Agentes frequentemente representam pessoas, animais ou plantas, mas também podem representar desde partículas atmosféricas, células e até organizações como empresas ou países. Eles são utilizados em diferentes áreas. Você certamente já ouviu falar deles, embora talvez nunca tenha explorado seus detalhes. Uma de suas aplicações mais conhecidas está na epidemiologia, como os modelos desenvolvidos pelo Imperial College durante a pandemia de covid-19 para estimar a taxa de transmissão do vírus.
Um modelo é uma representação simplificada da realidade ou, mais precisamente, de um sistema: um conjunto de partes que interagem entre si e que, em virtude dessas interações, produzem um comportamento global. O mapa-múndi ilustra bem essa ideia ao descrever territórios e suas relações espaciais, omitindo detalhes secundários e destacando o que é fundamental: a posição relativa e a organização dos elementos no sistema.
ABMs são modelos que simulam fenômenos complexos, isto é, fenômenos que envolvem emergências. Na ciência, o termo “emergência” refere-se a padrões macroscópicos estáveis que surgem a partir das interações locais entre agentes.
Parece complicado, mas não é. Um exemplo clássico para compreender fenômenos emergentes é a água. Considere uma única molécula de água (H2O). Uma molécula isolada não é “molhada” e não apresenta tensão superficial. Essas propriedades não pertencem às moléculas individualmente, mas emergem das interações entre elas. São padrões macroscópicos que só se tornam observáveis quando nos afastamos o suficiente das partes e consideramos o sistema como um todo.
A emergência reside nas interações. Portanto, não é possível compreendê-la observando apenas as partes de um sistema de forma isolada. Em outras palavras, não se pode entender um formigueiro analisando apenas uma formiga, pois o formigueiro é resultado das interações entre muitas formigas e o ambiente em que vivem.
Modelos baseados em agentes tornam a complexidade visível. Por serem visuais e interativos, qualquer pessoa consegue usá-los, mesmo sem nenhum conhecimento de matemática formal.
A melhor forma de entender ABMs é pela exploração. Os modelos abaixo cobrem boa parte das ideias apresentadas aqui, e cada um deles ilustra um fenômeno diferente. Abra um e mexa nos parâmetros. A pergunta não é “o que este modelo faz?”, mas “o que acontece se eu mudar isso?” É exatamente aí que o aprendizado começa.
• Predação Lobo-Ovelha: Baseado nas equações de Lotka (1925) e Volterra (1926), este modelo simula a dinâmica entre populações de predadores (lobos) e presas (ovelhas) em um ambiente. Ele ilustra como as populações interagem e se influenciam mutuamente ao longo do tempo.
• epiDEM: Baseado nas equações de Kermack & Mckendrick (1927), também conhecidas como SIR (Suscetíveis, Infectados e Recuperados), este modelo simula a propagação de uma doença infecciosa em uma população. Ele mostra como a doença se espalha e como as medidas de controle podem afetar a dinâmica da epidemia (lembra algo?).
• Segregação: Baseado nas equações de Schelling (1971), este modelo simula a dinâmica de segregação residencial em uma cidade. Ele mostra como as preferências individuais por vizinhos semelhantes podem levar a padrões de segregação mesmo quando as preferências são relativamente moderadas.
(As opiniões expressas nos artigos publicados no Jornal da USP são de inteira responsabilidade de seus autores e não refletem opiniões do veículo nem posições institucionais da Universidade de São Paulo. Acesse aqui nossos parâmetros editoriais para artigos de opinião.)
