Salesforces AI Economist-forskning vill utforska jämvikten mellan jämlikhet och produktivitet

Zheng noterade att forskningen tog hänsyn till många olika rumsliga layouter och distributioner av resurser, såväl som agenter med olika färdighetsuppsättningar eller färdighetsnivåer. Han nämnde också att det aktuella arbetet är ett proof of concept, med fokus på AI-delen av problemet.

"Den nyckelbegrepp som vi tar upp är att regeringen försöker optimera denna policy, men vi kan också använda AI för att modellera hur ekonomin kommer att reagera i sin tur. Detta är något vi kallar ett RL-problem på två nivåer.

Ur den synvinkeln är det redan ganska utmanande att lösa att ha tio agenter i ekonomin och regeringen. Vi måste verkligen lägga ner mycket arbete för att hitta algoritmen, för att hitta den rätta mixen av inlärningsstrategier för att faktiskt få systemet att hitta dessa riktigt bra skattepolitiska lösningar”, sa Zheng.

Titta på hur människor använder RL för att träna system för att spela vissa typer av tv-spel eller schack, det här är redan riktigt svåra sök- och optimeringsproblem, även om de bara använder två eller tio agenter, tillade Zheng. Han hävdade att AI Economist är effektivare än dessa system.

AI Economist-teamet är övertygade om att de nu när de har ett bra grepp om inlärningsdelen är i en utmärkt position att tänka på framtiden och utöka detta arbete även längs andra dimensioner, enligt Zheng.

I ett tidigare version av AI Economist, experimenterade laget med att låta mänskliga spelare delta i simuleringen också. Detta resulterade i mer buller, eftersom människor betedde sig på inkonsekventa sätt; enligt Zheng uppnådde dock AI Economist fortfarande högre kvalitets- och produktivitetsnivåer.

Ekonomier och ekonomer

Några uppenbara frågor när det gäller denna forskning är vad ekonomer tycker om det och om deras insikter också modellerades i systemet. Ingen medlem av AI Economist-teamet är faktiskt ekonom. Några ekonomer rådfrågades dock, enligt Zheng.

"När vi började hade vi ingen ekonom ombord, så vi samarbetade med David Parkes, som arbetar både inom datavetenskap och ekonomi. Under arbetets gång pratade vi med ekonomer och fick deras åsikter och feedback. Vi hade också ett utbyte med [ekonom och bästsäljande författare] Thomas Piketty. Han är en mycket upptagen man, så jag tror att han tyckte att arbetet var intressant.

Han tog också upp frågor om, i viss mån, hur politiken skulle kunna genomföras. Och man kan tänka på detta från många dimensioner, men överlag var han intresserad av arbetet. Jag tror att det speglar det bredare svaret från det ekonomiska samfundet. Det finns både intresse och frågor om huruvida detta är genomförbart. Vad behöver vi för att göra detta? Det är en tankeställare för ekonomisamfundet”, sa Zheng.

När det gäller vägen framåt, tror Zheng att det är "att göra det här allmänt användbart och ha en viss positiv social påverkan". Zheng tillade att en av riktningarna som teamet är på väg mot är hur man kommer närmare den verkliga världen.

[Inbäddat innehåll]

Å ena sidan innebär det att man bygger större och bättre simuleringar, så att de blir mer exakta och mer realistiska. Zheng tror att det kommer att vara en nyckelkomponent i ramverk för ekonomisk modellering och policydesign. En stor del av det för AI-forskare är att bevisa att man kan lita på dessa metoder.

"Du vill visa saker som robusthet och förklaringsförmåga. Vi vill berätta för alla här är anledningarna till att AI rekommenderade den eller den policyn. Jag tror också starkt på att detta är ett tvärvetenskapligt problem. Jag tror verkligen att möjligheten här är för AI-forskare att arbeta tillsammans med ekonomer, att arbeta tillsammans med policyexperter för att förstå inte bara de tekniska dimensionerna av deras problem, utan också för att förstå hur den tekniken kan vara användbar för samhället”, sa Zheng.

Två aspekter som Zheng betonade i denna forskning var målsättning och transparens. Målsättning, det vill säga vilka utfall man ska optimera för, görs externt. Detta innebär att om systemet ska optimera för maximal jämlikhet, maximal produktivitet, deras jämvikt, eller potentiellt i framtiden, även införliva andra parametrar som hållbarhet är ett designval upp till användaren.

Zheng beskrev "full transparens" som hörnstenen i projektet. Om i framtiden upprepningar av dessa typer av system kommer att användas för socialt bästa, då borde alla kunna inspektera, ifrågasätta och kritisera dem, enligt Zheng. För att tjäna detta mål har AI Economist-teamet öppen källkod all kod och experimentella data baserat på forskningen.

En annan del av vägen framåt för AI Economist-teamet är mer uppsökande till ekonomsamhället. ”Jag tror att det finns en hel del utbildning här, där idag ekonomer inte är utbildade till datavetare. De lär sig vanligtvis inte programmering i Python, till exempel. Och saker som RL kanske inte heller är något som är en del av deras standardläroplan eller deras sätt att tänka. Jag tror att det finns en riktigt stor möjlighet här för tvärvetenskaplig forskning, säger Zheng.

AI Economist-teamet samtalar ständigt med ekonomer och presenterar detta arbete för det vetenskapliga samfundet. Zheng sa att teamet arbetar med ett antal projekt, som de kommer att kunna dela mer om inom en snar framtid. Han drog slutsatsen att lite utbildning för att göra människor bekanta med detta tillvägagångssätt och mer användarvänligt UI/UX kan räcka långt.

• SEO-drivet innehåll och PR-distribution. Bli förstärkt idag.
• PlatoData.Network Vertical Generative Ai. Styrka dig själv. Tillgång här.
• PlatoAiStream. Web3 Intelligence. Kunskap förstärkt. Tillgång här.
• Platoesg. Kol, CleanTech, Energi, Miljö, Sol, Avfallshantering. Tillgång här.
• PlatoHealth. Biotech och kliniska prövningar Intelligence. Tillgång här.
• Källa: https://www.zdnet.com/article/salesforces-ai-economist-research-wants-to-explore-the-equilibrium-between-equality-and-productivity/#ftag=RSSbaffb68