Агентне моделювання – нові можливості дослідження злочинності

Сучасна наука про суспільство перебуває в так званій кризі реплікації. Отримані результати досліджень неможливо відтворити шляхом повторення програми певного дослідження. Так, фізика може дати чітку відповідь на питання про те, скільки енергії потрібно використати для переміщення будь-якого об’єкту з однієї точки простору в іншу. Наприклад, скільки та якого пального необхідно для виведення супутника на орбіту Землі. Причому метод обчислення може включати  багато параметрів і «працюватиме» в будь-який час. Чи можемо ми бути настільки впевненими в результатах суспільних наук? Питання риторичне. Висновки, отримані про найбільш оптимальний спосіб правового регулювання певних суспільних відносин, з великою вірогідністю не спрацюють в іншій сфері правового регулювання. Наукові рекомендації, за результатами соціологічного дослідження, скоріше за все, будуть корисними тільки локально. Якщо так, виникають цілком природні питання: чи можна вважати науку про суспільство наукою? чи дійсно вона встановлює тенденції та закономірності розвитку суспільства? Професор Каліфорнійського університету Martin Hilbert у цьому контексті пропонує говорити не про social science, а, скоріше, про social studies.

Зрозуміло, що перед суспільними науками стоять набагато складніші завдання. Описати суспільні процеси, використовуючи математичні формули та залежності, набагато складніше, ніж поведінку певного тіла в просторі. Однак саме сьогодні розвиток технологій дозволяє перейти на принципово новий рівень досліджень суспільства. Завдяки інформатизації, людство отримує величезні обсяги даних. Новітні методи роботи з ними дозволяють якісно оновити методологію суспільних наук та їх результати.

Одним iз таким методів є агентне моделювання (ABM, agent-based modeling). Ключові положення, що характеризують даний метод, наступні: «агент – автономний обчислюваний об’єкт із певними властивостями та діями; агенте моделювання – вид обчислювального моделювання, де явище моделюється шляхом визначення агентів та їх взаємодії» [1, 1]. Реалізується таке моделювання шляхом використання спеціалізованого програмного забезпечення, яке дозволяє описати властивості агентів та обчислювати результати їх взаємодії. Результат використання такого методу прийнято називати штучним суспільством (artificial society), що визначається як «створена з використанням комп’ютерної техніки симуляційна модель суспільства або групи людей, котра базується на агентах та зазвичай обмежена їх взаємодією в конкретній ситуації»[2].

З використанням програмного забезпечення NetLogo нами було створено модель протидії злочинності. Вихідний код моделі та демонстраційні матеріали, на які посилаємося в подальшому, представлено у вільному доступі[3; 4].

Штучне суспільство, яке створюється під час функціонування розробленої нами моделі, складається з чотирьох типів агентів: «незлочинці», «злочинці», «поліцейські» та «святі». Усі агенти рухаються у випадковому порядку. За один умовний день кожен агент здійснює одне переміщення в довільному напряму на відстань, обмежену параметром «соціальна мобільність».

«Незлочинці» являють собою частину населення, яка не вчиняє злочинів. Дані агенти характеризуються таким параметром, як «правова культура». Цей параметр змінюється залежно від випадкових зустрічей із «злочинцями». Якщо «незлочинець» потрапляє в поле впливу незасудженого «злочинця», рівень його правової культури зменшується, а засудженого «злочинця» – зростає. Збільшення та зменшення «правової культури» «незлочинця» є змінними параметрами моделі та задаються, відповідно, змінними «кримінальна культура» та «страх». У такий спосіб моделюються різнонаправлені впливи на правову культуру з одного боку так званої «кримінальної культури», з іншого – загальної превенції.

Агенти типу «злочинці» можуть бути засудженими або ні. Статус засудженого «злочинець» може отримати, якщо опиниться в полі впливу «поліцейського». Для засудженого «злочинця» встановлюються термін покарання та відбуте покарання. Після «засудження» параметр «відбуте покарання» збільшується на одиницю з кожним циклом моделі. Термін покарання встановлюється випадково в межах параметру «максимальне покарання». Після того, як параметри «відбуте покарання» та «призначене покарання» стануть однаковими, засуджений «злочинець» iз вірогідністю, що дорівнює параметру «корекція», стає «незлочинцем», в іншому випадку – незасудженим «злочинцем».

«Поліцейські» характеризуються параметром «професійність». Даний параметр визначає вірогідність, iз якою незасуджений «злочинець», опинившись у полі впливу «поліцейського», стає засудженим «злочинцем».

«Святі» ніколи не вчиняють злочини; рівень їхньої культури не залежить від «зустрічей» iз незасудженими «злочинцями». Рівень культури «незлочинців», що опиняються в полі впливу «святого», завжди зростає.

Крім названих параметрів, для штучного суспільства, створюваного запропонованою моделлю, встановлюються кількість населення, частки агентів різних видів та поля впливу агентів, початковий рівень культури «незлочинців».

Використовувати модель пропонується для візуалізації та аналізу впливу різних конфігурацій параметрів штучного суспільства на умовний рівень злочинності, який у нашому випадку будемо визначати, як частку «злочинців» від всієї кількості агентів.

Так, якщо встановити однаковий рівень позитивного та негативного впливу засуджених та незасуджених «злочинців», після коливань показник частки злочинців у створеному штучному суспільстві стабілізується на певній позначці. У прикладі, який наводиться в презентації, – 30-35%. Якщо після цього зменшити позитивний вплив засуджених злочинців на третину, отримаємо майже двократне збільшення частки злочинців. У прикладі, що наводиться, система стабілізується на показнику 57-60%. Тепер, якщо в десять разів збільшити максимально можливе покарання, отримаємо стабілізацію із більшою часткою злочинців – близько 70%. Пiдвищення максимального покарання в сто разів приведе до стабілізації системи на ще більшому показникові частки злочинців – близько 85%. Водночас, якщо повернутися до первинних налаштувань штучного суспільства та пiдвищити на третину позитивний вплив засуджених злочинців, отримаємо вдвічі меншу частку злочинців – близько 15%.

Таку поведінку моделі можна пояснити тим, що збільшення покарання приводить до зростання частки агентів, які належать до засуджених «злочинців». Тоді як збільшення позитивного впливу на правову культуру  приводить до зменшення вірогідності перетворення «незлочинців» на «злочинців».

Як і будь-яка модель, запропонована нами є спрощенням. Але навіть на такому рівні складності вона дозволяє підтвердити важливу гіпотезу: посилення покарання є менш ефективним, ніж заходи, не пов’язані з репресією. Тут, звичайно, слід пригадати роботи академіка О. М. Костенка та  його важливі висновки щодо ролі правової культури в протидії злочинності. Водночас, видається, що представлений метод виводить наукову дискусію в даній сфері на якісно новий рівень.

Дослідники отримують можливість формулювати та перевіряти гіпотези у вигляді певних залежностей. Крiм того, повертаючись до кризи реплікації суспільних наук, є можливість перевірки гіпотез шляхом необмеженого повторення експериментів. Можливою є й перевірка правильності моделі та проведення експериментів iз різними конфігураціями параметрів.

Сфера застосування методу агентного моделювання є достатньо широкою. До перспектив використання представленої нами моделі можна віднести дослідження феномену «кримінальної хвилі», встановлення порогових значень параметрів штучного суспільства, при яких здійснюється тотальна криміналізація, побудову гіпотез щодо найбільш ефективного використання суспільних ресурсів для протидії злочинності, вивчення проблем довіри до правоохоронних та судових органів, аналіз впливу щільності населення на рівень злочинності тощо. Зрозуміло й те, що зазначену модель слід розглядати як першу спробу використання методу. Є сенс у розробці складнiших моделей для перевірки більш складних гіпотез.

Головний очікуваний результат використання описаного методу полягає в підвищенні ефективності протидії злочинності. Базовані на результатах обчислювального моделювання рішення щодо державних чи регіональних програм протидії злочинності будуть, сподіваємося, більш раціональними.

1. Wilensky U., Rand W. (2015). An Introduction to Agent-Based Modeling: Modeling Natural, Social, and Engineered Complex Systems with NetLogo MIT Press. 505 p.
2. Branke J. Artificial Societies.URLКод доступу:
   Код доступу:https://link.springer.com/referenceworkentry/10.1007%2F978-0-387-30164-8_36.
3. Посилання для завантаження моделі:
    https://karchevskiy.org/2020/08/02/model-1/.
4. Посилання для перегляду презентації:
   https://youtu.be/raY4YaftTcM