Allora ci siamo, abbiamo raggiunto la fine del corso. Ma prima di lasciarvi voglio divagare su tre tendenze e necessità del modello basato su agente che vedo come fondamentali per andare avanti con il modello. E questo è il mio particolare ambito, sono davvero assai interessato, ma anche capitalizzare sulle tendenze che vediamo in altre aree delle scienze computazionali, in particolare per le scienze sociali computazionali e le scienze biologiche-socio-ecologiche. E nessuna di queste rappresenta la generazione automatica delle regole di un agente. Ora, di questo ho parlato nella sez. 9.1, ok? Abbiamo questa grande mole di dati che ora organizziamo su cosa gli umani e le entità fanno nel mondo, va bene? Abbiamo sensori su tutto, abbiamo l'internet delle cose che esplode ormai ovunque. I dati sociali, dati dalle app, dati dai cellulari nelle tasche di ognuno, ok? E la domanda è, possiamo usarli per definire regole automatiche che catturano l'essenza delle azioni umane in questi spazi, ok? Come definire come gli esseri umani si muovono nel mondo, come interagiscono con l'internet delle cose, ok? O definire come l'internet delle cose interagisce con se stesso, come se le macchine diventassero sempre più automatizzate. Va da sé, queste regole vanno anche valutate, ok? E un modo per validarle è costruire queste regole, fare previsioni vedendo se e come queste vengono realizzate. Ora perché sarebbe interessante farlo al livello dell'agente? Se abbiamo tutti questi dati, perché non possiamo usare questi dati, ok? Ma senza le regole dell'agente che prevede il comportamento al livello individuale, non abbiamo la possibilità di valutare cosa accadrebbe se cambiasse la struttura incentivo per un particolare individuo in quello spazio. Ora modellare uno stato causale ci dà un esempio di questo. Ma possiamo usarne tanti altri, potreste usare l'albero della decisione, potreste usare le regole associative, va bene. Potreste usare il sistema dei classificatori. Ci sono molti metodi che ci permettono di fare questo. E con tutte queste fondi di dati, big data, i dati amministrativi non sono nuovi, ma l'abilità di processarli in grandi quantità i dati del linguaggio naturale, i dati dal testo a voce, dati sociali, dati dalle app, diventare davvere capaci di capitalizzare su questo cambierà in maniera forte il modo di percepire il modello basato su agente nel mondo intorno a noi, ok. E ci dà una cassetta degli attrezzi molto più potente per comprendere alcune di queste situazioni. Ora, va da sé, uno dei grandi problemi con alcuni di questi dati e uno dei problemi di cui le persone si lamentato, è che i dati di traccia è essenzialmente digitalemente scarico. Sono dati che non dicono niente in realtà. Abbiamo quindi bisogno di validare questi modelli contro i dati reali e calibrare questi modelli per mostrare che lavoro bene, ok. Abbiamo bisogno di linee guida rigorose, credo, da seguire, che mostrino che i nostri modelli, i modelli basati su agente, siano stati validati in maniera appropriata. Penso spesso a questo come una suite di test statistici, ok. La statistica è molto buona. La disciplina della statistica è molto buona. Dire, "se avete dati che sembrano questo e i vostri outputs sembrano questo, poi ci sono vari test che dovete applicare", ok. E in alcuni casi, quello che stiamo facendo è fondamentalmente scoprire quale di questi test statistici appropriati, che già esistono, sarebbero i più adatti da applicare in una certa situazione, ok. E poi, cosa significa questo è dare credito e credibilità all'idea che questo modello che ho creato e messo in azione in questi test per compararlo ai dati empirici che ho visto, poi mi hanno aiutato per validarli e aumentare la mia confidenza in questo modello. Ora, va da sé, essere capaci di calibrare il nostro modello per aumentare il livello di verifica sarebbe anche utile. Quindi costruire degli sturmenti come BehaviorSpace, di cui abbiamo prima discusso, più facili da usare così gli utenti possono calibrare i modelli automaticamente contro i dati reali sarebbe un passo avanti assai forte in questo campo. Infine, e questi tipi di derive di ogni altro pensiero sul futuro, se possiamo costruire modelli automaticamente...se possiamo costruirli da questa grande quantità di dati che entrano - e potremmo validarli in continuazione in maniera automatica dove abbiamo una suite di tes che sappiamo che ci dirà se il modello si sta comportando in maniera accurata, poi potremmo costruire un modello teorico che costruirà in maniera automatica un modello sulla base dello streaming dei dati, ok? E con questo voglio dire che tirando giù... per esempio... i dati dell'indice di borsa, i dati di Twitter, qualsiasi cosa bisigna, e di continuo creare un modello di status socioeconomico di un paese intero, per esempio, di qualcosa come questo. O forse mettere giù i dati dall'internet delle cose, che guarda ai sensori attaccati ai lampioni di una particolare città che svela i flussi di traffico, e poi fare continue previsioni sul se ci sarà o meno un ingordo stradale in alcune aree in modo che i policy makers e gli amministratori locali possano, in tempo reale, cambiare segnaletica per muove le persone intorno all'ingorgo stesso. Se questo fosse il caso...se avessimo questa abilità, di uno strumento in grado di costruire quueste cornici in tempo reale in grado di prevedere, allora, o no, ma in grado di predire e esplorare scenari futuri, potremmo usarli per supportare il processo decisionale in tempo reale. Queste sono tre aree - l'uso dello streaming di dati, i big data, e la capacità di generare automaticamente regole dai dati, e la verifica e il calibro e il miglioramento, credo siano aspetti critici per il futuro del modello basato su agente. Come detto, ecco tutto, l'Unità 9, abbiamo parlato di big data ABM, di linee guida. Abbiamo parlato degli utenti di ABM per la comunicazione e la formazione. Abbiamo parlato di construtti di programmi avanzati come mappe e ridurle e mettere in azione e compiti degli esiti. Abbiamo parlato di simulazione partecipante, modelli di sistemi dinamici, poi abbiamo parlato di estensioni e il futuro del modello basato su agente. Vedrete le slides dell'Unità 9, e vedrete che i test dell'Unità 9 arriveranno a breve. Ma volgio ringraziare ognuno per aver preso parte a questo corso. Spero che vi siate divertiti. Io nell'insegnamento sicuro, e mi sono divertito molto nella discussione che stiamo avendo nel forum, e attraverso il ricevimento su You Tube, e cose del genere. E spero che siate capaci di tirare qualcosa fuori da questo. Per favore, rimanete in contatto se andate avanti e usate il modello basato su agente nei vostri lavori o per divertirvi, per quello che importa.