PL 
EnglishDomyślny
Українська😊 Zadowolenie i podobni sąsiedzi
Interaktywny automat komórkowy z progiem zadowolenia: agent przeprowadza się, gdy mniej niż k z jego 8 sąsiadów jest tego samego typu. Zobacz, jak łagodne preferencje lokalne rodzą wielkoskalowe wzory segregacji.
😊 Zadowolenie i podobni sąsiedzi — automat komórkowy lokalnego podobieństwa
Każdy agent na siatce sprawdza swoich 8 otaczających sąsiadów: jeśli mniej niż k z nich jest tego samego typu, agent jest „niezadowolony” i przeprowadza się do losowej pustej komórki. Zobacz, jak ta prosta, czysto lokalna reguła zadowolenia tworzy duże skupione sąsiedztwa, mimo że każdy agent chętnie mieszkałby w obszarze mieszanym.
🔬 Co pokazuje
Automat komórkowy, w którym lokalne mikrodecyzje — „czy jestem zadowolony z k spośród moich 8 sąsiadów?” — sumują się we wzorce skupienia globalnego. Ilustruje emergencję: żaden agent nie dąży do stworzenia dużych jednolitych obszarów, a mimo to powstają one, gdy tylko każdy niezadowolony agent się przeprowadzi.
🎮 Jak korzystać
Podnieś próg zadowolenia k, by wymagać więcej sąsiadów tego samego typu, zanim agent poczuje się usatysfakcjonowany; obniż go, by dopuścić więcej mieszania. Dostosuj gęstość i proporcję Typ A / Typ B, a następnie obserwuj pulsujące żółte obrysy oznaczające niezadowolonych agentów tuż przed ich skokiem do pustej komórki.
💡 Czy wiesz, że?
Nawet łagodny próg, taki jak k = 3 z 8 (nieco ponad jedna trzecia sąsiadów), wystarcza, by w ciągu kilkudziesięciu pokoleń przekształcić losowo wymieszaną siatkę w silnie skupione obszary — uderzająca demonstracja tego, jak słabe preferencje lokalne przekładają się na silne wzorce globalne.
O symulacji Zadowolenie i podobni sąsiedzi — automat komórkowy lokalnego podobieństwa
Ta symulacja modeluje siatkę agentów Typu A i Typu B, z których każdy ocenia zadowolenie za pomocą jednej reguły: policz, ilu spośród maksymalnie 8 otaczających sąsiadów jest tego samego typu, a jeśli ta liczba spada poniżej progu k, przeprowadź się do losowej pustej komórki. Każde pokolenie każdy niezadowolony agent się przeprowadza, a proces powtarza się, aż niewielu lub żaden agent nie pozostaje niezadowolony. Model jest bliskim krewnym pracy ekonomisty Thomasa Schellinga z 1971 roku „Dynamic Models of Segregation” (Journal of Mathematical Sociology), która jako pierwsza pokazała, że nawet łagodna indywidualna preferencja podobnych sąsiadów — dalece niesięgająca aktywnej wrogości wobec innych grup — może przechylić zintegrowane sąsiedztwo w kierunku ostro podzielonych skupień. Ta strona celowo przeformułowuje ten mechanizm w kategoriach abstrakcyjnych: agenci są po prostu „Typem A” i „Typem B”, zadowolenie jest liczbowym progiem z 8 sąsiadów, a nacisk kładziony jest na lokalne podobieństwo i dynamikę skupiania, a nie na tożsamość grupową czy segregację rasową bądź klasową, co jest ujęciem stosowanym w osobnym Modelu Segregacji Schellinga na tej stronie.
Leżąca u podstaw dynamika łączy się także bezpośrednio z Pierwszym Prawem Geografii Waldo Toblera (1970): „wszystko jest powiązane ze wszystkim, ale rzeczy bliskie są bardziej powiązane niż rzeczy odległe”. Reguła zadowolenia dosłownie operacjonalizuje to prawo na poziomie pojedynczej komórki siatki — agent dba tylko o swoje bezpośrednie sąsiedztwo 8 komórek, a mimo to skumulowany efekt tysięcy czysto lokalnych decyzji o przeprowadzce daje globalnie wzorzysty krajobraz skupień tego samego typu. Ponieważ decyzje o przeprowadzce kaskadowo się rozprzestrzeniają (agent, który się przeprowadza, może uczynić swoich starych sąsiadów niezadowolonymi, a nowych — bardziej zadowolonymi), powstałe skupienie jest bardzo wrażliwe na próg k: niskie wartości k ledwo zmieniają losowy układ, podczas gdy wartości w okolicy lub powyżej połowy z 8 mogą dać niemal całkowitą separację, ilustrując, jak małe zmiany w czysto lokalnej regule mogą wytworzyć dramatycznie różne wyniki globalne.
Często zadawane pytania
Co oznacza „zadowolony” w tej symulacji?
Agent jest zadowolony, jeśli liczba zajętych komórek w jego sąsiedztwie Moore’a (do 8 otaczających komórek) tego samego typu jest co najmniej równa progowi zadowolenia k. Jeśli sąsiadów tego samego typu jest mniej niż k, agent jest niezadowolony i zostaje oznaczony do przeprowadzki do losowo wybranej pustej komórki w kolejnym takcie. Komórki na krawędziach i w rogach mają naturalnie mniej niż 8 możliwych sąsiadów, więc ich zadowolenie ocenia się względem tego, ilu zajętych sąsiadów faktycznie je otacza.
Jak korzystać z tej symulacji?
Użyj suwaka „Próg zadowolenia (k z 8)”, by ustalić, ilu sąsiadów tego samego typu potrzebuje agent, by zostać na miejscu — wyższe k oznacza, że agenci wymagają większego podobieństwa. Suwak Gęstość kontroluje, jaka część siatki jest zajęta, a suwak Udział typu A kontroluje proporcję mieszania obu typów. Kliknij Przetasuj, by wygenerować nową losową siatkę, albo Pauza, by zatrzymać animację, wciąż widząc bieżący stan.
Czym jest wskaźnik podobieństwa pokazany na pasku informacyjnym?
Wskaźnik podobieństwa to średnia, po wszystkich zajętych agentach, odsetka ich zajętych sąsiadów tego samego typu. Waha się od 0 (każdy agent jest otoczony wyłącznie przez przeciwny typ) do 1 (każdy agent jest otoczony wyłącznie przez swój własny typ). Obserwowanie, jak ta liczba rośnie i osiąga plateau w kolejnych pokoleniach, pokazuje, jak siatka zbiega do stabilnej, skupionej konfiguracji.
Dlaczego nawet niski próg zadowolenia daje silne skupienie?
Efekt napędza sprzężenie zwrotne: gdy niezadowolony agent się przeprowadza, zwykle zwiększa gęstość swojego typu wokół nowej lokalizacji, zmniejszając ją wokół starej. To sprawia, że nowe sąsiedztwo staje się bardziej atrakcyjne dla innych agentów tego samego typu, a stare — mniej atrakcyjne, więc kolejne przeprowadzki wzmacniają powstającą granicę. Ponieważ tysiące drobnych przeprowadzek kumulują się na przestrzeni pokoleń, nawet umiarkowana tolerancja na różnorodność u pojedynczego agenta (np. potrzeba tylko 3 z 8 sąsiadów tego samego typu) daje obszary znacznie bardziej segregowane, niż sugerowałaby deklarowana preferencja jakiegokolwiek pojedynczego agenta.
Czym różni się to od Modelu Segregacji Schellinga na tej stronie?
Obie symulacje mają ten sam mechanizm bazowy — agenci sprawdzają swoje sąsiedztwo i przeprowadzają się, jeśli są niezadowoleni — ale różnią się ujęciem i parametryzacją. Model Schellinga na tej stronie jest zwykle prezentowany z „procentem tolerancji” i językiem podkreślającym dynamikę segregacji rasowej lub grupowej, nawiązując do historycznego kontekstu socjologii miejskiej, w którym omawiano oryginalny model Schellinga. Ta symulacja zamiast tego używa abstrakcyjnego słownictwa „Typ A / Typ B” i wyraźnego progu całkowitoliczbowego (k z 8 sąsiadów), celowo unikając ujęcia opartego na tożsamości grupowej, tak by skupić się na matematyce lokalnej preferencji podobieństwa i jej geograficznych implikacjach, w duchu Pierwszego Prawa Toblera, a nie stricte badań nad segregacją.
Czym jest Pierwsze Prawo Geografii Toblera i jak się tu odnosi?
Geograf Waldo Tobler zaproponował w 1970 roku, że „wszystko jest powiązane ze wszystkim, ale rzeczy bliskie są bardziej powiązane niż rzeczy odległe”. Ta symulacja jest bezpośrednią, mechanistyczną ilustracją tej zasady: zadowolenie agenta zależy wyłącznie od jego bezpośredniego sąsiedztwa przestrzennego, nie od całej siatki. Ponieważ decyzje o przeprowadzce podejmowane są wyłącznie na podstawie informacji lokalnej, powstający wzorzec globalny — duże obszary tego samego typu oddzielone wyraźnymi granicami — wyłania się bez udziału jakiegokolwiek agenta czy centralnego planisty rozważającego całą siatkę.
Czy podniesienie progu zadowolenia zawsze zwiększa skupienie?
Zasadniczo tak, ale zależność nie jest doskonale liniowa. Przy bardzo niskim k (0 lub 1) niemal każdy układ jest już zadowalający, a siatka pozostaje bliska swojemu losowemu stanowi początkowemu. W miarę wzrostu k w kierunku 4 (połowa z 8 sąsiadów) skupienie gwałtownie rośnie, ponieważ agenci stają się znacznie bardziej wybredni. Powyżej tego progu bardzo wysokie wartości (7 lub 8) mogą utrudniać lub destabilizować zbieżność, ponieważ agentom trudno jest znaleźć jakąkolwiek pustą komórkę spełniającą tak surowe wymaganie co do sąsiadów, co prowadzi do trwałych cykli przeprowadzek zamiast stabilnej równowagi.
Jakie zjawiska rzeczywiste pomaga wyjaśnić ten rodzaj modelu?
Poza swoim historycznym zastosowaniem w badaniach nad sortowaniem mieszkańców w miastach, ten sam mechanizm przeprowadzki oparty na lokalnym progu zastosowano do wyjaśniania skupień w internetowych sieciach społecznościowych (użytkownicy migrujący do społeczności o podobnych poglądach), wzorców lokalizacji handlu detalicznego (podobne firmy skupiające się w dzielnicach), wyboru siedlisk gatunków w ekologii oraz polaryzacji opinii w symulacjach społecznych. Ogólna lekcja — że łagodne preferencje lokalne mogą wytworzyć silną separację globalną bez niczyjej intencji — jest powtarzającym się motywem w wielu systemach złożonych, dlatego model ten wciąż jest szeroko nauczany poza swoim pierwotnym kontekstem socjologii miejskiej.
Dlaczego niektórzy agenci wciąż się przeprowadzają, nigdy się nie osiedlając?
Przy wysokiej gęstości i wysokim progu zadowolenia podaż pustych komórek spełniających wymaganie agenta może stać się niewielka, zwłaszcza w pobliżu granic skupień. Agent może przeprowadzić się do komórki, która w chwili przeprowadzki wygląda zadowalająco, ale gdy inni agenci wokół niego również przeprowadzają się w tym samym pokoleniu, skład jego nowego sąsiedztwa się zmienia i może on ponownie stać się niezadowolony w kolejnym takcie. Może to powodować długie okresy przejściowe ciągłego ruchu, zanim siatka — jeśli w ogóle się ustabilizuje — osiądzie w stabilnym wzorcu z zerową liczbą przeprowadzek na takt.
Jak w tej symulacji określa się „zbieżność”?
Wskaźnik „Zbieżność” na pasku informacyjnym pokazuje „tak” zawsze, gdy ukończone pokolenie kończy się zerem przeprowadzek — czyli każdy zajęty agent spełnia już swój próg zadowolenia przy obecnym stanie siatki. Ponieważ siatka jest skończona, a przeprowadzki napędzane są wyłącznie regułami lokalnymi, większość kombinacji parametrów ostatecznie osiąga ten stan zerowego ruchu, choć liczba wymaganych pokoleń rośnie wraz z wyższymi progami, wyższą gęstością i bardziej wyrównanym mieszaniem typów A i B.