同的人一同居住，只是希望邻居中至少有一部分人与自己是相似的。即使是在这种情况下，最后社会中，种族之间仍然是隔离的。白人与白人聚居，黑人与黑人聚居，聚居区之间有清晰的分割，在地图上呈现为一块块的聚集。
下图中的蓝色图块代表黑人，红色图块代表白人，白色图块代表空房间。threshold代表人们对与其他种族一起居住的态度，当 “街区”中同族人数高于threshold百分比时，他们就会愿意继续居住，只有同族比例低于threshold时才会“搬家”。蓝色图块和红色图块都可以自由搬家，直到所有的图块都满意为止。如图所示，无需种族间的水火不容，只要当threshold为70%时，最终的种族聚居情况就已经是完全分裂了，种族之间的居住地没有任何接触，被白色的空格隔开。直到threshold为30%时，种族分割情况仍旧是非常严重，大部分白人都居住在地图中间的红色区，而黑人居住在地图边缘。
ABM中的另一个核心要素为“代理人”，即ABM中的A (agent)。在Schelling segregation model中代表黑人和白人的色块就是典型的代理人。代理人具有以下8种特性：
1) 离散性 (discrete)：代理是独立的，具有可辨别边界的个体
2) 情境性 (situated)：代理存在于环境，并与环境交互。该环境包含其他代理，也可能包含其他(非代理的)资源、危险等等。
3) 嵌入性 (embodied)：代理可能是表征的(机器人型的)或完全软件模拟出的存在；后者更为普遍
4) 主动性 (active)：代理不止会被动地受环境影响，也拥有一整套行为模式主动改变环境。
5) 信息受限 (limited information)：代理并不是无所不知的，只能从离自己最近的环境中收集信息。比如，代理们只能看到他们临近处(而非全部)代理和他们自己的行为(而非他们的内在状态，目标等)。
6) 目标自主(autonomous goals)：代理有他们自己的目标，并且会独立做出行为决策来实现这些目标，而不是像受某种集权指挥的士卒一样。
7) 有限理性 (bounded rationality)：代理只能根据一些简单的规则来收集信息和产生行为，不能为了实现利益最大化进行全面的计算。
8) 适应性 (adaptation)：有些模型假定代理仅使用固定的，预设的规则来产生行为；而另一些模型中的代理可以根据经验调整行为。
2. ABM的核心优势及应用
如前文所描述，ABM的研究方式是设置和调整个体水平上的代理的行为和互动模式，而后观察集体水平上的总体特征的改变。这种研究方式是独一无二的，也是ABM的核心优势。它允许我们在代理人(如在现实生活里一样)不断的交锋和互动中，检验集体水平的结果。我们能够直接观察到个体行为后果的跨水平改变，打通个体水平变量对集体水平变量影响的通道，不将研究者局限在某一个水平的分析上。
ABM的思维模式是独特的，即集体层面上的现象，往往是由这个集体中每个个体的行为和互动导致的，每一个社会层面现象的背后，都必然有个体层面的源头。这种思维模式，可以为心理学在多种领域的研究提供独特的视角，比如个体内过程(intrapersonal processes: 决策，直觉，记忆的效应，人格差异等)，个体间过程 (interpersonal processes: 连续交易中的互惠，喜爱和配偶选择，社会影响，以及情绪的相互感染等)，团体过程 (group processes：社会规范的形成, 领导力, 阶级的分化等)，团体间过程 (intergroup processes: 歧视，国家冲突，叛乱等)，以及社会文化过程 (social and cultural processes: 各个社会团体和种族在社会中角色的分配，概念的文化变迁，以及创新的传播等)。
另外，笔者认为ABM的思维模式不仅是心理学家们必须意识到的，也是这个社会中每个个体都必须的。即社会的每一个不良现象，无论是种族分裂，还是政治上的分化，实际上是由组成这个社会的每一个人的行为导致的，没有人是真正的局外者。“雪崩之时，没有一片雪花是无辜的”。如同Schelling的模型中，每个个体都并非完全的种族歧视者，他们也不会为自己对不同种族的小小排斥过于纠结，但是最终社会的结果，却是每个人都不希望看到的。而对于政策制定者来说的启示，便是想要促成社会积极的改变，仅仅从广义的社会层面入手宏观调控是不够的，更根本的途径，是找到社会症结背后的个体层面的源头。
ABM的另一个核心优势，便是对变量进行精确而低成本的控制，并据此提出明确的理论。之所以精确，是因为ABM中的每一个变量都可以以参数的形式添加与控制。而低成本，是因为想要添加一个变量，只需向原有程序添加一串代码。ABM提出的理论更加明确，则是因为在基于一个个参数调节的理论中，每个变量变化对结果的影响都非常直观而且量化，这为指导未来的验证性实验可以提供非常明确的参考。传统的心理学实验对于变量的精确控制一直是一个难题。而且，添加新的变量并不像ABM研究中那般随时随地。如果是实验已经完成后想要再添加变量，就必须重新设计实验，招募被试，耗费成本。基于提出的理论，也因为实验的模糊而无法十分精确。
笔者认为ABM的这一优势将对改善心理学重复性危机的重要作用。心理学研究的困难之处在于变量控制的困难：心理学研究中的变量多而模糊，环境中的一点点偏差都会导致实验结果的差异，这也是心理学研究难以重复的不可忽视的原因。很多时候，即使研究者没有任何p-hacking，HARKing类似的研究不规范行为，他们的实验重复率也是很低的。因此，很多有影响力的心理学理论都面临极大争议，心理学的可靠性也因此受到怀疑。（对于这个问题，笔者将在后续文章中展开讨论，为什么笔者认为用于验证假设的重复性实验失败，并不一定可以对假设基于的理论造成颠覆性的挑战，以及如何让重复性实验真正起到证伪理论的作用）ABM对变量的精确控制，以及可以量化地提出精确假设的特点，将极大提高心理学理论的精确性和可靠性。而 ABM的应用，也可以允许心理学出现像物理学一般的，理论心理学家和实验心理学家的分化。理论与理论检验的分化有利于排除心理学家在理论检验时的偏见，这对心理学理论检验的去主观化也是十分有利的。
ABM对变量的低成本精确控制完全契合心理学研究的需要，而且无可替代。如前文所述，心理学研究的难度和复杂性就在于变量数量的庞大与难以控制。传统实验的统计检验力决定了传统实验模式只能同时研究某几个变量，随着变量的增多和模型的复杂，实验的可信性会大大降低。可ABM不存在这一问题，理论上，ABM可以在精确控制下同时研究无数个变量。
注：全文转载自知乎专栏 ABM (I) 什么是Agent-Based Modeling - 知乎 (zhihu.com)，https://zhuanlan.zhihu.com/p/136753336
转自：“量化研究方法”微信公众号
如有侵权，请联系本站删除！
