Het AI Economist-onderzoek van Salesforce wil het evenwicht tussen gelijkheid en productiviteit onderzoeken

Bronknooppunt: 2357334
salesforce.jpg

ezgif-2-ab50f9c477

The AI ​​Economist is een economische simulatie waarin AI-agenten middelen verzamelen en verhandelen, huizen bouwen, inkomsten verdienen en belasting betalen aan een overheid.

Salesforce

Zheng merkte op dat het onderzoek rekening hield met veel verschillende ruimtelijke indelingen en verdelingen van middelen, evenals agenten met verschillende vaardigheden of vaardigheidsniveaus. Hij zei ook dat het huidige werk een proof of concept is, gericht op het AI-gedeelte van het probleem.

“Het belangrijkste conceptuele probleem dat we aanpakken, is dat de overheid dit beleid probeert te optimaliseren, maar we kunnen AI ook gebruiken om te modelleren hoe de economie op haar beurt zal reageren. Dit noemen we een RL-probleem op twee niveaus.

Vanuit dat oogpunt is het hebben van tien agenten in de economie en de overheid al een hele uitdaging om op te lossen. We moeten echt veel werk doen om het algoritme te vinden, om de juiste mix van leerstrategieën te vinden om het systeem deze echt goede fiscale beleidsoplossingen te laten vinden”, zei Zheng.

Kijkend hoe mensen gebruiken RL om systemen te trainen om bepaalde soorten videogames of schaken te spelen, dit zijn al heel moeilijke zoek- en optimalisatieproblemen, ook al gebruiken ze slechts twee of tien agenten, voegde Zheng eraan toe. Hij beweerde dat de AI Economist efficiënter is dan die systemen.

Het AI Economist-team is ervan overtuigd dat ze, nu ze het leergedeelte goed onder de knie hebben, in een uitstekende positie verkeren om over de toekomst na te denken en dit werk ook langs andere dimensies uit te breiden, aldus Zheng.

In een eerdere versie van de AI Economist, experimenteerde het team met het laten deelnemen van menselijke spelers aan de simulatie. Dit resulteerde in meer lawaai, omdat mensen zich inconsequent gedroegen; volgens Zheng bereikte de AI Economist echter nog steeds hogere kwaliteit- en productiviteitsniveaus.

Economie en economen

Voor de hand liggende vragen bij dit onderzoek zijn wat economen ervan vinden en of hun inzichten ook in het systeem zijn gemodelleerd. Geen enkel lid van het AI Economist-team is eigenlijk een econoom. Wel zijn volgens Zheng enkele economen geraadpleegd.

“Toen we net begonnen, hadden we geen econoom aan boord, dus gingen we een partnerschap aan met David Parkes, die zowel in de informatica als in de economie zit. In de loop van het werk hebben we met economen gesproken en hun mening en feedback gekregen. We hadden ook een uitwisseling met [econoom en bestsellerauteur] Thomas Piketty. Hij heeft het erg druk, dus ik denk dat hij het werk interessant vond.

Hij stelde ook vragen over, tot op zekere hoogte, hoe het beleid zou kunnen worden uitgevoerd. En je kunt dit vanuit vele dimensies bekijken, maar over het algemeen was hij geïnteresseerd in het werk. Ik denk dat dat de bredere reactie van de economische gemeenschap weerspiegelt. Er is zowel interesse als vragen of dit uitvoerbaar is. Wat hebben we nodig om dit te doen? Het is stof tot nadenken voor de economische gemeenschap”, zei Zheng.

Wat betreft de weg voorwaarts, gelooft Zheng dat het is "om dit breed bruikbaar te maken en een positieve sociale impact te hebben". Zheng voegde eraan toe dat een van de richtingen waar het team naartoe gaat, is hoe dichter bij de echte wereld te komen.

[Ingesloten inhoud]

Aan de ene kant betekent dat het bouwen van grotere en betere simulaties, zodat ze nauwkeuriger en realistischer zijn. Zheng gelooft dat dit een belangrijk onderdeel zal zijn van kaders voor economische modellering en beleidsontwerp. Een groot deel daarvan voor AI-onderzoekers is om te bewijzen dat je deze methoden kunt vertrouwen.

“Je wilt zaken als robuustheid en verklaarbaarheid laten zien. We willen iedereen hier vertellen waarom de AI dit of dat beleid heeft aanbevolen. Ik geloof hier ook sterk in als een interdisciplinair probleem. Ik denk dat hier echt de kans is voor AI-onderzoekers om samen te werken met economen, om samen te werken met beleidsexperts om niet alleen de technische dimensies van hun probleem te begrijpen, maar ook om te begrijpen hoe die technologie nuttig kan zijn voor de samenleving”, zei Zheng.

Twee aspecten die Zheng over dit onderzoek benadrukte, waren het stellen van doelen en transparantie. Het stellen van doelen, dwz voor welke resultaten moet worden geoptimaliseerd, wordt extern gedaan. Dit betekent dat of het systeem moet optimaliseren voor maximale gelijkheid, maximale productiviteit, hun evenwicht, of mogelijk in de toekomst, ook andere parameters zoals duurzaamheid moet opnemen, een ontwerpkeuze is aan de gebruiker.

Zheng beschreef "volledige transparantie" als de hoeksteen van het project. Als in de toekomst iteraties van dit soort systemen worden gebruikt voor maatschappelijk welzijn, dan moet iedereen ze kunnen inspecteren, in twijfel trekken en bekritiseren, aldus Zheng. Om dit doel te dienen, heeft het AI Economist-team: open source alle code en experimentele gegevens op basis van het onderzoek.

Een ander deel van de weg voorwaarts voor het AI Economist-team is meer contact met de economistengemeenschap. “Ik denk dat er hier behoorlijk wat onderwijs is, waar tegenwoordig economen niet worden opgeleid tot computerwetenschappers. Ze leren bijvoorbeeld meestal niet programmeren in Python. En dingen als RL zijn misschien ook niet iets dat deel uitmaakt van hun standaardcurriculum of hun manier van denken. Ik denk dat hier een grote kans ligt voor interdisciplinair onderzoek”, zei Zheng.

Het AI Economist-team is voortdurend in gesprek met economen en presenteert dit werk aan de wetenschappelijke gemeenschap. Zheng zei dat het team aan een aantal projecten werkt, waarover ze in de nabije toekomst meer zullen kunnen vertellen. Hij concludeerde dat een beetje educatie om mensen vertrouwd te maken met deze aanpak en een meer gebruiksvriendelijke UI/UX een lange weg kan gaan.

Tijdstempel: