SimCity: Multi-Agent Urban Development Simulation with Rich Interactions

Titolo: SimCity: Simulazione di Sviluppo Urbano Multi-Agente con Interazioni Ricche

1. Il Problema e il Contesto

I modelli macroeconomici tradizionali presentano limitazioni significative quando si tratta di catturare la complessità del comportamento umano e della diversità degli agenti:

• Modelli DSGE (Dynamic Stochastic General Equilibrium): Sebbene matematicamente eleganti, si basano su agenti rappresentativi semplificati che risolvono problemi di ottimizzazione espliciti. Questo approccio riduce l'eterogeneità e limita la dinamica comportamentale ricca.
• Modelli ABM (Agent-Based Models) tradizionali: Offrono un'alternativa dal basso verso l'alto che gestisce l'eterogeneità, ma dipendono spesso da regole decisionali "hand-crafted" (progettate a mano) o da algoritmi di apprendimento rigidi, che possono mancare di flessibilità e interpretabilità.
• Mancanza di contesto spaziale: La maggior parte delle simulazioni economiche non integra la dimensione geografica e l'espansione urbana dinamica in modo realistico.

L'obiettivo è creare un framework di simulazione macroeconomica che sia interpretabile, eterogeneo e capace di ragionamento naturale, integrando anche la dinamica spaziale della crescita urbana.

2. Metodologia: Il Framework SimCity

SimCity è un framework multi-agente che utilizza i Large Language Models (LLM) per guidare il comportamento di agenti economici autonomi all'interno di un ambiente virtuale visivo.

Componenti Chiave:

• Agenti LLM-Driven: Il sistema simula quattro ruoli economici fondamentali, ciascuno gestito da un modulo LLM:

  1. Famiglie (Households): Agenti eterogenei con profili variabili (età, istruzione, preferenze di consumo, dotazione di competenze). Ogni mese decidono su consumo, lavoro, alloggio e attività finanziarie.
  2. Imprese (Firms): Agenti che producono beni specifici, assumono lavoratori, investono in capitale e fissano prezzi. Utilizzano una funzione di produzione Cobb-Douglas per trasformare input in output.
  3. Governo: Raccoglie tasse (sulla rendita e IVA), distribuisce welfare (UBI) e investe in servizi pubblici. Monitora indicatori macroeconomici come PIL e inflazione.
  4. Banca Centrale: Implementa la politica monetaria tramite una regola di Taylor modificata, regolando i tassi di interesse in risposta all'inflazione e al gap di produzione.

• Ambiente e Mercati:

  • Mercato dei Beni: Benzi differenziati qualitativamente (es. cibo, abbigliamento, energia) con elasticità della domanda variabile.
  • Mercato del Lavoro: Frizionale, dove le imprese pubblicano offerte e le famiglie accettano o rifiutano in base alle competenze.
  • Mercato Finanziario: Include depositi, prestiti e un "Pool di Investimento" che funge da intermediario per la creazione di nuove imprese.
  • Mappa Visiva: Un modulo di rendering web visualizza la città. La posizione geografica delle nuove imprese è determinata da un Vision-Language Model (VLM), che analizza la mappa per prendere decisioni spaziali coerenti (es. clustering industriale vs residenziale).

• Fasi di Simulazione:

  1. Fase di Insediamento (Move-in): Introduzione graduale di nuove famiglie fino a raggiungere la popolazione massima, studiando l'espansione urbana.
  2. Fase di Sviluppo (Development): Popolazione fissa, studio delle regolarità macroeconomiche in uno stato stazionario.

3. Contributi Chiave

1. Simulazione Macroeconomica Guidata da LLM: Integrazione di LLM per modellare ruoli economici distinti, permettendo un comportamento adattivo e un ragionamento in linguaggio naturale trasparente, superando la rigidità delle regole predefinite.
2. Ambiente Urbano Visualizzato: Fornire agli agenti un contesto spaziale reale attraverso una mappa virtuale, permettendo lo studio della dinamica di espansione urbana e delle decisioni di localizzazione basate su dati visivi (tramite VLM).
3. Valutazione Sistematica: Creazione di una checklist di "fatti stilizzati" macroeconomici canonici per validare il framework, dimostrando che il modello riproduce pattern empirici reali.

4. Risultati Sperimentali

Gli esperimenti hanno dimostrato che SimCity riproduce robustamente una vasta gamma di fenomeni macroeconomici reali:

• Legge di Okun e Curva di Phillips: Simulazione della relazione inversa tra disoccupazione e crescita del PIL, e tra disoccupazione e inflazione.
• Curva di Beveridge: Relazione negativa tra tasso di disoccupazione e tasso di vacante di posti di lavoro.
• Legge di Engel: Le famiglie con redditi più alti spendono una percentuale minore del loro reddito in cibo.
• Elasticità della Domanda: I beni di prima necessità mostrano un'elasticità inferiore rispetto ai beni di lusso, in linea con la teoria economica.
• Volatilità Ciclica: L'investimento mostra una volatilità significativamente superiore ai consumi, un pattern tipico dei cicli economici reali.
• Dinamiche Spaziali: Durante la fase di espansione, il VLM genera naturalmente strutture urbane a "nucleo concentrico" (residenziale al centro, produzione alla periferia), allineandosi al modello di città monocentrica di Alonso-Muth-Mills. Senza il modulo visivo, la città assume forme geometriche irrealistiche (lineari).
• Reazione agli Shock: Il modello risponde coerentemente a shock esogeni (es. variazioni improvvise dei prezzi o automazione del lavoro), mostrando effetti di inerzia dei prezzi (price stickiness) e divergenze nel reddito dovute a cambiamenti tecnologici.

5. Significato e Implicazioni

Il lavoro di SimCity rappresenta un passo avanti significativo nella modellazione economica computazionale:

• Interpretabilità: A differenza dei modelli "scatola nera" o delle regole rigide, le decisioni degli agenti sono basate su ragionamenti in linguaggio naturale, rendendo il processo decisionale trasparente e analizzabile.
• Flessibilità: Il framework può esplorare scenari economici nuovi e complessi (come shock tecnologici specifici o cambiamenti strutturali) che sono difficili da modellare con approcci tradizionali.
• Ponte tra Discipline: Unisce l'economia, l'intelligenza artificiale e la pianificazione urbana, offrendo una piattaforma unificata per studiare sia le leggi macroeconomiche che la dinamica fisica delle città.
• Base per Futuri Studi: Fornisce un fondamento solido per simulazioni economiche più realistiche, potenzialmente utili per la formulazione di politiche pubbliche e la previsione di scenari economici complessi.

In sintesi, SimCity dimostra che gli LLM possono essere utilizzati per costruire simulazioni macroeconomiche credibili, eterogenee e spazialmente consapevoli, superando i limiti dei paradigmi DSGE e ABM tradizionali.