---
title: "मानव व्यवहार और समाज · सिमुलेशन · सिमुलेशन परिकल्पना"
url: https://simulation-hypothesis.com/hi/simulations/human-society
description: "निर्णय, भीड़ें, राय, बाज़ार, अतीत के समाज और पूरी आबादियाँ। लोग सचमुच जो सिमुलेशन चलाते हैं, उनके वर्गीकरण का एक हिस्सा।"
license: https://creativecommons.org/licenses/by/4.0/
credit: "Ross Allan Dahl, सिमुलेशन परिकल्पना (simulation-hypothesis.com)"
---

[सिमुलेशन](https://simulation-hypothesis.com/hi/simulations)18 में से क्षेत्र 8

# मानव व्यवहार और समाज

निर्णय, भीड़ें, राय, बाज़ार, अतीत के समाज और पूरी आबादियाँ।

यहाँ लोगों को निर्णय लेने वालों, भीड़ों, बाज़ारों और आबादियों के रूप में मॉडल किया जाता है। मॉडल जान-बूझकर सरल रखे जाते हैं। अक्सर मक़सद यह दिखाना होता है कि कोई बड़ा सामाजिक पैटर्न बनने के लिए व्यक्तियों के इरादे की कितनी कम ज़रूरत पड़ती है। मानवविज्ञानी और पुरातत्वविद् इन्हीं औज़ारों से उन समाजों को दोबारा गढ़ते हैं जो अब नहीं रहे। इसलिए ये परिकल्पना के पूर्वज सिमुलेशनों के सबसे क़रीबी असली उदाहरण हैं।

## मन और निर्णय

### संज्ञानात्मक संरचनाएँ

मानव स्मृति, ध्यान और तर्क का एक संगणनात्मक मॉडल, जिसे प्रयोगशाला में लोगों को दिए गए उसी काम पर चलाया जाता है।

वह सवाल जिसका यह जवाब देता है: क्या मॉडल वही ग़लतियाँ, उसी गति से करता है जैसी लोग करते हैं?

छोड़ता है: मानवीय प्रतिक्रिया-समय को बैठा लेना यह साबित नहीं करता कि मॉडल मस्तिष्क की असली क्रियाविधि इस्तेमाल करता है।

इस पर चलता है: लगभग 10^12 FLOPS मोटा अनुमान एक डेस्कटॉप वर्कस्टेशन, जो किसी प्रयोगशाला के काम पर एक आर्किटेक्चर चलाता है तब से: 1983 नेवेल का एकीकृत संज्ञानात्मक वास्तुकला Soar का विकास

मॉडल: [इंसान](https://simulation-hypothesis.com/hi/entities/human)

[नियम और अवस्थाएँ](https://simulation-hypothesis.com/hi/simulations/methods#m-rules)न्यूनतम परत: नियम

### निर्णय लेने के मॉडल

प्रमाण बेतरतीब ढंग से तब तक जमा होता है जब तक वह सीमा पार न कर ले, जिससे चुनाव और प्रतिक्रिया-समय समझाए जाते हैं।

वह सवाल जिसका यह जवाब देता है: लोग गति और सटीकता का सौदा उसी तरह क्यों करते हैं?

छोड़ता है: मानता है कि प्रमाण एक स्थिर शोरभरी दर से जमा होता है, जो तंत्रिका-तस्वीर का सरलीकरण है।

इस पर चलता है: लगभग 10^9 FLOPS मोटा अनुमान एक लैपटॉप, जो चयन-डेटा पर ड्रिफ़्ट-डिफ़्यूज़न मॉडल बैठाता है तब से: 1978 रैटक्लिफ़ का निर्णय लेने का ड्रिफ़्ट-डिफ़्यूज़न मॉडल

मॉडल: [इंसान](https://simulation-hypothesis.com/hi/entities/human)

[स्टोकैस्टिक प्रक्रियाएँ](https://simulation-hypothesis.com/hi/simulations/methods#m-stochastic)न्यूनतम परत: नियम

### सीखने के मॉडल

पुरस्कार और त्रुटि से सीखते एजेंट, जिन्हें सीखने के प्रयोगों में लोगों और पशुओं के व्यवहार पर बैठाया जाता है।

वह सवाल जिसका यह जवाब देता है: कौन-सा सीखने का नियम सबसे अच्छा समझाता है कि लोग बदलती संभावनाओं के साथ कैसे ढलते हैं?

छोड़ता है: औसत व्यवहार अच्छी तरह पकड़ता है, पर सीखने में व्यक्तिगत भिन्नताएँ अक्सर चूक जाता है।

इस पर चलता है: लगभग 10^10 FLOPS मोटा अनुमान एक डेस्कटॉप वर्कस्टेशन, जो पुरस्कार-आधारित सीखने के मॉडल को डेटा से मिलाता है तब से: 1972 रेस्कोर्ला और वैगनर का साहचर्य अधिगम का मॉडल

मॉडल: [इंसान](https://simulation-hypothesis.com/hi/entities/human)

[अवकल समीकरण](https://simulation-hypothesis.com/hi/simulations/methods#m-equations)[स्टोकैस्टिक प्रक्रियाएँ](https://simulation-hypothesis.com/hi/simulations/methods#m-stochastic)न्यूनतम परत: नियम

### सामाजिक संज्ञान और मन-सिद्धांत मॉडल

एक एजेंट की तस्वीर कि कोई दूसरा क्या मानता, चाहता या जानता है, जो उसके भीतर ही बैठी है, और जिससे समझाया जाता है कि लोग एक-दूसरे के व्यवहार का अनुमान और हेरफेर कैसे करते हैं।

वह सवाल जिसका यह जवाब देता है: लोग यह सोचने में कि दूसरे क्या सोच रहे हैं, असल में कितनी परतों तक जाते हैं?

छोड़ता है: ज़्यादातर मॉडल विश्वास-नेस्टिंग को कुछ ही स्तरों तक सीमित रखते हैं, जबकि असली तर्क कम नियमित है।

इस पर चलता है: लगभग 10^10 FLOPS मोटा अनुमान एक डेस्कटॉप वर्कस्टेशन, जो परत-दर-परत विश्वास-तर्क का मॉडल चलाता है तब से: 1978 प्रीमैक और वुडरफ़ का मन का सिद्धांत, जिसे बाद में संगणनात्मक रूप से औपचारिक बनाया गया

मॉडल: [इंसान](https://simulation-hypothesis.com/hi/entities/human)

[नियम और अवस्थाएँ](https://simulation-hypothesis.com/hi/simulations/methods#m-rules)[एजेंट-आधारित](https://simulation-hypothesis.com/hi/simulations/methods#m-agent-based)न्यूनतम परत: नियम

### भावना और भाव की मॉडलिंग

किसी स्थिति का सिमुलेटेड मूल्यांकन, जैसे ख़तरा या हानि, भावनात्मक अवस्था में बदलता है, जो फिर एजेंट के बाद के फ़ैसलों को झुकाती है।

वह सवाल जिसका यह जवाब देता है: डर या गुस्सा महसूस करना आगे के चुनावों को वास्तव में कैसे बदलता है?

छोड़ता है: मूल्यांकन के नियम मॉडल बनाने वाले का भावना-सिद्धांत हैं, किसी की भावनाओं को सीधे पढ़ना नहीं।

इस पर चलता है: लगभग 10^10 FLOPS मोटा अनुमान एक डेस्कटॉप वर्कस्टेशन, जो मूल्यांकन-आधारित भावना मॉडल चलाता है तब से: 1988 ऑर्टनी, क्लोर और कॉलिन्स का भावना का संज्ञानात्मक मॉडल

मॉडल: [इंसान](https://simulation-hypothesis.com/hi/entities/human)

[नियम और अवस्थाएँ](https://simulation-hypothesis.com/hi/simulations/methods#m-rules)[अवकल समीकरण](https://simulation-hypothesis.com/hi/simulations/methods#m-equations)न्यूनतम परत: नियम

### जोखिम और अनिश्चितता में चयन की मॉडलिंग

दाँव और फ़ैसले एक ऐसे मॉडल से गुज़ारे जाते हैं जो बताता है कि लोग असल में लाभ, हानि और संभावनाओं को कैसे तौलते हैं, न कि पूरी तरह तर्कसंगत एजेंट कैसे तौलता।

वह सवाल जिसका यह जवाब देता है: जोखिम में लोगों के चुनाव तर्कसंगत पाठ्यपुस्तकीय जवाब से इतनी लगातार क्यों हटते हैं?

छोड़ता है: औसत झुकाव ठीक से बैठाता है, पर किसी एक व्यक्ति के चुनाव बैठाए वक्र से हट सकते हैं।

इस पर चलता है: लगभग 10^10 FLOPS मोटा अनुमान एक डेस्कटॉप वर्कस्टेशन, जो प्रॉस्पेक्ट-सिद्धांत के चयन मॉडल को डेटा से मिलाता है तब से: 1992 Tversky और Kahneman का जोखिम में चुनाव का संचयी प्रत्याशा सिद्धांत

मॉडल: [इंसान](https://simulation-hypothesis.com/hi/entities/human)

[अवकल समीकरण](https://simulation-hypothesis.com/hi/simulations/methods#m-equations)[मोंटे कार्लो](https://simulation-hypothesis.com/hi/simulations/methods#m-monte-carlo)न्यूनतम परत: नियम

### भाषा-मॉडल सर्वेक्षण उत्तरदाता

एक भाषा-मॉडल को किसी जनसांख्यिकीय प्रोफ़ाइल के साथ प्रॉम्प्ट दिया जाता है और कहा जाता है कि वह सर्वे के सवालों के जवाब वैसे दे जैसे वह व्यक्ति देता।

वह सवाल जिसका यह जवाब देता है: क्या कोई मॉडल समूह की प्रतिक्रियाओं के अनुमान के लिए सर्वे के नमूने की जगह ले सकता है?

छोड़ता है: मॉडल के प्रशिक्षण पाठ से पूर्वाग्रह और एकरूपता विरासत में पाता है, और जिन समूहों को उसने कम देखा उन पर कमज़ोर है।

इस पर चलता है: लगभग 10^14 FLOPS मोटा अनुमान हर सिमुलेटेड उत्तरदाता के लिए एक मॉडल कॉल तब से: 2022 Out of One, Many: using language models to simulate human samples (2022) [स्रोत](https://arxiv.org/abs/2209.06899)

[सीखे हुए इमुलेटर](https://simulation-hypothesis.com/hi/simulations/methods#m-learned)न्यूनतम परत: नियम

### भाषा-मॉडल व्यवहार प्रयोग

भाषा मॉडलों को अलग-अलग प्रतिभागियों के रूप में प्रॉम्प्ट करके मनोविज्ञान और अर्थशास्त्र के क्लासिक प्रयोग दोहराए जाते हैं।

वह सवाल जिसका यह जवाब देता है: क्या कोई मॉडल किसी क्लासिक अध्ययन के मानवीय नतीजे दोहराता है?

छोड़ता है: प्रतिकृति रटे हुए अध्ययनों को दर्शा सकती है, और मॉडल नए डिज़ाइनों पर शायद लागू न हो।

इस पर चलता है: लगभग 10^14 FLOPS मोटा अनुमान हर प्रयोग के लिए कई मॉडल कॉल तब से: 2022 Using large language models to simulate multiple humans and replicate human subject studies (2022) [स्रोत](https://arxiv.org/abs/2208.10264)

[सीखे हुए इमुलेटर](https://simulation-hypothesis.com/hi/simulations/methods#m-learned)न्यूनतम परत: नियम

## सामाजिक गतिकी

### आवासीय छँटाई

परिवार तब घर बदलते हैं जब आसपास उनके जैसे लोग बहुत कम रह जाते हैं। यह थॉमस शेलिंग का मॉडल है कि हल्की पसंद कैसे तीखे विभाजन पैदा करती है।

वह सवाल जिसका यह जवाब देता है: विभाजित शहर बनाने के लिए कितनी व्यक्तिगत पसंद चाहिए?

छोड़ता है: असली अलगाव में आय, भेदभाव और इतिहास भी शामिल हैं, जिन्हें अकेली हल्की पसंद नहीं समझा सकती।

इस पर चलता है: लगभग 10^9 FLOPS मोटा अनुमान एक लैपटॉप, जो ग्रिड पर शेलिंग का पृथक्करण मॉडल चलाता है तब से: 1971 शेलिंग का मूल हाथ से चलाया गया अलगाव मॉडल, जिसे बाद में कंप्यूटरीकृत किया गया सिमुलेशन वृक्ष में: [शेलिंग का अलगाव मॉडल](https://simulation-hypothesis.com/hi/trees/simulations?n=soc-schelling)

मॉडल: [इंसान](https://simulation-hypothesis.com/hi/entities/human)

[इंटरैक्टिव मॉडल चलाइए](https://simulation-hypothesis.com/hi/simulations/run#toy-schelling)

[एजेंट-आधारित](https://simulation-hypothesis.com/hi/simulations/methods#m-agent-based)[सेलुलर ऑटोमेटा](https://simulation-hypothesis.com/hi/simulations/methods#m-cellular-automata)न्यूनतम परत: शरीर

### मत गतिकी

एजेंट, जो संपर्क और नेटवर्कों के ज़रिए एक-दूसरे के विचारों को हल्के से प्रभावित करते हैं।

वह सवाल जिसका यह जवाब देता है: समूह कब सहमति पर पहुँचता है, और कब खेमों में बँट जाता है?

छोड़ता है: असली राय में भावना और पहचान शामिल होती हैं जिन्हें सरल औसत नियम नहीं पकड़ते।

इस पर चलता है: लगभग 10^10 FLOPS मोटा अनुमान एक डेस्कटॉप वर्कस्टेशन, जो सामाजिक नेटवर्क में राय को अद्यतन करता है तब से: 1974 डीग्रूट का राय के बार-बार मिलाने का मॉडल, जिसे बाद में नेटवर्कों पर सिमुलेट किया गया

[एजेंट-आधारित](https://simulation-hypothesis.com/hi/simulations/methods#m-agent-based)[नेटवर्क मॉडल](https://simulation-hypothesis.com/hi/simulations/methods#m-network)न्यूनतम परत: शरीर

### सहयोग और मानदंड

कई खिलाड़ियों के बीच भरोसे और धोखे के दोहराए गए खेल, प्रतिष्ठा और दंड के साथ।

वह सवाल जिसका यह जवाब देता है: सहयोग और निष्पक्षता के मानदंड स्थिर कैसे बनते हैं?

छोड़ता है: असली प्रतिष्ठाएँ और दंड साफ़ दोहराए गए खेलों से ज़्यादा उलझे और धीमे होते हैं।

इस पर चलता है: लगभग 10^10 FLOPS मोटा अनुमान एक डेस्कटॉप वर्कस्टेशन, जो दोहराए गए खेलों की प्रतियोगिताएँ चलाता है तब से: 1980 एक्सेलरॉड के बार-बार दोहराए बंदी-दुविधा के कंप्यूटर टूर्नामेंट

मॉडल: [इंसान](https://simulation-hypothesis.com/hi/entities/human)

[खेल सिद्धांत](https://simulation-hypothesis.com/hi/simulations/methods#m-game-theory)[एजेंट-आधारित](https://simulation-hypothesis.com/hi/simulations/methods#m-agent-based)न्यूनतम परत: शरीर

### विचारों का प्रसार

सामाजिक नेटवर्कों में फैलते नवाचार, आदतें और अफ़वाहें।

वह सवाल जिसका यह जवाब देता है: कुछ विचार क्यों चल पड़ते हैं और दूसरे कभी नहीं फैलते?

छोड़ता है: यह अपनाने के वक्रों का अनुमान उससे बेहतर लगाता है जितना यह समझा पाता है कि कोई एक व्यक्ति क्यों बदलता है।

इस पर चलता है: लगभग 10^10 FLOPS मोटा अनुमान एक डेस्कटॉप वर्कस्टेशन, जो सामाजिक नेटवर्क में अपनाए जाने को सिमुलेट करता है तब से: 1969 नए उत्पाद के प्रसार का बास का गणितीय मॉडल, जिसे बाद में सिमुलेट किया गया

[नेटवर्क मॉडल](https://simulation-hypothesis.com/hi/simulations/methods#m-network)[एजेंट-आधारित](https://simulation-hypothesis.com/hi/simulations/methods#m-agent-based)न्यूनतम परत: शरीर

### सामाजिक नेटवर्क का बनना

लोग नियमों से रिश्ते बनाते और तोड़ते हैं, जैसे दोस्तों के दोस्त और समानता।

वह सवाल जिसका यह जवाब देता है: बड़े नेटवर्कों में लगभग हर जोड़ी नोडों के बीच रास्ते की लंबाई छोटी क्यों दिखती है?

छोड़ता है: संबंध बनाने में भूगोल और संस्थाएँ शामिल होती हैं जिन्हें अमूर्त नियम छोड़ देते हैं।

इस पर चलता है: लगभग 10^10 FLOPS मोटा अनुमान एक डेस्कटॉप वर्कस्टेशन, जो जुड़ाव के नियम के तहत नेटवर्क उगाता है तब से: 1999 बाराबाशी और आल्बर्ट का नेटवर्क-विकास का वरीयता-जुड़ाव मॉडल

मॉडल: [इंसान](https://simulation-hypothesis.com/hi/entities/human)

[नेटवर्क मॉडल](https://simulation-hypothesis.com/hi/simulations/methods#m-network)न्यूनतम परत: शरीर

### भाषा का विकास

संवाद के लिए शब्द और व्याकरण गढ़ते एजेंट, जो उन्हें आगे पहुँचाते हैं।

वह सवाल जिसका यह जवाब देता है: बिना किसी के नेतृत्व के साझा शब्दावली कैसे बन सकती है?

छोड़ता है: असली भाषा का व्याकरण और इतिहास उन छोटी शब्दावलियों से कहीं ज़्यादा समृद्ध है जो एजेंट विकसित करते हैं।

इस पर चलता है: लगभग 10^10 FLOPS मोटा अनुमान एक डेस्कटॉप वर्कस्टेशन, जो साझा शब्दावली गढ़ते एजेंट चलाता है तब से: 1995 Steels के साझा शब्दावली गढ़ते एजेंटों के शुरुआती सिमुलेशन

[एजेंट-आधारित](https://simulation-hypothesis.com/hi/simulations/methods#m-agent-based)न्यूनतम परत: शरीर

### सांस्कृतिक विकास

कौशल, औज़ार और परंपराएँ जो पीढ़ियों में नकल की जाती, सुधारी जाती और खो जाती हैं।

वह सवाल जिसका यह जवाब देता है: बड़ी, बेहतर जुड़ी आबादियाँ ज़्यादा जटिल तकनीक क्यों बचाए रखती हैं?

छोड़ता है: संस्कृति को ऐसे लेता है जैसे जीन लोगों के बीच आगे बढ़ते हैं, और यह चूक जाता है कि विचार कैसे फिर से गढ़े जाते हैं।

इस पर चलता है: लगभग 10^10 FLOPS मोटा अनुमान एक डेस्कटॉप वर्कस्टेशन, जो पीढ़ियों में गुणों का संचरण सिमुलेट करता है तब से: 1981 कावाल्ली-स्फ़ोर्ज़ा और फ़ेल्डमैन के सांस्कृतिक संचरण के मॉडल

[एजेंट-आधारित](https://simulation-hypothesis.com/hi/simulations/methods#m-agent-based)[विकासवादी](https://simulation-hypothesis.com/hi/simulations/methods#m-evolutionary)न्यूनतम परत: आबादियाँ

### भाषा-मॉडल एजेंट समाज

भाषा-मॉडल से चलने वाले दर्जनों सॉफ़्टवेयर एजेंट, हर एक की अपनी स्मृति और योजनाएँ, एक छोटे सिमुलेटेड क़स्बे में रहते और सामाजिक व्यवहार बनाते हैं।

वह सवाल जिसका यह जवाब देता है: जब एजेंट प्राकृतिक भाषा में योजना बनाते और बात करते हैं तो कौन-से सामाजिक पैटर्न उभरते हैं?

छोड़ता है: व्यवहार भाषा-मॉडल के प्रशिक्षण से आता है, और रन महँगे हैं और दोहराना कठिन।

इस पर चलता है: लगभग 10^15 FLOPS मोटा अनुमान प्रति सिमुलेटेड दिन मॉडल के हज़ारों कॉल तब से: 2023 Generative Agents: interactive simulacra of human behavior (2023) [स्रोत](https://arxiv.org/abs/2304.03442)

[एजेंट-आधारित](https://simulation-hypothesis.com/hi/simulations/methods#m-agent-based)[सीखे हुए इमुलेटर](https://simulation-hypothesis.com/hi/simulations/methods#m-learned)न्यूनतम परत: नियम

### आबादी वाले सामाजिक-तंत्र प्रोटोटाइप

एक भाषा-मॉडल पोस्ट और जवाबों वाले सिमुलेटेड सदस्यों का समुदाय बनाता है, ताकि डिज़ाइनर किसी सोशल प्लेटफ़ॉर्म को शुरू करने से पहले परख सकें।

वह सवाल जिसका यह जवाब देता है: कोई नया समुदाय कैसा व्यवहार आकर्षित कर सकता है?

छोड़ता है: आउटपुट हर रन में बदलता है, और बुरे किरदार उतने ही यथार्थवादी हैं जितना प्रॉम्प्ट।

इस पर चलता है: लगभग 10^13 FLOPS मोटा अनुमान हर समुदाय के लिए कई मॉडल कॉल तब से: 2022 Social Simulacra (2022) [स्रोत](https://arxiv.org/abs/2208.04024)

[सीखे हुए इमुलेटर](https://simulation-hypothesis.com/hi/simulations/methods#m-learned)[एजेंट-आधारित](https://simulation-hypothesis.com/hi/simulations/methods#m-agent-based)न्यूनतम परत: नियम

### भाषा-मॉडल सोशल प्लेटफ़ॉर्म सिमुलेशन

फ़ीड, फ़ॉलो और अनुशंसा वाले प्लेटफ़ॉर्म पर दस लाख तक मॉडल-चालित उपयोगकर्ता बसाए जाते हैं, ताकि सूचना के फैलाव और झुंड-व्यवहार का अध्ययन हो।

वह सवाल जिसका यह जवाब देता है: मॉडल-चालित उपयोगकर्ताओं वाले प्लेटफ़ॉर्म पर पोस्ट, राय और ग़लत जानकारी कैसे फैलती हैं?

छोड़ता है: एजेंट असली उपयोगकर्ताओं से कहीं ज़्यादा एक जैसे होते हैं, और असली दुनिया में सत्यापन सीमित है।

इस पर चलता है: लगभग 10^17 FLOPS मोटा अनुमान बड़े पैमाने पर मॉडल इन्फ़रेंस तब से: 2024 OASIS: open agent social interaction simulations with one million agents (2024) [स्रोत](https://arxiv.org/abs/2411.11581)

[एजेंट-आधारित](https://simulation-hypothesis.com/hi/simulations/methods#m-agent-based)[सीखे हुए इमुलेटर](https://simulation-hypothesis.com/hi/simulations/methods#m-learned)[नेटवर्क मॉडल](https://simulation-hypothesis.com/hi/simulations/methods#m-network)न्यूनतम परत: नियम

### सिफ़ारिशकर्ता फ़ीडबैक-चक्र सिमुलेशन

सिमुलेटेड उपयोगकर्ता और सिफ़ारिश प्रणाली कई दौरों में अंतःक्रिया करते हैं, ताकि दिखे कि सिफ़ारिशें उपयोगकर्ताओं के चुनाव को कैसे बदलती हैं।

वह सवाल जिसका यह जवाब देता है: क्या अनुशंसा तंत्र समय के साथ लोगों के उपभोग को संकरा कर देते हैं?

छोड़ता है: उपयोगकर्ता का व्यवहार एक शैलीबद्ध मॉडल है, मापी गई पसंद नहीं।

इस पर चलता है: लगभग 10^10 FLOPS मोटा अनुमान सस्ते बार-बार के दौर तब से: 2017 सिफ़ारिश प्रणालियों में एल्गोरिथमिक कन्फ़ाउंडिंग कैसे समरूपता बढ़ाती और उपयोगिता घटाती है (2017) [स्रोत](https://arxiv.org/abs/1710.11214)

[एजेंट-आधारित](https://simulation-hypothesis.com/hi/simulations/methods#m-agent-based)[स्टोकैस्टिक प्रक्रियाएँ](https://simulation-hypothesis.com/hi/simulations/methods#m-stochastic)न्यूनतम परत: नियम

### सिफ़ारिश प्रणालियों के लिए भाषा-मॉडल उपयोगकर्ता सिमुलेशन

पसंद की प्रोफ़ाइल वाले भाषा-मॉडल एजेंट सुझाई गई चीज़ें देखते, रेट करते और छोड़ देते हैं, ताकि सिफ़ारिश एल्गोरिद्म के परीक्षणों में उपयोगकर्ताओं की जगह ले सकें।

वह सवाल जिसका यह जवाब देता है: उपयोगकर्ता किसी नए सिफ़ारिश एल्गोरिद्म पर कैसी प्रतिक्रिया देंगे?

छोड़ता है: एजेंट की पसंद असली पसंद का केवल एक सन्निकटन है।

इस पर चलता है: लगभग 10^14 FLOPS मोटा अनुमान हर सिमुलेटेड उपयोगकर्ता के लिए कई मॉडल कॉल तब से: 2023 On generative agents in recommendation (2023) [स्रोत](https://arxiv.org/abs/2310.10108)

[एजेंट-आधारित](https://simulation-hypothesis.com/hi/simulations/methods#m-agent-based)[सीखे हुए इमुलेटर](https://simulation-hypothesis.com/hi/simulations/methods#m-learned)न्यूनतम परत: नियम

### ग़लत जानकारी और अफ़वाहों का प्रसार

गुच्छों में लोग तय करते हैं कि कोई कहानी साझा करनी है, इस आधार पर कि उनके कितने संपर्कों ने साझा की, इसलिए फैलाव नेटवर्क की संरचना पर निर्भर करता है।

वह सवाल जिसका यह जवाब देता है: कौन-सी नेटवर्क संरचना किसी झूठी कहानी को वायरल होने देती है?

छोड़ता है: प्लेटफ़ॉर्म एल्गोरिद्म और साझा करने वालों की मंशा सरल की गई है।

इस पर चलता है: लगभग 10^7 FLOPS मोटा अनुमान वर्कस्टेशन पर नेटवर्क संक्रमण। तब से: 2018 Toernberg, echo chambers and viral misinformation: modelling fake news as complex contagion. [स्रोत](https://doi.org/10.1371/journal.pone.0203958)

[एजेंट-आधारित](https://simulation-hypothesis.com/hi/simulations/methods#m-agent-based)[नेटवर्क मॉडल](https://simulation-hypothesis.com/hi/simulations/methods#m-network)न्यूनतम परत: आबादियाँ

### जलवायु तनाव में प्रवासन

परिवार आय, जलवायु झटकों और सामाजिक संबंधों के आधार पर तय करते हैं कि क्षेत्र छोड़ना है या नहीं, और क्षेत्रों के बीच के प्रवाह जोड़े जाते हैं।

वह सवाल जिसका यह जवाब देता है: बारिश या खेती की आय घटने पर कितने लोग पलायन करते हैं?

छोड़ता है: निर्णय-नियम मानकर चले गए हैं और प्रवासन के कई कारण हैं।

इस पर चलता है: लगभग 10^8 FLOPS मोटा अनुमान वर्कस्टेशन पर क्षेत्रीय एजेंट रन। तब से: 2011 निवेटन और सहयोगी, बुर्किना फ़ासो में प्रवासन प्रवाह के भावी बदलावों के एजेंट-आधारित मॉडल सिमुलेशन। [स्रोत](https://doi.org/10.1016/j.gloenvcha.2011.09.006)

[एजेंट-आधारित](https://simulation-hypothesis.com/hi/simulations/methods#m-agent-based)न्यूनतम परत: आबादियाँ

### मानव गतिशीलता और प्रवासन के मॉडल

जगहों के बीच लोगों की आवाजाही का पूर्वानुमान आबादी और दूरियों से, गुरुत्व या विकिरण जैसे नियमों के ज़रिए लगाया जाता है।

वह सवाल जिसका यह जवाब देता है: दो जगहों के बीच कितने लोग यात्रा करते हैं?

छोड़ता है: परिवहन लागत, सीमाओं और व्यक्तिगत अंतरों की अनदेखी करता है।

इस पर चलता है: लगभग 10^6 FLOPS मोटा अनुमान लैपटॉप पर प्रवाह-आव्यूह की गणना। तब से: 2012 सिमिनी और सहयोगी, गतिशीलता और प्रवासन पैटर्न का एक सार्वभौमिक मॉडल। [स्रोत](https://doi.org/10.1038/nature10856)

[अवकल समीकरण](https://simulation-hypothesis.com/hi/simulations/methods#m-equations)[स्टोकैस्टिक प्रक्रियाएँ](https://simulation-hypothesis.com/hi/simulations/methods#m-stochastic)न्यूनतम परत: आबादियाँ

### कृत्रिम आबादी बनाना

किसी असली शहर या देश के ज्ञात कुल आँकड़ों से मेल खाते कृत्रिम परिवारों और व्यक्तियों का पूरा समूह बनाया जाता है, जिसमें हर व्यक्ति को उम्र, काम, घर और परिवार मिलता है।

वह सवाल जिसका यह जवाब देता है: किसी क्षेत्र में हर व्यक्ति का यथार्थवादी प्रतिरूप किसी के असली रिकॉर्ड के बिना कैसे बनाया जा सकता है?

छोड़ता है: केवल वही कुल मिलान किए जाते हैं जो जनगणना प्रकाशित करती है, इसलिए जिन लक्षणों को मापा नहीं गया उनके बीच के सहसंबंध गढ़े हुए हैं।

इस पर चलता है: लगभग 10^9 FLOPS मोटा अनुमान एक देश के लिए वर्कस्टेशन पर घंटे। तब से: 1996 बेकमैन, बैगरली और मैके द्वारा कृत्रिम आधार-आबादियों का निर्माण। [स्रोत](https://doi.org/10.1016/0965-8564%2896%2900004-3)

[स्टोकैस्टिक प्रक्रियाएँ](https://simulation-hypothesis.com/hi/simulations/methods#m-stochastic)[मोंटे कार्लो](https://simulation-hypothesis.com/hi/simulations/methods#m-monte-carlo)न्यूनतम परत: आबादियाँ

## भीड़

### पैदल यात्री और भीड़ की गतिकी

हर चलने वाला बाधाओं और दूसरे लोगों के आसपास सामाजिक बलों से दिशा तय करता है।

वह सवाल जिसका यह जवाब देता है: इस स्टेशन में भीड़ कहाँ अटकती है, और हम भगदड़ कैसे रोकें?

छोड़ता है: असली भीड़ घबरा जाती है और ऐसे अप्रत्याशित ढंग से बरताव करती है जिसे सुचारु बल मॉडल पकड़ नहीं पाते।

इस पर चलता है: लगभग 10^13 FLOPS मोटा अनुमान एक विश्वविद्यालय का क्लस्टर, जो दसियों हज़ार चलने वाले एजेंट सिमुलेट करता है तब से: 1995 हेल्बिंग और मोल्नार का पैदल यात्रियों की गति का सामाजिक बल मॉडल

[एजेंट-आधारित](https://simulation-hypothesis.com/hi/simulations/methods#m-agent-based)[सतत क्षेत्र](https://simulation-hypothesis.com/hi/simulations/methods#m-continuum)न्यूनतम परत: शरीर

### भीड़ की भावना और व्यवहार का संक्रमण

कोई मनोदशा या हरकत, जैसे घबराहट, जयकारा या हँसी, जो घनी भीड़ में एक से दूसरे में फैलती है, किसी के जुड़ने का फ़ैसला करने से भी तेज़।

वह सवाल जिसका यह जवाब देता है: कोई भावना या क्रिया अजनबियों की भीड़ में कैसे फैल जाती है?

छोड़ता है: संक्रमण के नियम आमतौर पर बाद में वीडियो फ़ुटेज से अनुमानित किए जाते हैं, लाइव नापे नहीं जाते।

इस पर चलता है: लगभग 10^11 FLOPS मोटा अनुमान एक डेस्कटॉप वर्कस्टेशन, जो भीड़ में मनोदशा का फैलना सिमुलेट करता है तब से: 2000 भीड़ की घबराहट में भावना के संक्रमण के शुरुआती एजेंट-आधारित मॉडल

[एजेंट-आधारित](https://simulation-hypothesis.com/hi/simulations/methods#m-agent-based)[नेटवर्क मॉडल](https://simulation-hypothesis.com/hi/simulations/methods#m-network)न्यूनतम परत: शरीर

### सामूहिक कार्रवाई और टिपिंग-पॉइंट के मॉडल

हर व्यक्ति तभी जुड़ने को तैयार होता है जब काफ़ी दूसरे पहले जुड़ चुके हों, इसलिए भीड़ का शांति से साथ कार्रवाई तक जाना व्यक्तिगत सीमाओं के मेल पर निर्भर करता है।

वह सवाल जिसका यह जवाब देता है: बाक़ी सबके पीछे चलने के लिए कितने लोगों का पहले कदम उठाना ज़रूरी है?

छोड़ता है: मानता है कि सबकी सीमा पहले से तय है, जबकि भीड़ के चल पड़ने पर असली सीमाएँ खिसक जाती हैं।

इस पर चलता है: लगभग 10^9 FLOPS मोटा अनुमान एक लैपटॉप, जो आबादी पर सीमा-मान आधारित कैस्केड चलाता है तब से: 1978 सामूहिक व्यवहार का ग्रानोवेटर थ्रेशहोल्ड मॉडल

[एजेंट-आधारित](https://simulation-hypothesis.com/hi/simulations/methods#m-agent-based)[स्टोकैस्टिक प्रक्रियाएँ](https://simulation-hypothesis.com/hi/simulations/methods#m-stochastic)न्यूनतम परत: नियम

### सामूहिक आकलन और भीड़ की बुद्धिमत्ता

एक ही संख्या के बारे में कई स्वतंत्र, अलग-अलग शोरभरे अंदाज़े, जिन्हें मिलाकर देखा जाता है कि औसत किसी भी एक व्यक्ति के अंदाज़े से सच्चाई के कितना क़रीब पहुँचता है।

वह सवाल जिसका यह जवाब देता है: कई अनुमानों का औसत किसी एक विशेषज्ञ से पूछने से कब बेहतर होता है?

छोड़ता है: औसत निकालने का असर तब टूट जाता है जब अलग-अलग अनुमान स्वतंत्र नहीं रहते।

इस पर चलता है: लगभग 10^9 FLOPS मोटा अनुमान एक लैपटॉप, जो अंदाज़ों का मोंटे कार्लो एकत्रीकरण चलाता है तब से: 1907 फ़्रांसिस गैल्टन का बैल के वज़न पर भीड़ के अंदाज़ों का विश्लेषण

[मोंटे कार्लो](https://simulation-hypothesis.com/hi/simulations/methods#m-monte-carlo)[स्टोकैस्टिक प्रक्रियाएँ](https://simulation-hypothesis.com/hi/simulations/methods#m-stochastic)न्यूनतम परत: नियम

### विरोध-संगठन नेटवर्क मॉडल

लोग तय करते हैं कि विरोध में शामिल होना है या नहीं, इस आधार पर कि उनके अपने कितने सामाजिक संबंधी पहले से जा रहे हैं, जिससे भागीदारी एक जगह की भीड़ की बजाय नेटवर्क के ज़रिए फैलती है।

वह सवाल जिसका यह जवाब देता है: विरोध आंदोलन कुछ प्रतिबद्ध लोगों से बढ़कर भारी भीड़ तक कैसे पहुँचता है?

छोड़ता है: जुड़ने को एक अकेला हाँ-या-ना का फ़ैसला मानता है, और असली प्रतिबद्धता के छोटे कदम छूट जाते हैं।

इस पर चलता है: लगभग 10^10 FLOPS मोटा अनुमान एक डेस्कटॉप वर्कस्टेशन, जो नेटवर्क में भर्ती का सिमुलेशन चलाता है तब से: 1997 किम और बेयरमैन का विरोध में भागीदारी का नेटवर्क मॉडल

[नेटवर्क मॉडल](https://simulation-hypothesis.com/hi/simulations/methods#m-network)[एजेंट-आधारित](https://simulation-hypothesis.com/hi/simulations/methods#m-agent-based)न्यूनतम परत: शरीर

### सामूहिक जमावड़ों में रोग-जोखिम का मॉडलिंग

किसी उत्सव, तीर्थयात्रा या खेल आयोजन में लोगों का असामान्य रूप से घना, अस्थायी मिलना, ताकि अनुमान लगे कि भीड़ बिखरने पर संक्रमण कितनी तेज़ी से फैलकर बुझ सकता है।

वह सवाल जिसका यह जवाब देता है: कुछ दिनों के लिए इतने लोगों को साथ लाने से रोग का कितना अतिरिक्त जोखिम बनता है?

छोड़ता है: भीड़ के बिखरने के बाद, इससे हुए किसी भी संक्रमण के आगे के प्रसार का पता लगाना लगभग पहुँच से बाहर है।

इस पर चलता है: लगभग 10^12 FLOPS मोटा अनुमान एक विश्वविद्यालय का क्लस्टर, जो एक जमावड़े में संपर्क सिमुलेट करता है तब से: 1987 तीर्थयात्रियों में सामूहिक जमावड़े के दौरान मेनिन्जाइटिस प्रकोप का मॉडलिंग

[एजेंट-आधारित](https://simulation-hypothesis.com/hi/simulations/methods#m-agent-based)[स्टोकैस्टिक प्रक्रियाएँ](https://simulation-hypothesis.com/hi/simulations/methods#m-stochastic)न्यूनतम परत: शरीर

## अर्थव्यवस्थाएँ और बाज़ार

### समष्टि अर्थशास्त्र मॉडल

पूरी अर्थव्यवस्था, प्रतिनिधि परिवारों, फ़र्मों, बैंकों और एक केंद्रीय बैंक के रूप में, जो एक-दूसरे पर प्रतिक्रिया करते हैं।

वह सवाल जिसका यह जवाब देता है: ब्याज दरें बढ़ने पर रोज़गार और क़ीमतों का क्या होता है?

छोड़ता है: प्रतिनिधि-परिवार मॉडल असमानता से पैदा होने वाली गतिकी चूक सकते हैं।

इस पर चलता है: लगभग 10^12 FLOPS मोटा अनुमान एक डेस्कटॉप या छोटा क्लस्टर, जो संरचनात्मक समष्टि-अर्थशास्त्र मॉडल हल करता है तब से: 1955 क्लाइन और गोल्डबर्गर का शुरुआती कंप्यूटरीकृत समष्टि-अर्थमितीय मॉडल

[अवकल समीकरण](https://simulation-hypothesis.com/hi/simulations/methods#m-equations)[मोंटे कार्लो](https://simulation-hypothesis.com/hi/simulations/methods#m-monte-carlo)न्यूनतम परत: आबादियाँ

### एजेंट-आधारित अर्थव्यवस्थाएँ

हज़ारों अलग-अलग परिवार, कंपनियाँ और बैंक जो ख़रीदते, बेचते, उधार लेते और डूबते हैं।

वह सवाल जिसका यह जवाब देता है: संकट साधारण व्यवहार से कैसे शुरू होते हैं?

छोड़ता है: एजेंटों के व्यवहार-नियम मॉडल बनाने वाला चुनता है, लोगों से नापे नहीं गए।

इस पर चलता है: लगभग 10^13 FLOPS मोटा अनुमान एक विश्वविद्यालय का क्लस्टर, जो आपस में जुड़े हज़ारों परिवार और फ़र्में सिमुलेट करता है तब से: 1993 सांता फे इंस्टीट्यूट में शुरुआती एजेंट-आधारित संगणनात्मक अर्थशास्त्र मॉडल

[एजेंट-आधारित](https://simulation-hypothesis.com/hi/simulations/methods#m-agent-based)न्यूनतम परत: शरीर

### वित्तीय बाज़ार

अलग-अलग रणनीतियों वाले व्यापारी सिमुलेटेड बाज़ार में ऑर्डर डालते हैं।

वह सवाल जिसका यह जवाब देता है: गिरावटें और बुलबुले कहाँ से आते हैं?

छोड़ता है: असली बाज़ारों में नियमन, ख़बरें और दुर्लभ घटनाएँ होती हैं जिन्हें खिलौना ट्रेडिंग नियम छोड़ देते हैं।

इस पर चलता है: लगभग 10^13 FLOPS मोटा अनुमान एक विश्वविद्यालय का क्लस्टर, जो आपस में असर डालती कई ट्रेडिंग रणनीतियाँ सिमुलेट करता है तब से: 1994 पामर, आर्थर और सहयोगियों का सांता फ़े कृत्रिम शेयर बाज़ार [स्रोत](https://deepblue.lib.umich.edu/items/18b0197f-305e-40c5-b9bf-98ca56549ca5) सिमुलेशन वृक्ष में: [कृत्रिम शेयर बाज़ार](https://simulation-hypothesis.com/hi/trees/simulations?n=soc-santafe)

[एजेंट-आधारित](https://simulation-hypothesis.com/hi/simulations/methods#m-agent-based)[स्टोकैस्टिक प्रक्रियाएँ](https://simulation-hypothesis.com/hi/simulations/methods#m-stochastic)न्यूनतम परत: शरीर

### वित्तीय जोखिम

किसी पोर्टफ़ोलियो, बैंक या बीमाकर्ता के हज़ारों संभावित भविष्य।

वह सवाल जिसका यह जवाब देता है: सौ साल में एक बार आने वाला नुकसान कितना बुरा होता है?

छोड़ता है: मानता है कि भविष्य सांख्यिकीय रूप से अतीत जैसा दिखेगा, जो संकट में टूट जाता है।

इस पर चलता है: लगभग 10^13 FLOPS मोटा अनुमान किसी बैंक या बीमा कंपनी का क्लस्टर, जो लाखों मोंटे कार्लो परिदृश्य चलाता है तब से: 1994 जोखिम प्रबंधन समूहों द्वारा मॉन्टे कार्लो वैल्यू-एट-रिस्क मॉडलों को शुरुआती दौर में अपनाया जाना

[मोंटे कार्लो](https://simulation-hypothesis.com/hi/simulations/methods#m-monte-carlo)न्यूनतम परत: आबादियाँ

### बाज़ार और नीलामी डिज़ाइन

रणनीतियों वाले बोलीदाता, जो अलग-अलग नीलामी-नियमों के तहत होड़ लेते हैं।

वह सवाल जिसका यह जवाब देता है: नियमों का कौन-सा समूह सबसे कम हेरफेर के साथ सबसे निष्पक्ष क़ीमत देता है?

छोड़ता है: असली बोली लगाने वाले हमेशा उतने तर्कसंगत नहीं होते जितना रणनीतियाँ मानती हैं।

इस पर चलता है: लगभग 10^10 FLOPS मोटा अनुमान एक डेस्कटॉप वर्कस्टेशन, जो नीलामी के नियमों के तहत बोली की रणनीतियाँ परखता है तब से: 1961 Vickrey का नीलामी सिद्धांत, जिसे बाद में सिमुलेशन और प्रयोग से परखा गया

[खेल सिद्धांत](https://simulation-hypothesis.com/hi/simulations/methods#m-game-theory)[एजेंट-आधारित](https://simulation-hypothesis.com/hi/simulations/methods#m-agent-based)न्यूनतम परत: शरीर

### कृत्रिम समाज

संसाधनों के भू-दृश्य पर इकट्ठा करते, व्यापार करते और प्रजनन करते एजेंट, जिनसे संपत्ति के वितरण और व्यापार उभरते हैं।

वह सवाल जिसका यह जवाब देता है: समाज की बड़े पैमाने की विशेषताओं को उगाने के लिए कौन-से सरल नियम काफ़ी हैं?

छोड़ता है: सरल नियम ग़लत अंतर्निहित कारण से यथार्थवादी दिखने वाले पैटर्न उगा सकते हैं।

इस पर चलता है: लगभग 10^10 FLOPS मोटा अनुमान एक डेस्कटॉप वर्कस्टेशन, जो एजेंट-आधारित भू-दृश्य अर्थव्यवस्था चलाता है तब से: 1996 एप्स्टीन और एक्सटेल का Sugarscape मॉडल सिमुलेशन वृक्ष में: [Sugarscape](https://simulation-hypothesis.com/hi/trees/simulations?n=soc-sugarscape)

[एजेंट-आधारित](https://simulation-hypothesis.com/hi/simulations/methods#m-agent-based)न्यूनतम परत: शरीर

### AI-रचित आर्थिक नीति सिमुलेशन

सीखने वाले एजेंट सिमुलेटेड अर्थव्यवस्था में श्रमिक बनते हैं, जबकि प्रशिक्षित योजनाकार ऐसी कर-नीति खोजता है जो समानता और उत्पादकता को संतुलित करे।

वह सवाल जिसका यह जवाब देता है: सीखने वाले एजेंट और एक योजनाकार किस कर नियम पर पहुँचते हैं?

छोड़ता है: असली लोग सीखने वाले एजेंटों से अलग होते हैं, और अर्थव्यवस्था की संरचना सरल है।

इस पर चलता है: लगभग 10^15 FLOPS मोटा अनुमान बड़े पैमाने पर सुदृढ़ीकरण अधिगम तब से: 2020 The AI Economist (2020) [स्रोत](https://arxiv.org/abs/2004.13332)

[एजेंट-आधारित](https://simulation-hypothesis.com/hi/simulations/methods#m-agent-based)[खेल सिद्धांत](https://simulation-hypothesis.com/hi/simulations/methods#m-game-theory)[सीखे हुए इमुलेटर](https://simulation-hypothesis.com/hi/simulations/methods#m-learned)न्यूनतम परत: नियम

### एजेंट-आधारित एक्सचेंज सिमुलेटर

एक सिमुलेटेड शेयर बाज़ार, जिसमें पूरी ऑर्डर बुक और समय-मुहर वाले संदेश हैं, और जहाँ ट्रेडिंग एजेंट, सीखने वाले भी, आपस में काम करते हैं।

वह सवाल जिसका यह जवाब देता है: कोई ट्रेडिंग रणनीति या नियम बदलाव बाज़ार को कैसे प्रभावित करेगा?

छोड़ता है: एजेंटों का व्यवहार शैलीबद्ध है, और बाज़ार पर असर को अंशांकित करना कठिन है।

इस पर चलता है: लगभग 10^11 FLOPS मोटा अनुमान हज़ारों एजेंटों के घटना-चालित रन तब से: 2019 ABIDES: towards high-fidelity market simulation for AI research (2019) [स्रोत](https://arxiv.org/abs/1904.12066)

[एजेंट-आधारित](https://simulation-hypothesis.com/hi/simulations/methods#m-agent-based)[असतत घटना](https://simulation-hypothesis.com/hi/simulations/methods#m-discrete-event)न्यूनतम परत: नियम

### आवास बाज़ार के एजेंट-आधारित मॉडल

आय वाले परिवार, ऋण-नियमों वाले बैंक और सीमित आवास भंडार आपस में अंतःक्रिया करते हैं, ताकि दिखे कि लीवरेज और ऋण कीमतों और डिफ़ॉल्ट को कैसे बदलते हैं।

वह सवाल जिसका यह जवाब देता है: ऋण के नियम आवास में तेज़ी और मंदी कैसे पैदा करते हैं?

छोड़ता है: घरेलू व्यवहार नियम-आधारित है और डेटा का विवरण सीमित है।

इस पर चलता है: लगभग 10^9 FLOPS मोटा अनुमान वर्कस्टेशन पर लाखों एजेंट। तब से: 2012 जिनाकोप्लोस और सहकर्मी, आवास-बाज़ार के एजेंट-आधारित मॉडल से प्रणालीगत जोखिम तक पहुँचना। [स्रोत](https://doi.org/10.1257/aer.102.3.53)

[एजेंट-आधारित](https://simulation-hypothesis.com/hi/simulations/methods#m-agent-based)न्यूनतम परत: आबादियाँ

### गतिक प्रसंभाव्य सामान्य संतुलन मॉडल

एक प्रतिनिधि परिवार और फ़र्म यादृच्छिक झटकों के बीच समय के साथ चुनाव करते हैं, और मॉडल से खोजा जाता है कि ऐसी गड़बड़ियाँ और नीतियाँ अर्थव्यवस्था को कैसे प्रभावित करती हैं।

वह सवाल जिसका यह जवाब देता है: अर्थव्यवस्था किसी झटके या ब्याज दर के बदलाव पर कैसी प्रतिक्रिया देती है?

छोड़ता है: तर्कसंगत प्रतिनिधि एजेंट मानता है और संकट आसानी से पैदा नहीं कर सकता।

इस पर चलता है: लगभग 10^6 FLOPS मोटा अनुमान लैपटॉप पर विक्षोभ या बेज़ियन आकलन। तब से: 1982 किडलैंड और प्रेस्कॉट, निर्माण में लगने वाला समय और समष्टि उतार-चढ़ाव। [स्रोत](https://doi.org/10.2307/1913386)

[अवकल समीकरण](https://simulation-hypothesis.com/hi/simulations/methods#m-equations)[स्टोकैस्टिक प्रक्रियाएँ](https://simulation-hypothesis.com/hi/simulations/methods#m-stochastic)न्यूनतम परत: नियम

### बीमा आपदा मॉडल

हज़ारों सिमुलेटेड तूफ़ान, भूकंप या बाढ़ किसी संपत्ति पोर्टफ़ोलियो पर लगाए जाते हैं ताकि अनुमान लगे कि बीमाकर्ता को कितना नुक़सान हो सकता है।

वह सवाल जिसका यह जवाब देता है: वह हानि कौन-सी है जो 200 साल में एक बार पार होती है?

छोड़ता है: दुर्लभ चरम घटनाएँ छोटे रिकॉर्ड पर टिकी हैं और इमारतों की संवेदनशीलता का अनुमान लगाया गया है।

इस पर चलता है: लगभग 10^11 FLOPS मोटा अनुमान क्लस्टर पर बड़े घटना-सूची संग्रह। तब से: 1972 फ़्रीडमैन, बीमा और प्राकृतिक ख़तरे। [स्रोत](https://doi.org/10.1017/s0515036100005699)

[मोंटे कार्लो](https://simulation-hypothesis.com/hi/simulations/methods#m-monte-carlo)[स्टोकैस्टिक प्रक्रियाएँ](https://simulation-hypothesis.com/hi/simulations/methods#m-stochastic)न्यूनतम परत: आबादियाँ

### अंतर-बैंक नेटवर्कों में वित्तीय संक्रमण

ऋणों से जुड़े बैंकों को झटका दिया जाता है, और एक से दूसरे तक फैलती विफलताओं का पीछा किया जाता है, ताकि प्रणालीगत जोखिम नापा जा सके।

वह सवाल जिसका यह जवाब देता है: एक बैंक की विफलता पूरी प्रणाली में कितनी दूर फैलती है?

छोड़ता है: संपर्क केवल आंशिक रूप से देखा जाता है और बैंकों का व्यवहार तय है।

इस पर चलता है: लगभग 10^7 FLOPS मोटा अनुमान वर्कस्टेशन पर समाशोधन एल्गोरिदम। तब से: 2001 आइज़ेनबर्ग और नो, वित्तीय तंत्रों में प्रणालीगत जोखिम। [स्रोत](https://doi.org/10.1287/mnsc.47.2.236.9835)

[नेटवर्क मॉडल](https://simulation-hypothesis.com/hi/simulations/methods#m-network)[अवकल समीकरण](https://simulation-hypothesis.com/hi/simulations/methods#m-equations)न्यूनतम परत: नियम

### काइनेटिक संपत्ति-विनिमय मॉडल

एजेंट जोड़ियों में बेतरतीब रकम का लेन-देन करते हैं, टकराते गैस-कणों की तरह, और संपत्ति का एक वितरण उभरता है।

वह सवाल जिसका यह जवाब देता है: क्या सरल बेतरतीब आदान-प्रदान देखी गई असमानता पैदा करते हैं?

छोड़ता है: विनिमय के नियम उत्पादन, उधार और संस्थाओं को अनदेखा करते हैं।

इस पर चलता है: लगभग 10^6 FLOPS मोटा अनुमान लैपटॉप पर लाखों विनिमयों का सिमुलेशन। तब से: 2000 ड्रैगुलेस्कु और याकोवेंको, धन की सांख्यिकीय यांत्रिकी। [स्रोत](https://doi.org/10.1007/s100510070114)

[मोंटे कार्लो](https://simulation-hypothesis.com/hi/simulations/methods#m-monte-carlo)[कण और N-पिंड](https://simulation-hypothesis.com/hi/simulations/methods#m-particles)न्यूनतम परत: नियम

### आपदा के आर्थिक लहर-प्रभाव मॉडल

उद्योग एक-दूसरे को कैसे आपूर्ति करते हैं, इसका आगत-निर्गत मॉडल आपदा के बाद खोई क्षमता से टकराता है, और कमियाँ आपूर्ति शृंखला में फैलती हैं।

वह सवाल जिसका यह जवाब देता है: जब कोई आपदा कुछ उद्योगों को रोक दे तो कुल आर्थिक क़ीमत क्या होती है?

छोड़ता है: निश्चित तकनीकी गुणांक कठोरता को बढ़ा-चढ़ाकर दिखाते हैं और आपूर्तिकर्ता बदलती फ़र्मों को अनदेखा करते हैं।

इस पर चलता है: लगभग 10^6 FLOPS मोटा अनुमान लैपटॉप पर आव्यूह मॉडल। तब से: 2008 हैलेगैट, कैटरीना की आर्थिक लागत पर लागू एक अनुकूली क्षेत्रीय इनपुट-आउटपुट मॉडल। [स्रोत](https://doi.org/10.1111/j.1539-6924.2008.01046.x)

[अवकल समीकरण](https://simulation-hypothesis.com/hi/simulations/methods#m-equations)[नेटवर्क मॉडल](https://simulation-hypothesis.com/hi/simulations/methods#m-network)न्यूनतम परत: नियम

### बिजली बाज़ार के एजेंट-आधारित मॉडल

उत्पादक बार-बार बाज़ार में बोली लगाते हैं और मुनाफ़े से सीखते हैं, और क़ीमतों का पैटर्न दिखाता है कि नियम नतीजों को कैसे प्रभावित करते हैं।

वह सवाल जिसका यह जवाब देता है: क्या नीलामी के नियम कम क़ीमतों की ओर ले जाते हैं या मिलीभगत वाली बोलियों की ओर?

छोड़ता है: फ़र्मों के सीखने के नियम मान लिए गए हैं।

इस पर चलता है: लगभग 10^7 FLOPS मोटा अनुमान वर्कस्टेशन पर दोहराई गई नीलामी का सिमुलेशन। तब से: 2001 बाउअर और बन, एकसमान-क़ीमत बनाम भेदभावपूर्ण नीलामियों की दक्षता का प्रायोगिक विश्लेषण। [स्रोत](https://doi.org/10.1016/s0165-1889%2800%2900036-1)

[एजेंट-आधारित](https://simulation-hypothesis.com/hi/simulations/methods#m-agent-based)[खेल सिद्धांत](https://simulation-hypothesis.com/hi/simulations/methods#m-game-theory)[विकासवादी](https://simulation-hypothesis.com/hi/simulations/methods#m-evolutionary)न्यूनतम परत: आबादियाँ

### युग्मित महामारी और अर्थव्यवस्था मॉडल

एक महामारी मॉडल अर्थव्यवस्था के मॉडल से जुड़ा है, ताकि संक्रमण काम और खर्च घटाए, और आर्थिक चुनाव उसके फैलाव को बदलें।

वह सवाल जिसका यह जवाब देता है: बचाई गई जानों और खोए हुए उत्पादन के बीच क्या समझौता है?

छोड़ता है: व्यवहार को तर्कसंगत और एक जैसा माना गया है।

इस पर चलता है: लगभग 10^6 FLOPS मोटा अनुमान लैपटॉप पर गतिक अनुकूलन। तब से: 2020 आइकेनबाउम, रेबेलो और ट्राबांट, महामारियों का समष्टि-अर्थशास्त्र। [स्रोत](https://doi.org/10.3386/w26882)

[अवकल समीकरण](https://simulation-hypothesis.com/hi/simulations/methods#m-equations)न्यूनतम परत: आबादियाँ

### फ़्लैश-क्रैश बाज़ार मॉडल

कई तरह के ट्रेडिंग एजेंट, जिनमें तेज़ स्वचालित विक्रेता और धीमे मूलभूत ख़रीदार शामिल हैं, वायदा बाज़ार के मॉडल में अंतःक्रिया करते हैं ताकि दिखे कि अचानक कीमत गिरावट कैसे बनती और सुधरती है।

वह सवाल जिसका यह जवाब देता है: क्या अकेला बड़ा बिक्री-ऑर्डर और कम तरलता पूरे बाज़ार में क़ीमतों की गिरावट शुरू कर सकते हैं?

छोड़ता है: एजेंटों की रणनीतियाँ उन असली कंपनियों की सरल नक़ल हैं जिनके एल्गोरिदम गुप्त हैं, इसलिए जो कहानी बनती है वह जँचती तो है, पर सत्यापित नहीं है।

इस पर चलता है: लगभग 10^11 FLOPS मोटा अनुमान कारोबारी दिनों के एनसेंबलों के लिए क्लस्टर पर घंटे। तब से: 2012 पैड्रिक और सहयोगियों का E-Mini S&P 500 वायदा बाज़ार का एजेंट-आधारित मॉडल, जिसे 2010 के फ़्लैश क्रैश पर लागू किया गया। [स्रोत](https://doi.org/10.1109/cifer.2012.6327800)

[एजेंट-आधारित](https://simulation-hypothesis.com/hi/simulations/methods#m-agent-based)[असतत घटना](https://simulation-hypothesis.com/hi/simulations/methods#m-discrete-event)[स्टोकैस्टिक प्रक्रियाएँ](https://simulation-hypothesis.com/hi/simulations/methods#m-stochastic)न्यूनतम परत: आबादियाँ

### एल्गोरिदम से तय क़ीमतों में मिलीभगत

बिक्री के नतीजों से सीखने वाले मूल्य-निर्धारण प्रोग्राम सिमुलेटेड बाज़ार में रखे जाते हैं ताकि देखा जाए कि क्या वे कभी बात किए बिना मिलकर ऊँचे दाम लेने लगते हैं।

वह सवाल जिसका यह जवाब देता है: क्या सीखने वाले एल्गोरिदम इस्तेमाल करते स्वतंत्र विक्रेता क़ीमतों को प्रतिस्पर्धी स्तर से ऊपर रखना सीख सकते हैं?

छोड़ता है: बाज़ार बहुत छोटे हैं, कुछ कंपनियों और एक-से माल के साथ, जबकि असली कंपनियाँ ज़्यादा समृद्ध जानकारी और डिज़ाइन इस्तेमाल करती हैं।

इस पर चलता है: लगभग 10^9 FLOPS मोटा अनुमान वर्कस्टेशन पर दोहराए गए लाखों दौर। तब से: 2019 काल्वानो, काल्ज़ोलारी, डेनिकोलो और पास्टोरेलो का AI एल्गोरिदमिक क़ीमत-निर्धारण और मिलीभगत का अध्ययन। [स्रोत](https://doi.org/10.2139/ssrn.3304991)

[एजेंट-आधारित](https://simulation-hypothesis.com/hi/simulations/methods#m-agent-based)[सीखे हुए इमुलेटर](https://simulation-hypothesis.com/hi/simulations/methods#m-learned)[खेल सिद्धांत](https://simulation-hypothesis.com/hi/simulations/methods#m-game-theory)न्यूनतम परत: आबादियाँ

### भाषा-मॉडल समष्टि-अर्थशास्त्र एजेंट

भाषा-मॉडल एजेंट सिमुलेटेड अर्थव्यवस्था में परिवार और फ़र्म की भूमिका निभाते हैं, शब्दों में तय करते हैं कि कितना काम, खर्च और बचत करें, और कुल उत्पादन और मुद्रास्फीति मापी जाती है।

वह सवाल जिसका यह जवाब देता है: क्या भाषा में तर्क करने वाले एजेंट असली समष्टि-अर्थव्यवस्थाओं के पैटर्न दोहराते हैं?

छोड़ता है: एजेंटों का व्यवहार उस टेक्स्ट से आता है जो उन्होंने सीखा, और हो सकता है वह अर्थशास्त्र पर लोगों के लिखे को दोहराए, न कि उनके असल बर्ताव को।

इस पर चलता है: लगभग 10^16 FLOPS मोटा अनुमान दशकों के सिमुलेटेड समय में सौ एजेंटों के लिए लाखों मॉडल कॉल। तब से: 2023 ली और सहयोगियों का EconAgent, समष्टि आर्थिक गतिविधियों के सिमुलेशन के लिए भाषा-मॉडल एजेंट। [स्रोत](https://arxiv.org/abs/2310.10436)

[एजेंट-आधारित](https://simulation-hypothesis.com/hi/simulations/methods#m-agent-based)[सीखे हुए इमुलेटर](https://simulation-hypothesis.com/hi/simulations/methods#m-learned)न्यूनतम परत: आबादियाँ

## मानवविज्ञान और पुरातत्व

### पुनर्निर्मित प्राचीन समाज

किसी बीते समाज के खेतिहर परिवार, जलवायु और मिट्टी के रिकॉर्ड से दोबारा बने सिमुलेटेड भू-दृश्य में रहते हुए, जैसे अमेरिकी दक्षिण-पश्चिम के पूर्वज प्यूब्लो गाँव।

वह सवाल जिसका यह जवाब देता है: यह घाटी क्यों बसी, और क्यों छोड़ दी गई?

छोड़ता है: यह जलवायु और फ़सल-उपज के पुनर्निर्माणों पर निर्भर है, जिनमें अपनी बड़ी अनिश्चितताएँ हैं।

इस पर चलता है: लगभग 10^12 FLOPS मोटा अनुमान एक विश्वविद्यालय का क्लस्टर, जो सदियों के सिमुलेटेड परिवार चलाता है तब से: 2002 एक्सटेल, एप्स्टीन, डीन, गुमरमन और सहकर्मियों का लॉन्ग हाउस घाटी के काएंटा अनासाज़ी का मॉडल [स्रोत](https://profiles.wustl.edu/en/publications/population-growth-and-collapse-in-a-multiagent-model-of-the-kayen/) सिमुलेशन वृक्ष में: [कृत्रिम अनासाज़ी](https://simulation-hypothesis.com/hi/trees/simulations?n=soc-anasazi)

[एजेंट-आधारित](https://simulation-hypothesis.com/hi/simulations/methods#m-agent-based)न्यूनतम परत: शरीर

### मानव प्रसार

आरंभिक मानव आबादियाँ, जलवायु और तटरेखाओं के बदलते हुए महाद्वीपों में फैलती हैं।

वह सवाल जिसका यह जवाब देता है: लोग हर महाद्वीप तक कब और किन रास्तों से पहुँचे?

छोड़ता है: रास्ते और तारीख़ें जलवायु और आनुवंशिक अनुमानों पर निर्भर हैं जो बदलते रहते हैं।

इस पर चलता है: लगभग 10^12 FLOPS मोटा अनुमान एक विश्वविद्यालय का क्लस्टर, जो महाद्वीपों में आबादी का फैलाव सिमुलेट करता है तब से: 2008 2008 तक, अफ़्रीका से बाहर मानव-प्रसार के शुरुआती एजेंट-आधारित सिमुलेशन

मॉडल: [इंसान](https://simulation-hypothesis.com/hi/entities/human)

[एजेंट-आधारित](https://simulation-hypothesis.com/hi/simulations/methods#m-agent-based)[सेलुलर ऑटोमेटा](https://simulation-hypothesis.com/hi/simulations/methods#m-cellular-automata)न्यूनतम परत: आबादियाँ

### शिकारी-संग्राहक अर्थव्यवस्थाएँ

दल भोजन खोजते, डेरा बदलते और भोजन बाँटते हैं।

वह सवाल जिसका यह जवाब देता है: शिकारी-संग्राहकों में खाना बाँटना सार्वभौमिक क्यों बना?

छोड़ता है: मुट्ठी भर बचे समूहों का नृवंशविज्ञान डेटा प्राचीन विविधता की व्यापक तस्वीर की जगह खड़ा होता है।

इस पर चलता है: लगभग 10^11 FLOPS मोटा अनुमान एक डेस्कटॉप वर्कस्टेशन, जो किसी दल के भोजन-खोज और बाँटने के फ़ैसले सिमुलेट करता है तब से: 1994 भोजन खोजने वालों के भोजन बाँटने के फ़ैसलों के शुरुआती एजेंट-आधारित मॉडल

[एजेंट-आधारित](https://simulation-hypothesis.com/hi/simulations/methods#m-agent-based)न्यूनतम परत: शरीर

### प्राचीन व्यापार और आदान-प्रदान

रास्तों और समुद्री मार्गों से जुड़ी बस्तियाँ, जिनके बीच माल और विचार चलते हैं।

वह सवाल जिसका यह जवाब देता है: ऑब्सीडियन, मिट्टी के बर्तन या विचार इतनी दूर तक कैसे पहुँचे?

छोड़ता है: बचे हुए अवशेष उस सबका एक पतला और पक्षपाती नमूना हैं जो असल में चला था।

इस पर चलता है: लगभग 10^11 FLOPS मोटा अनुमान एक डेस्कटॉप वर्कस्टेशन, जो बस्तियों के नेटवर्क में आदान-प्रदान का मॉडल बनाता है तब से: 2007 2007 तक, रोमन-युगीन व्यापार मार्गों के शुरुआती नेटवर्क मॉडल

[नेटवर्क मॉडल](https://simulation-hypothesis.com/hi/simulations/methods#m-network)[एजेंट-आधारित](https://simulation-hypothesis.com/hi/simulations/methods#m-agent-based)न्यूनतम परत: शरीर

### जनसांख्यिकीय सूक्ष्म-सिमुलेशन

एक कृत्रिम आबादी, जो साल-दर-साल जन्म, साझेदारियाँ, प्रवास और मृत्यु जीती है।

वह सवाल जिसका यह जवाब देता है: आबादी की उम्र कैसे बढ़ेगी, और पेंशन और देखभाल के लिए इसका क्या मतलब है?

छोड़ता है: व्यक्तिगत जीवन-घटनाओं की संभावनाओं में त्रुटियाँ सिमुलेट किए पूरे जीवन में जुड़ती जाती हैं।

इस पर चलता है: लगभग 10^13 FLOPS मोटा अनुमान एक विश्वविद्यालय का क्लस्टर, जो कृत्रिम आबादी के जीवन-प्रसंग सिमुलेट करता है तब से: 1957 ऑरकट का अमेरिकी आबादी के सूक्ष्म-सिमुलेशन मॉडल का मूल निर्माण

मॉडल: [इंसान](https://simulation-hypothesis.com/hi/entities/human)

[मोंटे कार्लो](https://simulation-hypothesis.com/hi/simulations/methods#m-monte-carlo)न्यूनतम परत: शरीर

### स्मारक निर्माण और इंजीनियरिंग पुनर्निर्माण

किसी प्राचीन स्मारक के संरचनात्मक भार, श्रम और रसद, जिन्हें संभावित निर्माण विधियों का सिमुलेशन करके परखा जाता है कि भौतिक अवशेष क्या सँभाल सकते हैं और क्या नहीं।

वह सवाल जिसका यह जवाब देता है: क्या यह स्मारक सचमुच उसी तरह बनाया जा सकता था जैसा परंपरा या कोई प्रमुख सिद्धांत कहता है?

छोड़ता है: कई प्रतिस्पर्धी निर्माण-विधियाँ अक्सर बचे हुए प्रमाणों से बराबर अच्छी तरह मेल खाती हैं।

इस पर चलता है: लगभग 10^11 FLOPS मोटा अनुमान एक डेस्कटॉप वर्कस्टेशन, जो संरचनात्मक और श्रम-रसद का मॉडल चलाता है तब से: 1997 मिस्र के पिरामिड-निर्माण की ढलानें कैसे काम कर सकती थीं, यह परखने वाले शुरुआती सिमुलेशन

[अवकल समीकरण](https://simulation-hypothesis.com/hi/simulations/methods#m-equations)[एजेंट-आधारित](https://simulation-hypothesis.com/hi/simulations/methods#m-agent-based)न्यूनतम परत: शरीर

## नीति और संगठन

### कर और लाभ माइक्रोसिमुलेशन

करों या लाभों में प्रस्तावित बदलाव, जो असली परिवारों के बड़े नमूने पर लागू किया जाता है।

वह सवाल जिसका यह जवाब देता है: इस बदलाव से किसे फ़ायदा और किसे नुक़सान होता है, और कितना?

छोड़ता है: मानता है कि लोग नीति के जवाब में व्यवहार नहीं बदलते, जो वे कभी-कभी बदलते हैं।

इस पर चलता है: लगभग 10^12 FLOPS मोटा अनुमान एक विश्वविद्यालय का क्लस्टर, जो परिवारों के बड़े नमूने पर नियम लागू करता है तब से: 1976 ऑरकट और सहयोगियों का अमेरिकी कर-नीति का DYNASIM सूक्ष्म-सिमुलेशन

[मोंटे कार्लो](https://simulation-hypothesis.com/hi/simulations/methods#m-monte-carlo)[नियम और अवस्थाएँ](https://simulation-hypothesis.com/hi/simulations/methods#m-rules)न्यूनतम परत: शरीर

### विश्व मॉडल

जनसंख्या, भोजन, उद्योग, संसाधन और प्रदूषण, वैश्विक स्तर पर भंडार और फ़ीडबैक चक्रों के रूप में।

वह सवाल जिसका यह जवाब देता है: सीमित संसाधनों वाली दुनिया का लगातार विकास के साथ क्या होता है?

छोड़ता है: मुट्ठी भर वैश्विक भंडार सारे क्षेत्रीय और राष्ट्रीय अंतर को छिपा देते हैं।

इस पर चलता है: लगभग 10^10 FLOPS मोटा अनुमान एक डेस्कटॉप वर्कस्टेशन, जो वैश्विक भंडार-और-प्रवाह मॉडल हल करता है तब से: 1971 फ़ॉरेस्टर का World2, World Dynamics में प्रकाशित; The Limits to Growth के लिए World3 1972 में आया [स्रोत](https://en.wikipedia.org/wiki/World3) सिमुलेशन वृक्ष में: [World3](https://simulation-hypothesis.com/hi/trees/simulations?n=soc-world3)

[तंत्र गतिकी](https://simulation-hypothesis.com/hi/simulations/methods#m-system-dynamics)न्यूनतम परत: आबादियाँ

### संगठन और टीमें

किसी संगठन में चलते सदस्य, समस्याएँ और निर्णय।

वह सवाल जिसका यह जवाब देता है: संगठन वही फ़ैसले क्यों लेते हैं जो वे लेते हैं?

छोड़ता है: असली संगठनात्मक राजनीति और व्यक्तित्व को निर्णय-नियमों में घटाना कठिन है।

इस पर चलता है: लगभग 10^10 FLOPS मोटा अनुमान एक डेस्कटॉप वर्कस्टेशन, जो किसी संगठन में चलते फ़ैसलों को सिमुलेट करता है तब से: 1963 साइर्ट और मार्च के संगठनात्मक निर्णय-प्रक्रिया के सिमुलेशन मॉडल

[एजेंट-आधारित](https://simulation-hypothesis.com/hi/simulations/methods#m-agent-based)न्यूनतम परत: शरीर

### संगणनीय सामान्य संतुलन मॉडलिंग

पूरी अर्थव्यवस्था के उद्योग, परिवार और सरकार, बाज़ारों की ऐसी प्रणाली के रूप में फिर से बने, जो सब एक साथ संतुलित होने चाहिए, फिर किसी कर या व्यापार नीति का झटका दिया जाता है, ताकि देखा जाए कि क़ीमतें और उत्पादन कहाँ ठहरते हैं।

वह सवाल जिसका यह जवाब देता है: इस नीति-बदलाव के बाद पूरी अर्थव्यवस्था खुद को कैसे दोबारा संतुलित करती है?

छोड़ता है: मानता है कि बाज़ार साफ़-साफ़ नए संतुलन में बैठ जाते हैं, और व्यवहार में होने वाले अव्यवस्थित बदलाव को छोड़ देता है।

इस पर चलता है: लगभग 10^11 FLOPS मोटा अनुमान एक छोटा क्लस्टर, जो बाज़ार-संतुलन समीकरणों की बड़ी प्रणाली हल करता है तब से: 1972 शोवेन और वैली का कर-नीति का अनुप्रयुक्त सामान्य-साम्य मॉडल

[अवकल समीकरण](https://simulation-hypothesis.com/hi/simulations/methods#m-equations)न्यूनतम परत: आबादियाँ

### संस्थागत भ्रष्टाचार और सत्यनिष्ठा का मॉडलिंग

अधिकारी और नागरिक तय करते हैं कि रिश्वत देनी है, रिपोर्ट करनी है या मान लेना है, हर कोई इस पर प्रतिक्रिया देता है कि भ्रष्टाचार पहले से कितना आम है और पकड़े जाने की कितनी संभावना दिखती है।

वह सवाल जिसका यह जवाब देता है: कुछ संस्थाओं में भ्रष्टाचार दुर्लभ क्यों रहता है और दूसरों में आम क्यों हो जाता है?

छोड़ता है: असली भ्रष्टाचार जान-बूझकर छिपाया जाता है, इसलिए मॉडल को खिलाने वाले आँकड़े मोटे अनुमान हैं।

इस पर चलता है: लगभग 10^10 FLOPS मोटा अनुमान एक डेस्कटॉप वर्कस्टेशन, जो एजेंट-आधारित अनुपालन मॉडल चलाता है तब से: 2002 किसी संस्था में भ्रष्टाचार कैसे फैलता है इसके शुरुआती एजेंट-आधारित मॉडल

[एजेंट-आधारित](https://simulation-hypothesis.com/hi/simulations/methods#m-agent-based)[खेल सिद्धांत](https://simulation-hypothesis.com/hi/simulations/methods#m-game-theory)न्यूनतम परत: नियम

### नीति प्रसार नेटवर्क मॉडल

एक सरकार का कोई क़ानून या कार्यक्रम अपनाना, जो उनके बीच के रिश्तों से दूसरों तक फैलता है, चाहे वे पड़ोसी हों, व्यापार भागीदार या साझा पेशेवर नेटवर्क।

वह सवाल जिसका यह जवाब देता है: कुछ सरकारें किसी नीति की जल्दी नक़ल क्यों करती हैं, और दूसरी उसे कभी अपनाती ही नहीं?

छोड़ता है: काग़ज़ पर किसी नीति की नक़ल का मॉडल बनाना आसान है, बजाय इसके कि वह कहीं और भी उसी तरह काम करती है या नहीं।

इस पर चलता है: लगभग 10^10 FLOPS मोटा अनुमान एक डेस्कटॉप वर्कस्टेशन, जो सरकारों के नेटवर्क में अपनाए जाने को सिमुलेट करता है तब से: 1990 1990 तक, सरकारों के बीच नीति-प्रसार के शुरुआती नेटवर्क मॉडल

[नेटवर्क मॉडल](https://simulation-hypothesis.com/hi/simulations/methods#m-network)[एजेंट-आधारित](https://simulation-hypothesis.com/hi/simulations/methods#m-agent-based)न्यूनतम परत: आबादियाँ

### भाषा-मॉडल एजेंट संगठन

भाषा-मॉडल एजेंट मैनेजर, प्रोग्रामर और परीक्षक जैसी भूमिकाएँ लेते हैं और मिलकर सॉफ़्टवेयर बनाते हैं।

वह सवाल जिसका यह जवाब देता है: क्या भूमिका निभाते एजेंटों की टीम कई चरणों वाला संगठनात्मक काम कर सकती है?

छोड़ता है: आउटपुट प्रॉम्प्ट पर निर्भर करता है, और असली मानवीय संगठनात्मक घर्षण नदारद है।

इस पर चलता है: लगभग 10^14 FLOPS मोटा अनुमान हर परियोजना के लिए कई मॉडल कॉल तब से: 2023 ChatDev: communicative agents for software development (2023) [स्रोत](https://arxiv.org/abs/2307.07924)

[एजेंट-आधारित](https://simulation-hypothesis.com/hi/simulations/methods#m-agent-based)[सीखे हुए इमुलेटर](https://simulation-hypothesis.com/hi/simulations/methods#m-learned)न्यूनतम परत: नियम

### भाषा-आधारित वार्ता एजेंट

एजेंट भाषा-मॉडल को रणनीतिक नियोजन के साथ जोड़ते हैं, ताकि बहु-खिलाड़ी खेल में आपस में बात करके मोलभाव करें और गठबंधन बनाएँ।

वह सवाल जिसका यह जवाब देता है: क्या कोई एजेंट खुली वार्ता में इंसानों को राज़ी कर सकता है और उनके साथ योजना बना सकता है?

छोड़ता है: केवल एक खेल के नियम, और वह दीर्घकालिक भरोसे पर तर्क नहीं कर सकता।

इस पर चलता है: लगभग 10^16 FLOPS मोटा अनुमान बड़ा प्रशिक्षण और खेलते समय योजना तब से: 2022 भाषा मॉडलों को रणनीतिक तर्क से जोड़कर Diplomacy खेल में मानव-स्तर का खेल (2022) [स्रोत](https://doi.org/10.1126/science.ade9097)

[सीखे हुए इमुलेटर](https://simulation-hypothesis.com/hi/simulations/methods#m-learned)[खेल सिद्धांत](https://simulation-hypothesis.com/hi/simulations/methods#m-game-theory)न्यूनतम परत: नियम

### ओपिओइड महामारी तंत्र गतिकी

नुस्ख़े वाली दवा लेने वालों, दुरुपयोग करने वालों, हेरोइन लेने वालों और मृतकों के स्टॉक फ़ीडबैक और आपूर्ति सीमा व उपचार जैसे नीतिगत उपायों से जुड़े होते हैं।

वह सवाल जिसका यह जवाब देता है: नीतियों का कौन-सा मेल ओपिओइड मौतें घटाता है?

छोड़ता है: अवैध आपूर्ति मॉडलों के ढलने से तेज़ बदलती है।

इस पर चलता है: लगभग 10^5 FLOPS मोटा अनुमान लैपटॉप पर स्टॉक-और-प्रवाह सिमुलेशन। तब से: 2013 Wakeland and colleagues, modelling the impact of simulated educational interventions on pharmaceutical opioid use. [स्रोत](https://doi.org/10.1177/1090198113492767)

[तंत्र गतिकी](https://simulation-hypothesis.com/hi/simulations/methods#m-system-dynamics)न्यूनतम परत: आबादियाँ

### गहरी अनिश्चितता में अन्वेषी मॉडलिंग

एक मॉडल को अज्ञात इनपुटों और नीतियों के हज़ारों मेल पर चलाया जाता है, ताकि ऐसी रणनीतियाँ मिलें जो किसी एक पूर्वानुमान के लिए सर्वोत्तम होने के बजाय मज़बूत हों।

वह सवाल जिसका यह जवाब देता है: कौन-सी नीति भविष्यों की सबसे चौड़ी श्रेणी में स्वीकार्य है?

छोड़ता है: जिन भविष्यों की पड़ताल होती है उनका दायरा अब भी विश्लेषक चुनता है।

इस पर चलता है: लगभग 10^10 FLOPS मोटा अनुमान क्लस्टर पर आधार मॉडल के रनों के एन्सेम्बल। तब से: 1993 बैंक्स, नीति-विश्लेषण के लिए अन्वेषी मॉडलिंग। [स्रोत](https://doi.org/10.1287/opre.41.3.435)

[मोंटे कार्लो](https://simulation-hypothesis.com/hi/simulations/methods#m-monte-carlo)[अवकल समीकरण](https://simulation-hypothesis.com/hi/simulations/methods#m-equations)न्यूनतम परत: नियम

### आपूर्ति-शृंखला की गतिकी और बुलव्हिप प्रभाव

ऑर्डर और स्टॉक कारखाने, वितरक और खुदरा विक्रेता से देरी के साथ गुज़रते हैं, और माँग में छोटे बदलाव ऊपर की ओर बड़े झूलों में बदल जाते हैं।

वह सवाल जिसका यह जवाब देता है: माँग में छोटे बदलाव ऊपर की ओर ऑर्डरों में भारी उछाल क्यों पैदा करते हैं?

छोड़ता है: असली फ़र्में उस जानकारी पर प्रतिक्रिया देती हैं जिसे मॉडल छोड़ देता है।

इस पर चलता है: लगभग 10^5 FLOPS मोटा अनुमान लैपटॉप पर स्टॉक-और-प्रवाह सिमुलेशन। तब से: 1958 फ़ॉरेस्टर, औद्योगिक गतिकी: निर्णय-निर्माताओं के लिए एक बड़ी सफलता। [स्रोत](https://doi.org/10.1007/978-3-642-27922-5%5F13)

[तंत्र गतिकी](https://simulation-hypothesis.com/hi/simulations/methods#m-system-dynamics)[असतत घटना](https://simulation-hypothesis.com/hi/simulations/methods#m-discrete-event)न्यूनतम परत: नियम

## कानून, न्याय और चुनाव

### चुनाव और मतदान प्रणाली सिमुलेशन

मतदाताओं और उम्मीदवारों का वही समूह अलग-अलग मतदान नियमों से चलाया जाता है, जैसे सबसे ज़्यादा वोट वाला जीते, पसंद-क्रम या आनुपातिक प्रणालियाँ, ताकि देखा जा सके कि असल में कौन जीतेगा।

वह सवाल जिसका यह जवाब देता है: क्या अलग मतदान प्रणाली इस चुनाव का विजेता बदल देती?

छोड़ता है: मानता है कि मतदाताओं की पसंद तय रहती है, जबकि अलग प्रणाली लोगों के वोट देने का तरीका बदल देती।

इस पर चलता है: लगभग 10^10 FLOPS मोटा अनुमान एक डेस्कटॉप वर्कस्टेशन, जो वैकल्पिक मतदान नियमों के तहत चुनाव चलाता है तब से: 1975 अलग-अलग मतदान-नियमों के नतीजों की तुलना करने वाले शुरुआती कंप्यूटर सिमुलेशन

[मोंटे कार्लो](https://simulation-hypothesis.com/hi/simulations/methods#m-monte-carlo)[खेल सिद्धांत](https://simulation-hypothesis.com/hi/simulations/methods#m-game-theory)न्यूनतम परत: नियम

### अदालत और मामलों के प्रवाह का सिमुलेशन

मामले आते हैं, सुनवाई के इंतज़ार में रुकते हैं और अदालत प्रणाली के चरणों से गुज़रते हैं, ताकि देखा जा सके कि बैकलॉग कहाँ बनता है और ज़्यादा जज या अदालत-कक्ष उस पर क्या असर डालेंगे।

वह सवाल जिसका यह जवाब देता है: इस अदालत के लंबित मामले निपटाने में कितना समय लगेगा, और असल में क्या उसे तेज़ करेगा?

छोड़ता है: असली मामलों की जटिलता और मानवीय विवेक क्यूइंग मॉडल की मान्यता से ज़्यादा बदलते हैं।

इस पर चलता है: लगभग 10^10 FLOPS मोटा अनुमान एक डेस्कटॉप वर्कस्टेशन, जो मामलों के प्रवाह का असतत-घटना मॉडल चलाता है तब से: 1976 अमेरिकी अदालती मामलों के बैकलॉग के शुरुआती असतत-घटना सिमुलेशन

[असतत घटना](https://simulation-hypothesis.com/hi/simulations/methods#m-discrete-event)[मोंटे कार्लो](https://simulation-hypothesis.com/hi/simulations/methods#m-monte-carlo)न्यूनतम परत: नियम

### सज़ा और दोबारा अपराध के जोखिम का मॉडलिंग

किसी व्यक्ति के दर्ज इतिहास को एक सांख्यिकीय मॉडल पर चलाया जाता है, जो अंक देता है कि वह दोबारा अपराध करे इसकी कितनी संभावना है, और जिसका उपयोग पैरोल, ज़मानत या सज़ा के फ़ैसलों को जानकारी देने में होता है।

वह सवाल जिसका यह जवाब देता है: मिलते-जुलते रिकॉर्ड वाले लोगों के आधार पर, इस व्यक्ति के दोबारा अपराध करने की कितनी संभावना है?

छोड़ता है: समूह के आँकड़ों से बना अंक उस अकेले व्यक्ति के लिए, जिस पर लगाया जाए, किसी भी दिशा में ग़लत हो सकता है।

इस पर चलता है: लगभग 10^11 FLOPS मोटा अनुमान एक डेस्कटॉप वर्कस्टेशन, जो मामलों के रिकॉर्ड पर जोखिम मॉडल बैठाता है तब से: 1928 बर्गेस का पैरोल की सफलता का अनुमान लगाने वाला बीमांकिक पैमाना, एक शुरुआती जोखिम मॉडल

[सीखे हुए इमुलेटर](https://simulation-hypothesis.com/hi/simulations/methods#m-learned)[मोंटे कार्लो](https://simulation-hypothesis.com/hi/simulations/methods#m-monte-carlo)न्यूनतम परत: नियम

### पुलिसिंग और गश्त तैनाती सिमुलेशन

शहर भर में गश्ती इकाइयाँ और रिपोर्ट की गई घटनाएँ, जिनसे परखा जाता है कि अधिकारियों को इलाक़ों में बाँटने के अलग-अलग तरीक़े प्रतिक्रिया-समय और कवरेज को कैसे बदलते हैं।

वह सवाल जिसका यह जवाब देता है: गश्ती दल कहाँ भेजे जाएँ ताकि जवाब देने का समय सबसे ज़्यादा घटे?

छोड़ता है: ऐतिहासिक अपराध डेटा में अतीत के पूर्वाग्रह शामिल हो सकते हैं, यानी अधिकारी कहाँ तैनात किए गए थे।

इस पर चलता है: लगभग 10^10 FLOPS मोटा अनुमान एक डेस्कटॉप वर्कस्टेशन, जो गश्त की तैनाती का कतार-मॉडल चलाता है तब से: 1972 लार्सन का पुलिस गश्त की तैनाती के लिए हाइपरक्यूब क्यूइंग मॉडल

[स्टोकैस्टिक प्रक्रियाएँ](https://simulation-hypothesis.com/hi/simulations/methods#m-stochastic)[असतत घटना](https://simulation-hypothesis.com/hi/simulations/methods#m-discrete-event)न्यूनतम परत: शरीर

### विधायी सौदेबाज़ी और गठबंधन सिमुलेशन

नीति-स्थान में अपने पदों वाले दल, जो कोई विधेयक पास करने या सरकार बनाने के लिए बातचीत करते और गठबंधन बनाते हैं, इस नियम के साथ कि कौन प्रस्ताव रखे और किसे सहमत होना होगा।

वह सवाल जिसका यह जवाब देता है: कौन-सा गठबंधन सचमुच बनेगा, और वह किस समझौते पर टिकेगा?

छोड़ता है: असली गठबंधन उन व्यक्तित्वों और इतिहास के इर्द-गिर्द बनते हैं जिन्हें स्थानिक मॉडल छोड़ देता है।

इस पर चलता है: लगभग 10^10 FLOPS मोटा अनुमान एक डेस्कटॉप वर्कस्टेशन, जो स्थानिक गठबंधन-सौदेबाज़ी का मॉडल हल करता है तब से: 1980 संसदों में स्थानिक मतदान और गठबंधन-निर्माण के शुरुआती सिमुलेशन

[खेल सिद्धांत](https://simulation-hypothesis.com/hi/simulations/methods#m-game-theory)[एजेंट-आधारित](https://simulation-hypothesis.com/hi/simulations/methods#m-agent-based)न्यूनतम परत: नियम

### जूरी निर्णय-प्रक्रिया का सिमुलेशन

अलग-अलग शुरुआती राय वाले जूरी सदस्य, बहुमत या सर्वसम्मति जैसे नियमों के तहत विचार करते हैं, ताकि दिखे कि समूह किस फ़ैसले पर और कितने समझाने-बुझाने के बाद पहुँचता है।

वह सवाल जिसका यह जवाब देता है: क्या फ़ैसला प्रमाण की मज़बूती दर्शाता है, या केवल विचार-विमर्श की गतिकी?

छोड़ता है: नकली मामलों का फ़ैसला करने वाली प्रयोगशाला की जूरियाँ शायद वैसा बरताव न करें जैसा असली जूरियाँ करती हैं, जब उनके फ़ैसले पर सचमुच कुछ दाँव पर लगा हो।

इस पर चलता है: लगभग 10^9 FLOPS मोटा अनुमान एक लैपटॉप, जो सामाजिक निर्णय-योजना के विचार-विमर्श का मॉडल चलाता है तब से: 1983 डेविस और सहकर्मियों के जूरी के विचार-विमर्श के सामाजिक निर्णय-योजना मॉडल

[एजेंट-आधारित](https://simulation-hypothesis.com/hi/simulations/methods#m-agent-based)[स्टोकैस्टिक प्रक्रियाएँ](https://simulation-hypothesis.com/hi/simulations/methods#m-stochastic)न्यूनतम परत: नियम

### अपराध-हॉटस्पॉट की गतिकी

अपराधी शहर में घूमते हैं और उन जगहों की ओर खिंचते हैं जहाँ पहले अपराध हुआ, जिससे हॉटस्पॉट बनते हैं जो बढ़ते, खिसकते और पुलिसिंग पर प्रतिक्रिया देते हैं।

वह सवाल जिसका यह जवाब देता है: हॉटस्पॉट कैसे बनते हैं, और क्या गश्त उन्हें हटा सकती है?

छोड़ता है: अपराधियों की मंशा सरल की गई है और अपराध की रिपोर्टिंग अपूर्ण है।

इस पर चलता है: लगभग 10^7 FLOPS मोटा अनुमान एजेंट-आधारित शहर का रन वर्कस्टेशन पर चलता है। तब से: 2008 शॉर्ट और सहयोगी, आपराधिक व्यवहार का सांख्यिकीय मॉडल। [स्रोत](https://doi.org/10.1142/s0218202508003029)

[एजेंट-आधारित](https://simulation-hypothesis.com/hi/simulations/methods#m-agent-based)[अवकल समीकरण](https://simulation-hypothesis.com/hi/simulations/methods#m-equations)न्यूनतम परत: आबादियाँ

[◂ कृषि और भोजन](https://simulation-hypothesis.com/hi/simulations/agriculture-food)[इंजीनियरी और प्रौद्योगिकी ▸](https://simulation-hypothesis.com/hi/simulations/engineering)