エージェントベースモデル

エージェントベースモデルの歴史は、複製可能な理論上の機械であるフォン・ノイマン機械に遡ることができます。フォン・ノイマンが提案した装置は、非常に詳細な指示に従って、自分自身のコピーを作成します。この概念は、フォン・ノイマンの友人であり、同じく数学者であるスタニスワフ・ウラムによって発展させられました。ウラムは、グリッド上のセルの集合として、紙の上に機械を構築することを提案しました。このアイデアはフォン・ノイマンを魅了し、彼はそれを描き上げ、後にセルオートマタと呼ばれる最初の装置を作成しました。^{[ 6 ]}

オリバー・セルフリッジの1958年の 論文「パンデモニウム - 学習のパラダイム」は、エージェント指向アーキテクチャの確立における初期の重要な理論的貢献であったが、エージェントの代わりに比喩的な「デーモン」という用語を使用していた。カール・ヒューイットの1973年のアクターモデルは、エージェントを受動的な構造ではなく能動的な実体として用いた初期の例の一つである。^{[ 7 ]}

もう一つの進歩は、数学者のジョン・コンウェイによってもたらされた。彼は有名なライフゲームを構築した。フォン・ノイマンの機械とは異なり、ライフゲームは2次元のチェッカー盤の形をした仮想世界で、単純なルールに従って動作する。

1960年代半ばに開発され、1970年代初頭までに広く普及したSimulaプログラミング言語は、段階的なエージェントシミュレーションを自動化するための最初のフレームワークであった。

概念的に最も初期のエージェントベースモデルの1つは、トーマス・シェリングの隔離モデル^{[ 8 ]}であり、これは1971年の彼の論文「隔離の動的モデル」で議論された。シェリングは当初、コンピュータではなくコインとグラフ用紙を使用していたが、彼のモデルは、共有環境で相互作用する自律的なエージェントと観察された集合的で創発的な結果というエージェントベースモデルの基本概念を体現していた。

1970年代後半、パウリーン・ホーゲウェグとブルース・ヘスパーは、生態学の個体モデルに関する実験を開始した。彼らの最初の成果の1つは、マルハナバチのコロニーの社会構造が、個々のハチの行動を規定する単純なルールの結果として出現することを示したことだった。^{[ 9 ]} 彼らは、エージェントが特定の時点で「やるべきことを行う」方法を指すToDo原理を導入した。

1980年代初頭、ロバート・アクセルロッドは囚人のジレンマ戦略のトーナメントを開催し、エージェントベース方式で相互作用させて勝者を決定した。アクセルロッドはその後、政治学の分野で民族中心主義から文化の普及まで様々な現象を分析するエージェントベースモデルを数多く開発した。^{[ 10 ]}

1980年代後半までに、クレイグ・レイノルズの群れ行動モデルに関する研究は、社会的特性を組み込んだ最初の生物エージェントベースモデルの開発に貢献した。彼は、クリストファー・ラングトンが提唱した「人工生命」として知られる、活発な生物エージェントの現実をモデル化しようと試みた。

同時に、1980年代には、社会科学者、数学者、オペレーションズリサーチ研究者、およびその他の分野からの少数の人々が、計算および数学的組織理論（CMOT）を開発しました。この分野は、経営科学研究所（TIMS）とその姉妹団体である米国オペレーションズリサーチ学会（ORSA）の特別関心グループとして成長しました。^{[ 11 ]}

1990年代は、社会科学におけるABMの拡大が特に顕著であった。注目すべき取り組みの一つは、ジョシュア・M・エプスタインとロバート・アクステルが開発した 大規模ABMであるSugarscapeで、季節移動、汚染、有性生殖、戦闘、疾病の伝染、さらには文化といった社会現象の役割をシミュレートし、探求した。^{[ 12 ]} 1990年代のその他の注目すべき発展としては、カーネギーメロン大学のキャスリーン・カーリーABM ^{[ 13 ]}があり、社会ネットワークと文化の共進化を探求した。サンタフェ研究所（SFI）は、クリストファー・ラングトンのリーダーシップの下、ABMモデリングプラットフォームSwarmの開発を促進する上で重要な役割を果たした。SFIを通じて行われた研究により、ABM技術は、小規模な人間社会や霊長類の社会的および空間的ダイナミクスの研究など、多くの分野に拡大することができた。^{[ 11 ]} 1990年代のこの時期に、ナイジェル・ギルバートは社会シミュレーションに関する最初の教科書『社会科学者のためのシミュレーション』（1999年）を出版し、社会科学の観点からジャーナル『人工社会と社会シミュレーションジャーナル』 （JASSS）を創刊した。JASSS以外にも、あらゆる分野のエージェントベースモデルは、SpringerOpenのジャーナル『複雑適応システムモデリング』（CASM）の対象範囲に含まれる。 ^{[ 14 ]}

1990年代半ばまで、ABMの社会科学分野は、効果的なチームの設計、組織の有効性に必要なコミュニケーションの理解、ソーシャルネットワークの挙動といった問題に焦点を当てるようになった。CMOT（後に社会および組織システムの計算分析（CASOS）と改名）は、エージェントベースモデリングをますます取り入れるようになった。Samuelson（2000）は初期の歴史を簡潔に概説しており、^{[ 15 ]} Samuelson（2005）とSamuelsonとMacal（2006）はより最近の発展をたどっている。^{[ 16 ] [ 17 ]}

1990年代後半、TIMSとORSAが合併してINFORMSが設立され、INFORMSの会議が年2回から年1回に変更されたことが、CMOTグループが独立した学会である北米計算社会組織科学協会（NAACSOS）を設立するきっかけとなった。キャスリーン・カーリーは、特にソーシャルネットワークのモデルに大きく貢献し、年次会議のための米国国立科学財団の資金を獲得し、NAACSOSの初代会長を務めた。彼女の後任は、シカゴ大学およびアルゴンヌ国立研究所のデイビッド・サラック、そしてエモリー大学のマイケル・プリエトゥラであった。NAACSOSが設立されたのとほぼ同時期に、NAACSOSの対抗組織である欧州社会シミュレーション協会（ESSA）と太平洋アジア社会システム科学エージェントベースアプローチ協会（PAAA）が設立された。2013年現在、これら3つの組織は国際的に協力している。第1回世界社会シミュレーション会議は、2006年8月に両団体の共同主催により日本の京都で開催された。第2回世界会議は、2008年7月にワシントンD.C.の北バージニア州郊外で開催され、ジョージ・メイソン大学が現地での運営を主導した。

さらに最近では、ロン・サンが人間の認知モデルに基づいたエージェントベースシミュレーションの手法を開発し、認知社会シミュレーションとして知られるようになった。^{[ 18 ]} UCLAのビル・マッケルビー、スーザン・ローマン、ダリオ・ナルディ、ドワイト・リードらも組織行動と意思決定に大きく貢献している。1991年以来、UCLAはカリフォルニア州レイクアローヘッドで会議を開催しており、この分野の実務家にとってもう一つの主要な集いの場となっている。^{[ 19 ]}

大規模言語モデルの登場後、研究者たちは相互作用する言語モデルをエージェントベースモデリングに適用し始めた。広く引用されている論文の1つでは、エージェント言語モデルがサンドボックス環境で相互作用し、誕生日パーティーの計画や選挙の実施などの活動を行った。^{[ 20 ]}

複雑適応システムのモデリングとシミュレーションに関する最近の研究では、エージェントベースモデルと複雑ネットワークベースモデルを組み合わせる必要性が示されています。^{[ 21 ] [ 22 ] [ 23 ]}では、いくつかの学際的な事例研究を用いて説明される、複雑適応システムのモデル開発の4つのレベルからなるフレームワークについて説明しています。

1. 複雑ネットワークモデリングレベルとは、様々なシステム構成要素間の相互作用データを用いてモデルを開発するためのレベルである。
2. 探索的エージェントベースモデリングレベルは、さらなる研究の実現可能性を評価するためのエージェントベースモデルを開発するレベルです。これは、例えば、研究者が高度な学習曲線を経ることなく、資金申請などのための概念実証モデルを開発するのに役立ちます。
3. エージェントベースモデルの記述をテンプレートと複雑なネットワークベースモデルを用いて開発するための記述型エージェントベースモデリング（DREAM）。DREAMモデルを構築することで、科学分野を超えたモデル比較が可能になります。
4. 仮想オーバーレイマルチエージェントシステム（VOMAS）を用いた検証済みエージェントベースモデリングにより、検証済みモデルと妥当性確認済みモデルを正式な方法で開発する。

エージェントベースモデルを記述する他の方法としては、コードテンプレート^{[ 24 ]や、ODD（概要、設計概念、設計詳細）プロトコル[ 25 ]}などのテキストベースの方法がある。

エージェントが生息する環境（マクロ環境とミクロ環境の両方）の役割も、エージェントベースのモデリングとシミュレーション作業において重要な要素になりつつあります。 ^{[ 26 ]}単純な環境は単純なエージェントを生み出しますが、複雑な環境は多様な行動を生み出します。^{[ 27 ]}

エージェントベースモデリングの強みの 1 つは、スケール間の情報フローを仲介できることです。エージェントに関する詳細情報が必要な場合、研究者はそれを追加の詳細を記述するモデルと統合できます。エージェント集団によって示される創発的行動に関心がある場合は、エージェントベースモデルを集団ダイナミクスを記述する連続体モデルと組み合わせることができます。たとえば、CD4+ T 細胞 (適応免疫系の主要な細胞タイプ) に関する研究^{[ 28 ]}では、研究者は、異なる空間スケール (細胞内、細胞、およびシステム)、時間スケール、および組織スケール (シグナル伝達、遺伝子制御、代謝、細胞行動、およびサイトカイン輸送) で発生する生物学的現象をモデル化しました。結果として得られるモジュールモデルでは、シグナル伝達と遺伝子制御は論理モデルによって記述され、代謝は制約ベースモデルによって記述され、細胞集団ダイナミクスはエージェントベースモデルによって記述され、システムサイトカイン濃度は常微分方程式によって記述されます。このマルチスケールモデルでは、エージェントベースモデルが中心的な役割を担い、各スケール間のあらゆる情報フローを調整する。

エージェントベースモデリングは、伝染病の蔓延の分析[ ^{29 ]}や生物兵器の脅威、個体群動態[30]、確率的遺伝子発現[31]、植物と動物の相互作用[32]、植生生態学^{[ 33} ] 、^{渡り鳥生態学}[ 34 ] ^{、影響評価[ 35 ]} 、^{景観の多様}性^{[ 36} ] 、^{社会生物学}[ ^{37 ] 、}古代文明の興亡、民族中心主義的行動の進化^{[ 38 ]}、強制移住/移住[ ^{39 ] 、}言語選択の動態^{[ 40 ]} 、認知モデリング、および3D乳房組織形成/形態形成のモデリング[41]、電離放射線が乳腺幹細胞サブポピュレーションの動態に及ぼす影響[42]などの生物医学的応用を^{含む生物学で}広く^{使用されています。}炎症^{[ 43 ] [ 44 ]} 、ヒトの免疫系^{[ 45 ]}、採餌行動の進化^{[ 46 ]}などにもエージェントベースモデルが用いられています。また、乳がんなどの意思決定支援システムの開発にもエージェントベースモデルが使用されています。^{[ 47 ]}エージェントベースモデルは、医薬品開発を支援し、事前には不可能だった生物システムに関する洞察を得るために、初期段階および前臨床研究における薬理学的システムのモデリングにますます使用されています。^{[ 48 ]}軍事用途も評価されています。^{[ 49 ]}さらに、エージェントベースモデルは最近、分子レベルの生物システムを研究するために使用されています。^{[ 50 ] [ 51 ] [ 52 ]}エージェントベースモデルは、恐竜の環境やより最近の古代システムなど、古代システムで作用する生態学的プロセスを記述するためにも作成されています^{。[ 53 ]54 ] [ 55 ]}

エージェントベースモデルは、従来のコンパートメントモデル、つまり一般的な疫学モデルを補完するようになりました。ABMは、予測の精度に関してコンパートメントモデルよりも優れていることが示されています。^{[ 56 ] [ 57 ]}最近では、疫学者ニール・ファーガソンによるCovidSimなどのABMが、 SARS-CoV-2の蔓延に対する公衆衛生（非医薬品）介入の情報提供に使用されています。^{[ 58 ]}疫学ABMは、単純化され非現実的な仮定に基づいているとして批判されています。^{[ 59 ] [ 60 ]}それでも、ABMが正確に較正されている場合、緩和および抑制措置に関する意思決定の情報提供に役立つ可能性があります。^{[ 61 ]}このようなシミュレーションのABMは、実際の人口のデータが常に利用できるとは限らないため、ほとんどが合成人口に基づいています。^{[ 62 ]}

エージェントベースモデルは、1990年代半ばからさまざまなビジネスやテクノロジーの問題を解決するために使用されてきました。応用例としては、マーケティング^{[ 70 ]} 、組織行動と認知^{[ 71 ]} 、チームワーク^{[ 72 ] [ 73 ]} 、サプライチェーンの最適化とロジスティクス、口コミ、ソーシャルネットワーク効果、分散コンピューティング、ワークフォース管理、ポートフォリオ管理などの消費者行動のモデリングが挙げられます。また、交通渋滞の分析にも使用されています。^{[ 74 ]}

近年、エージェントベースモデリングとシミュレーションは、コンピュータサイエンス分野の研究者による出版場所の影響（ジャーナルと会議）の研究など、さまざまな領域に適用されています。^{[ 75 ]}さらに、ABM は、アンビエント支援環境における情報配信のシミュレーションにも使用されています。^{[ 76 ]} 2016 年 11 月のarXivの記事では、 Facebookで拡散された投稿のエージェントベースシミュレーションが分析されています。^{[ 77 ]}ピアツーピア、アドホック、その他の自己組織化および複雑なネットワークの領域では、エージェントベースモデリングとシミュレーションの有用性が示されています。^{[ 78 ]}コンピュータサイエンスベースの形式仕様フレームワークとワイヤレスセンサーネットワークおよびエージェントベースシミュレーションを組み合わせた使用が最近実証されました。 ^{[ 79 ]}

エージェントベースの進化的探索またはアルゴリズムは、複雑な最適化問題を解決するための新しい研究テーマです。^{[ 80 ]}

チームサイエンスの分野では、エージェントベースモデリングが、さまざまな状況におけるチームメンバーの特性やバイアスがチームパフォーマンスに及ぼす影響を評価するために利用されてきました。^{[ 81 ]}このモデリング手法では、それぞれが独自の特性やバイアスを持つ個々のチームメンバーを表すエージェント間の相互作用をシミュレートすることで、研究者はこれらの要因がチームパフォーマンスのダイナミクスと結果にどのように集合的に影響するかを調査することができます。その結果、エージェントベースモデリングはチームサイエンスに対する微妙な理解をもたらし、チームベースのコラボレーションに内在する微妙さや変動性をより深く探求することを可能にします。

2008年の金融危機以前および危機中に、経済分析のツールとしてABMへの関心が高まった。^{[ 82 ] [ 83 ]} ABMは経済が均衡を達成できるとは仮定せず、「代表的エージェント」は群集行動を含む多様で動的かつ相互依存的な行動をとるエージェントに置き換えられる。ABMは「ボトムアップ」アプローチを採用し、非常に複雑で変動の激しいシミュレーション経済を生成できる。ABMは、比例的に小さな変化に対する非線形（不均衡）な反応から生じる暴落と好況を伴う不安定なシステムを表現できる。^{[ 84 ]} 2010年7月のエコノミスト誌の記事では、DSGEモデルの代替案としてABMが取り上げられた。^{[ 84 ]}学術誌Natureも、エージェントベースモデリングを奨励し、ABM は金融市場やその他の経済の複雑さを標準モデルよりもうまく表現できると示唆する社説を掲載しました^{[ 85 ]}また、J. Doyne Farmerと Duncan Foley によるエッセイでは、ABM は複雑な経済を表現したいというケインズの願望と、ミクロ的基礎に基づいてモデルを構築したいというロバート・ルーカスの願望の両方を満たすことができると主張しました^{[ 86 ]} Farmer と Foley は、経済の一部をモデル化するために ABM を使用して達成された進歩を指摘しましたが、低レベルモデルを組み込んだ非常に大きなモデルの作成を主張しました^{[ 87 ]}模倣、反模倣、無関心という 3 つの異なる行動プロファイルに基づいてアナリストの複雑なシステムをモデル化することにより、金融市場は高精度でシミュレートされました。結果は、ネットワーク形態と株式市場指数の間に相関関係があることを示しました^{[ 88 ]}しかし、ABM アプローチは、類似のモデルが非常に異なる結果をもたらす可能性があるという点で、モデル間の堅牢性に欠けるという批判を受けています。^{[ 89 ] [ 90 ]}

ABMは、建築や都市計画において、設計の評価や都市環境における歩行者の流れのシミュレーション^{[ 91 ]}、および土地利用への公共政策の適用に関する検討^{[ 92 ]}に活用されてきた。また、ABMの社会経済ネットワークへの体系的な影響を識別する能力を利用して、インフラ投資の影響に関する社会経済分析の分野も拡大している^{[ 93 ]} 。富の不平等や社会移動に対処するために、ABMモデルでは異質性や動態を容易に構築できる^{[ 94 ] 。}

ABMは、国際関係分野の外交官^{[ 95 ]}や、公共政策の評価を高めるための国内外の政策立案者^{[ 96 ]}向けの応用教育ツールとしても提案されている。

ABMは、水資源計画および管理にも応用されており、特にインフラ設計や政策決定のパフォーマンスの調査、シミュレーション、予測^{[ 97 ]}、および大規模水資源システムにおける協力と情報交換の価値の評価^{[ 98 ]に用いられている。}

エージェント指向シミュレーション（ADS）のメタファーは、「エージェントのためのシステム」と「システムのためのエージェント」という2つのカテゴリを区別します。^{[ 99 ]}エージェントのためのシステム（エージェントシステムと呼ばれることもあります）は、エンジニアリング、人間と社会のダイナミクス、軍事アプリケーションなどで使用するためにエージェントを実装するシステムです。システムのためのエージェントは、2つのサブカテゴリに分けられます。エージェントサポートシステムは、問題解決や認知能力の向上においてコンピュータ支援を可能にするためのサポート機能としてエージェントを使用することを扱います。エージェントベースシステムは、システム評価（システム研究と分析）におけるモデル動作の生成にエージェントを使用することに焦点を当てています。

Hallerbach らは、テスト対象車両のデジタルツインと独立したエージェントに基づくミクロ交通シミュレーションを介して、自動運転システムの開発と検証にエージェントベースのアプローチを適用することについて議論した。^{[ 100 ]} Waymo は、自動運転車のアルゴリズムをテストするために、マルチエージェントシミュレーション環境 Carcraft を作成した。^{[ 101 ] [ 102 ]}これは、人間のドライバー、歩行者、自動運転車の間の交通相互作用をシミュレートする。人間の行動は、実際の人間の行動のデータに基づいて人工エージェントによって模倣される。自動運転車を理解するためにエージェントベースのモデリングを使用するという基本的なアイデアは、2003 年という早い時期に議論された。^{[ 103 ]}

エージェントベースモデリングは、特定のソフトウェアやプラットフォームというよりはモデリングフレームワークに近いので、他のモデリング形式と組み合わせて使用​​されることがよくあります。たとえば、エージェントベースモデルは地理情報システム(GIS) と組み合わされることもあります。これにより、ABM がプロセスモデルとして機能し、GIS システムがパターンモデルを提供できるという有用な組み合わせが実現します。^{[ 112 ]}同様に、ソーシャルネットワーク分析(SNA) ツールとエージェントベースモデルが統合されることもあり、ABM はネットワーク上のダイナミクスをシミュレートするために使用され、SNA ツールは相互作用のネットワークをモデル化および分析します。^{[ 113 ]} GAMAのようなツールは、システムダイナミクスとGIS をABM と統合する自然な方法を提供します。

• エージェントベースのソーシャルネットワークモデル、Javaアプレット。
• 社会科学におけるエージェントベースモデリング初心者向けオンラインガイド
• エージェントベースモデリングとシミュレーション入門。アルゴンヌ国立研究所、2006年11月29日。
• 生態学におけるエージェントベースモデル ― 複雑な生態系を分析するための理論的ツールとしてのコンピュータモデルの利用
• 社会・生態科学における計算モデリングネットワークのエージェントベースモデリングに関するFAQ
• マルチエージェント情報システム– エンタープライズ情報システムの領域におけるSOA、BPM、マルチエージェント技術の融合に関する論文。ホセ・マヌエル・ゴメス・アルバレス、人工知能、マドリード工科大学– 2006年
• 人工生命フレームワーク
• 現実世界の人間行動を、エージェントの行動が表現されるシミュレーションモデルに移行するための方法論を提供する記事
• エージェントベースモデリングリソース：エージェントベースモデリングの手法と哲学に関するモデラー向けの情報ハブ
• 2010年5月6日のフラッシュクラッシュのエージェントベースモデルと政策的示唆、Tommi A. Vuorenmaa（Valo Research and Trading）、Liang Wang（ヘルシンキ大学コンピュータサイエンス学部）、2013年10月
• エージェント型ABMと従来型ABMの比較、RevGeniチーム、2026年2月

• Qasim Siddiqueによるマルチエージェント会議スケジューリングシステムモデル
• ヴァレンティーノ・ピアーナによる複数企業市場シミュレーション
• COVID-19シミュレーションモデル一覧