易智瑞研究院:ABM模型或成为人工智能发展新机遇

互联网
2021
06/18
14:17
分享
评论

近日,在2021年易智瑞空间信息技术开发者大会上,易智瑞创新中心技术总监、研究院首席研究员卢萌介绍了复杂科学理论下地理人工智能GeoAI的发展,引起了与会者的广泛兴趣。

他指出,近年来,随着计算机算力的提升以及数据量获取的增加,使得人工智能领域取得了发展,而复杂科学的理论也再次进入了公众的视野。值得注意的是,目前的人工智能的发展还只是复杂性科学理论的早期阶段。多智能体模型(agent-based modeling,ABM),作为基于复杂自适应系统的模拟计算模型,或将成为未来人工智能发展的新机遇。而这一领域和GIS的结合应用,也正在得到越来越多的关注。比如,为野生动物的迁徙建立生态环境走廊、分析交通堵塞以及制定疏通措施、预测流行性传染疾病的传播、分析土地利用变化、优化林业砍伐结构……结合了地理空间属性的ABM模型,能够对多方面的问题进行分析和模拟。

首先,来了解一下ABM模型。ABM是计算机模拟的一种,译为代理人基模型,又称多元代理人系统或多智能体系统,是一种用来模拟具有自主意识的智能体(独立个体或共同群体,例如组织、团队)的行动和相互作用的计算模型,通过图像展示和评估智能体在系统整体中的作用。ABM也综合了一些其他思想,比如博弈论、复杂系统、涌现、计算社会学、多智能体系统和演化计算等。

一个ABM模型主要包括以下要素 :一定数量的“代理人” ;一定数量的“代理人”之间的关系;一个模拟“代理人”的行为和互动的框架。ABM明确了模拟个体或对象的行为在时间和空间中的因果关系。从概念上来说,在ABM模型中需要给虚拟的“代理人”一定的“指示”,比如使“代理人”相互影响,以及与环境进行交互等。“代理人”可以用来表示人,也可以表示野生动物、车辆、地块或其他离散的对象。在“代理人”的行为和决策影响下,模型在时间和空间中产生了相应的模式。相比于一般的模型着重对事物的模式进行量化分析和重现,ABM模型侧重于对事物模式的产生过程进行探讨,而这些模式往往是从个体的行为决策中涌现的。

图 1 agent based modeling对现实世界的模拟

在一般情况下,建立ABM模型的过程可分为三步:定义“代理人”,定义“代理人”的行动规则,以及定义“代理人”行动的时间跨度。首先需要定义“代理人”,像前面提到的,“代理人”可以是动物、土地地块、货运卡车,或者是任何能够做出选择、执行某种行动、改变自身状态的事物。“代理人”往往具有自身的属性:当“代理人”代表的是人时,可以具有身高、体重等属性。下一步是定义“代理人”的行动。每一次迭代它们都会依据自身的状态和周边的环境执行某种操作,或不执行任何操作。例如代表动物的“代理人”可能会有跑、走、进食、睡眠等行为;代表地块的“代理人”的行为可能会表现在从农业用地变更为城市用地。第三步是定义时间跨度,通常是通过定义“代理人”行动的变化频率来实现的,这一步骤是根据模型由现实的表示来决定的。

大多数的“代理人”都在特定的空间位置中做出决策,而这一相对空间位置也会影响“代理人”所做的决策。ABM模型中“代理人”与环境的关系也是互相影响的,个体的决策行为会改变整体环境,而环境也对每个个体产生影响。在ABM模型中,可以通过自定义个体(或群组)的行为和规则来确定个体所处的状态或背景,继而在适合的环境中迭代,执行这些规则多次,从而模拟可能形成的结果。

图表 2  ABM模拟的空间范围和尺度

能够代表和模拟人的决策行为是ABM模型最具有优势的特性之一,也是模型中输入的最重要组成部分之一。再者,环境也是ABM模型中重要的组成部分,尽管环境没有做出决策的属性,但环境作为记录历史的文件,能够对个体的决策做出影响。个体和环境进行的互动也是ABM模拟的一大特性。

GeoScene作为新一代国产地理信息平台,能够很好地结合ABM模型的功能和特性,从而开拓出新的应用领域。在这一结合中,GeoScene主要用来进行数据生产、地理处理和分析,以及模拟可视化展示。而ABM工具则提供了规则、对象的制定和时序安排的功能。由于ABM模型具有多元的、异质的和动态的属性和行为规则,因此GeoScene的特性使其适合展示这一类模型输入、输出的地理空间属性,分析其在非网格(连续)的地理空间上的运动。两者结合,ABM能够增强GeoScene的动态表述,GeoScene的空间分析功能能够增强ABM的空间表述。

具体来说,GeoScene平台可为ABM模拟分析提供空间模型、建立模型和可视化验证的工具、空间验证工具、编程环境、模型的输入与输出、模型的验证与校准等。以流行疾病传播模型SIR (susceptible-Infected-Recovered model)为例,模型中“代理人”代表的是病毒传播过程中的人类个体。首先,在模型中定义“代理人”的属性,包括初始空间位置、自身状态等等。模型首先在研究区域内随机生成“代理人”的空间位置,然后在空间中进行随机地移动。每个“代理人”个体有四种状态:未感染、已感染、治愈和死亡。这一步骤在Python编译中可以通过创建agent类来表示。

图3 SIR 模型中模拟代理人状态的变化

第二步,定义“代理人”的行为规则:即图3展示的流程。在密切接触感染者后,则有一定的几率感染和有一定的几率死亡。这些规则可以通过创建模型类来表示。

图4a、4b 中SIR模型设计的参数有:感染几率,死亡几率,模型总人口以及感染者占比,以及暴露距离。图中红色的点代表感染者,蓝色代表未感染者,黑色代表死亡人数。模型初始化时“代理人”随机分布在模拟的城市各地,并随机移动。一部分携带病毒的个体也在随机移动,这些个体将会按照一定比例死亡。未感染者在接近已感染者后会有一定的几率感染。

图4a SIR模型模拟未隔离疫情的传播

图4b SIR模型模拟采取隔离后疫情的传播

图4a、4b使用这一模型模拟了采取隔离措施和未采取隔离措施的病毒传播影响结果,结果明确地显示了隔离可以迅速降低感染人数峰值。而未采取隔离措施的,病毒将会持续传播,感染人数和死亡人数都超过了采取隔离措施的模型。

ABM或将成为人工智能发展的新机遇,易智瑞表示,GeoScene平台将逐步接入这一种全新的模拟体系,为用户带来更多结合应用。

据了解,易智瑞研究院是易智瑞公司最新成立的面向核心技术和前沿领域研究的部门,下设产品研发中心、创新中心、方案解决中心、大数据事业部等多个部门。易智瑞研究院的技术人员,大多是GIS软件开发、设计领域的资深人士,深谙中国用户的业务需求,同时在计算机程序语言和GIS软件的底层或者二次开发方面均有不俗的造诣。易智瑞研究院还拥有一支来自学术界和研究机构的专家学者组成的顾问专家组。易智瑞公司正与大量的大学和研究院达成战略合作协议,依托院校和研究院进行基础性和理论性的研究,并且建立了良好的机制,进行成果转化。

THE END
广告、内容合作请点击这里 寻求合作
免责声明:本文系转载,版权归原作者所有;旨在传递信息,不代表砍柴网的观点和立场。

相关热点

相关推荐

1
3