> ## Documentation Index > Fetch the complete documentation index at: https://meta.niceshare.site/llms.txt > Use this file to discover all available pages before exploring further. # エージェントベースモデル > エージェントベースモデルは、自律的なエージェントが局所ルールで相互作用し、システム規模のパターンを生み出すシミュレーションです。起源、使い方、限界を整理します。 **カテゴリ**: モデル
**種類**: システム / 計算シミュレーションモデル
**起源**: Thomas C. Schelling（1971）；Joshua M. Epstein と Robert Axtell（1996）
**別名**: マルチエージェントシミュレーション、個体ベースモデル、エージェントベース計算モデル **先に答えると** — **エージェントベースモデル**（Agent-Based Model）は、多数の自律的で、しばしば異質なエージェントが局所ルールに従い、互いに、また環境と相互作用することで、システム規模のパターンを生み出すシミュレーションです。Thomas Schelling の **1971** 年の分離モデルは、チェッカー盤の上の硬貨でこの論理を示し、Joshua Epstein と Robert Axtell の **1996** 年 Sugarscape は、社会を「育てる」実験室にしました。実務上の教訓は、マクロなパターンが誠実なミクロルールから*育てられるか*を先に問うことです。平均から動機を読み取ったり、全員を一人の代表的行為者に畳んだりする前に、です。 ## エージェントベースモデルとは？ エージェントベースモデルは計算実験です。エージェント、彼らが住む空間、従うルールを定め、認識できる大規模パターンがボトムアップに現れるかを見ます。 > いつか人々は、「説明できるか？」という問いを、「育てられるか？」と聞き換えるようになるかもしれない。 昼の食堂を想像してください。席は割り当てられていません。各自が近くに顔見知りの人を少し欲しいだけです。数回席を替えたあと、誰も計画していない塊に部屋が割れます。日常の合図はこうです。席の地図は、誰がどれほど他者を排除したかったかの忠実な肖像ではない。[システム思考](/ja/thinking/systems-thinking)は全体を見ます。エージェントベースモデルは、異なることを許された部分から全体が立ち上がる砂場です。合計を追う[ストック・アンド・フロー](/ja/models/stock-and-flow)の絵を補うものであり、合計を動かしている一人ひとりから始める必要はありません。 ### エージェントベースモデルを3つの深さで理解する * **入門**: 群衆、市場、近隣が意外な形を取ったら、平均の人が何を望んだかだけでなく、各自が局所的に何を見て何ができたかを問う。 * **実務**: エージェント、状態、環境、相互作用ルールを一つか二つ名指しする。走らせ、ルールを一つ変え、どのマクロパターンが残るかを見る。 * **上級**: パターンを育てたことは*十分性*であり、唯一の原因ではない。較正、確率的な繰り返し、エージェントが見えないものの正直な記述が、砂場を動画にしない。 ## 起源 エージェントベースモデルには複数の祖先があり、単一の発明者はいません。**1950** 年代、John von Neumann と Stanislaw Ulam はセル・オートマトンを探りました。格子上のセルが近傍から更新されます。この系統には、のちの Conway のライフゲームや、**1980** 年代の[カオスの縁](/ja/models/edge-of-chaos)研究があります。**1987** 年、Craig Reynolds の SIGGRAPH 論文 “Flocks, Herds, and Schools: A Distributed Behavioral Model” は、分離・整列・結合の三つの局所操舵ルールで、リーダーなしに群れが作れることを示しました。 社会科学における画期は、より早く、より簡素です。当時ハーバードにいて RAND のために書いていた **Thomas C. Schelling** は、**1969 年 5 月** に *Models of Segregation* を RM-6014 として出し、*Journal of Mathematical Sociology*（**1971**, Vol. 1, No. 2, pp. 143–186）に “Dynamic Models of Segregation” を発表しました。チェッカー盤の上でペニーとダイムを動かします。識別できる二つの集団、空きマス、局所的少数派になりたくないという穏やかな願い。極端なクラスタが続きました。彼はのちに *Micromotives and Macrobehavior*（**1978**）で議論を再述します。**2005** 年のノーベル経済学賞（Robert Aumann と共同）は紛争と協力の研究を挙げました。分離モデルは、マイクロ動機対マクロ行動の教材として残っています。 **1996** 年、Brookings Institution に勤め Santa Fe Institute ともつながっていた **Joshua M. Epstein** と **Robert Axtell** は *Growing Artificial Societies: Social Science from the Bottom Up*（MIT Press）を出しました。Sugarscape は双峰の資源格子にエージェントを置きます。視界の限り最も糖が多いマスへ行き、食べ、代謝する、という局所的採餌ルールだけで、移動、交易、歪んだ富の分布が育ちました。Epstein の **1999** 年の論考 “Agent-Based Computational Models and Generative Social Science”（*Complexity*, Vol. 4, No. 5, pp. 41–60）が手法に名を与えます。説明とは生成的十分性である、と。 あとの二本が、この技を教えやすくしました。**Eric Bonabeau** の **2002** 年 *Proceedings of the National Academy of Sciences* の展望（Vol. 99, Suppl. 3, pp. 7280–7287）は、代表的エージェントの方程式よりこの手法が勝る場合を整理します。**Volker Grimm** と 27 人の共著者は *Ecological Modelling*（**2006**, Vol. 198, pp. 115–126）で **ODD** プロトコル——Overview, Design concepts, Details——を提案し、個体ベースおよびエージェントベースのモデルが黒箱のまま残らないようにしました。 ## 要点 エージェントベースモデルは、人（あるいは企業、細胞、車両）が互換ではなく、気になるパターンが相互作用の中にあるときに使います。 エージェントは視界、忍耐、富、位置、記憶で異なり得ます。単一の「代表」では、誰の隣に誰が座るかで決まるクラスタ、行列、カスケードは作れません。表計算がすでに全員を平均として扱っているなら、まだこの種のモデルではありません。 各エージェントが見るのは近隣、一つの価格、数人の隣人であり、システム全体ではありません。Schelling の転居者は、近くの席が十分に馴染みがあるかだけを問いました。Reynolds のボイドは近くの鳥に整列します。神の視点のダッシュボードが要るルールは、もはや局所ルールではなく、結論を設定に密輸します。 分離、渋滞、[ティッピングポイント](/ja/models/tipping-point)、富の厚い裾——マクロパターンは、述べたルールから現れたとき初めて育てられたと言えます。Epstein の検査は厳しいです。育てられなければ、そのミクロ仕様が十分であることすら示せていません。育てても、それが真の原因だとは限りません。 Grimm の ODD は、目的、実体と尺度、過程のスケジューリング、初期化、入力、サブモデルを求めます。それがなければ、色とりどりの実行は逸話です。多くのエージェントモデルは確率的なので、[モンテカルロシミュレーション](/ja/models/monte-carlo-simulation)と同じく繰り返し実行を物語に添えてください。 ## 応用場面 誰も選んでいないパターンを、異なる行為者の局所決定の繰り返しが作りうるときに、このモデルは元を取ります。 各世帯、生徒、チームが見えるものを問い、移動や再編を許します。穏やかな「自分たちに似た人が十分いる」ルールですでに地図が割れるなら、極端な選好の物語に跳ばない。同じスケッチは、昼食の卓と組織図の自己選別も診断します。 各運転者や歩行者に車間と反応時間を与えます。事故も悪役もなく、ブレーキの連鎖から渋滞ができます。通路全体を作り直す前に、合流の作法、扉の位置、バッチサイズなど、局所ルールを一つ変えます。 平均接触率はハブ、世帯、職場を隠します。異質なエージェントは、少数の忙しいノードが拡散を支配することを許します。よく混ざった方程式はそれを見逃します。偽に精密なピークを鋳造するのではなく、どの接触を切るかを問うために使います。 Sugarscape 型の採餌、あるいは異なる利用者を持つ[共有地の悲劇](/ja/models/tragedy-of-the-commons)は、単純な代謝と視界から不平等や崩壊を育てられます。平均的な一人の農家から論じる前に、税、割当、共有ルールを砂場で変えて負荷試験します。 ## 事例 **Thomas Schelling** のチェッカー盤は、マイクロ動機がマクロ行動と一致しなくてよいことの、今なお最もきれいな実演です。**1969** 年の RAND メモと **1971** 年の論文では、二つの集団が有限格子を占めます。マスの約 **25–30%** が空なので移動できます。各世帯は局所近隣——空間版ではしばしば周囲の **5 × 5**——を見て、反対タイプが多すぎれば転居します。 測れる驚きは、需要と結果のギャップです。Schelling は、過程が落ち着いたあと、典型的な近隣で*実現される*選好は同類の近隣者の **三分の一** 付近にあり、需要が **35–50%** の帯を通ると分離が急に上がると報告しました。混在街区を耐えられたはずの世帯も、誇張された塊に落ち着きます。彼自身の要約が発見です。個人の誘因と集団結果に単純な対応はなく、集計パターンから個人の動機を読むことは、通常できません。 だからこのモデルは、偏見の項目だけでなく、エージェントベースモデルの記事に属します。エンジンは局所移動と閾値であり、分離せよという中央命令ではありません。限界の注記：現実の都市は価格、融資規則、暴力、制度的差別でも動きます。穏やかな選好から分離を育てたことは、*可能な*機制を示します。それが実際のどの都市の全史だとは証明しません。 ## 限界と失敗パターン エージェントベースモデルは、何が*起こりうるか*を示し、何が*必ず起きたか*を示しません。異なるミクロルールが同じ曲線を育てられます。「形を再現した」で止まれば、候補であって判決ではありません。それが十分性の罠です。 過適合も容易です。余分な形質、ネットワーク、確率ノブは昨年のデータに合い、来年は失敗します。Bonabeau の実務的警告は今も有効です。異質性、局所相互作用、適応ルールが要点であるときにエージェントを使う。そうでなければ[ストック・アンド・フロー](/ja/models/stock-and-flow)や方程式モデルの方が明確で安価です。きれいな動画をより科学的だと思わないでください。 よくある誤用は動機の推論です。分離した地図、詰まった高速道路、分極したフィードが、「人々はこれを望んだ」証拠として読まれます。Schelling と Epstein の要点は逆です。平均的な心を責める前に、局所ルールと、それが閉じる[フィードバックループ](/ja/models/feedback-loops)を確かめてください。 ## よくある誤解 手法は映画に見えるので、動画を説明と、説明を証明と取り違えやすいです。 セル・オートマトンは祖先の一つです。役に立つエージェントベースモデルは、エージェントは誰か、何を観察できるか、どう更新するか、どのマクロパターンが成功や失敗かを述べます。その主張のない美しい格子はデモであり、モデルではありません。 パターンを育てたことは、それらのルールが計算機の中で十分だと示します。現実のシステムは、同じ形を別のルールで作っているかもしれません。実行を候補機制として扱い、ミクロルールの独立した痕跡を探してください。 余分な形質は、正当化すべきものと確認すべき実行を膨らませます。ODD で文書化できる小さな異質ルールの集合は、当て推量の心理の群衆より多くを教えることが普通です。 ## 関連概念 これらのページは、局所的行為とシステムの構造が、誰一人選んでいないパターンをどう生むか、という同じ問題の隣にあります。 一人の行為者を責める前に、関係と遅れを見る。 水準と流量の集計図。エージェントモデルはこれを生成できるが、ここから始める必要はない。 局所的な動きが、システム規模で強化や均衡のループを閉じる仕組み。 局所的な不満が転居の連鎖を起こすときの閾値の言葉。 確率的なエージェントベースモデルが、一本の動画ではなく幅を得るために今も必要な繰り返し。 過程を状態とルールと、再実行できる実験に変える習慣。 ## 一言で言うと 局所ルールを正直に書き、パターンを育ててみてから、群衆が「望んだに違いない」ものを決める。