.jpg)
| แบบจำลอง Agent-based Simulation |
 |
 |
|
คมสัน สุริยะ ตอนที่ 1 แบบจำลอง Agent-based Simulation คืออะไร แบบจำลอง Agent-based Simulation คือ แบบจำลองที่พยากรณ์การตัดสินใจของคนแต่ละคนในระบบ และด้วยการตัดสินใจเหล่านั้นจะทำให้ผลลัพธ์ที่จะเกิดขึ้นกับทั้งระบบเป็นอย่างไร ดังนั้น เมื่อผลลัพธ์ของอะไรบางอย่างเกิดขึ้นจากการตัดสินใจของคนแต่ละคนในระบบ เมื่อนั้นเราใช้แบบจำลองนี้ได้ ตอนที่ 2 หลักการทำงานของ Agent-based Simulation เป็นอย่างไร การทำงานของ แบบจำลอง Agent-based Simulation แบ่งเป็นสามขั้น คือ ขั้นที่หนึ่ง พยากรณ์การตัดสินใจของคนแต่ละคนในระบบ ขั้นที่สอง พยากรณ์ผลลัพธ์ที่จะเกิดกับระบบ ขั้นที่สาม วน Loop ในขั้นตอนแรก คนแต่ละคนจะตัดสินใจจากปัจจัยอะไรบางอย่าง เรียกว่า Mediating factors ซึ่งปัจจัยเหล่านี้ก็เกิดมาจากตัวแปรต่าง ๆ ที่เกิดขึ้นแวดล้อมอีกทีหนึ่ง หรือที่เรียกว่า Global factors ในขั้นตอนที่สอง เมื่อคนแต่ละคนตัดสินใจทำอะไรสักอย่างแล้วย่อมเกิดผลเฉพาะหน้าขึ้น เรียกว่า Results of decision และสิ่งที่เกิดขึ้นนั้นจะกระทบต่อระบบ เรียกว่า Global results ในขั้นตอนที่สาม เมื่อระบบเปลี่ยนแปลงไปย่อมกระทบต่อการตัดสินใจในรอบต่อไป Global results จะกลายเป็น Global factors สำหรับรอบต่อไป ตัวอย่างเรื่อง Land Use ของ ยูเลีย ชินด์เล่อร์ Global factors เช่น สภาพความสมบูรณ์ทางชีวภาพ สภาพภูมิอากาศ รายได้ประชาชาติ Mediating factors เช่น ราคาพืชแต่ละชนิด ค่าจ้างสำหรับการทำงานนอกภาคเกษตร Decision เช่น การจัดสรรแรงงาน การเลือกชนิดพืชที่ปลูก การลงทุนทำชลประทาน Results of decision เช่น จำนวนพื้นที่ที่มีการปลูกพืชชนิดหนึ่ง อุปทานของแรงงานนอกภาคเกษตร พื้นที่ชลประทาน Global results เช่น สภาพความสมบูรณ์ทางชีวภาพ สภาพภูมิอากาศ รายได้ประชาชาติ ซึ่งจะเป็น Global factors ในรอบต่อไป ตอนที่ 3 รายละเอียดของแบบจำลอง ทำอย่างไร รายละเอียดของแบบจำลองมีสามส่วน คือ Layers ของตัวแปร แผนผังของแบบจำลอง ความเชื่อมโยงของตัวแปรต่าง ๆ และโปรแกรมที่ใช้ ดังนี้ 3.1 Layers ของตัวแปร แบบจำลอง Agent-based Simulation มีหน้าตาเป็นช่องสี่เหลี่ยมต่อ ๆ กันเป็นแผ่น คล้ายกับเกมส์ Sim City ช่องสี่เหลี่ยมแต่ละช่องแทนด้วยพื้นที่ผืนหนึ่ง Layer 1: ที่ดินแต่ละผินจะต้องบอกได้ว่าทำการเพาะปลูกอะไร หรือกิจกรรมนอกภาคเกษตรอะไร หรือไม่ทำอะไรเลย ที่ดินเหล่านี้เปลี่ยนแปลงการใช้ประโยชน์ได้ ตามการตัดสินใจของเจ้าของที่ดิน ที่ดินบางแห่งอาจจะเป็นแม่น้ำ ซึ่งจะเป็นเซลล์ที่คงที่ ไม่มีการเปลี่ยนแปลงไปใช้ประโยชน์เป็นอย่างอื่น Layer 2: ที่ดินแต่ละผืนจะต้องบอกได้ว่าใครเป็นเจ้าของ Layer 3: เจ้าของแต่ละคนสามารถเคลื่อนที่ไปยังที่ดินว่างเปล่าผืนอื่นได้ Layer 4: เจ้าของแต่ละคนสามารถรวมกลุ่มกันกลายเป็นหมู่บ้าน แล้วมีการตัดสินใจร่วมกันของทั้งหมู่บ้านได้ด้วย 3.2 แผนผังของแบบจำลอง แบบจำลองประกอบด้วย 5 Modules ดังนี้ Module 1: ตัวแปรที่เป็น Natural state เช่น Land use, Land cover, Soil quality, Ground water, Irrigation, Proximity Module 2: ตัวแปรที่เป็น Agent state เช่น Assets ด้านแรงงาน ที่ดิน ปศุสัตว์ รายได้ และฐานะทางสังคม Module 3: ตัวแปรที่เป็น Agent behavior เช่น การตัดสินใจจัดสรรแรงงาน การตัดสินใจทำชลประทาน การตัดสินใจเลือกพื้นที่เพาะปลูก การตัดสินใจเลือกพืช การตัดสินใจเลือกใช้ปัจจัยการผลิต รวมทั้งรายได้ที่เกิดขึ้นจากการตัดสินใจจัดสรรแรงงาน Module 4: ตัวแปรที่เป็น Natural behavior เช่น การเปลี่ยนแปลงของสภาพที่ดินอันเกิดจากสภาพธรรมชาติล้วน ๆ ฟังก์ชั่นการผลิต การเปลี่ยนแปลงประชากรของปศุสัตว์ Module 5: ตัวแปรเชิงนโยบาย ซึ่งเป็นสิ่งที่นักวิจัยสนใจว่าจะทำให้เกิดการเปลี่ยนแปลงของระบบที่กล่าวมาแล้วทั้ง 4 Modules ได้หรือไม่ 3.3 ความเชื่อมโยงของตัวแปรต่าง ๆ ตัวแปรจากแต่ละ Module จะเรียงร้อยเชื่อมโยงกันด้วยแบบจำลองย่อยอีกเป็นจำนวนมาก อาทิเช่น แบบจำลองย่อยที่ 1: ฟังก์ชั่นการผลิต = f ( Natural state ทั้งหมด, การตัดสินใจจัดสรรแรงงาน, การตัดสินใจทำชลประทาน, การตัดสินใจเลือกพื้นที่เพาะปลูก, การตัดสินใจเลือกพืช, การตัดสินใจเลือกใช้ปัจจัยการผลิต) แบบจำลองย่อยที่ 2: การเปลี่ยนแปลงประชากรของปศุสัตว์ = f ( ปริมาณอาหารตามธรรมชาติ) แบบจำลองย่อยที่ 3: จำนวนปศุสัตว์ในความครอบครองของครัวเรือน = f ( การเปลี่ยนแปลงประชากรของปศุสัตว์ ) แบบจำลองย่อยที่ 4: การเปลี่ยนแปลงของสภาพที่ดินอันเกิดจากสภาพธรรมชาติล้วน ๆ = f ( ลม, อุณหภูมิ, ความชื่น) ซึ่งเป็นแบบจำลองทางวิทยาศาสตร์ แบบจำลองย่อยที่ 5: การตัดสินใจจัดสรรแรงงาน = f ( Assets ด้านแรงงาน, ที่ดิน, ปศุสัตว์, รายได้, และฐานะทางสังคม ) เป็นต้น แบบจำลองย่อยเหล่านี้สามารถสร้างขึ้นมาได้ด้วย Regression, Binary Logit, Multinomial Logit เป็นต้น 3.4 โปรแกรมที่ใช้ โปรแกรมที่ใช้มีชื่อว่า NetLogo ตอนที่ 4 ผลที่ได้ออกมาเป็นอย่างไร ในการ Simulation มีหลักอยู่เหมือน ๆ กันอย่างหนึ่งคือ settings ในตอนแรกจะต้องจำลองเหตุการณ์ที่กำลังเกิดขึ้นอยู่ได้ (replicate เหตุการณ์ปัจจุบัน) ดังนั้นก่อนการรัน Simulation ในครั้งแรกก็ต้องตรวจสอบว่าทุกอย่างได้จำลองสิ่งที่เกิดขึ้นในปัจจุบันไว้ได้เสมือนจริงแล้ว รัน Simulation ไปข้างหน้า 30 ปี โดยไม่มีการแทรกแซงจากตัวแปรเชิงนโยบายใด ๆ เลย เพื่อดูผลที่เรียกว่า Based-line scenario รัน Simulation ไปข้างหน้า 30 ปี โดยมีการแทรกแซงจากตัวแปรเชิงนโยบายบางตัว ดูผลเทียบกัน ในแต่ละรอบของการรัน ตัวแปร Global results จะกลายเป็น Global factors ในรอบต่อไป และที่แปลกก็คือ ครัวเรือนแต่ละรายสามารถรวมกลุ่มกันใหม่ได้ด้วย เช่น เมื่อสิ้นรอบ ครัวเรือที่เคยยากจนอาจจะไม่ยากจนอีกต่อไป ทำให้เข้ามารวมอยู่ในกลุ่มของคนที่ไม่ยากจน (non-poor) เป็นต้น นอกจากนั้นในแต่ละรอบ ยังมีรอบย่อยได้ด้วย เช่น รอบในฤดูเพาะปลูก และรอบนอกฤดูเพาะปลูก ซึ่งตัวแปรต่าง ๆ เมื่อสิ้นสุดรอบฤดูเพาะปลูกก็จะกลายเป็นตัวแปรตั้งต้นของรอบนอกฤดูเพาะปลูก ตอนที่ 5 ข้อดีและข้อเสียของแบบจำลอง 5.1 ข้อดี 1) ช่วยบอกได้ว่าระบบจะออกหัวหรือออกก้อย จากอิทธิพลของปัจจัยแวดล้อมต่าง ๆ มากมายที่มนุษย์ก็ไม่แน่ใจว่าผลจะออกมาอย่างไร 2) ช่วยสนับสนุนในการอภิปรายเชิงนโยบาย เพราะแบบจำลองสามารถให้ทิศทางของการเปลี่ยนแปลงของสิ่งที่เราให้ความสำคัญได้ 3) สามารถจำลองปัจจัยทางเศรษฐศาสตร์ได้ดี 4) ใช้กับทฤษฎีเกมส์ได้ 5) สามารถ shock ได้ทั้งปัจจัยภายนอก (Purely exogenous variables) และปัจจัยเชิงนโยบาย 5.2 ข้อเสีย 1) Sensitive กับการเปลี่ยนแปลงของพารามิเตอร์บางตัว 2) ไม่สามารถพยากรณ์ค่าตัวแปรได้แม่นยำนัก บอกได้แต่ทิศทาง 3) ไม่มีทางที่จะบอกได้ว่าการพยากรณ์ถูกต้องหรือไม่ เพราะเป็นการพยากรณ์ไปในอนาคตอันไกล เช่น อีก 30 ปีข้างหน้า 4) ไม่สามารถจำลองทุกอย่างได้เหมือนจริงทั้งหมด เช่น อ่อนเรื่องการตัดสินใจจากอิทธิพลทางสังคม 5) การรันแต่ละครั้ง ทั้ง ๆ ที่ settings ตอนแรกเหมือนกัน อาจจะให้ผลที่ไม่เหมือนกัน 5.3 ทางออกของการใช้แบบจำลอง 1) จะต้องทำ Sensitivity analysis เสมอ 2) สำหรับ Settings หนึ่ง ๆ จะต้องรันอย่างน้อย 4 ครั้งเพื่อดูผลเฉลี่ย 3) จะต้องบอกว่า Limitations ของสิ่งที่เราจะแทรกแซงอยู่ตรงไหน ไม่ใช่ว่าเราจะทำทุกอย่างได้ (What you cannot do with that?) 4) สิ่งที่นักสร้างแบบจำลองยอมรับคือ เราจะไม่ Validate แบบจำลอง (คือ ไม่จำเป็นต้องดูว่าแบบจำลองรันแบบนี้ได้ไหม จะถูกต้องไหม เพราะว่ามันซับซ้อนมาก) แต่เราจะ Evaluate แบบจำลอง ( คือ ดูว่าผลของมันออกมา Make sense ไหม สามารถอธิบายได้ไหม เกินกว่าที่ใครจะยอมรับได้ไหม หรือผลที่ออกมาผิดไปจากที่ควรจะเป็นตามทฤษฎีไหม) แม้ว่าเราจะมีวิธีการที่คิดว่าถูกต้องแต่ถ้าผลิตผลลัพธ์ที่ผิดไปจากทฤษฎีก็ไปไม่รอด ผู้ชมหรือกรรมการไม่มีทางที่จะมาตรวจสอบได้ว่าทุกฟังก์ชั่นของแบบจำลองถูกต้องไหม แต่เมื่อมีตัวแปรใด ๆ ออกมาผิดทิศผิดทาง เช่น ราคาออกมาเป็นลบ หรือสัดส่วนการใช้ปัจจัยการผลิตเป็นลบ แบบนี้แสดงว่าแบบจำลองนั้นอย่างไรก็ใช้ไม่ได้ 5) ผู้เชี่ยวชาญในการสร้างแบบจำลองเสนอว่า ไม่มีสูตรสำเร็จในการสร้างแบบจำลอง Agent-based Simulation มันขึ้นอยู่ว่าจุดประสงค์ของการศึกษาอยู่ที่ไหน หากไม่ได้อยู่ที่การศึกษาอิทธิพลของปัจจัยทางสังคม แบบจำลองก็ไม่จำเป็นต้องทำฟังก์ชั่นด้านสังคมให้ละเอียด เราไม่จำเป็นต้องทำทุกอย่างให้ละเอียด เพียงแต่มุ่งไปที่จุดที่ต้องการตอบคำถาม ดังนั้นนักวิจัยต้องบอกได้ว่าต้องการทราบอะไรกันแน่ก่อนที่จะสร้างแบบจำลอง 6) หากต้องทำแบบจำลองในส่วนของอิทธิพลของปัจจัยทางสังคม ก็จำเป็นต้องมีผู้เชี่ยวชาญด้านสังคมศาสตร์ให้คำแนะนำว่า Rule of the game เป็นอย่างไร ซึ่งจะทำให้นักวิจัยสร้างแบบจำลองออกมาได้เสมือนจริงตามนั้น Link ที่เกี่ยวข้อง
|