エージェントベースモデル

エージェントベースモデルとは

渋滞はなぜ起きるのか。個々のドライバーはみな「できるだけ速く走りたい」と思っているのに、なぜ全体としての渋滞という「誰も望んでいない」状態が生まれるのか。エージェントベースモデル（Agent-Based Model, ABM）はこのような問いに答えるためのアプローチだ。多数の「エージェント（自律的な判断を持つ単位）」が互いに相互作用することで、誰もデザインしていない複雑なパターン・秩序・構造が「創発（emergence）」する様子をコンピュータ上でシミュレートする。

歴史的背景：複雑系科学の計算論的方法

エージェントベースモデルは1980〜90年代に複雑系研究とともに発展した。サンタフェ研究所の研究者たちがコンピュータシミュレーションを複雑系理解のツールとして活用したことが起源だ。

クレイグ・レイノルズが1986年に開発した「Boids」は初期の代表的なABMだ。鳥の群れ飛行をシミュレートしたもので、各「鳥」が三つの単純なルール（①隣接個体との衝突を避ける・②隣接個体の平均方向に向かう・③隣接個体の平均位置に近づく）に従うだけで、リアルな群れ飛行が創発した。「全体の形」をプログラムせずに、「個々の規則」から全体が生まれる。

ABMのメカニズム：創発の仕組み

ABMの基本構造は三要素からなる。

エージェント: 自律的な意思決定・行動ルールを持つ単位。個体・企業・国家・ニューロンなど問題によって様々だ。

環境: エージェントが存在・移動・相互作用する空間（格子・ネットワーク・連続空間）。

相互作用ルール: エージェント間の相互作用の規則。局所的（隣接エージェントのみ）か大域的（全エージェント）かなど。

この三要素を設定してシミュレーションを走らせると、誰もデザインしていない「創発的」なパターンが現れる。社会の階層化・経済の景気循環・生態系の個体数振動・都市の自然発生的な住み分けなどがABMで再現されている。

他概念との関係

非線形性はABMが複雑な振る舞いを示す根本的な理由だ。個々のエージェントの相互作用が非線形だからこそ、単純な積み上げ（線形な足し算）では予測できない複雑な全体が生まれる。

共進化のシミュレーションにABMは特に適している。複数の集団（種）を別々のエージェント群として表現し、互いの相互作用を通じた共進化ダイナミクスを追跡できる。

適応度地形上でエージェントが探索するというモデルでは、ABMと適応度地形が統合される。各エージェントが地形上の位置として表現され、相互作用と選択を通じて集団が地形上を「移動」する様子がシミュレートされる。

遺伝的アルゴリズムとの接続では、GAが単一の集団の最適化を行うのに対し、ABMは複数の相互作用する集団のダイナミクスを追跡する。GAをABMの中のエージェントの学習メカニズムとして組み込む複合モデルもある。

現代への示唆

ABMは現代の政策分析・都市計画・金融システム設計に広く応用されている。

パンデミックのシミュレーション（各個人をエージェントとして感染拡大をシミュレート）は、COVID-19対応政策の設計に貢献した。都市の交通流シミュレーション・避難シミュレーションは防災計画に使われる。経済エージェントモデル（Computational Economics）は、理論モデルでは捉えにくい不均衡・バブル・危機のダイナミクスを研究する。

ABMが持つ根本的な洞察は「社会現象は還元不可能だ」という複雑系の核心テーゼを実証することにある。渋滞・バブル・社会運動・パンデミックは個人の行動の単純な「合計」ではなく、相互作用から「創発」した複雑な現象だ。この創発を理解・制御しようとするとき、ABMは現在持つ最も強力な道具の一つだ。