یکی از روش‌های مدل‌سازی سیستم‌های پیچیده اجتماعی مدل‌سازی کنشگرمحور (Agent-Based Modelling) می‌باشد. اگرچه پیشینه این روش را می‌توان در دهه‌های هفتاد و هشتاد میلادی جستجو کرد اما می‌توان گفت به علت پیشرفت‌های صورت گرفته در توانایی محاسباتی کامپیوترها، این روش بیش از گذشته موردتوجه محققان حوزه‌های مختلف برای مدل‌سازی و توصیف رفتارهای سیستم‌های پیچیده قرار گرفته است. امروزه این روش مدل‌سازی در بخش‌های گوناگون مدیریت مانند سیاست‌گذاری حوزه سلامت، مدیریت شهری، تحلیل شبکه‌های اجتماعی، مدل‌سازی رفتار مصرف‌کننده، بهینه‌سازی زنجیره تأمین، مدیریت دارایی‌ها و سایر حوزه‌ها بکار گرفته می‌شود.
به بیان ساده هر مدل کنشگرمحور، سه جزء دارد: کنشگران (Agents)، مجموعه‌ای از قوانین برای تعامل (Rules for Interaction) و رفتار جمعی (Aggregate Behavior). کنشگران می‌توانند افراد، سازمان‌ها، شرکت‌ها، ماشین‌ها و غیره باشند. این کنشگران در یک محیط با یکدیگر بر اساس یک مجموعه‌ای از قوانین تعامل می‌کنند و ما علاقه‌مند به مطالعه رفتار جمعی کنشگران هستیم.
مدل تفکیک شلینگ
یکی از اولین و معروف‌ترین کاربردهای مدل‌سازی کنشگرمحور مدل تفکیک شلینگ (Schelling’s Segregation Model) می‌باشد. شلینگ یک اقتصاددان آمریکایی برنده جایزه نوبل است. او به دنبال درک این موضوع بود که چرا در شهرهای بزرگ تفکیک درآمدی و یا نژادی وجود دارد. برای مثال نقشه زیر (شکل-۱) شهر نیویورک را نشان می‌دهد که در آن رنگ قرمز نشان‌دهنده بلوک‌های شهری است که اکثریت ساکنان آن سفیدپوست هستند. رنگ آبی نشانگر آمریکایی‌های آفریقایی‌تبار، رنگ زرد نشانگر لاتینی تبارها و رنگ سبز نشانگر نژادهای شرق آسیا است. این نقشه نشان می‌دهد که شهر نیویورک به لحاظ نژادی کاملاً تفکیک شده است، جالب آنکه بیشتر شهرهای بزرگ آمریکا دارای همین وضعیت هستند.
شاید بگویید که این پدیده بسیار واضح است و نیاز به مدل‌سازی و مطالعه ندارد چراکه افراد تمایل ندارند باکسانی که شبیه آن‌ها نیستند زندگی کنند. درهرحال شلینگ تصمیم می‌گیرد این پدیده را مطالعه کند. او برای توضیح این پدیده یک مدل کنشگرمحور ساخت. در اینجا به شکل ساده‌ای این مدل را توضیح خواهم داد.
همان‌طور که گفتم هر مدل کنشگرمحور دارای سه جزء است. کنشگران در این مسئله افرادی هستند که می‌خواهند تصمیم بگیرند در کجا زندگی کنند. در این مدل فقط یک قانون برای این تصمیم‌گیری وجود دارد و آن مبتنی بر آستانه تحمل هر کنشگر تعریف شده است. برای توضیح قانون رفتار کنشگران فرض کنید شما در مرکز یک بلوک شهری مانند شکل-۲ ساکن هستید و هشت بلوک همسایه دارید. در این مدل برای ساده‌سازی فرض کنید تنها دو نوع نژاد داریم: قرمز و سبز. در حال حاضر سه همسایه قرمز (مانند خودتان) و چهار همسایه سبزرنگ (متفاوت از خودتان) دارید و در بلوک سه نیز فعلاً کسی زندگی نمی‌کند (شکل-۲). فرض کنید آستانه تحمل شما این‌گونه تعریف شده است که اگر سه همسایه و یا بیشتر از هفت همسایه شما مانند خودتان باشند آن محل برای شما مطلوب است و اگر تعداد همسایگان همانند شما از این آستانه پایین‌تر رود شما تصمیم به ترک محل زندگی خود به نقطه دیگری می‌کنید. برای مثال فرض کنید فردی که همانند شما نیست وارد بلوک سه می‌شود در این صورت نسبت همسایگان مشابه شما ۳/۸ می‌شود که از آستانه تحمل شما (۳/۷) کوچک‌تر است و تصمیم شما ترک محل زندگی‌تان خواهد بود. یا فرض کنید یکی از همسایگان مشابه شما محله را ترک می‌کند و آن بلوک خالی می‌شود در این صورت نیز نسبت همسایگان مشابه شما کمتر از آستانه تحمل شما و تصمیم شما ترک آن محله است. این قانون توضیح‌دهنده رفتارهای کنشگران مدل در سطح خرد است و ما تمایل داریم رفتار آن‌ها را در سطح کلان مشاهده کنیم.
شبیه‌سازی مدل تفکیک شلینگ
برای این منظور مدل ساده بالا را در نرم‌افزار NetLogo که برای مدل‌سازی کنشگرمحور مناسب است شبیه‌سازی کرده‌ام. در شکل سه محیط نرم‌افزار را مشاهده می‌کنید. در زمان صفر کنشگران قرمز و سبز به شکل تصادفی در صفحه گسترده شده‌اند و فضاهای خالی به رنگ سیاه نشان داده شده است (شکل-۳). نسبت آستانه تحمل ۳۰ درصد قرار دارد به این معنی که اگر ۳۰ درصد همسایگان و یا بیشتر همانند شما باشند شما تصمیم به ماندن در محل زندگی خود می‌گیرید. همان‌طور که مشاهده می‌کنید در زمان صفر ۱۸ درصد افراد از محل زندگی خود ناراضی هستند.
با آغاز مدل‌سازی افراد ناراضی به‌صورت تصادفی شروع به حرکت به مکان دیگری می‌کنند و در هرلحظه بر اساس وضعیت همسایگانشان و قانون گفته‌شده تصمیم به ماندن و یا حرکت می‌کنند. پس از مدت‌زمانی وضعیت به حالت تعادل می‌رسد به این معنی که همه افراد از وضعیت خود خوشحال هستند. شکل-۴ این وضعیت را برای آستانه تحمل ۳۰ درصد نشان می‌دهد. جالب آن است که در این حالت حدود ۷۲ درصد افراد همسایگانی دارند که مشابه آن‌ها هستند و در این حالت در نقشه شهر نوعی تفکیک دیده می‌شود.
حال اگر آستانه تحمل را به ۵۰ درصد افزایش دهیم مشاهده می‌کنید که پس از تعادل به یک نقشه کاملاً تفکیک‌شده می‌رسیم که در آن حدود ۸۸ درصد افراد همسایگان مشابه خود دارند (شکل-۵). اگر کسی نقشه شهر را ببیند شاید این‌طور قضاوت کند که مردم این شهر افراد نژادپرستی هستند درحالی‌که که در سطح خرد افراد کاملاً منعطف هستند و ترجیحشان آن است که در یک محیط مختلط نژادی زندگی کنند. جالب آنکه اگر آستانه تحمل را بسیار بالا ببرم و آن را به ۸۵ درصد برسانم به این معنی که با افراد کاملاً نژادپرستی مواجه هستیم، مدل هیچ‌گاه به تعادل نمی‌رسد و در هرلحظه افراد در حال حرکت هستند و میزان نارضایتی به ۹۴ درصد می‌رسد. جالب آنکه در سطح کلان شما هیچ اثری از تفکیک نمی‌بینید (شکل-۶).
پیام مدل شلینگ این است که رفتار کلان جامعه‌ای متشکل از کنشگران مختلف تنها جمع رفتار آن کنشگران در سطح خرد نیست و این یکی از ویژگی‌های سیستم‌های پیچیده اجتماعی است.
در مقاله “چگونه قوانین ساده پیچیدگی خلق می‌کنند؟” با استفاده از مدل‌سازی ماشین‌های خودکار سلولی (Cellular Automata) به این موضوع می‌پردازم که پیچیدگی لزوماً نتیجه یک طرح و برنامه پیچیده نیست. اجزاء یک سیستم می‌توانند تحت یک سری قوانین بسیار ساده با یکدیگر تعامل کنند و از برآیند این تعامل، رفتاری پیچیده بروز کند.