ეკონომიკისთვის ხელოვნური ინტელექტი

ხელოვნური ინტელექტი ეკონომიკისთვის - საუკეთესო არჩევანი

ასპირანტურა. დღემდე მახსოვს ერთი სატესტო გამოსვლა, სადაც ჩემმა ნეირონულმა ბადემ ჩემს რეგრესიულ მოდელს 20%-ით აჯობა. ხუმრობის გარეშე - ეკონომეტრიის კურსების კვირები და სახელმძღვანელოების დიდი რაოდენობა დავხარჯე. ის მომენტი? ნათურა. ხელოვნური ინტელექტი მაშინ ძლიერდება, როდესაც სირთულეები არეულ-დარეულ ხდება - როდესაც გაურკვევლობა, ქცევა და კანონზომიერებები ქაოსს იწვევს.

  • შაბლონების ამოცნობა : ღრმა ბადეები მახასიათებლების ოკეანეებში იკვლევენ და პოულობენ კორელაციებს, რომელთა აღმოსაჩენად ეკონომისტებს ათასი ყავა დასჭირდებოდათ [1].

  • მონაცემთა დამუშავება : დაივიწყეთ ცვლადების ხელით შერჩევა - ML ძრავები უბრალოდ მთელ ბუფეტს ჭამენ [1].

  • არაწრფივი ანალიზი : ისინი არ ახამხამებენ მიზეზ-შედეგობრივი ზიგზაგის დროს. ზღვრული ეფექტები? ასიმეტრია? ისინი ხვდებიან [2].

  • ავტომატიზაცია : მილსადენების მაგია. დასუფთავება, ტრენინგი, რეგულირება - ეს ჰგავს სტაჟიორების ყოლას, რომლებიც არასდროს სძინავთ.

რა თქმა უნდა, ჩვენ ისევ მიკერძოებული საწყისი კოდი ვართ. თუ არასწორად ასწავლით, ისიც არასწორად ისწავლის. ეს ემოჯის თვალის დახამხამება? გამართლებულია. 😉

სტატიები, რომელთა წაკითხვაც შეიძლება მოგეწონოთ ამის შემდეგ:

🔗 სამუშაოები, რომლებსაც ხელოვნური ინტელექტი ვერ ჩაანაცვლებს და რომლებსაც ჩაანაცვლებს.
ხელოვნური ინტელექტის გავლენის გლობალური ანალიზი მიმდინარე და მომავალ სამუშაო ადგილებზე.

🔗 საუკეთესო ხელოვნური ინტელექტი ფინანსური კითხვებისთვის.
საუკეთესო ხელოვნური ინტელექტის ინსტრუმენტები, რომლებიც ჭკვიანურ და ზუსტ ფინანსურ ანალიზს გვთავაზობენ.

🔗 ბიზნეს სტრატეგიისთვის ხელოვნური ინტელექტით მართული მოთხოვნის პროგნოზირების ინსტრუმენტები.
ინსტრუმენტები, რომლებიც ბიზნესებს მოთხოვნის პროგნოზირებასა და სტრატეგიების ეფექტურად დაგეგმვაში ეხმარება.

შედარების ცხრილი: ეკონომიკისთვის ხელოვნური ინტელექტის ინსტრუმენტები

ინსტრუმენტი / პლატფორმა ვისთვის არის ეს ფასი რატომ მუშაობს / შენიშვნები
ხელოვნური ინტელექტის ეკონომისტი (Salesforce) პოლიტიკის დიზაინერები უფასო (ღია კოდი) RL მოდელები ცდისა და შეცდომის მეთოდით უკეთეს საგადასახადო სქემებამდე მიგვიყვანს [3]
H2O.ai მონაცემთა მეცნიერები და ანალიტიკოსები $$$ (ცვალებადია) გადათრევა და ჩაშვება ახსნის შესაძლებლობას ხვდება - შესანიშნავი კომბინაცია
Google AutoML აკადემიკოსები, სტარტაპები საშუალო დიაპაზონი თქვენ დააწკაპუნებთ, ის სწავლობს. სრული დასტის მქონე, კოდის გარეშე ML
ეკონომეტრიკის ინსტრუმენტების ნაკრები (MATLAB) მკვლევარები და სტუდენტები $$ ძველი სკოლა ხელოვნურ ინტელექტს ხვდება - ჰიბრიდული მიდგომები მისასალმებელია
OpenAI-ის GPT მოდელები ზოგადი გამოყენება ფრიმიუმი შეაჯამეთ. სიმულაცია მოახდინეთ. დებატების ორივე მხარე არგუმენტირებულად წარმოადგინეთ.
EconML (Microsoft) გამოყენებითი მკვლევარები უფასო მიზეზობრივი დასკვნის ინსტრუმენტების ნაკრები სერიოზული კბილებით

პროგნოზირებადი მოდელირება გარდაიქმნება 🧠

რეგრესიას კარგი განვითარება ჰქონდა. თუმცა, ახლა 2025 წელია და:

  • ნეირონული ქსელები ახლა ეკონომიკურ ცვლილებებს ისე აკონტროლებენ, როგორც ტალღებზე მოძრავი მოთამაშეები - ინფლაციას უცნაური დროით პროგნოზირებენ [2].

  • NLP-ის მილსადენები Reddit-სა და Reuters-ს მომხმარებელთა შფოთვასა და ფარული განწყობის მატებას ეძებენ.

  • აგენტებზე დაფუძნებული მოდელები არ ვარაუდობენ - ისინი ამოწმებენ ყველა „რა მოხდებოდა თუ“-ს, მთელი საზოგადოებების მოქმედ ვერსიას in silico.

შედეგი? პროგნოზირების შეცდომების 25%-ით შემცირება, იმისდა მიხედვით, თუ ვინ ატარებს გაზომვებს [2]. ნაკლები ვარაუდი. უფრო დასაბუთებული ფიუჩერსები.

ქცევითი ეკონომიკა ხვდება მანქანურ სწავლებას

სწორედ აქ ხდება ყველაფერი... უცნაურად. თუმცა ბრწყინვალედ.

  • ირაციონალური ნიმუშები : კლასტერები წარმოიქმნება, როდესაც მომხმარებლები, უფრო სწორად, ადამიანებივით იქცევიან.

  • გადაწყვეტილების მიღებისას დაღლილობა : რაც უფრო დიდხანს ყიდულობს ადამიანი, მით უფრო უარესდება მისი არჩევანი. მოდელები აღბეჭდავენ გადახრებს.

  • მიკრო-მაკრო ბმულები : თქვენი შეძენილი ყავა? ეს მონაცემებია. და როდის ხდება მათი აგრეგაცია? ადრეული სიგნალები - ხმამაღალი.

და ასევე არსებობს დინამიური ფასები - სადაც თქვენი სავაჭრო კალათა წამებში იცვლება. საშიშია? შესაძლოა. მაგრამ მუშაობს.

ხელოვნური ინტელექტი ეკონომიკური პოლიტიკის დიზაინში

პოლიტიკის მოდელირება აღარ არის მხოლოდ ცხრილებში ჩარჩენილი.

„AI Economist-ის გარემომ ისწავლა პროგრესული საგადასახადო პოლიტიკა, რომელმაც თანასწორობა და პროდუქტიულობა 16%-ით გააუმჯობესა სტატიკურ საბაზისო მაჩვენებლებთან შედარებით“ [3].

მარტივად რომ ვთქვათ: ალგორითმებმა „სენდბოქსის“ ტიპის მთავრობები გამოიყენეს და უკეთესი საგადასახადო რეგულაციები შექმნეს. ბიუჯეტის შეზღუდვები კვლავ ძალაში რჩება. თუმცა, ახლა თქვენ შეგიძლიათ პოლიტიკის პროტოტიპი კოდში შეიტანოთ, სანამ ის რეალურ ეკონომიკაზე გამოიყენებთ.

რეალური ეკონომიკური აპლიკაციები 🌍

ეს ყველაფერი ვაპორვეარი არ არის. ის ყველგან ვრცელდება - ჩუმად, ეფექტურად, ყველგან:

  • ცენტრალური ბანკები ფინანსური ბზარების გაფართოებამდე გამოსაკვლევად იყენებენ ფინანსური თავისუფლების აღკვეთით გამოწვეულ სტრესის მოდელებს [2].

  • საცალო მოვაჭრეები პროგნოზირებადი შევსების სისტემებით ამცირებენ მარაგების ამოწურვის მაჩვენებლებს [4].

  • კრედიტის სპეციალისტები ალტერნატიულ მონაცემებს (მაგალითად, თქვენს ტელეფონის ანგარიშს) მოიძიებენ, რათა მეტი ადამიანისთვის კრედიტის კარი გაუხსნან.

  • შრომის ანალიტიკოსები ქორებივით აკვირდებიან ვაკანსიების გამოცხადების ნაკადებს, რათა თავიდან აიცილონ კვალიფიციური კადრების დეფიციტი.

ეს არ არის ოდესმე მომხდარი. ეს ახლა ხდება.

შეზღუდვები და ეთიკური ნაღმები

რეალიზმის ცივი შეხების დროა:

  • მიკერძოების გაძლიერება : თუ თქვენი მონაცემთა ნაკრები არასწორია, თქვენი პროგნოზებიც არასწორია. და უარესი - ისინი მასშტაბირებადია [5].

  • გამჭვირვალობა : ვერ ხსნით? ნუ გამოიყენებთ. მაღალი ფსონების მქონე ზარებს გამჭვირვალობა სჭირდება.

  • მოწინააღმდეგეობრივი თამაში : ბოტები თქვენს მოდელს ვიოლინოსავით უკრავენ? დიახ, ეს რისკია.

ასე რომ, დიახ, ეთიკა მხოლოდ ფილოსოფიური არ არის - ის ინფრასტრუქტურულია. დამცავ ღობეებს მნიშვნელობა აქვს.

როგორ დავიწყოთ ხელოვნური ინტელექტის გამოყენება თქვენს ეკონომიკურ სამუშაოში

არ გჭირდებათ დოქტორის ხარისხი ან ნეირონული იმპლანტი. უბრალოდ:

  1. იგრძენით თავი კომფორტულად Python-თან - pandas, scikit-learn, TensorFlow. ისინი ნამდვილი MVP-ები არიან.

  2. ღია მონაცემების საცავების ჩხრეკა - Kaggle, IMF, მსოფლიო ბანკი. ისინი ოქროთი არიან სავსე.

  3. ბლოკნოტების რედაქტირება - Google Colab თქვენი სათამაშო მოედანია ინსტალაციის გარეშე.

  4. მიჰყევით მოაზროვნეებს - X-ს (უფ, ადრე Twitter-ს) და Substack-ს აქვთ საგანძურის რუკები.

Reddit-ის უაზრო სენტიმენტების ანალიზატორსაც კი შეუძლია გითხრათ ის, რასაც Bloomberg-ის ტერმინალი ვერ გეტყვით.

მომავალი პროგნოზირებადია და არა იდეალური

ხელოვნური ინტელექტი სასწაული არ არის. მაგრამ ცნობისმოყვარე ეკონომისტის ხელში? ის ნიუანსების, წინდახედულებისა და სიჩქარის ინსტრუმენტების ნაკრებია. ინტუიცია გამოთვლებთან შეუხამეთ და თქვენ აღარ მოგიწევთ ვარაუდის გამოთქმა - თქვენ მოლოდინში ხართ.

📉📈

იპოვეთ უახლესი ხელოვნური ინტელექტი ოფიციალურ ხელოვნური ინტელექტის ასისტენტების მაღაზიაში

ჩვენს შესახებ

ცნობები

  1. მულაინათანი, ს. და სპისი, ჯ. (2017). მანქანური სწავლება: გამოყენებითი ეკონომეტრიული მიდგომა . ეკონომიკური პერსპექტივების ჟურნალი , 31(2), 87–106. ბმული

  2. მაჯიტია, ს. და დოილი, ბ. (2020). როგორ შეუძლია ხელოვნურ ინტელექტს ეკონომიკური პროგნოზირების ტრანსფორმაცია . სავალუტო ფონდი . ბმული

  3. ვუ, ჯ., ჯიანგი, X. და ლიჰი, კ. (2020). ხელოვნური ინტელექტის ეკონომისტი: თანასწორობისა და პროდუქტიულობის გაუმჯობესება ხელოვნურ ინტელექტზე დაფუძნებული საგადასახადო პოლიტიკით . NeurIPS . ბმული

  4. McKinsey & Company. (2021). როგორ წყვეტს ხელოვნური ინტელექტი საცალო ვაჭრობის მიწოდების ჯაჭვის გამოწვევებს . ბმული

  5. Angwin, J., Larson, J., Kirchner, L., & Mattu, S. (2016). მანქანის მიკერძოება . პროპუბლიკა . ბმული

ბლოგზე დაბრუნება