1

Soziale Simulationen

Künstliche Gesellschaften und individuelles Sozialverhalten

Matthias Schmitt

2

ÖkonomiePsychologie

Informatik Sozialwissenschaft

Soziale Simulationen &künstliche Gesellschaften

Was sind soziale Simulationen?

3

Interessante Fragestellungen

soziale Simulationen

Individuen

Gesellschaften

Menschen

Computer

Warum ist der einzelne sozial?Wie entsteht Kooperation?

Warum entsteht soziales Verhalten in Gruppen?Was ist die Voraussetzung dafür?Wie wirken bestehende Normen?

4

Interessante Fragen II

• Entstehung und Verbreitung von Normen, Allianzen, Kooperationen, Gruppenbildung und –dynamik

• Kommunikation und Sprache, soziale Interaktion, Kultur

• Institutionen und Politik,

• Ökonomische Fragestellungen

5

Übersicht

• Soziale Simulationen mit zellulären Automaten

• Untersuchung von Normen unter diversen Aspekten

• Soziales Lernen

• Spielstrategien und –theorie

• Emotionale Agenten

6

Soziale Simulationen und zelluläre Automaten

• Segregation als makroskopischer Effekt bei mikroskopischer Veränderung

• Migration, Kultur, Krieg, Handel

• Entstehung und Wirkung von Normen

7

Die Schelling-Simulation

• Primitiver zellulärer Automat

• Fragestellung: Entstehung von Segregation in nicht-rassistischen Gesellschaften

8

Modell

• Zwei antagonistische Typen von Agenten können sich bewegen

• Eine Gefühlsregel implementiert eine lokal begrenzte Fitness-Funktion, die dem Agenten eine Präferenz für die nächste Bewegung eingibt.

9

Regeln

• Ist ein Bürger unglücklich aufgrund seiner Nachbarn, so wandert er auf ein angrenzendes Feld mit besseren Bedingungen

• Wie empfindlich ein Bürger auf die „falschen“ Nachbarn reagiert, kann als Parameter e gewählt werden

• Die falschen Nachbarn können durch „gute“ wieder ausgeglichen werden; e ergibt sich also aus dem Verhältnis der Anzahlen auf den angrenzenden Feldern

10

Fragen

• Wie hängt die Empfindlichkeit eines Bürgers von der Neigung des Systems zur Clusterbildung ab?

11

Ergebnisse

• Das makroskopische Ergebnis (Segregation) ist in den überwiegenden Fällen unabhängig von der Empfindlichkeit der Bürger

• obwohl Bürger auch durch „komplexe“ Musterbildung zufriedengestellt werden könnten, bilden sich grosse, simple Anhäufungen von gleichartigen Individuen

• Dabei ist zu beobachten, dass beispielsweise bei einer Präferenz von 55% in den resultierenden Clustern eine Majorität von ca. 80% besteht (linearer 1D-Automat), wenn die Gruppen genau gleich stark sind.

• Extrem primitiver Automat zeigt emergentes Verhalten, das auf reale Situationen bezogen werden kann (Bsp.: erste Einwanderer in Amerika)

12

Das Sugarscape-Modell

• Vielfältig einsetzbarer zellulärer Automat• Simulation einer Population in einer künstlichen Umwelt,

die durch Regelwerk repräsentiert wird• Primitive, regelbasierte Agentenreaktionen erzeugen

komplexe Strukturen (Emergenz)

• Fragestellungen: – Migration– Fortpflanzung– Kultur– Aggression– Eigentumsnorm– Handel– Krankheit

13

Modell

• Agenten bewegen sich in einer Landschaft, die eine oder mehrere begrenzte, nachwachsende Ressource(n) bereitstellt

• Agenten sind ausgezeichnet durch ihre Sichtweite und ihren Verdauungszyklus

• Untereinander können sie Verhaltensregeln („Meme“) oder Ressourcen austauschen

14

Leben in Sugarscape

• Landschaft: Torus von 50 x 50 Feldern (periodic boundary) mit Von-Neumann-Nachbarschaft

• Verschiedenen Regionen mit unterschiedlicher Zuckermenge• Standardregel - G (G für growth): in jeder Stelle regeneriert

sich der Zucker mit einer Rate pro Zeiteinheit bis zur maximalen lokalen Menge

• Agenten sind am Anfang mit Zucker „ausgestattet“• Zucker der nicht gegessen wurde, wird als Vermögen

bezeichnet (bei Vermögen gibt es keine Begrenzung und wird von der Zeit nicht beeinflusst)

• Wenn ein Agent kein Zucker mehr besitzt, stirbt er und wird von Sugarscape entfernt

• Die Agenten haben ein endliches Dasein und ihnen ist ein Geschlecht zugewiesen

• Tragfähigkeit: Die Umwelt kann nicht beliebig viele Agenten ernähren

15

Bewegungsregel(M)

Fortpflanzungsregel(S)

Wachstumsregel(G)

Kulturübertragungs-regel (K)• Kampfregeln (Ca)

• Handelsregeln (T)• Jahreszeitenregeln (Se)• ...

Beispiel-Simulationszyklus

16

Grundlegende Regel-Beispiele

(M) Schau dich soweit wie möglich um und finde die nächste leere Zelle mit max. Zucker. Gehe dorthin. Nimm allen Zucker.

(S) Falls im fruchtbaren Alter und beide Partner genügend Zucker besitzen, wird ein Nachkomme erzeugt. Als Partner dienen alle Nachbarn, die den Bedingungen genügen. Erbschaftsregeln können

(K) Im Gegensatz zur genetischen Ausprägung können die Kulturtags während der Lebensspanne des Agenten geändert werden:Für jeden Nachbarn wird zufällig ein Kulturtag ausgewählt und angeglichen. Man kann die Population in Völker einteilen, indem man bestimmte Übereinstimmungen in der Kultur zusammenfasst. Eltern vererben ihre kulturellen Traditionen; bei unterschiedlicher „Meinung“ entscheidet der Zufall.

(G) Regenerationsregel, die den Zucker wachsen lässt. Im „Winter“ wächst der Zucker langsamer als im Sommer, die Jahreszeiten lassen sich auch lokal auf der Sugarscape-Welt einstellen, wodurch Migrationsverhalten erzeugt werden kann.

17

Exkurs: Meme (Dawkins)

• „emanzipierte“ Informationseinheiten

• Gedanke oder „Idee“, Verhalten, Kulturtechniken => „Kulturtags“

• Mutation während der Fortpflanzung möglich

18

Fragen

• Wie wirken sich Beweglichkeit, Zuckerverteilung, verschiedene Metabolismen oder Jahreszeiten aus? (Migration)

• Wie wirken sich verschiedene Kulturübertragungsregeln aus? (Kultur)

• Wie wirken sich Handelsbeziehungen aus? (Handel)

• Unter welchen Umweltbedingungen entsteht eine Eigentumsnorm? (Sozialverhalten)

19

Migration in Sugarscape

• Agenten konzentrieren sich auf die Orte höchster Zuckerkonzentration

• Durch Jahreszeiten kann ein Zugvogelverhalten oder ein „Winterschlaf“ erzeugt werden

• Besonders günstig: natürlich niedriger Metabolismus und hoher Sichtradius

20

Kultur in Sugarscape

• Führt man eine kulturelle Zugehörigkeit ein, so nehmen entweder langfristig alle die gleiche Kultur an, oder es entstehen „Stämme“

• Dieser Zustand ist dann ein Gleichgewichtszustand

• Je länger der kulturelle Code ist, desto länger dauert es bis zum equilibrierten System

21

• Es wird eine zweite Ressource eingefügt, z.B. Gewürz und jeder Agent erhält ein Bedürfnis (Metabolismusraten SZ und SG) nach dieser Ressource

• Dieses Bedürfnis hat je nach seiner Wichtigkeit Auswirkung auf das Verhalten des Agenten:

• Relative Wichtigkeit, G zu finden:

Handel auf Sugarscape

ZZ

Z

Vt

SG

GG

Vt

S

Z

G

tw

t

22

Handel auf Sugarscape II

• Neue Bewegungsregel: schaue dich soweit wie möglich um und bestimme das Feld, das den meisten Profit verspricht. Gehe dorthin und sammle die entsprechende Ressource.

• Ergebnis: Pendelbewegung zwischen den Bergen und Erschöpfungstod

23

Handel auf Sugarscape III

• „... We can imagine consumers wandering around a large market square with all their possessions on their backs. They have chance meeting each other, and when two consumers meet, they examine what each has to offer to see if they can arrange a mutually agreeable trade...“ (Kreps, 1990, zitiert nach Ernst)

• Wann und mit wem werden die Agenten handeln?• Wie wird der Preis bestimmt?• Wie groß wird das Handelsvolumen sein?

24

Handelsregeln

• Bedürfnis w: Mangel an Zucker:• Treffen zwei Agenten aufeinander, berechnen sie ihr w

wahrheitsgemäß und die folgende Tabelle gibt Aufschluss über ihre Handelsverhalten (wA = wB => kein Handel):

• Mit jedem Handel nähern sich beide w an; der Wohlstand steigt.

• Handel wird auch stattfinden, wenn es beiden Akteuren an derselben Ressource mangelt; der Agent mit dem relativ geringeren Mangel wird durch Bestpreise belohnt

1w

wA > wB wA < wB

Aktion A B A B

Kaufen Zucker Gewürz Gewürz Zucker

Verkaufen Gewürz Zucker Zucker Gewürz

25

Preisbestimmung

• Damit beide profitieren, muss der Preis im Intervall wA ... wB liegen. Um Zucker zu erhalten, ist A also nicht zu jeden Preis bereit; der max. Preis ist wA. Alle Preise in diesem Intervall wären akzeptabel, aber je näher der Preis an einem Ende liegt, desto unfairer der Handel.

• Preis:

• p > 1: p Einheiten G pro Einheit Z• p < 1: 1/p Einheiten Z pro Einheit G

A Bp w w

26

Handel: Forschungsfragen

• Entwicklung der Preise und des Handelsvolumens?

• Individueller Profit und gesellschaftlicher Profit?

• Was passiert bei Auflockerung der neoklassischen Annahmen von– ewigem Leben– konstanten Präferenzen und– vollständiger Information

• Treten die Marktergebnisse der klassischen Theorie ein?– Stellt sich eine pareto-optimale Verteilung ein?– Erreichen Markt und Preis allg. Gleichgewicht?

27

Ergebnisse bei klassischen Agenten

• Anfängliche Preisvarianz nimmt ab; der Preis konvergiert

• Große Schwankungen im Handelsvolumen

• Bevölkerungskapazität des Systems wird verbessert

• Ein wirtschaftliches Gleichgewicht entsteht „from bottom up“

• Aber: das theoretische Handelsvolumen wird nie erreicht und das Gleichgewicht ist nur bzgl. der nächsten Nachbarn optimal.

28

Handel unter dem Gesetz R(60,100)

• Ein Agent hat keine konstanten Präferenzen mehr, scheidet nach einer festgelegten Zeit aus und wird durch einen randomisierten Akteur ersetzt

• Folge: Entfernung von jeglichem Gleichgewicht

• Weitere Variante: Hinzunahme von S und evolutionäre Änderung von Sichtweite und Metabolismus

• Folge: wie in R(60,100)

29

Handel und Kultur

• Änderung von Präferenzen durch den Kontakt mit anderen Akteuren– Durch jeden Kontakt mit einem anderen Akteure kann sich der Bedarf (=Stoffwechsel) an Z und G verschieben.Folge: Eine enorme Preisschwankung und eine konstant hohe Standardabweichung

• Wohlstandsverteilung– Handel verschärft das Wohlstandsgefälle. Im Gegensatz zu einem allgemeinen Gleichgewicht resultiert dieses nicht allein aus den Unterschieden der ursprünglichen Ausstattung, sondern auch aus der lokalen Preisheterogenität

• Veränderung des neoklassischen Modells zugunsten einer realitätsnäheren Simulation zeigen eine dramatische Entfernung der Lehrbuchmeinung über allgemeines Marktverhalten

30

Normemergenz auf Sugarscape

• Einführung eines „Eigentums-Mems“, welches das Agentenverhalten beeinflusst. Ist es im kulturellen Code aktiv, so– Wird der Agent Felder, auf die er kommt, als sein Eigentum

markieren– Keinen fremden Zucker aus anderweitig markierten Zellen

nehmen– Optional (nicht in Originalarbeit): der Agent wird eine leichte

Präferenz für eigene Felder haben

• Der Nachwuchs erhält die Mem-Ausstattung der Eltern

• Einführung eines „Sanktionierungs-Mems“, dass den Agenten dazu veranlasst, alle eventuellen Diebstähle (auch die bei fremdem Eigentum) innerhalb seiner Sichtweite unter Einsatz einer gewissen Zuckermenge seines eigenen Vorrats zu bestrafen.

31

Normemergenz auf Sugarscape II

• Startbedingung: – Ohne Sanktionierungsmöglichkeit – 50% der Bevölkerung hat Eigentums-Mem– Mem-Übertragungswahrscheinlichkeit 1/11

• Ergebnis: die Populationen sterben aus, sobald das Mem verschwunden ist: Agenten ohne Mem sind zu arm, um sich zu paaren.

• Populationen mit Mem am Start leben etwas länger als solche völlig ohne Mem

32

Normemergenz auf Sugarscape III

• Startbedingung: – Sanktionierungsmöglichkeit – 50% der Bevölkerung hat Eigentums-Mem– Sanktionierung kostet den Strafenden

• Ergebnis: das Eigentums-Mem hat weiterhin Schwierigkeiten, sich zu etablieren

• Grund: es besteht ein Trittbrettfahrerproblem; das Sanktionierungsmem erweist sich als Nachteil und stirbt aus

33

Normemergenz auf Sugarscape IV

• Startbedingung: – Kostenfreie Sanktionierungsmöglichkeit – 50% der Bevölkerung hat Eigentums-Mem

• Ergebnis: das Eigentums-Mem bleibt erhalten und sorgt für ein dauerhaftes Überleben der Population auch bei hohen Verdauungsraten

34

Normemergenz auf Sugarscape V

Ergebnisse:

• Die Durchsetzung einer Norm erfordert „billige“ Sanktionierungsmöglichkeiten

• Andernfalls besteht das Trittbrettfahrerproblem, dass Normemergenz verhindert.

• Populationen ohne Eigentumsnorm sterben aus, wenn ihre Umweltbedingungen und ihre Metabolismen nicht optimal sind.

35

Normen: Entstehen und Wirkung

• Zusammenfassung:– Normen können als emergentes Verhalten in Sugarscape simuliert

werden. – Zellularautomaten sind mächtige Werkzeuge zur Untersuchung von

Artificial Societies

• Jetzt:

– Normen als Regelsysteme– Andere Normerzeugungsmechanismen in verschiedenen

Simulationssystemen und Modellen

36

Vorgegebene Normen

• Castelfranchi et al.: Norm zur Aggressionskontrolle in einem zellulären Automat, dessen Agenten Stärke besitzen, die abhängig von ihrer Nahrungsaufnahme ist und die bestimmte Felder als Eigentum markieren können.

• Die Nahrung erscheint zufällig auf den Feldern• Blind, Strategisch, oder Nonaggression als

Agentenverhalten implementiert. Attacken kosten den Angreifer und den Verteidiger gleichermaßen Stärke.

• Die Nahrungsaufnahme benötigt mehrere Taktzyklen, in dieser Zeit kann der essende Agent in den ersten beiden Fällen angegriffen werden; der Stärkere gewinnt, reisst dem schwachen das Futter weg und kann selbst den Essvorgang beginnen.

• Nonaggression bedeutet, dass kein Angriff gegen einen Agenten erfolgen darf, der auf seinem eigenen Feld isst.

37

Vorgegebene Normen II

Ergebnis:

• Normen können Aggression beschränken• Normen haben einen positiven Effekt auf die

durchschnittliche Stärke eines Agenten, mindestens genauso effektiv ist wie strategische Aggression

• Bei strategischer Aggression erleiden die schwachen Agenten einen Nachteil, weil sie die Hauptlast der Aggressionskontrolle tragen (die Starken werden ja nie attackiert)

• Normen haben Auswirkungen auf den Anteil des Agenten am gesamten Nahrungsvorkommen, weil sowohl vorteilhafte wie unvorteilhafte Attacken unterbunden werden und so die Kosten für die Aggressionskontrolle gleichmäßiger verteilt werden

38

Normentstehung in anderen Modellen

Können egoistische Agenten Normen erlernen?

– Antwort Flentge: „Ja, solange billige SanktionsmöglichkeitenSanktionsmöglichkeiten bestehen“

– Antwort Dawkin: „Ja, solange sie die gleichen GeneGene haben“

– Antwort Axelrod: „Ja, wenn die gleichen Agenten mehrfach mehrfach aufeinander stossenaufeinander stossen“

– Antwort Ito: „Ja, wenn das Wissen über das Verhalten des Wissen über das Verhalten des Einzelnen jedem zugänglich istEinzelnen jedem zugänglich ist“

– Antwort Dörner: „Ja, wenn sie ein emotionales Bedürfnisemotionales Bedürfnis danach haben“

39

Normverbreitung in anderen Algorithmen

• Die Durchsetzung einer Norm hängt in der Realität stark von der Interaktion zwischen den Spielern ab, die bisher vernachlässigt wurde.

• Interaktion bzw. Kommunikation wird in drei Formen modelliert:– Zellularautomat– Netzwerk mit power-law Verhalten– Zufallsgraph mit poissonverteilten Verbindungen

• Fragestellung: MDT, Einfluss der Lernalgorithmen, Einfluss der Konnektivität

40

Power-law-Netzwerk

• Eine kleine Anzahl Agenten hat eine weit überdurchschnittliche Anzahl von Sozialkontakten

• Ausgehend von einer kleinen Anzahl Kontakte werden in jedem Zeitschritt weitere Verbindungen geschaffen, wobei Andockstellen bevorzugt werden, die bereits von vielen Verbindungen angelaufen werden.

• Normkodierung wie bisher (Bitmuster)

41

Zufallsgraph

• Jeder Agent hat eine fixe Anzahl Verbindungen, die Verbindungen sind poissonverteilt. Bei kleiner mittlerer Verbindungszahl existieren isolierte Agenten.

Bei beiden Modellen interagiert jeweils ein zufällig gewählterAkteur via einer seiner Verbindungen wie folgt:

Imitation: mit einer gewissen Wahrscheinlichkeit wird das Gegenüberdie Normcodierung übernehmen (oder umgekehrt), wobei die Wahrscheinlichkeit dafür von der Hamming-Distanz der Normen abhängen kann.

Individuell: ein Agent kann mit einer gewissen Wahrscheinlicheitseine eigene Meinung bilden (zufällig).

42

Ergebnis

• Ohne individuelles Lernen setzt sich in allen Interaktionsmodellen eine Norm durch

• Individuelles Lernen fördert die Koexistenz zweier verschiedener Normen

• Die MDT für den Zufallsgraphen ist im allgemeinen deutlich größer als für das PL-Netz (Spezialfall: durchschnittliche Konnektivität ist 1); Grund: Die Pfadlänge ist im PL-Netz kürzer.

• Nähert sich die Konnektivität einem kritischen Bereich, so konvergieren Randomnet und Powernet gegen eine gemeinsame MDT.

• Die MDT hat ein Minimum zwischen den Bereichen extrem weniger und extrem starker Interaktion.

43

Soziales Lernen

• Biologische Evolution, individuelles Lernen und kulturelle Evolution sind Wege, das gleiche Problem zu lösen: Koordination zwischen Agenteninterner und der Umweltstruktur zu erreichen. Sie sind allerdings unterschiedlich schnell.

• Gibt man einer Population die Möglichkeit der Umweltveränderung, so können auch komplexe Prozesse, die vom Individuum innerhalb seiner Lebensspanne nicht gelernt werden können, von der Gesellschaft adaptiert werden.

• Kultur involviert die Fähigkeit, Repräsentationen der Umwelt zu erschaffen und so Informationen schneller und sicherer weiterzugeben.

• Fragestellung: Erlernen einer Mondphasenvorhersage in einer Gesellschaft

44

Relation zwischen den Strukturen und ihre Möglichkeiten

Umweltstruktur

Kulturelle Struktur

Interne Struktur

1. Direktes Lernen durch Umweltbeobachtung

2. Erlernen einer Sprache, um die Relation zwischen Umwelt- undKulturstruktur zu beschreiben

3. Vermitteltes Lernen durchBetrachtung der kulturellen Struktur

45

Simulation: Agenten

• Die Bewohner sind durch neuronale Netze repräsentiert, deren Input sowohl künstliche als auch natürliche Muster sein können

• Ein Zyklus: jeder lernt so gut er kann (aus allen Bereichen: Umwelt und Kultur), erzeugt ein Artefakt, erzeugt einen Nachkommen und stirbt. Es findet keine „genetische“ Informationsübertragung statt.

• Jeder Nachkomme bekommt ein randomisiertes Startnetz.

• Welches Artefakt als Studienobjekt benutzt wird, kann parametrisiert werden (auf „Erfolgsbasis“ der letzten Generation oder per Zufall)

46

Simulation II: Umwelt

• Die zu erlernende Regel ist ein simples XOR. Ein perfektes Artefakt sähe daher so aus:

• Jede Ziffer kann mit reellen Zahlen von 0..1 belegt sein; die Tabellen sind prototypisch

Mondstatus

Tidenstatus

Neumond 1000 01

Erstes Viertel

0100 10

Vollmond 0010 01

Drittes Viertel

0001 10

Mond Tide

N 00 0

E 10 1

V 11 0

D 01 1Symbolische Repräsentation (Agenten-Intern) Physikalische Repräsentation

47

Aufbau eines Agenten

SymbolischSymbolisch

Aktuator

Erfahrung Erfahrung

Artefakt

Mond-Beschreibungsnetz Tiden-Beschreibungsnetz

Input des Artefakts, Mond-Anteil

Input durch Beobachtung, Mond-Anteil

Input des Artefakts,Tiden-Anteil

Input durch Erfahrung,Tiden-Anteil

48

Der Lernprozess

• Die Agentennetze werden in einem bestimmten Verhältnis von direkter und vermittelter Beobachtung trainiert.

• Das Lernen von Artefakten wird bevorzugt, weil die natürliche Beobachtung sehr lange dauert.

49

Ergebnis

• Der Lernprozess verläuft sehr langsam, falls keine Präferenz der Nachkommen für die Nutzung von Artefakten „kompetenter“ Eltern besteht

• Mit einer solchen Vorliebe lernt die Gesellschaft in einer absehbaren Anzahl von Generationen, sehr gute Artefakte herzustellen und die durchschnittliche Kompetenz steigt stark an, obgleich die Lernfähigkeit nicht zugenommen hat.

• Gesellschaften, die kulturelle Artefakte herstellen, profitieren von diesen und helfen bei der Anpassung an die Umwelt; die genetische Ausstattung ist nicht die einzige Quelle solcher Anpassungen.

50

Spieltheoretische Ansätze

• Spiele eignen sich besonders, um bei Menschen (und Maschinen) Verhaltensweisen zu erkennen; sie erzeugen eine Abstraktion, die eine leichtere Mustererkennung möglich macht.

• Entstehung und Stabilisierung von Kooperation am Beispiel des iterierten Gefangenendilemmas

• Fragestellung: Welche Strategien sind in diesem Spiel besonders erfolgreich?

51

Das iterierte Gefangenendilemma

• N Spieler treffen mehrfach eine Entscheidung: zu kooperieren (C) oder zu defektieren (D).

• Das Spiel endet nach jedem Zug mit der Beendigungswahrscheinlichkeit p = 1-w

• w nennt man Diskontparameter; er ist ein Maß für die Wichtigkeit des nächsten Zuges

• Defektionsverhalten wird klar belohnt, falls das Gegenüber kooperiert.

C D

C 3 / 3 0 / 5

D 5 / 0 1 / 1

Typische Pay-off-Matrix P

52

Strategien für das Gefangenendilemma

TFT: „Wie du mir, so ich dir“

TRANQUILIZER: „Bilde eine Kooperationsphase, dann defektiere gelegentlich“

TESTER: „Defektiere, dann spiele in Abhängigkeit von der Reaktion TFT (nach D) oder spiele CC; defektiere danach bei jedem zweiten Zug (nach C)“

53

Vergleich der Strategien

• TFT ist die „erfolgreichste“ Strategie, da sie– Robust– Nachsichtig– Durchsichtig– ...

ist. Sie ist diejenige Strategie, die am schwierigsten auszubeuten ist.

• Der Vergleich der Strategien ist schwierig, weil es von der Zusammensetzung der Population abhängt, wie erfolgreich eine Strategie ist.

54

Strategiegruppen

• Eindringen einer Strategie: eine Regel erzielt in einer homogenen Regelpopulation höhere Punktzahlen als die Population.

• Kollektive Stabilität: Zustand, in dem keine Regel eindringen kann

• Kollektiv stabile Populationen können als einzige langfristig das Auftreten von Mutanten verkraften

55

Axelrod´s Theoreme

1. Wenn w groß genug ist, gibt es keine beste Strategie unabhängig von der Strategie des anderen Spielers

2. TFT ist genau dann kollektiv stabil, wenn das Spiel lange genug dauert (dabei ist w ist abhängig von P)

3. Jede Strategie, die mit p > ½ im ersten Zug C spielt, kann nur kollektiv stabil sein, wenn w hinreichend groß ist

4. Eine freundliche Strategie ist nur dann kollektiv stabil, wenn sie durch eine erste Defektion des anderen Spielers provoziert wird

5. Immer-D ist stabil6. Diejenigen Strategien, die in Immer-D als Gruppe eindringen

können, sind maximal diskriminierend, wie z.B. TFT7. Wenn ein einzelnes Individuum nicht in eine freundliche Gruppe

eindringen kann, kann auch keine Gruppe eindringen.

56

Schlussfolgerungen

• Sei nicht neidisch

• Defektiere nicht als erster

• Erwidere alle Verhaltensmuster

• Sei nicht zu raffiniert

[1], S. 99ff.

57

Das Nachbarschaftsbegrenzungsmodell

• Segregation kann mit dem alternativen Modell der „bounded neighbourhoods“ untersucht werden.

• Die Begriffe, die für Strategiegruppen eingeführt wurden, können aber hier interessanterweise analog genutzt werden.

58

Theoretische Psychologie: PSI

• Nach den Fragen zu normkonformem Verhalten, der Rolle der Agenteninteraktion bei dessen Entstehen und der Untersuchung des sozialen Lernens sollen nun die Motivationen untersucht werden, die ein Individuum besitzt, sozial zu werden.

• Offenbar ist der Mensch kein vollständig rationale Subjekt, also kann auch seine Motivation bei der Emergenz sozialen Verhaltens nicht nur auf rational-egoistische Motive zurückgeführt werden.

• Die theoretische Motivationspsychologie führt einen emotionalen Aspekt in die Handlungssteuerung der Agenten ein und sorgt so für realistischere Modelle.

59

PSI: Modellvorstellung

• Ein Roboter lebt auf einer Insel und benötigt zum Überleben Wasser als auch diverse weitere Ressourcen.

• Sein Handlungsrepertoire umfasst verschiedene Aktivitäten, die er auf Objekte seiner Umwelt anwenden kann.

• Der Roboter vermag durch korrekte Handlungen, seine Bedürfnisse zu befriedigen.

60

PSI: Interner Aufbau

61

PSI: Funktionsweise

• PSI basiert auf einer Bedürfnisorientierten Motivationsstruktur

• Emotionale, materielle und informationelle Bedürfnisse erzeugen Motivationen, die um die Kontrolle über die Steuerung des Organismus konkurrieren (Subsumption); die Handlungen hängen also vom gerade dominierenden Motiv ab.

• Da die „Sensoren“ von PSI nicht perfekt sind, kommt es zu ungenauer Umweltwahrnehmung.

• Mit Hilfe eines Protokolls vermag PSI, seine Handlungen zu reflektieren und so zu optimieren („Lernen“).

62

PSI: Emotionen als Quelle normativen Verhaltens

• Setzt man mehrere PSI-Agenten auf die Insel und gibt ihnen ein Affiliationsbedürfnis, so das andere PSIs durch Aussendung eines Legitimitätssignalen (L-Signalen) dieses Bedürfnis befriedigen können, so können Normen entstehen.

• Dies geschieht, weil PSIs lernen, L-Signale geschickt einzusetzen, d.h. solche Signale hauptsächlich nur zu senden, wenn das Gegenüber sich erkenntlich zeigt, indem es andere Bedürfnisse des Senders befriedigt. Es entstehen Kooperation und Hilfsbereitschaft.

• Gegebenfalls muss ein PSI ein supplikatives Signal aussenden, also ein Ankündigungssignal für ein potentielles L-Signal. Es entsteht ein „Handel“, der z.B. Hilfe bei der Durstbefriedigung gegen die Aussendung von L-Signalen tauscht.

• Das Erlernen von Zielen im Zusammenhang mit Affiliationsbedürfnis führt zu engen Beziehungen, „Liebe“ zwischen den PSIs, da durch häufigen Austausch von L-Signalen das Gegenüber zur Quelle derselben wird.

63

Zusammenfassung

• Eine Vielzahl sozialwissenschaftlicher Situationen lässt sich relativ gut simulieren.

• Inwieweit diese Simulationen reale Tatsachen wiederspiegeln, kann nicht abschliessend geklärt werden; Simulationen können also Hilfe und Ideengeneratoren sein, niemals aber die Erhebung realer Daten ersetzen. Simulationen machen Vorschläge zur Interpretation dieser Daten.

• Der für AL-Forschung interessante Blickwinkel ist die Emergenz komplexen Verhaltens bei minimaler Ausstattung der Agenten.

• Für die Sozialwissenschaften ist die Modellierung realer Systeme und die Möglichkeit der Thesengenerierung von Bedeutung

64

Quellen

[1] Axelrod, R.: „Die Evolution der Kooperation“, 1984[2] Flentge et al.: „Modelling the Emergence of Possession Norms using Memes“, in: JASS Vol. 4

(2001)[3] Schelling, T.S.: „Dynamic Models of Segregation“ ; Journal of Mathematical Sociology 1971 Vol. 1

S. 143-186[4] Epstein, Axtell: „Growing artificial societies“ 1996[5] Dawkins, R.: „The selfish gene“, 1989[6] Ito, A.: „How do selfish agents learn to cooperate?“ in Artificial Life V, hrsgg. von Adami et al.[7] Conti, R. und Castelfranchi, C.: „Understanding the function of norms in social groups through

simulation“ in „Simulating social phenomena“ 1997[8] Nakamaru et al.: „Spread of two linked social norms on complex interaction networks“ in JOTB

230 (2004) S. 57ff.[9] Hutchins, E. und Hazlehurst, B.: „Learning in the cultural process“ in Artificial Life I, 1990[10] Levy, S.: „Künstliches Leben aus dem Computer“, 1996[11] Dörner, D.: „Bauplan für eine Seele“, 1996[12] Albert, R. und Barabasi, A.: „Statistical mechanics of complex networks“ in Review of modern

Physics, Vol. 74 (2002) S. 47ff.[13] Detje, F.: „PSI: erste Schritte in Richtung sozialen Verhaltens“, Memo 41 des Instituts für th.

Psych. Der Uni Bamberg (2001)