A Multi-Level Agent-Based Architecture for Climate Governance Integrating Cognitive and Institutional Dynamics
本文提出了一种模块化多智能体架构，该架构将基于实证的认知决策模型与战略性制度行为相融合，以模拟复杂的气候治理动态，重点阐述系统的设计原则与整合逻辑，而非呈现实证结果。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一个巨大的数字化模拟城镇会议，其中正在提议建设一个新公园或道路。本文不仅展示最终投票结果，而是构建了一个虚拟机器，通过模拟普通民众、活动人士、新闻媒体和政治家之间混乱而真实的互动，逐步解释投票是如何发生的。
将此架构想象为一座三层建筑，每一层都与其他层对话，但每层都有其特定的职能。
建筑的三层
1. 底层：个体公民（“为什么”和“我能吗？”）
在这一层，我们有成千上万的虚拟公民。他们不是机器人，而是像真人一样拥有不同的优先事项。
- “HUMAT"引擎：这是他们的内在大脑。它会问：“我有多在乎自然？我有多在乎我的钱包？我有多想融入朋友？”
- “MOA"过滤器：仅仅因为某人想做某事（动机）并不意味着他们能做。该过滤器检查他们的机会（他们有时间吗？）和能力（他们觉得自己有能力吗？）。
- 类比：想象你非常想跑马拉松（动机）。但如果你腿断了（能力）或有一份全职工作且没有休假时间（机会），你就不会去跑。该模型为每一位公民计算这种平衡。
2. 中层：社交网络（“回音室”）
这一层连接着公民。它不是随机的人群，而是一个由朋友和邻居组成的网络，他们彼此相似（这一概念称为“同质性”）。
- 涟漪效应：如果你的邻居开始加入抗议，你会感受到加入的社会压力。该模型追踪新闻和思想如何通过这些朋友圈传播。
- “唤醒”信号：如果你不知道某事正在发生，你就无法加入抗议。这一层模拟人们如何通过朋友或新闻得知事件。
- 改变想法：如果你不断看到关于气候变化的新闻，你内心对该问题的“重要性”可能会逐渐增长，从而使你更有可能在未来采取行动。
3. 顶层：权力玩家（“决策者”）
这是政治家、环保组织（非政府组织）和媒体机构所在的地方。
- 活动人士（非政府组织）：他们就像游戏中的策略玩家。他们拥有一个“工具箱”式的行动选项：可以礼貌地游说、开展广告活动、举行和平游行，或进行破坏性封锁。他们的选择取决于他们有多少资金、经验如何以及他们希望多么激进。
- 媒体：他们就像聚光灯。他们不仅报道事实，还构建叙事框架。如果他们聚焦于“经济增长”，政治家就会听到这一点。如果他们聚焦于“气候危险”，那声音就会变得更大。
- 政治家：他们是最终的裁决者。他们不会随机选择一个赢家。他们会倾听复杂的信号组合：
- 专家说什么。
- 有多少人正在抗议（压力）。
- 新闻在说什么（框架）。
- 他们自己的政党以及同事们的想法。
他们权衡所有这些以决定：接受、拒绝或修改该提案。
故事如何展开
模拟像时钟一样运行，按月推进，持续一年。
- 提案：一个新的土地利用计划（例如修建高速公路）被放入房间中心。
- 反应：公民检查他们的“动机/能力”得分。如果他们既有动机又有能力，他们可能会加入活动人士团体或参与抗议。
- 传播：活动人士和媒体开始工作。他们发出信号。一些公民听到了，一些没有。那些听到的人可能会改变想法或变得更加热情。
- 压力：活动人士随时间积累“压力”。他们抗议或游说得越多，传递给政治家的信号就越响亮。
- 投票：在年底，政治家们聚集在一起。他们查看专家报告、人群规模、新闻基调以及他们自己的党派立场。他们进行投票，模拟以一项决定结束。
为什么这篇论文很重要
作者并非试图预测某个特定城市当前的未来。相反，他们正在构建机器本身的蓝图。
他们在说：“大多数计算机模型要么只关注人，要么只关注规则。我们构建了一台将两者联系起来的机器。”它展示了个人的内在感受、朋友的意见以及政治家的策略如何混合在一起，从而产生现实世界的结果。
该模型设计得具有灵活性。你可以替换不同类型的人、不同的新闻故事或不同的政治规则，以观察结果如何变化。它是一个“数字沙盒”，用于理解民主如何应对艰难的气候决策。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。