Agentic World Analysis (AWA) - an alternative way to explore systems and support decision making
Dit artikel introduceert Agentic World Analysis (AWA), een nieuw raamwerk dat agentische AI-simulatie combineert met expertelicitatie om complexe omgevingsonzekerheden te navigeren, gedemonstreerd door de succesvolle toepassing van het WEGA-systeem bij het modelleren van toekomstige paden voor de stikstofcrisis in Nederland.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
Eeuwenlang hebben mensen met een mengeling van hoop en angst naar de toekomst gekeken, waarbij ze probeerden te voorzien hoe complexe systemen zoals ons klimaat, onze economieën en onze samenlevingen zouden kunnen veranderen. Om deze onzekerheid te duiden, hebben wetenschappers lang vertrouwd op twee belangrijke instrumenten: computersimulaties die strikte wiskundige regels volgen, en panels van menselijke experts die hun ervaring gebruiken om te gokken wat er zou kunnen gebeuren. Beide methoden hebben hun sterktes, maar ook aanzienlijke zwaktes. Computermodellen kunnen rigide zijn en moeilijk bij te werken wanneer er nieuwe informatie binnenkomt, terwijl menselijke experts bevooroordeeld, inconsistent of traag kunnen reageren op snel veranderende gebeurtenissen. Nu de wereld geconfronteerd wordt met steeds dringender wordende duurzaamheidsuitdagingen, van vervuiling tot schaarste aan hulpbronnen, is de behoefte aan een flexibelere en transparantere manier om mogelijke toekomsten te verkennen cruciaal geworden.
Een nieuwe benadering genaamd Agentic World Analysis probeert dit gat te overbruggen door het beste van twee werelden te combineren. In plaats van uitsluitend te vertrouwen op statische vergelijkingen of een enkele groep menselijke consultants, gebruikt deze methode kunstmatige intelligentie-agenten die fungeren als een team van gespecialiseerde experts. Deze digitale agenten verwerken niet alleen getallen; ze lezen documenten, verzamelen bewijs, debatteren over verschillende standpunten en construeren gedetailleerde verhalen over hoe de wereld zich zou kunnen ontwikkelen. Het doel is niet om de toekomst met perfecte nauwkeurigheid te voorspellen, wat onmogelijk is, maar om een heldere, controleerbare kaart van verschillende mogelijkheden te creëren, die laat zien hoe specifieke beslissingen tot verschillende uitkomsten kunnen leiden. Dit stelt besluitvormers in staat om niet alleen te zien wat er zou kunnen gebeuren, maar ook waarom het zou gebeuren, en om hun strategieën te testen tegen een breed scala aan potentiële scenario's.
In een recente studie introduceerden onderzoekers Yongchao Zeng en zijn collega's dit nieuwe raamwerk en testten het met een reële crisis: het stikstofprobleem in Nederland. Stikstofemissies uit de landbouw overschrijden al jaren de milieugrenzen, wat de biodiversiteit bedreigt en politieke conflicten veroorzaakt tussen boeren, milieuorganisaties en overheidsfunctionarissen. De onderzoekers bouwden een systeem genaamd World Engine by Generative Agents, of WEGA, om te simuleren hoe deze crisis zich de komende vijftien jaar zou kunnen ontvouwen. Ze programmeerden het systeem niet met een vaste set regels over hoe boeren of politici zich zouden gedragen. In plaats daarvan gaven ze de AI een startpunt — de huidige staat van de crisis — en een lijst met belangrijke spelers, waaronder een vertegenwoordiger van een landbouworganisatie, een functionaris van de Europese Commissie, een milieuwetenschapper, een redacteur van een rechtse mediaorganisatie en de Nederlandse minister van Landbouw.
Het systeem begon vervolgens in cycli te draaien, waarbij de tijd werd nagebootst in stappen van vijf jaar. In elke cyclus bespraken de belanghebbende agenten de situatie en stelden zij beleid voor, zoals nieuwe regelgeving of financiële steun voor boeren. Zodra er een beslissing was genomen, analyseerden de expert-agenten de waarschijnlijke gevolgen van die beslissing over de volgende vijf jaar. Ze zochten naar bewijs, identificeerden onzekerheden en genereerden verschillende mogelijke toekomsten op basis van hoe die onzekerheden zouden kunnen worden opgelost. Bijvoorbeeld, als een nieuw beleid werd ingevoerd, vroeg het systeem: "Wat als het publiek dit beleid accepteert?" versus "Wat als het publiek dit beleid verwerpt?" Dit proces creëerde een vertakkende boom van scenario's, waardoor de onderzoekers veel verschillende paden vooruit konden verkennen zonder voor elk scenario een nieuw computermodel vanaf nul te hoeven bouwen.
De resultaten van de simulatie onthulden twee duidelijke trajecten voor de stikstofcrisis. In het eerste pad ging het systeem ervan uit dat de maatschappelijke acceptatie van nieuw beleid laag bleef. Dit leidde tot een scenario van conflict, waarbij monitoringsapparatuur werd gesaboteerd en rapportages werden vervalst, wat de situatie deed verslechteren. Zelfs in dit moeilijke scenario vond het systeem echter een manier om de situatie te stabiliseren. Er werd een nieuw akkoord voorgesteld dat financiële steun bood aan boeren als zij de integriteit van het monitoringsysteem konden herstellen. Wanneer het systeem de succesvolle herstel van dit monitoringproces simuleerde, begon het conflict af te nemen en verschoof de focus van politiek gestrijd naar technische probleemoplossing.
In een tweede, alternatieve route onderzochten de onderzoekers wat er zou gebeuren als de poging om het monitoringsysteem te herstellen zou mislukken. In dit scenario leidde de mislukking tot een instorting van het vertrouwen, waarbij de Europese Unie zware boetes oplegde en landbouwbetalingen stopzette. Deze externe druk radicaliseerde de landbouwgemeenschap verder en creëerde een patstelling die veel moeilijker te doorbreken was. Door deze twee paden te vergelijken, benadrukte het systeem een cruciaal inzicht: het succes van elk beleid hangt sterk af van het vermogen om vertrouwen en dataintegriteit te behouden. Als de data als betrouwbaar wordt beschouwd, is samenwerking mogelijk; als dat niet het geval is, kunnen zelfs de best ontworpen beleidsmaatregelen falen.
De onderzoekers bouwden ook een speciaal instrument om de kwaliteit van de verhalen die de AI genereerde te evalueren. Dit instrument controleerde de logica van de scenario's, de kracht van het gebruikte bewijs en de consistentie van het gedrag van de personages. Het stelde vast dat het systeem coherente en goed onderbouwde narratieven produceerde, maar wees ook op beperkingen. Zo toonde de simulatie aan dat het systeem soms een niveau van stabiliteit veronderstelde dat wellicht niet realistisch is, en het merkte op dat de gegenereerde specifie-ke beleidsmaatregelen illustratieve voorbeelden waren en geen perfect blauwdruk voor actie. De evaluatie benadrukte dat de waarde van het systeem ligt in het identificeren van de mechanismen die succes of falen drijven, in plaats van het voorspellen van de exacte uitkomst.
Deze studie demonstreert dat kunstmatige intelligentie kan worden gebruikt om een flexibele, transparante en collaboratieve manier te creëren om complexe problemen te verkennen. In tegen tegenstelling tot traditionele modellen die vaak in rigide structuren gevangen zitten, staat deze benadering de integratie van diverse soorten kennis toe, van wetenschappelijke data tot politieke narratieven. De onderzoekers stellen dat deze methode de menselijke experts niet vervangt, maar hun vermogen om over complexe situaties na te denken versterkt. Door het redeneerproces zichtbaar en open voor kritiek te maken, helupt het systeem besluitvormers om de afwegingen te begrijpen die bij hun keuzes komen kijken. Hoewel de technologie zich nog in een vroeg stadium bevindt, biedt het een veelbelovende nieuwe manier om door de onzekerheden van de toekomst te navigeren, waarbij de glazen bol van de waarzegger wordt veranderd in een heldere, controleerbare kaart van mogelijkheden.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.