Å simulere samfunn – Agentbasert modellering som metode

Hva om sosiologer og andre samfunnsforskere kunne boltre seg i et laboratorium som rommet et helt samfunn, og hvor alle samfunnsforhold kunne varieres og eksperimenteres med?

Schellings modell av boligsegregering implementert i modelleringsplatformen NetLogo. Foto: skjermdump, Netlogo

Schellings modell av boligsegregering implementert i modelleringsplatformen NetLogo. Foto: skjermdump, Netlogo

Tidlig på 1970-tallet satte økonomen Thomas Schelling seg ned med et rutenett og brikker i håp om å bedre forståelsen av hvordan individers preferanser kan skape etnisk segregerte nabolag. Han lot brikkene representere to grupper mennesker med hver sin farge, mens rutenettet representerte mulige boliger i et byområde. Deretter lot han brikkene handle etter én bestemt regel: har du for mange naboer av den andre fargen, flytt til en ny rute. Hvor mange naboer av motsatt farge som utgjør «for mange», ble variert i de ulike gjennomgangene av modellen.

Hva kunne så denne svært enkle modellen si om mekanismene som frembringer boligsegregering? Hvis man setter toleransenivået hos brikkene i Schellings modell ganske lavt, eksempelvis en grense på maksimalt 40% naboer av motsatt farge, vil man observere ekstremt segregerte boligmønstre på makronivå. Dette er kanskje ikke et overraskende resultat. Imidlertid viser også modellen følgende; selv med relativt svake preferanser for like naboer, for eksempel et minstekrav på kun 30%, genereres markante – og kanskje til og med uønskede, i agentenes øyne – segregeringsmønstre.

Schellings modell av boligsegregering har senere blitt stående som et bevis på agentbaserte modellers forklaringskraft. Modellen peker på noe sentralt ved overgangen fra individers handlinger på mikro-nivå, til aggregerte mønstre på makro-nivå. Segregeringsmønstrene som genereres selv der hvor agentene er tolerante viser hvordan makro-mønstre ikke umiddelbart kan reduseres til mikro-mekanismer, men at forskning må ta inn over seg interaksjon mellom agenter, og kompleksiteten som oppstår deretter. Agentbasert modellering er et mulig verktøy for å angripe denne kompleksiteten.

Selvstendige agenter og forklaringer fra bunnen

Hva er så en agentbasert modell? Definisjonene er mange og varierte, men et det finnes fellestrekk som går igjen hos de fleste. For det første består en agentbasert modell av selvstendige, heterogene agenter som fatter beslutninger etter et sett av handlingsregler. Disse agentene samhandler med hverandre; de kan møtes, lære av hverandre, utveksle informasjon, utføre bytter, og danne grupper eller par. I dagens sosiologi er bruken av agentbasert modellering gjerne knyttet til analytisk sosiologi, hvor mekanismebaserte forklaringer «fra bunnen» står sentralt. Man ønsker å forstå makro-fenomener ved å se på mekanismene og prosessene, på individnivå, som frembringer dem. Agentbasert modellering ses her på som et ledd i å gjøre disse prosessene synlige.

Hvordan vet man at de mekanismene og prosessene man har modellert, faktisk er de som opererer i den virkelige verden?

Agentbasert modellering tvinger oss til å være presise i våre teoretiske antakelser. I bunn og grunn er en agentbasert modell et matematisk system, en realisering av funksjoner som kan frembringe mer eller mindre forventede resultater. Agentene i modellene følger visse handlingsregler, basert på teoretiske antakelser. Når disse skal implementeres i form av funksjoner i et programmeringsspråk, er man nødt til å gjøre de teoretiske antakelsene man har eksplisitte og tydelige. Agentbasert modellering kan dermed bidra til å bygge bro mellom teori og mer konkret forklaring av empiriske fenomener ved å tvinge frem konkret operasjonalisering av teoretiske antakelser.

Hva sier egentlig en agentbasert modell oss?

Sosiologisk simulering kommer derimot ikke uten utfordringer. Den største skepsisen kommer kanskje når man diskuterer gyldigheten til resultatene en slik modell gir. Mønstrene, fordelingene eller resultatene man observerer er tross alt «vokst frem» fra forskerens egne antakelser – man har generert sine egne funn. La oss si man har generert et makro-mønster som er kvalitativt likt det man observerer i den virkelige verden. Hvordan vet man at de mekanismene og prosessene man har modellert, faktisk er de som opererer i den virkelige verden? Svaret her må nok være; det vet man slettes ikke. Likevel har modellen i et slikt tilfelle pekt ut en mulig forklaring, og kanskje styrket antakelsene man la til grunn for modellen. På samme måte kan en agentbasert modell bidra til å svekke andre antakelser: Hvis en gitt mekanisme ikke klarer å generere makro-fenomenene man ønsker å forklare, så bør man kanskje utvide sin forklaring, eller begynne forfra.

Selv om idéen om et kunstig samfunnslaboratorium i form av en storslått agentbasert modell sikkert virker tiltalende for de fleste sosiologer, bør vi kanskje sikte noe lavere. Agentbasert modellering har allerede vist sin nytte som verktøy for teoribygging, og dette er kanskje tilstrekkelig for å berettige videre utforsking av metoden innenfor sosiologi. Detaljert simulering av hele samfunn hvor forskeren kan eksperimentere fritt med parametre kan ligge langt frem i tid, men mens vi venter kan mer begrensede simuleringer likevel være nyttige.