---
title: "মানুষের আচরণ ও সমাজ · সিমুলেশন · সিমুলেশন অনুকল্প"
url: https://simulation-hypothesis.com/bn/simulations/human-society
description: "সিদ্ধান্ত, ভিড়, মত, বাজার, অতীতের সমাজ ও গোটা জনসংখ্যা। মানুষ আসলে যেসব সিমুলেশন চালায়, তার একটি শ্রেণিবিন্যাসের অংশ।"
license: https://creativecommons.org/licenses/by/4.0/
credit: "Ross Allan Dahl, সিমুলেশন অনুকল্প (simulation-hypothesis.com)"
---

[সিমুলেশন](https://simulation-hypothesis.com/bn/simulations)18-এর মধ্যে ক্ষেত্র 8

# মানুষের আচরণ ও সমাজ

সিদ্ধান্ত, ভিড়, মত, বাজার, অতীতের সমাজ ও গোটা জনসংখ্যা।

এখানে মানুষকে মডেল করা হয় সিদ্ধান্ত-গ্রহণকারী, ভিড়, বাজার ও জনসংখ্যা হিসেবে। মডেলগুলো ইচ্ছা করেই সরল রাখা হয়। প্রায়ই উদ্দেশ্য হলো দেখানো যে একটি বড় সামাজিক ধরন তৈরি হতে ব্যক্তির উদ্দেশ্য কত সামান্যই লাগে। নৃবিজ্ঞানী ও প্রত্নতাত্ত্বিকরা একই হাতিয়ার দিয়ে হারিয়ে যাওয়া সমাজ পুনর্গঠন করেন। তাই অনুকল্পে বর্ণিত পূর্বপুরুষ সিমুলেশনের সবচেয়ে কাছের বাস্তব উদাহরণ এগুলোই।

## মন ও সিদ্ধান্ত

### জ্ঞানীয় আর্কিটেকচার

মানুষের স্মৃতি, মনোযোগ ও যুক্তির একটি গণনামূলক মডেল, পরীক্ষাগারে মানুষকে দেওয়া একই কাজে চালানো হয়।

যে প্রশ্নের উত্তর দেয়: মডেলটি কি মানুষের মতো একই ভুল, একই গতিতে করে?

বাদ দেয়: মানুষের সাড়া-সময় মেলানো প্রমাণ করে না মডেলটি মস্তিষ্কের আসল কার্যপ্রণালী ব্যবহার করে।

যাতে চলে: প্রায় 10^12 FLOPS মোটামুটি একটি ডেস্কটপ ওয়ার্কস্টেশন, যা একটি পরীক্ষাগারের কাজে একটি আর্কিটেকচার চালায় শুরুর সাল: 1983 Newell-এর একীভূত জ্ঞানীয় স্থাপত্য Soar-এর বিকাশ

মডেল: [মানুষ](https://simulation-hypothesis.com/bn/entities/human)

[নিয়ম ও অবস্থা](https://simulation-hypothesis.com/bn/simulations/methods#m-rules)নিম্নসীমা: নিয়ম

### সিদ্ধান্ত-গ্রহণের মডেল

প্রমাণ এলোমেলোভাবে জমতে থাকে যতক্ষণ না সীমা পার হয়, পছন্দ ও সাড়া-সময় ব্যাখ্যা করতে ব্যবহৃত।

যে প্রশ্নের উত্তর দেয়: মানুষ কেন এভাবে গতি আর নির্ভুলতার মধ্যে বিনিময় করে?

বাদ দেয়: ধরে নেয় প্রমাণ একটি স্থির নয়েজযুক্ত হারে জমে, যা একটি সরলীকৃত স্নায়বিক চিত্র।

যাতে চলে: প্রায় 10^9 FLOPS মোটামুটি একটি ল্যাপটপ, যা পছন্দের তথ্যে একটি ড্রিফট-ডিফিউশন মডেল ফিট করে শুরুর সাল: 1978 Ratcliff-এর সিদ্ধান্ত-গ্রহণের ড্রিফট-ডিফিউশন মডেল

মডেল: [মানুষ](https://simulation-hypothesis.com/bn/entities/human)

[সম্ভাবনাভিত্তিক প্রক্রিয়া](https://simulation-hypothesis.com/bn/simulations/methods#m-stochastic)নিম্নসীমা: নিয়ম

### শেখার মডেল

এজেন্টরা পুরস্কার ও ভুল থেকে শেখে, শিক্ষণ-পরীক্ষায় মানুষ ও প্রাণী যেভাবে আচরণ করে তার সঙ্গে মেলানো।

যে প্রশ্নের উত্তর দেয়: বদলে যাওয়া সম্ভাবনার সঙ্গে মানুষ কীভাবে খাপ খায়, কোন শেখার নিয়ম তা সবচেয়ে ভালো ব্যাখ্যা করে?

বাদ দেয়: গড় আচরণ ভালোভাবে ধরে, কিন্তু প্রায়ই শেখার ব্যক্তিগত পার্থক্য হারিয়ে ফেলে।

যাতে চলে: প্রায় 10^10 FLOPS মোটামুটি একটি ডেস্কটপ ওয়ার্কস্টেশন, যা একটি পুরস্কার-শিক্ষণ মডেল ফিট করে শুরুর সাল: 1972 Rescorla ও Wagner-এর অনুষঙ্গমূলক শেখার মডেল

মডেল: [মানুষ](https://simulation-hypothesis.com/bn/entities/human)

[অবকল সমীকরণ](https://simulation-hypothesis.com/bn/simulations/methods#m-equations)[সম্ভাবনাভিত্তিক প্রক্রিয়া](https://simulation-hypothesis.com/bn/simulations/methods#m-stochastic)নিম্নসীমা: নিয়ম

### সামাজিক বোধ ও মনের তত্ত্বের মডেল

একটি এজেন্টের ভেতরে বসানো, অন্য একজন কী বিশ্বাস করে, চায় বা জানে তার ছবি, মানুষ কীভাবে একে অপরের আচরণ অনুমান ও প্রভাবিত করে তা ব্যাখ্যায় ব্যবহৃত।

যে প্রশ্নের উত্তর দেয়: অন্যরা কী ভাবছে, তা নিয়ে মানুষ আসলে কত স্তর গভীর পর্যন্ত যুক্তি করে?

বাদ দেয়: বেশিরভাগ মডেল বিশ্বাসের নেস্টিং অল্প কয়েক স্তরে সীমিত রাখে, যদিও আসল যুক্তি এত নিয়মিত নয়।

যাতে চলে: প্রায় 10^10 FLOPS মোটামুটি একটি ডেস্কটপ ওয়ার্কস্টেশন, যা একটি নেস্টেড বিশ্বাস-যুক্তি মডেল চালায় শুরুর সাল: 1978 Premack ও Woodruff-এর মনের তত্ত্ব, যা পরে গণনামূলকভাবে ধরা হয়

মডেল: [মানুষ](https://simulation-hypothesis.com/bn/entities/human)

[নিয়ম ও অবস্থা](https://simulation-hypothesis.com/bn/simulations/methods#m-rules)[এজেন্ট-ভিত্তিক](https://simulation-hypothesis.com/bn/simulations/methods#m-agent-based)নিম্নসীমা: নিয়ম

### আবেগ ও অনুভূতি মডেলিং

একটি পরিস্থিতির সিমুলেটেড মূল্যায়ন, যেমন হুমকি বা ক্ষতি, একটি আবেগীয় অবস্থায় পরিণত হয়, যা পরে এজেন্টের সিদ্ধান্তে ঝোঁক আনে।

যে প্রশ্নের উত্তর দেয়: ভয় বা রাগ অনুভব করা পরবর্তী সিদ্ধান্তগুলোকে আসলে কীভাবে বদলায়?

বাদ দেয়: মূল্যায়ন-নিয়ম মডেলকারের আবেগের তত্ত্ব, কারও অনুভূতির সরাসরি পাঠ নয়।

যাতে চলে: প্রায় 10^10 FLOPS মোটামুটি একটি ডেস্কটপ ওয়ার্কস্টেশন, যা একটি মূল্যায়ন-ভিত্তিক আবেগ মডেল চালায় শুরুর সাল: 1988 Ortony, Clore ও Collins-এর আবেগের জ্ঞানীয় মডেল

মডেল: [মানুষ](https://simulation-hypothesis.com/bn/entities/human)

[নিয়ম ও অবস্থা](https://simulation-hypothesis.com/bn/simulations/methods#m-rules)[অবকল সমীকরণ](https://simulation-hypothesis.com/bn/simulations/methods#m-equations)নিম্নসীমা: নিয়ম

### ঝুঁকি ও অনিশ্চয়তার অধীনে পছন্দের মডেলিং

জুয়া ও সিদ্ধান্ত এমন একটি মডেলে চালানো, যা মানুষ আসলে লাভ, ক্ষতি ও সম্ভাবনা কীভাবে ওজন করে তা দেখায়, নিছক যুক্তিশীল এজেন্ট যেভাবে করত তা নয়।

যে প্রশ্নের উত্তর দেয়: ঝুঁকির মধ্যে মানুষের বাছাই কেন এত ধারাবাহিকভাবে পাঠ্যবইয়ের যুক্তিসম্মত উত্তর থেকে সরে যায়?

বাদ দেয়: গড় পক্ষপাত ভালোভাবে মেলায়, কিন্তু যেকোনো একজনের পছন্দ মেলানো বক্ররেখা থেকে সরে যেতে পারে।

যাতে চলে: প্রায় 10^10 FLOPS মোটামুটি একটি ডেস্কটপ ওয়ার্কস্টেশন, যা একটি প্রসপেক্ট-তত্ত্বের পছন্দ-মডেল ফিট করে শুরুর সাল: 1992 ঝুঁকির মধ্যে বাছাইয়ের ক্ষেত্রে Tversky ও Kahneman-এর ক্রমযোজিত প্রত্যাশা তত্ত্ব (কিউমুলেটিভ প্রসপেক্ট থিওরি)

মডেল: [মানুষ](https://simulation-hypothesis.com/bn/entities/human)

[অবকল সমীকরণ](https://simulation-hypothesis.com/bn/simulations/methods#m-equations)[মন্টে কার্লো](https://simulation-hypothesis.com/bn/simulations/methods#m-monte-carlo)নিম্নসীমা: নিয়ম

### ভাষা-মডেল জরিপ-উত্তরদাতা

একটি ভাষা-মডেলকে একটি জনতাত্ত্বিক প্রোফাইল দেওয়া হয় এবং বলা হয় সেই ব্যক্তি যেভাবে উত্তর দিত, সেভাবে জরিপের প্রশ্নের উত্তর দিতে।

যে প্রশ্নের উত্তর দেয়: একটি মডেল কি গোষ্ঠীর সাড়া অনুমান করতে একটি জরিপ-নমুনার জায়গা নিতে পারে?

বাদ দেয়: মডেলের প্রশিক্ষণ-লেখা থেকে পক্ষপাত ও একই ধাঁচ উত্তরাধিকার সূত্রে পায়, আর যে গোষ্ঠী কম দেখেছে তাদের ক্ষেত্রে দুর্বল।

যাতে চলে: প্রায় 10^14 FLOPS মোটামুটি প্রতিটি সিমুলেটেড উত্তরদাতার জন্য একটি মডেল কল শুরুর সাল: 2022 Out of One, Many: using language models to simulate human samples (2022) [সূত্র](https://arxiv.org/abs/2209.06899)

[শেখা ইমুলেটর](https://simulation-hypothesis.com/bn/simulations/methods#m-learned)নিম্নসীমা: নিয়ম

### ভাষা-মডেল আচরণগত পরীক্ষা

ভাষা-মডেলকে নানা অংশগ্রহণকারী হিসেবে নির্দেশ দেওয়া হয়, যাতে মনোবিজ্ঞান ও অর্থনীতির ক্লাসিক পরীক্ষা আবার চালানো যায়।

যে প্রশ্নের উত্তর দেয়: একটি মডেল কি একটি ক্লাসিক গবেষণার মানুষের ফলাফল আবার তৈরি করতে পারে?

বাদ দেয়: পুনরাবৃত্তি মুখস্থ গবেষণার প্রতিফলন হতে পারে, আর মডেল নতুন নকশায় সাধারণীকরণ নাও করতে পারে।

যাতে চলে: প্রায় 10^14 FLOPS মোটামুটি প্রতি পরীক্ষায় অনেক মডেল কল শুরুর সাল: 2022 Using large language models to simulate multiple humans and replicate human subject studies (2022) [সূত্র](https://arxiv.org/abs/2208.10264)

[শেখা ইমুলেটর](https://simulation-hypothesis.com/bn/simulations/methods#m-learned)নিম্নসীমা: নিয়ম

## সামাজিক গতিবিদ্যা

### আবাসিক বাছাই

পরিবারগুলো সরে যায় যখন প্রতিবেশীদের মধ্যে নিজেদের মতো খুব কম থাকে। এটি থমাস শেলিংয়ের মডেল, যা দেখায় মৃদু পছন্দ কীভাবে তীক্ষ্ণ বিভাজন তৈরি করে।

যে প্রশ্নের উত্তর দেয়: একটি বিভক্ত শহর তৈরি করতে ব্যক্তির কতটা পছন্দ লাগে?

বাদ দেয়: আসল বিভাজনে আয়, বৈষম্য ও ইতিহাসও জড়িত, যা কেবল মৃদু পছন্দ ব্যাখ্যা করতে পারে না।

যাতে চলে: প্রায় 10^9 FLOPS মোটামুটি একটি ল্যাপটপ, যা গ্রিডে শেলিংয়ের বিভাজন মডেল চালায় শুরুর সাল: 1971 Schelling-এর মূল হাতে-চালানো বিভাজন মডেল, পরে কম্পিউটারে চালানো হয় সিমুলেশন বৃক্ষে: [শেলিং বিভাজন](https://simulation-hypothesis.com/bn/trees/simulations?n=soc-schelling)

মডেল: [মানুষ](https://simulation-hypothesis.com/bn/entities/human)

[ইন্টারঅ্যাকটিভ মডেলটি চালান](https://simulation-hypothesis.com/bn/simulations/run#toy-schelling)

[এজেন্ট-ভিত্তিক](https://simulation-hypothesis.com/bn/simulations/methods#m-agent-based)[সেলুলার অটোমেটা](https://simulation-hypothesis.com/bn/simulations/methods#m-cellular-automata)নিম্নসীমা: দেহ

### মতামতের গতিবিদ্যা

এজেন্টরা সংস্পর্শ ও নেটওয়ার্কের মাধ্যমে একে অপরের মতামতকে সামান্য সরিয়ে দেয়।

যে প্রশ্নের উত্তর দেয়: একটি দল কখন ঐকমত্যে পৌঁছায়, আর কখন শিবিরে ভাগ হয়ে যায়?

বাদ দেয়: আসল মতামতে আবেগ ও পরিচয় জড়িত, যা সরল গড়-নিয়ম ধরে না।

যাতে চলে: প্রায় 10^10 FLOPS মোটামুটি একটি ডেস্কটপ ওয়ার্কস্টেশন, যা একটি সামাজিক নেটওয়ার্কজুড়ে মতামত হালনাগাদ করে শুরুর সাল: 1974 পুনরাবৃত্ত মতামত-একত্রীকরণের DeGroot-এর মডেল, পরে নেটওয়ার্কে সিমুলেট করা

[এজেন্ট-ভিত্তিক](https://simulation-hypothesis.com/bn/simulations/methods#m-agent-based)[নেটওয়ার্ক মডেল](https://simulation-hypothesis.com/bn/simulations/methods#m-network)নিম্নসীমা: দেহ

### সহযোগিতা ও সামাজিক রীতি

সুনাম ও শাস্তিসহ অনেক খেলোয়াড়ের মধ্যে আস্থা ও প্রতারণার বারবার খেলা।

যে প্রশ্নের উত্তর দেয়: সহযোগিতা ও ন্যায্যতার নিয়ম কীভাবে স্থিতিশীল হয়?

বাদ দেয়: আসল সুনাম ও শাস্তি পরিষ্কার বারবার-খেলার চেয়ে বেশি এলোমেলো ও ধীর।

যাতে চলে: প্রায় 10^10 FLOPS মোটামুটি একটি ডেস্কটপ ওয়ার্কস্টেশন, যা পুনরাবৃত্ত-খেলার টুর্নামেন্ট চালায় শুরুর সাল: 1980 পুনরাবৃত্ত বন্দির দ্বিধার Axelrod-এর কম্পিউটার টুর্নামেন্ট

মডেল: [মানুষ](https://simulation-hypothesis.com/bn/entities/human)

[খেলা-তত্ত্ব](https://simulation-hypothesis.com/bn/simulations/methods#m-game-theory)[এজেন্ট-ভিত্তিক](https://simulation-hypothesis.com/bn/simulations/methods#m-agent-based)নিম্নসীমা: দেহ

### ধারণার বিস্তার

উদ্ভাবন, অভ্যাস ও গুজব সামাজিক নেটওয়ার্কে ছড়িয়ে পড়ে।

যে প্রশ্নের উত্তর দেয়: কিছু ধারণা কেন ধরে যায়, আর কিছু কখনো ছড়ায় না?

বাদ দেয়: কেন কোনো একজন বদলায় তা ব্যাখ্যার চেয়ে গ্রহণ-বক্ররেখা ভালো পূর্বাভাস দেয়।

যাতে চলে: প্রায় 10^10 FLOPS মোটামুটি একটি ডেস্কটপ ওয়ার্কস্টেশন, যা একটি সামাজিক নেটওয়ার্কজুড়ে গ্রহণ সিমুলেট করে শুরুর সাল: 1969 নতুন পণ্য ছড়িয়ে পড়ার Bass-এর গাণিতিক মডেল, পরে সিমুলেট করা

[নেটওয়ার্ক মডেল](https://simulation-hypothesis.com/bn/simulations/methods#m-network)[এজেন্ট-ভিত্তিক](https://simulation-hypothesis.com/bn/simulations/methods#m-agent-based)নিম্নসীমা: দেহ

### সামাজিক নেটওয়ার্ক গড়ে ওঠা

বন্ধুর বন্ধু ও সাদৃশ্যের মতো নিয়মে সম্পর্ক গড়া ও ভাঙা মানুষ।

যে প্রশ্নের উত্তর দেয়: বড় নেটওয়ার্কে প্রায় সব নোড-জোড়ার মধ্যে পথের দৈর্ঘ্য কেন ছোট?

বাদ দেয়: আসল সম্পর্ক-গঠনে ভূগোল ও প্রতিষ্ঠান জড়িত, যা বিমূর্ত নিয়ম বাদ দেয়।

যাতে চলে: প্রায় 10^10 FLOPS মোটামুটি একটি ডেস্কটপ ওয়ার্কস্টেশন, যা সংযুক্তি-নিয়মে একটি নেটওয়ার্ক বড় করে শুরুর সাল: 1999 নেটওয়ার্ক বৃদ্ধির Barabasi ও Albert-এর পছন্দভিত্তিক সংযুক্তি মডেল

মডেল: [মানুষ](https://simulation-hypothesis.com/bn/entities/human)

[নেটওয়ার্ক মডেল](https://simulation-hypothesis.com/bn/simulations/methods#m-network)নিম্নসীমা: দেহ

### ভাষার বিবর্তন

এজেন্টরা যোগাযোগের জন্য শব্দ ও ব্যাকরণ উদ্ভাবন করে এবং তা পরবর্তীদের কাছে পৌঁছে দেয়।

যে প্রশ্নের উত্তর দেয়: কেউ দায়িত্বে না থেকেও কীভাবে একটি অভিন্ন শব্দভান্ডার গড়ে ওঠে?

বাদ দেয়: আসল ভাষার ব্যাকরণ ও ইতিহাস এজেন্টদের বিবর্তিত ছোট শব্দভান্ডারের চেয়ে অনেক সমৃদ্ধ।

যাতে চলে: প্রায় 10^10 FLOPS মোটামুটি একটি ডেস্কটপ ওয়ার্কস্টেশন, যা এজেন্টদের দিয়ে একটি যৌথ শব্দভান্ডার উদ্ভাবনের সিমুলেশন চালায় শুরুর সাল: 1995 Steels-এর প্রাথমিক সিমুলেশন, যেখানে এজেন্টরা একটি যৌথ শব্দভান্ডার উদ্ভাবন করে

[এজেন্ট-ভিত্তিক](https://simulation-hypothesis.com/bn/simulations/methods#m-agent-based)নিম্নসীমা: দেহ

### সাংস্কৃতিক বিবর্তন

দক্ষতা, হাতিয়ার ও ঐতিহ্য প্রজন্ম ধরে নকল হয়, উন্নত হয় ও হারিয়ে যায়।

যে প্রশ্নের উত্তর দেয়: বড় আর ভালো যোগাযোগের জনগোষ্ঠী কেন আরও জটিল প্রযুক্তি ধরে রাখে?

বাদ দেয়: সংস্কৃতিকে ধরা হয় মানুষের মধ্যে চলাচল করা জিনের মতো, ফলে ধারণা কীভাবে নতুন করে উদ্ভাবিত হয়, তা বাদ পড়ে।

যাতে চলে: প্রায় 10^10 FLOPS মোটামুটি একটি ডেস্কটপ ওয়ার্কস্টেশন, যা প্রজন্মের পর প্রজন্মে বৈশিষ্ট্যের সঞ্চার সিমুলেট করে শুরুর সাল: 1981 সাংস্কৃতিক সঞ্চারের Cavalli-Sforza ও Feldman-এর মডেল

[এজেন্ট-ভিত্তিক](https://simulation-hypothesis.com/bn/simulations/methods#m-agent-based)[বিবর্তনীয়](https://simulation-hypothesis.com/bn/simulations/methods#m-evolutionary)নিম্নসীমা: জনসংখ্যা

### ভাষা-মডেল এজেন্ট সমাজ

একটি ভাষা-মডেল চালিত কয়েক ডজন সফটওয়্যার এজেন্ট, প্রত্যেকের স্মৃতি ও পরিকল্পনা আছে, একটি ছোট সিমুলেটেড শহরে বাস করে ও সামাজিক আচরণ গড়ে তোলে।

যে প্রশ্নের উত্তর দেয়: এজেন্টরা প্রাকৃতিক ভাষায় পরিকল্পনা আর কথা বললে কোন সামাজিক নকশা তৈরি হয়?

বাদ দেয়: আচরণ ভাষা-মডেলের প্রশিক্ষণ থেকে আসে, আর চালনা ব্যয়বহুল এবং একই ফল আবার পাওয়া কঠিন।

যাতে চলে: প্রায় 10^15 FLOPS মোটামুটি প্রতি সিমুলেটেড দিনে হাজার হাজার মডেল-কল শুরুর সাল: 2023 Generative Agents: interactive simulacra of human behavior (2023) [সূত্র](https://arxiv.org/abs/2304.03442)

[এজেন্ট-ভিত্তিক](https://simulation-hypothesis.com/bn/simulations/methods#m-agent-based)[শেখা ইমুলেটর](https://simulation-hypothesis.com/bn/simulations/methods#m-learned)নিম্নসীমা: নিয়ম

### জনবহুল সামাজিক-ব্যবস্থার প্রোটোটাইপ

একটি ভাষা-মডেল পোস্ট ও জবাবসহ সিমুলেটেড সদস্যদের একটি সম্প্রদায় তৈরি করে, যাতে নকশাকাররা চালুর আগে একটি সামাজিক প্ল্যাটফর্ম পরীক্ষা করতে পারে।

যে প্রশ্নের উত্তর দেয়: একটি নতুন সম্প্রদায়ের নকশা কোন আচরণ টানতে পারে?

বাদ দেয়: ফল প্রতিটি রানে বদলায়, আর দুষ্ট পক্ষ ততটাই বাস্তবসম্মত, যতটা নির্দেশ তাদের বানায়।

যাতে চলে: প্রায় 10^13 FLOPS মোটামুটি প্রতি সম্প্রদায়ে অনেক মডেল কল শুরুর সাল: 2022 Social Simulacra (2022) [সূত্র](https://arxiv.org/abs/2208.04024)

[শেখা ইমুলেটর](https://simulation-hypothesis.com/bn/simulations/methods#m-learned)[এজেন্ট-ভিত্তিক](https://simulation-hypothesis.com/bn/simulations/methods#m-agent-based)নিম্নসীমা: নিয়ম

### ভাষা-মডেল সামাজিক প্ল্যাটফর্ম সিমুলেশন

ফিড, অনুসরণ ও সুপারিশসহ একটি প্ল্যাটফর্মে দশ লক্ষ পর্যন্ত মডেল-চালিত ব্যবহারকারী বসানো হয়, তথ্য ছড়ানো ও পালবদ্ধ আচরণ অধ্যয়ন করতে।

যে প্রশ্নের উত্তর দেয়: মডেল-চালিত ব্যবহারকারীদের প্ল্যাটফর্মে পোস্ট, মতামত ও ভুল তথ্য কীভাবে ছড়ায়?

বাদ দেয়: এজেন্টরা আসল ব্যবহারকারীর চেয়ে অনেক বেশি একরকম, আর বাস্তব জগতে যাচাই সীমিত।

যাতে চলে: প্রায় 10^17 FLOPS মোটামুটি বড় মাপের মডেল অনুমান শুরুর সাল: 2024 OASIS: open agent social interaction simulations with one million agents (2024) [সূত্র](https://arxiv.org/abs/2411.11581)

[এজেন্ট-ভিত্তিক](https://simulation-hypothesis.com/bn/simulations/methods#m-agent-based)[শেখা ইমুলেটর](https://simulation-hypothesis.com/bn/simulations/methods#m-learned)[নেটওয়ার্ক মডেল](https://simulation-hypothesis.com/bn/simulations/methods#m-network)নিম্নসীমা: নিয়ম

### সুপারিশকারীর ফিডব্যাক-চক্র সিমুলেশন

সিমুলেটেড ব্যবহারকারী ও একটি সুপারিশকারী ব্যবস্থা অনেক রাউন্ড ধরে মিথস্ক্রিয়া করে, দেখাতে যে সুপারিশ ব্যবহারকারীদের পছন্দ কীভাবে বদলায়।

যে প্রশ্নের উত্তর দেয়: সুপারিশ ব্যবস্থা কি সময়ের সঙ্গে মানুষ যা গ্রহণ করে তা সংকীর্ণ করে?

বাদ দেয়: ব্যবহারকারীর আচরণ একটি ধরন-বাঁধা মডেল, মাপা পছন্দ নয়।

যাতে চলে: প্রায় 10^10 FLOPS মোটামুটি হালকা পুনরাবৃত্ত রাউন্ড শুরুর সাল: 2017 How algorithmic confounding in recommendation systems increases homogeneity and decreases utility (2017) [সূত্র](https://arxiv.org/abs/1710.11214)

[এজেন্ট-ভিত্তিক](https://simulation-hypothesis.com/bn/simulations/methods#m-agent-based)[সম্ভাবনাভিত্তিক প্রক্রিয়া](https://simulation-hypothesis.com/bn/simulations/methods#m-stochastic)নিম্নসীমা: নিয়ম

### সুপারিশকারীর জন্য ভাষা-মডেল ব্যবহারকারী সিমুলেশন

রুচি-প্রোফাইলসহ ভাষা-মডেল এজেন্ট প্রস্তাবিত জিনিস ঘেঁটে দেখে, রেটিং দেয় ও ছেড়ে যায়, সুপারিশ অ্যালগরিদমের পরীক্ষায় ব্যবহারকারীর স্থান নিয়ে।

যে প্রশ্নের উত্তর দেয়: নতুন সুপারিশ অ্যালগরিদমে ব্যবহারকারীরা কীভাবে সাড়া দেবে?

বাদ দেয়: এজেন্টের রুচি আসল রুচির একটি আসন্নকরণ মাত্র।

যাতে চলে: প্রায় 10^14 FLOPS মোটামুটি প্রতি সিমুলেটেড ব্যবহারকারীর জন্য অনেক মডেল কল শুরুর সাল: 2023 On generative agents in recommendation (2023) [সূত্র](https://arxiv.org/abs/2310.10108)

[এজেন্ট-ভিত্তিক](https://simulation-hypothesis.com/bn/simulations/methods#m-agent-based)[শেখা ইমুলেটর](https://simulation-hypothesis.com/bn/simulations/methods#m-learned)নিম্নসীমা: নিয়ম

### ভুল তথ্য ও গুজবের বিস্তার

গুচ্ছের মানুষ একটি গল্প ভাগ করার সিদ্ধান্ত নেয়, তাদের কতজন যোগাযোগ তা ভাগ করেছে তার ভিত্তিতে, তাই ছড়ানো নেটওয়ার্ক-কাঠামোর ওপর নির্ভর করে।

যে প্রশ্নের উত্তর দেয়: কোন নেটওয়ার্ক কাঠামো একটি মিথ্যা গল্পকে ভাইরাল হতে দেয়?

বাদ দেয়: প্ল্যাটফর্মের অ্যালগরিদম ও ভাগকারীদের উদ্দেশ্য সরল করা।

যাতে চলে: প্রায় 10^7 FLOPS মোটামুটি ওয়ার্কস্টেশনে নেটওয়ার্ক সংক্রমণ। শুরুর সাল: 2018 Toernberg, echo chambers and viral misinformation: modelling fake news as complex contagion. [সূত্র](https://doi.org/10.1371/journal.pone.0203958)

[এজেন্ট-ভিত্তিক](https://simulation-hypothesis.com/bn/simulations/methods#m-agent-based)[নেটওয়ার্ক মডেল](https://simulation-hypothesis.com/bn/simulations/methods#m-network)নিম্নসীমা: জনসংখ্যা

### জলবায়ু-চাপে অভিবাসন

পরিবারগুলো আয়, জলবায়ুর ধাক্কা ও সামাজিক বন্ধনের ভিত্তিতে ঠিক করে কোনো অঞ্চল ছেড়ে যাবে কি না, আর অঞ্চলগুলোর মধ্যকার প্রবাহ যোগ করা হয়।

যে প্রশ্নের উত্তর দেয়: বৃষ্টি বা খামারের আয় কমলে কতজন মানুষ সরে যায়?

বাদ দেয়: সিদ্ধান্ত-নিয়ম ধরে নেওয়া এবং প্রব্রজন বহু-কারণজনিত।

যাতে চলে: প্রায় 10^8 FLOPS মোটামুটি ওয়ার্কস্টেশনে আঞ্চলিক এজেন্ট রান। শুরুর সাল: 2011 Kniveton ও সহকর্মীরা, বুর্কিনা ফাসোর ভবিষ্যৎ অভিবাসন-প্রবাহ পরিবর্তনের এজেন্ট-ভিত্তিক মডেল সিমুলেশন। [সূত্র](https://doi.org/10.1016/j.gloenvcha.2011.09.006)

[এজেন্ট-ভিত্তিক](https://simulation-hypothesis.com/bn/simulations/methods#m-agent-based)নিম্নসীমা: জনসংখ্যা

### মানুষের চলাচল ও অভিবাসন মডেল

মহাকর্ষ বা বিকিরণ-ধাঁচের নিয়ম ব্যবহার করে জনসংখ্যা আর দূরত্ব থেকে জায়গায় জায়গায় মানুষের চলাচল অনুমান করা হয়।

যে প্রশ্নের উত্তর দেয়: দুটি জায়গার মধ্যে কতজন মানুষ যাতায়াত করে?

বাদ দেয়: পরিবহন খরচ, সীমান্ত ও ব্যক্তিগত পার্থক্য উপেক্ষা করে।

যাতে চলে: প্রায় 10^6 FLOPS মোটামুটি একটি ল্যাপটপে প্রবাহ-ম্যাট্রিক্স গণনা। শুরুর সাল: 2012 Simini ও সহকর্মীরা, চলাচল ও অভিবাসনের ধরনের একটি সর্বজনীন মডেল। [সূত্র](https://doi.org/10.1038/nature10856)

[অবকল সমীকরণ](https://simulation-hypothesis.com/bn/simulations/methods#m-equations)[সম্ভাবনাভিত্তিক প্রক্রিয়া](https://simulation-hypothesis.com/bn/simulations/methods#m-stochastic)নিম্নসীমা: জনসংখ্যা

### কৃত্রিম জনসংখ্যা তৈরি

একটি আসল শহর বা দেশের জানা মোট সংখ্যার সঙ্গে মিলিয়ে কৃত্রিম পরিবার ও ব্যক্তির একটি পূর্ণ সেট গড়া হয়, প্রত্যেককে বয়স, কাজ, বাড়ি ও পরিবার দেওয়া হয়।

যে প্রশ্নের উত্তর দেয়: কারও আসল নথি ব্যবহার না করে একটি অঞ্চলের সবার বাস্তবসম্মত বিকল্প কীভাবে পাওয়া যায়?

বাদ দেয়: কেবল আদমশুমারি যে মোট সংখ্যা প্রকাশ করে তা মেলানো হয়, তাই যে বৈশিষ্ট্য মাপা হয়নি তাদের মধ্যকার সম্পর্ক উদ্ভাবিত।

যাতে চলে: প্রায় 10^9 FLOPS মোটামুটি একটি দেশের জন্য ওয়ার্কস্টেশনে কয়েক ঘণ্টা। শুরুর সাল: 1996 Beckman, Baggerly and McKay's creation of synthetic baseline populations. [সূত্র](https://doi.org/10.1016/0965-8564%2896%2900004-3)

[সম্ভাবনাভিত্তিক প্রক্রিয়া](https://simulation-hypothesis.com/bn/simulations/methods#m-stochastic)[মন্টে কার্লো](https://simulation-hypothesis.com/bn/simulations/methods#m-monte-carlo)নিম্নসীমা: জনসংখ্যা

## ভিড়

### পথচারী ও ভিড়ের গতিবিদ্যা

প্রতিটি হাঁটা-কণা সামাজিক বলে বাধা ও অন্য মানুষকে এড়িয়ে চলে।

যে প্রশ্নের উত্তর দেয়: এই স্টেশনে ভিড় কোথায় আটকে যায়, আর কীভাবে চাপাচাপি ঠেকানো যায়?

বাদ দেয়: আসল ভিড় আতঙ্কিত হয় ও এমন অপ্রত্যাশিত আচরণ করে, যা মসৃণ বল-মডেল ধরতে পারে না।

যাতে চলে: প্রায় 10^13 FLOPS মোটামুটি একটি বিশ্ববিদ্যালয় ক্লাস্টার, কয়েক দশ হাজার হাঁটা-কণা সিমুলেট করছে শুরুর সাল: 1995 Helbing ও Molnar-এর পথচারীর চলাচলের সামাজিক বল মডেল

[এজেন্ট-ভিত্তিক](https://simulation-hypothesis.com/bn/simulations/methods#m-agent-based)[অবিচ্ছিন্ন ক্ষেত্র](https://simulation-hypothesis.com/bn/simulations/methods#m-continuum)নিম্নসীমা: দেহ

### ভিড়ের আবেগ ও আচরণের সংক্রমণ

আতঙ্ক, উল্লাস বা হাসির মতো একটি মেজাজ বা কাজ ঘন ভিড়ের ভেতর মানুষ থেকে মানুষে ছড়ায়, কেউ যোগ দেবে বলে ঠিক করার চেয়েও দ্রুত।

যে প্রশ্নের উত্তর দেয়: একটি অনুভূতি বা কাজ অচেনা মানুষের ভিড়ে কীভাবে ছড়িয়ে পড়ে?

বাদ দেয়: সংক্রমণের নিয়ম সাধারণত পরে ভিডিও ফুটেজ থেকে অনুমান করা হয়, সরাসরি মাপা হয় না।

যাতে চলে: প্রায় 10^11 FLOPS মোটামুটি একটি ডেস্কটপ ওয়ার্কস্টেশন, যা একটি ভিড়ের মধ্যে মেজাজের ছড়িয়ে পড়া সিমুলেট করে শুরুর সাল: 2000 ভিড়ের আতঙ্কে আবেগের সংক্রমণের প্রাথমিক এজেন্ট-ভিত্তিক মডেল

[এজেন্ট-ভিত্তিক](https://simulation-hypothesis.com/bn/simulations/methods#m-agent-based)[নেটওয়ার্ক মডেল](https://simulation-hypothesis.com/bn/simulations/methods#m-network)নিম্নসীমা: দেহ

### যৌথ কাজ ও সন্ধিক্ষণ-বিন্দু মডেল

প্রত্যেক ব্যক্তি তখনই যোগ দিতে রাজি, যখন যথেষ্ট অন্যরা ইতোমধ্যে যোগ দিয়েছে, তাই ভিড় নীরব থেকে একসঙ্গে কাজে নামা নির্ভর করে ব্যক্তিগত সীমার মিশ্রণের ওপর।

যে প্রশ্নের উত্তর দেয়: প্রথমে কতজন কাজ করলে বাকি সবাই অনুসরণ করে?

বাদ দেয়: ধরে নেয় সবার সীমা আগে থেকেই স্থির, অথচ ভিড় নড়া শুরু করলে আসল সীমা বদলে যায়।

যাতে চলে: প্রায় 10^9 FLOPS মোটামুটি একটি ল্যাপটপ, যা একটি জনগোষ্ঠীজুড়ে থ্রেশহোল্ড-ক্যাসকেড চালায় শুরুর সাল: 1978 সম্মিলিত আচরণের গ্র্যানোভেটার থ্রেশহোল্ড মডেল

[এজেন্ট-ভিত্তিক](https://simulation-hypothesis.com/bn/simulations/methods#m-agent-based)[সম্ভাবনাভিত্তিক প্রক্রিয়া](https://simulation-hypothesis.com/bn/simulations/methods#m-stochastic)নিম্নসীমা: নিয়ম

### যৌথ অনুমান ও ভিড়ের প্রজ্ঞা

একটি সংখ্যা নিয়ে অনেক স্বাধীন, একা একা গোলমালযুক্ত অনুমান, একসঙ্গে মিলিয়ে দেখা যে গড় যেকোনো একজনের অনুমানের চেয়ে সত্যের কতটা কাছে পৌঁছায়।

যে প্রশ্নের উত্তর দেয়: অনেকের আন্দাজের গড় কখন একজন বিশেষজ্ঞকে জিজ্ঞেস করার চেয়ে ভালো?

বাদ দেয়: ব্যক্তিগত আন্দাজ স্বাধীন না থাকলে গড় করার সুফল আর কাজ করে না।

যাতে চলে: প্রায় 10^9 FLOPS মোটামুটি একটি ল্যাপটপ, যা অনুমানগুলোর মন্টি কার্লো সমষ্টি চালায় শুরুর সাল: 1907 একটি ষাঁড়ের ওজন নিয়ে ভিড়ের অনুমানের Francis Galton-এর বিশ্লেষণ

[মন্টে কার্লো](https://simulation-hypothesis.com/bn/simulations/methods#m-monte-carlo)[সম্ভাবনাভিত্তিক প্রক্রিয়া](https://simulation-hypothesis.com/bn/simulations/methods#m-stochastic)নিম্নসীমা: নিয়ম

### প্রতিবাদ-সংগঠন নেটওয়ার্ক মডেল

মানুষ ঠিক করে প্রতিবাদে যোগ দেবে কি না, তাদের নিজস্ব সামাজিক সম্পর্কের কতজন ইতিমধ্যে যাচ্ছে তার ভিত্তিতে, অংশগ্রহণ একটি নেটওয়ার্কে ছড়ায়, এক জায়গার ভিড়ে নয়।

যে প্রশ্নের উত্তর দেয়: একটি প্রতিবাদ আন্দোলন কীভাবে অল্প কয়েকজন নিবেদিত মানুষ থেকে গণজমায়েতে বাড়ে?

বাদ দেয়: যোগ দেওয়াকে একটিমাত্র হ্যাঁ-না সিদ্ধান্ত ধরা হয়, ফলে আসল অঙ্গীকারের ছোট ছোট ধাপ বাদ পড়ে।

যাতে চলে: প্রায় 10^10 FLOPS মোটামুটি একটি ডেস্কটপ ওয়ার্কস্টেশন, যা একটি নেটওয়ার্কজুড়ে নিয়োগ সিমুলেট করে শুরুর সাল: 1997 Kim ও Bearman-এর প্রতিবাদে অংশগ্রহণের নেটওয়ার্ক মডেল

[নেটওয়ার্ক মডেল](https://simulation-hypothesis.com/bn/simulations/methods#m-network)[এজেন্ট-ভিত্তিক](https://simulation-hypothesis.com/bn/simulations/methods#m-agent-based)নিম্নসীমা: দেহ

### গণজমায়েতে রোগের ঝুঁকির মডেলিং

উৎসব, তীর্থযাত্রা বা খেলার আসরে অস্বাভাবিক ঘন, সাময়িক মানুষের মেশামেশি মডেল করা হয়, ভিড় ছড়িয়ে পড়ার পর সংক্রমণ কত দ্রুত ছড়াতে আর নিভে যেতে পারত তা অনুমান করতে।

যে প্রশ্নের উত্তর দেয়: কয়েক দিনের জন্য এত মানুষকে একত্র করলে রোগের ঝুঁকি কতটা বাড়তি তৈরি হয়?

বাদ দেয়: ভিড় ছড়িয়ে পড়ার পর, ফলে ঘটা সংক্রমণ এরপর কোথায় যায় তা অনুসরণ করা মূলত নাগালের বাইরে।

যাতে চলে: প্রায় 10^12 FLOPS মোটামুটি একটি বিশ্ববিদ্যালয় ক্লাস্টার, একটি সমাবেশজুড়ে সংস্পর্শ সিমুলেট করছে শুরুর সাল: 1987 তীর্থযাত্রীদের গণজমায়েতে মেনিনজাইটিসের প্রাদুর্ভাবের মডেলিং

[এজেন্ট-ভিত্তিক](https://simulation-hypothesis.com/bn/simulations/methods#m-agent-based)[সম্ভাবনাভিত্তিক প্রক্রিয়া](https://simulation-hypothesis.com/bn/simulations/methods#m-stochastic)নিম্নসীমা: দেহ

## অর্থনীতি ও বাজার

### সামষ্টিক অর্থনৈতিক মডেল

একটি পূর্ণ অর্থনীতি প্রতিনিধিত্বকারী পরিবার, প্রতিষ্ঠান, ব্যাংক ও একটি কেন্দ্রীয় ব্যাংক হিসেবে, যারা একে অপরের প্রতি সাড়া দেয়।

যে প্রশ্নের উত্তর দেয়: সুদের হার বাড়লে চাকরি আর দামের কী হয়?

বাদ দেয়: প্রতিনিধি-পরিবারের মডেল বৈষম্য থেকে আসা গতিবিদ্যা ধরতে না-ও পারে।

যাতে চলে: প্রায় 10^12 FLOPS মোটামুটি একটি ডেস্কটপ বা ছোট ক্লাস্টার, যা একটি কাঠামোগত সামষ্টিক অর্থনীতির মডেল সমাধান করে শুরুর সাল: 1955 Klein ও Goldberger-এর প্রাথমিক কম্পিউটারে চালানো সামষ্টিক অর্থমিতিক মডেল

[অবকল সমীকরণ](https://simulation-hypothesis.com/bn/simulations/methods#m-equations)[মন্টে কার্লো](https://simulation-hypothesis.com/bn/simulations/methods#m-monte-carlo)নিম্নসীমা: জনসংখ্যা

### এজেন্ট-ভিত্তিক অর্থনীতি

হাজার হাজার আলাদা পরিবার, প্রতিষ্ঠান আর ব্যাংক কিনছে, বেচছে, ধার করছে আর ডুবছে।

যে প্রশ্নের উত্তর দেয়: সংকট কীভাবে সাধারণ আচরণ থেকে শুরু হয়?

বাদ দেয়: এজেন্টদের আচরণ-নিয়ম মডেলকার বাছাই করেন, মানুষের কাছ থেকে মাপা নয়।

যাতে চলে: প্রায় 10^13 FLOPS মোটামুটি একটি বিশ্ববিদ্যালয় ক্লাস্টার, হাজার হাজার পরস্পর-ক্রিয়াশীল পরিবার ও প্রতিষ্ঠান সিমুলেট করছে শুরুর সাল: 1993 সান্তা ফে ইনস্টিটিউটে প্রাথমিক এজেন্ট-ভিত্তিক গণনামূলক অর্থনীতি মডেল

[এজেন্ট-ভিত্তিক](https://simulation-hypothesis.com/bn/simulations/methods#m-agent-based)নিম্নসীমা: দেহ

### আর্থিক বাজার

ভিন্ন কৌশলের ট্রেডাররা একটি সিমুলেটেড বাজারে অর্ডার দিচ্ছে।

যে প্রশ্নের উত্তর দেয়: ধস আর বুদবুদ কোথা থেকে আসে?

বাদ দেয়: আসল বাজারে নিয়ন্ত্রণ, খবর ও বিরল ঘটনা আছে, যা খেলনা ট্রেডিং-নিয়ম বাদ দেয়।

যাতে চলে: প্রায় 10^13 FLOPS মোটামুটি একটি বিশ্ববিদ্যালয় ক্লাস্টার, পরস্পর-ক্রিয়াশীল বহু লেনদেন-কৌশল সিমুলেট করছে শুরুর সাল: 1994 Palmer, Arthur ও সহকর্মীদের Santa Fe কৃত্রিম শেয়ার বাজার [সূত্র](https://deepblue.lib.umich.edu/items/18b0197f-305e-40c5-b9bf-98ca56549ca5) সিমুলেশন বৃক্ষে: [কৃত্রিম শেয়ার বাজার](https://simulation-hypothesis.com/bn/trees/simulations?n=soc-santafe)

[এজেন্ট-ভিত্তিক](https://simulation-hypothesis.com/bn/simulations/methods#m-agent-based)[সম্ভাবনাভিত্তিক প্রক্রিয়া](https://simulation-hypothesis.com/bn/simulations/methods#m-stochastic)নিম্নসীমা: দেহ

### আর্থিক ঝুঁকি

একটি পোর্টফোলিও, ব্যাংক বা বিমাকারীর হাজার হাজার সম্ভাব্য ভবিষ্যৎ।

যে প্রশ্নের উত্তর দেয়: একশো বছরে একবারের ক্ষতি কতটা খারাপ?

বাদ দেয়: ধরে নেয় ভবিষ্যৎ পরিসংখ্যানগতভাবে অতীতের মতো, যা সংকটে ভেঙে পড়ে।

যাতে চলে: প্রায় 10^13 FLOPS মোটামুটি একটি ব্যাংক বা বিমা কোম্পানির ক্লাস্টার, যেখানে লক্ষ লক্ষ মন্টি কার্লো দৃশ্যকল্প চলে শুরুর সাল: 1994 ঝুঁকি ব্যবস্থাপনা দলগুলোর মন্টে কার্লো ভ্যালু-অ্যাট-রিস্ক মডেলের প্রাথমিক গ্রহণ

[মন্টে কার্লো](https://simulation-hypothesis.com/bn/simulations/methods#m-monte-carlo)নিম্নসীমা: জনসংখ্যা

### বাজার ও নিলামের নকশা

কৌশলসহ দরদাতারা ভিন্ন ভিন্ন নিলামের নিয়মে প্রতিযোগিতা করছে।

যে প্রশ্নের উত্তর দেয়: কোন নিয়মের সেট সবচেয়ে কম কারসাজিতে সবচেয়ে ন্যায্য দাম পায়?

বাদ দেয়: আসল দরদাতারা সবসময় কৌশলের ধারণার মতো যুক্তিসঙ্গত আচরণ করে না।

যাতে চলে: প্রায় 10^10 FLOPS মোটামুটি একটি ডেস্কটপ ওয়ার্কস্টেশন, যা নিলামের নিয়মে দরদামের কৌশল পরীক্ষা করে শুরুর সাল: 1961 Vickrey-র নিলাম তত্ত্ব, যা পরে সিমুলেশন আর পরীক্ষায় যাচাই হয়

[খেলা-তত্ত্ব](https://simulation-hypothesis.com/bn/simulations/methods#m-game-theory)[এজেন্ট-ভিত্তিক](https://simulation-hypothesis.com/bn/simulations/methods#m-agent-based)নিম্নসীমা: দেহ

### কৃত্রিম সমাজ

এজেন্টরা সম্পদের একটি ভূদৃশ্যে সংগ্রহ করে, বিনিময় করে ও বংশবৃদ্ধি করে, যা থেকে সম্পদ-বণ্টন ও বাণিজ্য উদ্ভূত হয়।

যে প্রশ্নের উত্তর দেয়: একটি সমাজের বড় মাপের বৈশিষ্ট্য গড়ে তুলতে কোন সরল নিয়মগুলো যথেষ্ট?

বাদ দেয়: সরল নিয়ম ভুল কারণে বাস্তবসদৃশ নকশা গড়তে পারে।

যাতে চলে: প্রায় 10^10 FLOPS মোটামুটি একটি ডেস্কটপ ওয়ার্কস্টেশন, যা একটি এজেন্ট-ভূদৃশ্য অর্থনীতি চালায় শুরুর সাল: 1996 Epstein ও Axtell-এর Sugarscape মডেল সিমুলেশন বৃক্ষে: [Sugarscape](https://simulation-hypothesis.com/bn/trees/simulations?n=soc-sugarscape)

[এজেন্ট-ভিত্তিক](https://simulation-hypothesis.com/bn/simulations/methods#m-agent-based)নিম্নসীমা: দেহ

### এআই-নকশা করা অর্থনৈতিক নীতির সিমুলেশন

শেখা এজেন্ট সিমুলেটেড অর্থনীতিতে শ্রমিক হিসেবে কাজ করে, আর একটি প্রশিক্ষিত পরিকল্পক এমন কর নীতি খোঁজে যা সমতা ও উৎপাদনশীলতার ভারসাম্য রাখে।

যে প্রশ্নের উত্তর দেয়: শেখা এজেন্ট আর পরিকল্পনাকারী কোন করের নিয়মে মিলিত হয়?

বাদ দেয়: আসল মানুষ শেখা এজেন্টের থেকে আলাদা, আর অর্থনীতির কাঠামো সরল।

যাতে চলে: প্রায় 10^15 FLOPS মোটামুটি বড় মাপে রিইনফোর্সমেন্ট লার্নিং শুরুর সাল: 2020 The AI Economist (2020) [সূত্র](https://arxiv.org/abs/2004.13332)

[এজেন্ট-ভিত্তিক](https://simulation-hypothesis.com/bn/simulations/methods#m-agent-based)[খেলা-তত্ত্ব](https://simulation-hypothesis.com/bn/simulations/methods#m-game-theory)[শেখা ইমুলেটর](https://simulation-hypothesis.com/bn/simulations/methods#m-learned)নিম্নসীমা: নিয়ম

### এজেন্ট-ভিত্তিক বিনিময়-সিমুলেটর

একটি সিমুলেটেড শেয়ার বাজার, পূর্ণ অর্ডার বই ও সময়-ছাপযুক্ত বার্তাসহ, যেখানে শিখতে থাকা এজেন্টসহ লেনদেন-এজেন্টরা ক্রিয়া-প্রতিক্রিয়া করে।

যে প্রশ্নের উত্তর দেয়: একটি ট্রেডিং কৌশল বা নিয়ম বদলালে বাজারে কী প্রভাব পড়বে?

বাদ দেয়: এজেন্টের আচরণ সরলীকৃত, আর বাজারের প্রভাব ক্রমাঙ্কন করা কঠিন।

যাতে চলে: প্রায় 10^11 FLOPS মোটামুটি হাজার হাজার এজেন্টের ঘটনা-চালিত চালনা শুরুর সাল: 2019 ABIDES: towards high-fidelity market simulation for AI research (2019) [সূত্র](https://arxiv.org/abs/1904.12066)

[এজেন্ট-ভিত্তিক](https://simulation-hypothesis.com/bn/simulations/methods#m-agent-based)[বিচ্ছিন্ন ঘটনা](https://simulation-hypothesis.com/bn/simulations/methods#m-discrete-event)নিম্নসীমা: নিয়ম

### আবাসন বাজারের এজেন্ট-ভিত্তিক মডেল

আয়সম্পন্ন পরিবার, ঋণের নিয়মসহ ব্যাংক ও সীমিত আবাসন একসঙ্গে মিথস্ক্রিয়া করে, যাতে দেখা যায় ঋণ-ভার ও ঋণ কীভাবে দাম ও খেলাপি বদলায়।

যে প্রশ্নের উত্তর দেয়: ঋণের নিয়ম কীভাবে আবাসনের উত্থান ও পতন ঘটায়?

বাদ দেয়: পরিবারের আচরণ নিয়মভিত্তিক, আর উপাত্তের খুঁটিনাটি সীমিত।

যাতে চলে: প্রায় 10^9 FLOPS মোটামুটি ওয়ার্কস্টেশনে কয়েক লক্ষ এজেন্ট। শুরুর সাল: 2012 Geanakoplos and colleagues, getting at systemic risk via an agent-based model of the housing market. [সূত্র](https://doi.org/10.1257/aer.102.3.53)

[এজেন্ট-ভিত্তিক](https://simulation-hypothesis.com/bn/simulations/methods#m-agent-based)নিম্নসীমা: জনসংখ্যা

### গতিশীল স্টোক্যাস্টিক সাধারণ ভারসাম্য মডেল

একটি প্রতিনিধিত্বকারী পরিবার ও প্রতিষ্ঠান দৈব ধাক্কার মধ্যে সময়ের সঙ্গে সিদ্ধান্ত নেয়, আর মডেলটি দিয়ে দেখা হয় এ ধরনের বিঘ্ন ও নীতি কীভাবে অর্থনীতিকে প্রভাবিত করে।

যে প্রশ্নের উত্তর দেয়: ধাক্কা বা সুদের হার বদলালে অর্থনীতি কীভাবে সাড়া দেয়?

বাদ দেয়: ধরে নেয় যুক্তিশীল প্রতিনিধিত্বকারী এজেন্ট এবং সহজে সংকট তৈরি করতে পারে না।

যাতে চলে: প্রায় 10^6 FLOPS মোটামুটি ল্যাপটপে পার্টারবেশন বা বেজীয় অনুমান। শুরুর সাল: 1982 Kydland ও Prescott, নির্মাণের সময় ও সামষ্টিক ওঠানামা। [সূত্র](https://doi.org/10.2307/1913386)

[অবকল সমীকরণ](https://simulation-hypothesis.com/bn/simulations/methods#m-equations)[সম্ভাবনাভিত্তিক প্রক্রিয়া](https://simulation-hypothesis.com/bn/simulations/methods#m-stochastic)নিম্নসীমা: নিয়ম

### বিমার বিপর্যয় মডেল

হাজার হাজার সিমুলেটেড ঝড়, ভূমিকম্প বা বন্যা একটি সম্পত্তি-পোর্টফোলিওতে প্রয়োগ করা হয়, বিমাকারী কত ক্ষতির মুখে পড়তে পারে তা অনুমান করতে।

যে প্রশ্নের উত্তর দেয়: 200 বছরে একবার যে ক্ষতি ছাড়িয়ে যায়, তা কত?

বাদ দেয়: বিরল চরম ঘটনা স্বল্প নথির ওপর দাঁড়িয়ে, আর ভবনের ঝুঁকিপ্রবণতা অনুমান করা।

যাতে চলে: প্রায় 10^11 FLOPS মোটামুটি ক্লাস্টারে বড় ঘটনা-তালিকা। শুরুর সাল: 1972 Friedman, insurance and the natural hazards. [সূত্র](https://doi.org/10.1017/s0515036100005699)

[মন্টে কার্লো](https://simulation-hypothesis.com/bn/simulations/methods#m-monte-carlo)[সম্ভাবনাভিত্তিক প্রক্রিয়া](https://simulation-hypothesis.com/bn/simulations/methods#m-stochastic)নিম্নসীমা: জনসংখ্যা

### আন্তঃব্যাংক নেটওয়ার্কে আর্থিক সংক্রমণ

ঋণে যুক্ত ব্যাংকগুলোকে ধাক্কা দেওয়া হয়, এবং একটি থেকে আরেকটিতে ছড়ানো ব্যর্থতা অনুসরণ করে ব্যবস্থাগত ঝুঁকি মাপা হয়।

যে প্রশ্নের উত্তর দেয়: একটি ব্যাংকের ব্যর্থতা ব্যবস্থার ভেতর দিয়ে কত দূর ছড়ায়?

বাদ দেয়: সংস্পর্শ আংশিক পর্যবেক্ষণ করা হয় এবং ব্যাংকের আচরণ স্থির।

যাতে চলে: প্রায় 10^7 FLOPS মোটামুটি একটি ওয়ার্কস্টেশনে নিষ্পত্তি-অ্যালগরিদম। শুরুর সাল: 2001 Eisenberg and Noe, systemic risk in financial systems. [সূত্র](https://doi.org/10.1287/mnsc.47.2.236.9835)

[নেটওয়ার্ক মডেল](https://simulation-hypothesis.com/bn/simulations/methods#m-network)[অবকল সমীকরণ](https://simulation-hypothesis.com/bn/simulations/methods#m-equations)নিম্নসীমা: নিয়ম

### গতিশীল সম্পদ-বিনিময় মডেল

এজেন্টরা সংঘর্ষে-আসা গ্যাসকণার মতো জোড়ায় জোড়ায় এলোমেলো পরিমাণ অর্থ লেনদেন করে, আর সম্পদের একটি বণ্টন উদ্ভূত হয়।

যে প্রশ্নের উত্তর দেয়: সরল এলোমেলো বিনিময় কি পর্যবেক্ষিত বৈষম্য তৈরি করে?

বাদ দেয়: বিনিময়ের নিয়ম উৎপাদন, ঋণ ও প্রতিষ্ঠান উপেক্ষা করে।

যাতে চলে: প্রায় 10^6 FLOPS মোটামুটি ল্যাপটপে কয়েক মিলিয়ন বিনিময়ের সিমুলেশন। শুরুর সাল: 2000 Dragulescu and Yakovenko, statistical mechanics of money. [সূত্র](https://doi.org/10.1007/s100510070114)

[মন্টে কার্লো](https://simulation-hypothesis.com/bn/simulations/methods#m-monte-carlo)[কণা ও N-বডি](https://simulation-hypothesis.com/bn/simulations/methods#m-particles)নিম্নসীমা: নিয়ম

### দুর্যোগের অর্থনৈতিক তরঙ্গ মডেল

শিল্পগুলো একে অপরকে কীভাবে সরবরাহ করে তার একটি ইনপুট-আউটপুট মডেলে দুর্যোগের পর হারানো সক্ষমতার আঘাত লাগে, আর ঘাটতি সরবরাহ-শৃঙ্খলে ছড়িয়ে পড়ে।

যে প্রশ্নের উত্তর দেয়: কোনো দুর্যোগ কিছু শিল্প থামিয়ে দিলে মোট অর্থনৈতিক ক্ষতি কত?

বাদ দেয়: স্থির প্রযুক্তিগত সহগ কঠোরতাকে বাড়িয়ে দেখায় এবং প্রতিষ্ঠানের সরবরাহকারী বদল উপেক্ষা করে।

যাতে চলে: প্রায় 10^6 FLOPS মোটামুটি ল্যাপটপে ম্যাট্রিক্স মডেল। শুরুর সাল: 2008 Hallegatte, একটি অভিযোজনশীল আঞ্চলিক ইনপুট-আউটপুট মডেল, যা ক্যাটরিনার অর্থনৈতিক ক্ষতিতে প্রয়োগ করা হয়েছিল। [সূত্র](https://doi.org/10.1111/j.1539-6924.2008.01046.x)

[অবকল সমীকরণ](https://simulation-hypothesis.com/bn/simulations/methods#m-equations)[নেটওয়ার্ক মডেল](https://simulation-hypothesis.com/bn/simulations/methods#m-network)নিম্নসীমা: নিয়ম

### বিদ্যুৎ বাজার এজেন্ট-ভিত্তিক মডেল

জেনারেটররা বারবার বাজারে দর দেয়, লাভ থেকে শেখে, আর দামের প্যাটার্ন দেখায় নিয়ম ফলাফলকে কীভাবে প্রভাবিত করে।

যে প্রশ্নের উত্তর দেয়: নিলামের নিয়ম কি কম দামে নাকি যোগসাজশী দরদামে নিয়ে যায়?

বাদ দেয়: ফার্মের শেখার নিয়ম ধরে নেওয়া হয়।

যাতে চলে: প্রায় 10^7 FLOPS মোটামুটি ওয়ার্কস্টেশনে বারবার-নিলামের সিমুলেশন। শুরুর সাল: 2001 Bower and Bunn, experimental analysis of the efficiency of uniform-price versus discriminatory auctions. [সূত্র](https://doi.org/10.1016/s0165-1889%2800%2900036-1)

[এজেন্ট-ভিত্তিক](https://simulation-hypothesis.com/bn/simulations/methods#m-agent-based)[খেলা-তত্ত্ব](https://simulation-hypothesis.com/bn/simulations/methods#m-game-theory)[বিবর্তনীয়](https://simulation-hypothesis.com/bn/simulations/methods#m-evolutionary)নিম্নসীমা: জনসংখ্যা

### যুগ্ম মহামারি ও অর্থনীতি মডেল

একটি মহামারি মডেল একটি অর্থনীতি মডেলের সঙ্গে যুক্ত, যাতে সংক্রমণ কাজ ও ব্যয় কমায়, আর অর্থনৈতিক সিদ্ধান্ত তার বিস্তার বদলে দেয়।

যে প্রশ্নের উত্তর দেয়: বাঁচানো প্রাণ আর হারানো উৎপাদনের মধ্যে বিনিময় কী?

বাদ দেয়: আচরণ যুক্তিশীল ও অভিন্ন বলে ধরে নেওয়া হয়।

যাতে চলে: প্রায় 10^6 FLOPS মোটামুটি একটি ল্যাপটপে গতিশীল অপ্টিমাইজেশন। শুরুর সাল: 2020 Eichenbaum, Rebelo and Trabandt, the macroeconomics of epidemics. [সূত্র](https://doi.org/10.3386/w26882)

[অবকল সমীকরণ](https://simulation-hypothesis.com/bn/simulations/methods#m-equations)নিম্নসীমা: জনসংখ্যা

### ফ্ল্যাশ-ক্র্যাশ বাজার মডেল

একটি ফিউচার্স বাজারের মডেলে কয়েক ধরনের ট্রেডিং এজেন্ট, দ্রুত স্বয়ংক্রিয় বিক্রেতা ও ধীর মৌলিক ক্রেতাসহ, মিথস্ক্রিয়া করে, দেখাতে যে হঠাৎ দামের পতন কীভাবে তৈরি হয় ও পুনরুদ্ধার হয়।

যে প্রশ্নের উত্তর দেয়: একটি বড় বিক্রয়-অর্ডার ও পাতলা তারল্য কি একাই গোটা বাজারে দামের পতন ঘটাতে পারে?

বাদ দেয়: এজেন্টদের কৌশল আসল প্রতিষ্ঠানের সরল বিকল্প, যাদের অ্যালগরিদম গোপন, তাই এর বলা গল্প বিশ্বাসযোগ্য, কিন্তু যাচাই করা নয়।

যাতে চলে: প্রায় 10^11 FLOPS মোটামুটি ট্রেডিং দিনের এনসেম্বলের জন্য ক্লাস্টারে কয়েক ঘণ্টা। শুরুর সাল: 2012 Paddrik ও সহকর্মীদের E-Mini S&P 500 ফিউচার বাজারের এজেন্ট-ভিত্তিক মডেল, 2010 সালের ফ্ল্যাশ ক্র্যাশে প্রয়োগ করা। [সূত্র](https://doi.org/10.1109/cifer.2012.6327800)

[এজেন্ট-ভিত্তিক](https://simulation-hypothesis.com/bn/simulations/methods#m-agent-based)[বিচ্ছিন্ন ঘটনা](https://simulation-hypothesis.com/bn/simulations/methods#m-discrete-event)[সম্ভাবনাভিত্তিক প্রক্রিয়া](https://simulation-hypothesis.com/bn/simulations/methods#m-stochastic)নিম্নসীমা: জনসংখ্যা

### অ্যালগরিদমিক মূল্য-যোগসাজশ

বিক্রির ফল থেকে শেখা মূল্য-নির্ধারণ প্রোগ্রাম একটি সিমুলেটেড বাজারে রাখা হয়, দেখতে যে তারা কখনো কথা না বলেই একসঙ্গে উচ্চ দাম চাইতে শেখে কি না।

যে প্রশ্নের উত্তর দেয়: শিক্ষণ-অ্যালগরিদম ব্যবহার করা স্বতন্ত্র বিক্রেতারা কি প্রতিযোগিতামূলক স্তরের ওপরে দাম ধরে রাখতে পারে?

বাদ দেয়: বাজারগুলো ছোট, অল্প কয়েকটি প্রতিষ্ঠান আর অভিন্ন পণ্য, আর আসল প্রতিষ্ঠান আরও সমৃদ্ধ তথ্য আর নকশা ব্যবহার করে।

যাতে চলে: প্রায় 10^9 FLOPS মোটামুটি ওয়ার্কস্টেশনে কয়েক মিলিয়ন পুনরাবৃত্ত রাউন্ড। শুরুর সাল: 2019 Calvano, Calzolari, Denicolò and Pastorello's study of AI algorithmic pricing and collusion. [সূত্র](https://doi.org/10.2139/ssrn.3304991)

[এজেন্ট-ভিত্তিক](https://simulation-hypothesis.com/bn/simulations/methods#m-agent-based)[শেখা ইমুলেটর](https://simulation-hypothesis.com/bn/simulations/methods#m-learned)[খেলা-তত্ত্ব](https://simulation-hypothesis.com/bn/simulations/methods#m-game-theory)নিম্নসীমা: জনসংখ্যা

### ভাষা-মডেল সামষ্টিক-অর্থনৈতিক এজেন্ট

ভাষা-মডেল এজেন্ট সিমুলেটেড অর্থনীতিতে পরিবার ও প্রতিষ্ঠান হিসেবে কাজ করে, কথায় ঠিক করে কতটা কাজ করবে, খরচ করবে ও সঞ্চয় করবে, আর মোট উৎপাদন ও মূল্যস্ফীতি মাপা হয়।

যে প্রশ্নের উত্তর দেয়: ভাষায় যুক্তি করা এজেন্টরা কি আসল সামষ্টিক অর্থনীতির প্যাটার্ন ফুটিয়ে তোলে?

বাদ দেয়: এজেন্টদের আচরণ আসে তাদের শেখা লেখা থেকে, তাই অর্থনীতি নিয়ে মানুষ কী লেখে তারই প্রতিফলন হতে পারে, তারা কীভাবে আচরণ করে তার নয়।

যাতে চলে: প্রায় 10^16 FLOPS মোটামুটি সিমুলেটেড সময়ের কয়েক দশক ধরে একশো এজেন্টের জন্য কয়েক মিলিয়ন মডেল কল। শুরুর সাল: 2023 Li ও সহকর্মীদের EconAgent, সামষ্টিক অর্থনৈতিক কার্যকলাপ সিমুলেট করার জন্য ভাষা-মডেল এজেন্ট। [সূত্র](https://arxiv.org/abs/2310.10436)

[এজেন্ট-ভিত্তিক](https://simulation-hypothesis.com/bn/simulations/methods#m-agent-based)[শেখা ইমুলেটর](https://simulation-hypothesis.com/bn/simulations/methods#m-learned)নিম্নসীমা: জনসংখ্যা

## নৃবিজ্ঞান ও প্রত্নতত্ত্ব

### পুনর্গঠিত প্রাচীন সমাজ

অতীতের এক সমাজের কৃষক পরিবারগুলো, জলবায়ু আর মাটির নথি থেকে পুনর্নির্মিত সিমুলেটেড ভূদৃশ্যে বাস করছে, যেমন আমেরিকান দক্ষিণ-পশ্চিমের পূর্বপুরুষ পুয়েবলো গ্রাম।

যে প্রশ্নের উত্তর দেয়: এই উপত্যকায় কেন বসতি হয়েছিল, আর কেন তা পরিত্যক্ত হলো?

বাদ দেয়: জলবায়ু ও ফসলের ফলনের পুনর্গঠনের ওপর নির্ভর করে, যেগুলোর নিজস্ব বড় অনিশ্চয়তা আছে।

যাতে চলে: প্রায় 10^12 FLOPS মোটামুটি একটি বিশ্ববিদ্যালয় ক্লাস্টার, কয়েক শতাব্দীর সিমুলেটেড পরিবার চালাচ্ছে শুরুর সাল: 2002 Long House Valley-তে Kayenta Anasazi-র Axtell, Epstein, Dean, Gumerman ও সহকর্মীদের মডেল [সূত্র](https://profiles.wustl.edu/en/publications/population-growth-and-collapse-in-a-multiagent-model-of-the-kayen/) সিমুলেশন বৃক্ষে: [কৃত্রিম আনাসাজি](https://simulation-hypothesis.com/bn/trees/simulations?n=soc-anasazi)

[এজেন্ট-ভিত্তিক](https://simulation-hypothesis.com/bn/simulations/methods#m-agent-based)নিম্নসীমা: দেহ

### মানুষের ছড়িয়ে পড়া

আবহাওয়া ও উপকূলরেখা বদলানোর সঙ্গে সঙ্গে মহাদেশজুড়ে ছড়িয়ে পড়া আদি মানব জনগোষ্ঠী।

যে প্রশ্নের উত্তর দেয়: মানুষ কখন আর কোন পথে প্রতিটি মহাদেশে পৌঁছেছিল?

বাদ দেয়: পথ ও তারিখ জলবায়ু ও জিনগত অনুমানের ওপর নির্ভর করে, যা বদলাতেই থাকে।

যাতে চলে: প্রায় 10^12 FLOPS মোটামুটি একটি বিশ্ববিদ্যালয় ক্লাস্টার, মহাদেশজুড়ে জনগোষ্ঠীর বিস্তার সিমুলেট করছে শুরুর সাল: 2008 2008 সালের মধ্যে, আফ্রিকা-থেকে-বেরোনোর মানব-বিস্তারের প্রাথমিক এজেন্ট-ভিত্তিক সিমুলেশন

মডেল: [মানুষ](https://simulation-hypothesis.com/bn/entities/human)

[এজেন্ট-ভিত্তিক](https://simulation-hypothesis.com/bn/simulations/methods#m-agent-based)[সেলুলার অটোমেটা](https://simulation-hypothesis.com/bn/simulations/methods#m-cellular-automata)নিম্নসীমা: জনসংখ্যা

### শিকারি-সংগ্রাহক অর্থনীতি

দলগুলো খাদ্য খোঁজে, শিবির সরায় ও খাবার ভাগ করে।

যে প্রশ্নের উত্তর দেয়: খাবার খুঁজে বেড়ানো মানুষদের মধ্যে খাবার ভাগ করা কেন সর্বজনীন হয়ে উঠল?

বাদ দেয়: হাতে-গোনা টিকে থাকা গোষ্ঠীর নৃতাত্ত্বিক তথ্য একটি বিস্তৃত প্রাচীন বৈচিত্র্যের প্রতিনিধিত্ব করে।

যাতে চলে: প্রায় 10^11 FLOPS মোটামুটি একটি ডেস্কটপ ওয়ার্কস্টেশন, যা একটি দলের খাদ্য-অন্বেষণ ও ভাগাভাগির সিদ্ধান্ত সিমুলেট করে শুরুর সাল: 1994 খাদ্য-সন্ধানীদের খাবার-ভাগাভাগির সিদ্ধান্তের প্রাথমিক এজেন্ট-ভিত্তিক মডেল

[এজেন্ট-ভিত্তিক](https://simulation-hypothesis.com/bn/simulations/methods#m-agent-based)নিম্নসীমা: দেহ

### প্রাচীন বাণিজ্য ও বিনিময়

পথ ও সমুদ্রপথে যুক্ত বসতি, তাদের মধ্যে পণ্য ও ধারণা চলাচল করে।

যে প্রশ্নের উত্তর দেয়: অবসিডিয়ান, মৃৎপাত্র বা ধারণা কীভাবে এত দূরে ছড়াল?

বাদ দেয়: টিকে থাকা নিদর্শনগুলো আসলে যা কিছু চলাচল করেছিল তার একটি পাতলা ও একপেশে নমুনা।

যাতে চলে: প্রায় 10^11 FLOPS মোটামুটি একটি ডেস্কটপ ওয়ার্কস্টেশন, যা একটি বসতি-নেটওয়ার্কজুড়ে বিনিময় মডেল করে শুরুর সাল: 2007 2007 সালের মধ্যে, রোমান-যুগের বাণিজ্য-পথের প্রাথমিক নেটওয়ার্ক মডেল

[নেটওয়ার্ক মডেল](https://simulation-hypothesis.com/bn/simulations/methods#m-network)[এজেন্ট-ভিত্তিক](https://simulation-hypothesis.com/bn/simulations/methods#m-agent-based)নিম্নসীমা: দেহ

### জনতাত্ত্বিক মাইক্রোসিমুলেশন

একটি কৃত্রিম জনগোষ্ঠী, যারা বছর বছর জন্ম, জুটি বাঁধা, প্রব্রজন ও মৃত্যুর মধ্য দিয়ে জীবন কাটায়।

যে প্রশ্নের উত্তর দেয়: জনসংখ্যা কীভাবে বয়স্ক হবে, আর পেনশন ও যত্নের জন্য তার অর্থ কী?

বাদ দেয়: ব্যক্তিগত জীবন-ঘটনার সম্ভাবনায় ত্রুটি একটি সিমুলেটেড জীবনজুড়ে জমে ওঠে।

যাতে চলে: প্রায় 10^13 FLOPS মোটামুটি একটি বিশ্ববিদ্যালয় ক্লাস্টার, একটি কৃত্রিম জনগোষ্ঠীর জীবন-ঘটনা সিমুলেট করছে শুরুর সাল: 1957 Orcutt-এর মার্কিন জনসংখ্যার মাইক্রোসিমুলেশন মডেলের মূল নির্মাণ

মডেল: [মানুষ](https://simulation-hypothesis.com/bn/entities/human)

[মন্টে কার্লো](https://simulation-hypothesis.com/bn/simulations/methods#m-monte-carlo)নিম্নসীমা: দেহ

### স্মৃতিস্তম্ভ নির্মাণ ও প্রকৌশল পুনর্গঠন

প্রাচীন স্মৃতিসৌধের কাঠামোগত ভার, শ্রম আর সরবরাহ, নির্মাণের সম্ভাব্য পদ্ধতিগুলো সিমুলেট করে পরীক্ষা করা হয়, ভৌত ধ্বংসাবশেষ কী সইতে পারে আর পারে না, তার সঙ্গে মিলিয়ে।

যে প্রশ্নের উত্তর দেয়: এই স্মৃতিস্তম্ভটি কি আসলেই ঐতিহ্য বা একটি প্রধান তত্ত্ব যেভাবে বলে সেভাবে গড়া যেত?

বাদ দেয়: টিকে থাকা প্রমাণের সঙ্গে একাধিক প্রতিদ্বন্দ্বী নির্মাণ-পদ্ধতি প্রায়ই সমানভাবে মেলে।

যাতে চলে: প্রায় 10^11 FLOPS মোটামুটি একটি ডেস্কটপ ওয়ার্কস্টেশন, যা একটি কাঠামোগত ও শ্রম-লজিস্টিক্স মডেল চালায় শুরুর সাল: 1997 মিশরীয় পিরামিড-নির্মাণের ঢালু পথ কীভাবে কাজ করতে পারত তা পরীক্ষা করা প্রাথমিক সিমুলেশন

[অবকল সমীকরণ](https://simulation-hypothesis.com/bn/simulations/methods#m-equations)[এজেন্ট-ভিত্তিক](https://simulation-hypothesis.com/bn/simulations/methods#m-agent-based)নিম্নসীমা: দেহ

## নীতি ও সংগঠন

### কর ও ভাতার মাইক্রোসিমুলেশন

কর বা ভাতার একটি প্রস্তাবিত পরিবর্তন আসল পরিবারগুলোর একটি বড় নমুনায় প্রয়োগ করা।

যে প্রশ্নের উত্তর দেয়: এই পরিবর্তনে কে লাভ করে আর কে হারে, আর কতটা?

বাদ দেয়: ধরে নেয় মানুষ নীতির সাড়ায় আচরণ বদলায় না, যা তারা কখনো কখনো করে।

যাতে চলে: প্রায় 10^12 FLOPS মোটামুটি একটি বিশ্ববিদ্যালয় ক্লাস্টার, পরিবারের একটি বড় নমুনায় নিয়ম প্রয়োগ করছে শুরুর সাল: 1976 Orcutt ও সহকর্মীদের মার্কিন কর নীতির DYNASIM মাইক্রোসিমুলেশন

[মন্টে কার্লো](https://simulation-hypothesis.com/bn/simulations/methods#m-monte-carlo)[নিয়ম ও অবস্থা](https://simulation-hypothesis.com/bn/simulations/methods#m-rules)নিম্নসীমা: দেহ

### জগতের মডেল

জনসংখ্যা, খাদ্য, শিল্প, সম্পদ ও দূষণ বৈশ্বিক মাপে মজুত ও ফিডব্যাক-চক্র হিসেবে।

যে প্রশ্নের উত্তর দেয়: সীমিত সম্পদের একটি জগতের কী হয়, যদি বৃদ্ধি চলতেই থাকে?

বাদ দেয়: হাতে গোনা কয়েকটি বৈশ্বিক মজুদ সব আঞ্চলিক ও জাতীয় তারতম্য লুকিয়ে রাখে।

যাতে চলে: প্রায় 10^10 FLOPS মোটামুটি একটি ডেস্কটপ ওয়ার্কস্টেশন, যা একটি বৈশ্বিক মজুদ-ও-প্রবাহ মডেল সমাধান করে শুরুর সাল: 1971 Forrester-এর World2, World Dynamics-এ প্রকাশিত; 1972 সালে এল The Limits to Growth-এর জন্য World3 [সূত্র](https://en.wikipedia.org/wiki/World3) সিমুলেশন বৃক্ষে: [World3](https://simulation-hypothesis.com/bn/trees/simulations?n=soc-world3)

[ব্যবস্থার গতিবিদ্যা](https://simulation-hypothesis.com/bn/simulations/methods#m-system-dynamics)নিম্নসীমা: জনসংখ্যা

### সংগঠন ও দল

সদস্য, সমস্যা ও সিদ্ধান্ত একটি সংগঠনের ভেতর দিয়ে চলে।

যে প্রশ্নের উত্তর দেয়: প্রতিষ্ঠানগুলো যে সিদ্ধান্ত নেয়, তা কেন নেয়?

বাদ দেয়: আসল সাংগঠনিক রাজনীতি ও ব্যক্তিত্বকে সিদ্ধান্ত-নিয়মে নামিয়ে আনা কঠিন।

যাতে চলে: প্রায় 10^10 FLOPS মোটামুটি একটি ডেস্কটপ ওয়ার্কস্টেশন, যা একটি প্রতিষ্ঠানের ভেতর দিয়ে চলা সিদ্ধান্ত সিমুলেট করে শুরুর সাল: 1963 প্রাতিষ্ঠানিক সিদ্ধান্ত-গ্রহণের Cyert ও March-এর সিমুলেশন মডেল

[এজেন্ট-ভিত্তিক](https://simulation-hypothesis.com/bn/simulations/methods#m-agent-based)নিম্নসীমা: দেহ

### গণনাযোগ্য সাধারণ ভারসাম্য মডেলিং

একটি পূর্ণ অর্থনীতির শিল্প, পরিবার ও সরকারকে বাজারের একটি ব্যবস্থা হিসেবে নতুন করে গড়া হয়, যার সবগুলো একসঙ্গে নিষ্পত্তি হতে হবে, তারপর কর বা বাণিজ্য নীতির ধাক্কা দিয়ে দেখা হয় দাম ও উৎপাদন কোথায় থিতু হয়।

যে প্রশ্নের উত্তর দেয়: এই নীতি-পরিবর্তনের পর একটি পুরো অর্থনীতি কীভাবে নিজেকে নতুন করে ভারসাম্যে আনে?

বাদ দেয়: ধরে নেয় বাজার পরিষ্কারভাবে নতুন ভারসাম্যে থিতু হয়, বাস্তবে যে বিশৃঙ্খল পরিবর্তন হয় তা উপেক্ষা করে।

যাতে চলে: প্রায় 10^11 FLOPS মোটামুটি একটি ছোট ক্লাস্টার, বাজার-নিষ্পত্তির সমীকরণের একটি বড় ব্যবস্থা সমাধান করছে শুরুর সাল: 1972 Shoven ও Whalley-র কর নীতির প্রয়োগমূলক সাধারণ-ভারসাম্য মডেল

[অবকল সমীকরণ](https://simulation-hypothesis.com/bn/simulations/methods#m-equations)নিম্নসীমা: জনসংখ্যা

### প্রাতিষ্ঠানিক দুর্নীতি ও সততার মডেলিং

কর্মকর্তা ও নাগরিকরা ঠিক করে ঘুষ দেবে, অভিযোগ জানাবে, না নিয়ম মানবে, প্রত্যেকে দুর্নীতি কতটা সাধারণ ও ধরা পড়ার সম্ভাবনা কতটা মনে হয় তার প্রতি সাড়া দিয়ে।

যে প্রশ্নের উত্তর দেয়: কিছু প্রতিষ্ঠানে দুর্নীতি কেন বিরল থাকে, আর কিছুতে কেন স্বাভাবিক হয়ে যায়?

বাদ দেয়: আসল দুর্নীতি নকশা করেই লুকানো, তাই মডেলে যাওয়া সংখ্যা মোটামুটি অনুমান।

যাতে চলে: প্রায় 10^10 FLOPS মোটামুটি একটি ডেস্কটপ ওয়ার্কস্টেশন, যা একটি এজেন্ট-ভিত্তিক নিয়ম-মান্যতা মডেল চালায় শুরুর সাল: 2002 একটি প্রতিষ্ঠানের ভেতরে দুর্নীতি কীভাবে ছড়ায় তার প্রাথমিক এজেন্ট-ভিত্তিক মডেল

[এজেন্ট-ভিত্তিক](https://simulation-hypothesis.com/bn/simulations/methods#m-agent-based)[খেলা-তত্ত্ব](https://simulation-hypothesis.com/bn/simulations/methods#m-game-theory)নিম্নসীমা: নিয়ম

### নীতি-বিস্তার নেটওয়ার্ক মডেল

একটি সরকারের আইন বা কর্মসূচি গ্রহণ তাদের মধ্যকার সম্পর্কের মাধ্যমে অন্যদের মধ্যে ছড়ায়, তা প্রতিবেশী, বাণিজ্য-অংশীদার বা সমান পেশাদার নেটওয়ার্কই হোক।

যে প্রশ্নের উত্তর দেয়: কিছু সরকার কেন দ্রুত একটি নীতি নকল করে, আর কিছু কেন কখনোই নেয় না?

বাদ দেয়: কাগজে একটি নীতি নকল করা মডেল করা সহজ, অন্যত্র তা একইভাবে কাজ করে কি না তার চেয়ে।

যাতে চলে: প্রায় 10^10 FLOPS মোটামুটি একটি ডেস্কটপ ওয়ার্কস্টেশন, যা সরকারগুলোর নেটওয়ার্কজুড়ে গ্রহণ সিমুলেট করে শুরুর সাল: 1990 1990 সালের মধ্যে, সরকারগুলোর মধ্যে নীতি-বিস্তারের প্রাথমিক নেটওয়ার্ক মডেল

[নেটওয়ার্ক মডেল](https://simulation-hypothesis.com/bn/simulations/methods#m-network)[এজেন্ট-ভিত্তিক](https://simulation-hypothesis.com/bn/simulations/methods#m-agent-based)নিম্নসীমা: জনসংখ্যা

### ভাষা-মডেল এজেন্ট সংগঠন

ভাষা-মডেল এজেন্ট ম্যানেজার, প্রোগ্রামার ও পরীক্ষকের মতো ভূমিকা নেয় এবং একসঙ্গে সফটওয়্যার তৈরি করে।

যে প্রশ্নের উত্তর দেয়: ভূমিকা-পালনকারী এজেন্টদের একটি দল কি বহু-ধাপের প্রাতিষ্ঠানিক কাজ করতে পারে?

বাদ দেয়: ফল নির্দেশের ওপর নির্ভর করে, আর মানুষের সাংগঠনিক ঘর্ষণ অনুপস্থিত।

যাতে চলে: প্রায় 10^14 FLOPS মোটামুটি প্রতি প্রকল্পে অনেক মডেল কল শুরুর সাল: 2023 ChatDev: communicative agents for software development (2023) [সূত্র](https://arxiv.org/abs/2307.07924)

[এজেন্ট-ভিত্তিক](https://simulation-hypothesis.com/bn/simulations/methods#m-agent-based)[শেখা ইমুলেটর](https://simulation-hypothesis.com/bn/simulations/methods#m-learned)নিম্নসীমা: নিয়ম

### ভাষা-ভিত্তিক দরকষাকষি এজেন্ট

এজেন্টরা একটি ভাষা-মডেলের সঙ্গে কৌশলগত পরিকল্পনা মিলিয়ে একটি বহু-খেলোয়াড়ের খেলায় একে অপরের সঙ্গে কথা বলে আলোচনা করে ও জোট গড়ে।

যে প্রশ্নের উত্তর দেয়: একটি এজেন্ট কি একটি অবাধ (ওপেন-এন্ডেড) দরকষাকষিতে মানুষের সঙ্গে রাজি করাতে ও পরিকল্পনা করতে পারে?

বাদ দেয়: কেবল একটি খেলার নিয়ম, আর তা দীর্ঘমেয়াদি আস্থা নিয়ে যুক্তি করতে পারে না।

যাতে চলে: প্রায় 10^16 FLOPS মোটামুটি বড় প্রশিক্ষণ, সঙ্গে খেলার সময় পরিকল্পনা শুরুর সাল: 2022 Human-level play in the game of Diplomacy by combining language models with strategic reasoning (2022) [সূত্র](https://doi.org/10.1126/science.ade9097)

[শেখা ইমুলেটর](https://simulation-hypothesis.com/bn/simulations/methods#m-learned)[খেলা-তত্ত্ব](https://simulation-hypothesis.com/bn/simulations/methods#m-game-theory)নিম্নসীমা: নিয়ম

### ওপিওয়েড মহামারির ব্যবস্থা গতিবিদ্যা

প্রেসক্রিপশনে ওষুধ ব্যবহারকারী, অপব্যবহারকারী, হেরোইন ব্যবহারকারী আর মৃতদের সংখ্যা ফিডব্যাক এবং সরবরাহ সীমা ও চিকিৎসার মতো নীতিগত নিয়ন্ত্রণের সঙ্গে যুক্ত।

যে প্রশ্নের উত্তর দেয়: কোন নীতির মিশ্রণ ওপিওয়েডে মৃত্যু কমায়?

বাদ দেয়: অবৈধ সরবরাহ মডেল মানিয়ে নেওয়ার চেয়ে দ্রুত বদলায়।

যাতে চলে: প্রায় 10^5 FLOPS মোটামুটি ল্যাপটপে স্টক-ও-ফ্লো সিমুলেশন। শুরুর সাল: 2013 Wakeland and colleagues, modelling the impact of simulated educational interventions on pharmaceutical opioid use. [সূত্র](https://doi.org/10.1177/1090198113492767)

[ব্যবস্থার গতিবিদ্যা](https://simulation-hypothesis.com/bn/simulations/methods#m-system-dynamics)নিম্নসীমা: জনসংখ্যা

### গভীর অনিশ্চয়তায় অন্বেষণমূলক মডেলিং

একটি মডেল অজানা ইনপুট ও নীতির হাজার হাজার সমন্বয়ে চালানো হয়, এমন কৌশল খুঁজতে যা একক পূর্বাভাসের জন্য সর্বোত্তম না হয়ে মজবুত হয়।

যে প্রশ্নের উত্তর দেয়: কোন নীতি ভবিষ্যতের সবচেয়ে বিস্তৃত পরিসরে গ্রহণযোগ্য?

বাদ দেয়: কোন ভবিষ্যৎগুলো খুঁজে দেখা হবে, তা এখনো বিশ্লেষকই বাছেন।

যাতে চলে: প্রায় 10^10 FLOPS মোটামুটি একটি ক্লাস্টারে একটি ভিত্তি মডেলের চালনার এনসেম্বল। শুরুর সাল: 1993 Bankes, exploratory modelling for policy analysis. [সূত্র](https://doi.org/10.1287/opre.41.3.435)

[মন্টে কার্লো](https://simulation-hypothesis.com/bn/simulations/methods#m-monte-carlo)[অবকল সমীকরণ](https://simulation-hypothesis.com/bn/simulations/methods#m-equations)নিম্নসীমা: নিয়ম

### সরবরাহ শৃঙ্খলের গতিবিদ্যা ও বুলহুইপ প্রভাব

অর্ডার ও মজুত কারখানা, বিতরক ও খুচরা বিক্রেতার ভেতর দিয়ে দেরিসহ প্রবাহিত হয়, আর চাহিদার ছোট পরিবর্তন উজানে বড় দোলনে বাড়ে।

যে প্রশ্নের উত্তর দেয়: চাহিদার ছোট বদল কেন উজানে অর্ডারের বিশাল দোলা ঘটায়?

বাদ দেয়: আসল ফার্ম সেই তথ্যে সাড়া দেয়, যা মডেল বাদ দেয়।

যাতে চলে: প্রায় 10^5 FLOPS মোটামুটি ল্যাপটপে স্টক-ও-ফ্লো সিমুলেশন। শুরুর সাল: 1958 Forrester, industrial dynamics: a major breakthrough for decision makers. [সূত্র](https://doi.org/10.1007/978-3-642-27922-5%5F13)

[ব্যবস্থার গতিবিদ্যা](https://simulation-hypothesis.com/bn/simulations/methods#m-system-dynamics)[বিচ্ছিন্ন ঘটনা](https://simulation-hypothesis.com/bn/simulations/methods#m-discrete-event)নিম্নসীমা: নিয়ম

## আইন, ন্যায়বিচার ও নির্বাচন

### নির্বাচন ও ভোট-ব্যবস্থার সিমুলেশন

একই ভোটার আর প্রার্থীদের আলাদা ভোটের নিয়মে চালানো হয়, যেমন সর্বাধিক ভোটে জয় (ফার্স্ট-পাস্ট-দ্য-পোস্ট), পছন্দক্রম বা আনুপাতিক ব্যবস্থা, আসলে কে জিতত তা তুলনা করতে।

যে প্রশ্নের উত্তর দেয়: ভিন্ন ভোটব্যবস্থা কি এই নির্বাচনে কে জিতেছে তা বদলে দিত?

বাদ দেয়: ধরে নেয় ভোটারদের পছন্দ স্থির থাকে, যদিও ভিন্ন ব্যবস্থা মানুষের ভোট দেওয়ার ধরন বদলে দিত।

যাতে চলে: প্রায় 10^10 FLOPS মোটামুটি একটি ডেস্কটপ ওয়ার্কস্টেশন, যা বিকল্প ভোটদান নিয়মে নির্বাচন চালায় শুরুর সাল: 1975 বিভিন্ন ভোট-নিয়মের ফলাফল তুলনা করা প্রাথমিক কম্পিউটার সিমুলেশন

[মন্টে কার্লো](https://simulation-hypothesis.com/bn/simulations/methods#m-monte-carlo)[খেলা-তত্ত্ব](https://simulation-hypothesis.com/bn/simulations/methods#m-game-theory)নিম্নসীমা: নিয়ম

### আদালত ও মামলার প্রবাহ সিমুলেশন

মামলা আসছে, শুনানির জন্য অপেক্ষা করছে এবং আদালত-ব্যবস্থার ধাপে ধাপে এগোচ্ছে, কোথায় জট জমে আর আরও বিচারক বা আদালতকক্ষ তাতে কী করবে তা দেখতে ব্যবহৃত।

যে প্রশ্নের উত্তর দেয়: এই আদালতের জমে থাকা মামলা শেষ করতে কত সময় লাগবে, আর আসলে কী তা দ্রুত করবে?

বাদ দেয়: আসল মামলার জটিলতা ও মানুষের বিবেচনা সারি-মডেলের ধারণার চেয়ে বেশি বদলায়।

যাতে চলে: প্রায় 10^10 FLOPS মোটামুটি একটি ডেস্কটপ ওয়ার্কস্টেশন, যা মামলার প্রবাহের একটি বিচ্ছিন্ন-ঘটনা মডেল চালায় শুরুর সাল: 1976 মার্কিন আদালতের মামলা-জটের প্রাথমিক বিচ্ছিন্ন-ঘটনা সিমুলেশন

[বিচ্ছিন্ন ঘটনা](https://simulation-hypothesis.com/bn/simulations/methods#m-discrete-event)[মন্টে কার্লো](https://simulation-hypothesis.com/bn/simulations/methods#m-monte-carlo)নিম্নসীমা: নিয়ম

### দণ্ড ও পুনরায় অপরাধের ঝুঁকি মডেলিং

একজন মানুষের নথিভুক্ত ইতিহাস একটি পরিসংখ্যান মডেলের ভেতর দিয়ে চালানো হয়, যা তার আবার অপরাধ করার সম্ভাবনার নম্বর দেয়, প্যারোল, জামিন বা সাজার সিদ্ধান্তে তথ্য জোগাতে ব্যবহৃত।

যে প্রশ্নের উত্তর দেয়: অনুরূপ রেকর্ডের মানুষদের ভিত্তিতে এই ব্যক্তির আবার অপরাধ করার সম্ভাবনা কতটা?

বাদ দেয়: গোষ্ঠীর পরিসংখ্যান থেকে গড়া একটি নম্বর, যার ওপর তা প্রয়োগ হয় সেই একজন মানুষের জন্য ভুল হতে পারে, উভয় দিকেই।

যাতে চলে: প্রায় 10^11 FLOPS মোটামুটি একটি ডেস্কটপ ওয়ার্কস্টেশন, যা মামলার নথিতে একটি ঝুঁকি-মডেল ফিট করে শুরুর সাল: 1928 Burgess-এর প্যারোল সাফল্যের বিমা-গণিত স্কেল, একটি আদি ঝুঁকি মডেল

[শেখা ইমুলেটর](https://simulation-hypothesis.com/bn/simulations/methods#m-learned)[মন্টে কার্লো](https://simulation-hypothesis.com/bn/simulations/methods#m-monte-carlo)নিম্নসীমা: নিয়ম

### পুলিশি ও টহল মোতায়েন সিমুলেশন

একটি শহর জুড়ে টহল-একক ও জানানো ঘটনা, পুলিশ কর্মকর্তাদের এলাকায় নিয়োগের ভিন্ন ভিন্ন উপায় সাড়ার সময় ও কভারেজ কীভাবে বদলায় তা পরীক্ষা করতে ব্যবহৃত।

যে প্রশ্নের উত্তর দেয়: সাড়া দেওয়ার সময় সবচেয়ে কমাতে টহল কোথায় পাঠানো উচিত?

বাদ দেয়: ঐতিহাসিক অপরাধের উপাত্তে অতীতের পক্ষপাত ঢুকে থাকতে পারে, অর্থাৎ কোথায় কর্মকর্তা মোতায়েন করা হয়েছিল তাতে।

যাতে চলে: প্রায় 10^10 FLOPS মোটামুটি একটি ডেস্কটপ ওয়ার্কস্টেশন, যা টহল মোতায়েনের একটি সারি-মডেল চালায় শুরুর সাল: 1972 Larson-এর পুলিশ টহল মোতায়েনের হাইপারকিউব সারি মডেল

[সম্ভাবনাভিত্তিক প্রক্রিয়া](https://simulation-hypothesis.com/bn/simulations/methods#m-stochastic)[বিচ্ছিন্ন ঘটনা](https://simulation-hypothesis.com/bn/simulations/methods#m-discrete-event)নিম্নসীমা: দেহ

### আইনসভার দরকষাকষি ও জোট সিমুলেশন

নীতির পরিসরে অবস্থানসহ দলগুলো দরকষাকষি করে ও জোট গড়ে একটি বিল পাস করতে বা সরকার গঠন করতে, কে প্রস্তাব দেবে ও কাকে সম্মত হতে হবে সেই নিয়মে।

যে প্রশ্নের উত্তর দেয়: কোন জোট আসলে গড়ে উঠবে, আর কোন আপসে স্থির হবে?

বাদ দেয়: আসল জোট ব্যক্তিত্ব ও ইতিহাস ঘিরে গড়ে ওঠে, যা একটি স্থানিক মডেল বাদ দেয়।

যাতে চলে: প্রায় 10^10 FLOPS মোটামুটি একটি ডেস্কটপ ওয়ার্কস্টেশন, যা একটি স্থানিক জোট-দরকষাকষি মডেল সমাধান করে শুরুর সাল: 1980 সংসদে স্থানিক ভোট ও জোট-গঠনের প্রাথমিক সিমুলেশন

[খেলা-তত্ত্ব](https://simulation-hypothesis.com/bn/simulations/methods#m-game-theory)[এজেন্ট-ভিত্তিক](https://simulation-hypothesis.com/bn/simulations/methods#m-agent-based)নিম্নসীমা: নিয়ম

### জুরির সিদ্ধান্ত-গ্রহণ সিমুলেশন

ভিন্ন ভিন্ন প্রাথমিক মত নিয়ে স্বতন্ত্র জুরিরা সংখ্যাগরিষ্ঠতা বা সর্বসম্মতির মতো নিয়মে আলোচনা করে, যাতে দেখা যায় দলটি কোন রায়ে পৌঁছায় ও কতটা প্ররোচনা তৈরি হয়।

যে প্রশ্নের উত্তর দেয়: রায় কি প্রমাণের জোর প্রকাশ করে, নাকি শুধু আলোচনার গতিবিদ্যা?

বাদ দেয়: নকল মামলায় রায় দেওয়া ল্যাবের জুরিরা, যা সত্যিই ঝুঁকিতে আছে তার মুখোমুখি আসল জুরির মতো আচরণ নাও করতে পারে।

যাতে চলে: প্রায় 10^9 FLOPS মোটামুটি একটি ল্যাপটপ, যা একটি সামাজিক সিদ্ধান্ত-বিধি আলোচনা মডেল চালায় শুরুর সাল: 1983 জুরি-আলোচনার Davis ও সহকর্মীদের সামাজিক সিদ্ধান্ত-বিধি মডেল

[এজেন্ট-ভিত্তিক](https://simulation-hypothesis.com/bn/simulations/methods#m-agent-based)[সম্ভাবনাভিত্তিক প্রক্রিয়া](https://simulation-hypothesis.com/bn/simulations/methods#m-stochastic)নিম্নসীমা: নিয়ম

### অপরাধের হটস্পটের গতিবিদ্যা

অপরাধীরা শহরের ভেতর দিয়ে চলে ও অতীতের অপরাধের জায়গায় আকৃষ্ট হয়, যাতে হটস্পট তৈরি হয় যা বাড়ে, সরে ও পুলিশি তৎপরতায় সাড়া দেয়।

যে প্রশ্নের উত্তর দেয়: হটস্পট কীভাবে তৈরি হয়, আর টহল কি সেগুলোকে সরাতে পারে?

বাদ দেয়: অপরাধীর উদ্দেশ্য সরল করা এবং অপরাধের প্রতিবেদন অসম্পূর্ণ।

যাতে চলে: প্রায় 10^7 FLOPS মোটামুটি এজেন্ট-ভিত্তিক শহর একটি ওয়ার্কস্টেশনে চলে। শুরুর সাল: 2008 Short ও সহকর্মীরা, অপরাধমূলক আচরণের একটি পরিসংখ্যান মডেল। [সূত্র](https://doi.org/10.1142/s0218202508003029)

[এজেন্ট-ভিত্তিক](https://simulation-hypothesis.com/bn/simulations/methods#m-agent-based)[অবকল সমীকরণ](https://simulation-hypothesis.com/bn/simulations/methods#m-equations)নিম্নসীমা: জনসংখ্যা

[◂ কৃষি ও খাদ্য](https://simulation-hypothesis.com/bn/simulations/agriculture-food)[প্রকৌশল ও প্রযুক্তি ▸](https://simulation-hypothesis.com/bn/simulations/engineering)