2016年はSalesforceにとって極めて重要な年でした。 そのとき、同社はMetaMindを買収しました。これは、「医用画像処理、eコマース画像、NLPなど、さまざまな分野で機能するエンタープライズAIプラットフォームであり、開発者向けの機械学習ツールとして機能する水平プラットフォーム」です。 創設者のリチャード・ソッチャーはそれを説明しました.

それが今日おもしろそうに聞こえるなら、それはおそらくその時代に先んじていたでしょう。 この買収により、SocherはSalesforceのチーフデータサイエンティストになり、Salesforceの規模と影響力で導入されたアプリケーションに取り組んでいる100人以上の研究者と数百人のエンジニアを率いました。 AIは、主に次の方法でSalesforceの取り組みの不可欠な部分になりました。 Salesforceのアインシュタイン、SalesforceのプラットフォームにAI機能を注入するための幅広いイニシアチブ。

市場志向の取り組みに加えて、Salesforceは「AIforgood」イニシアチブも後援しています。 これには何が含まれます ムーンショットとしてのSalesforceフレーム：現実世界に最適な経済政策を学ぶAIソーシャルプランナーを構築する。 「AIエコノミスト」という名前で進行中のプロジェクトは 最近いくつかの新しい結果を公開しました。 Salesforceのリードリサーチサイエンティスト、AIエコノミストチームのシニアマネージャーであるStephan Zhengが、プロジェクトの背景、結果、ロードマップについて詳しく説明しました。

経済政策のツールとしての強化学習

鄭は、ディープラーニングが爆発的に普及した頃、物理学の博士号に向けて取り組んでいました— 2013年。Salesforceでの彼の仕事の動機はXNUMXつあります。「機械学習の限界を押し広げて、一般的な知能の原理を発見するだけでなく、社会的利益」。

鄭氏は、社会経済問題は私たちの時代の最も重要な問題のXNUMXつであると信じています。 この特定の研究ラインに彼を惹きつけたのは、経済的不平等という事実です。 加速している ここ数十年で、経済的機会、健康、社会福祉に悪影響を及ぼしています。 

税金は平等を改善するための重要な政府のツールである、と鄭氏は述べています。 しかし、彼は、経済的生産性を促進しながら平等を生み出すのに役立つ税制を政府が設計することは難しいと信じています。 問題の一部は、経済モデリング自体に関係していると彼は付け加えています。

「伝統的な経済学では、人々が自分たちの政策を最適化したいのであれば、彼らは多くの仮定をする必要があります。 たとえば、彼らは世界が毎年ほぼ同じであると言うかもしれません。 それほど大きな変化はありません。

それは本当に制約です。 それは、世界があなたの周りで変化する可能性のあるすべての方法を見ると、世界を完全に豊かに考えた場合、これらの方法の多くは実際には最良の政策を見つけられないことを意味します」と鄭氏は述べた。

Salesforce AIエコノミストチームは、と呼ばれる特定のタイプの機械学習を適用することで、これに取り組んでいます。 強化学習 （RL）。 RLは、次のようなシステムの構築に使用されています。 アルファゴー 機械学習で普及している教師あり学習アプローチとは異なります。

「教師あり学習では、誰かが静的データセットを提供し、次にデータのパターンを学習しようとします。 代わりに、強化学習では、このシミュレーション、このインタラクティブな環境があり、アルゴリズムは世界を見てシミュレーションと対話することを学習します。 そしてそれから、それは実際に環境をいじくり回すことができ、環境の働き方を変えることができます」と鄭氏は説明しました。

この柔軟性が、RLがAIエコノミストに選ばれた主な理由でした。 Zhengが詳しく説明したように、このアプローチにはXNUMXつの部分があります。 シミュレーション自体、ポリシーの最適化、そしてデータもあります。これは、データを使用してシミュレーションがどのように機能するかを通知できるためです。 AIエコノミストは、経済の単純化されたサブセットである所得税のモデル化とシミュレーションに焦点を合わせました。

空間的および時間的関係をモデル化して、XNUMX次元の世界が作成されました。 この世界では、エージェントはそのように働き、資源を採掘し、家を建て、そしてお金を稼ぐことができます。 エージェントが家を建てることで得た収入は、政府によって課税されます。 AIエコノミストの仕事は、平等（人々の収入がどれほど似ているか）と生産性（すべての収入の合計）を最適化できる税制を設計することです。

AIモデリングと実世界

Salesforceの調査によると AIは、エマニュエルサエズによって開発された著名な税制、米国の税制に似た累進課税、自由市場（非課税）の3つの代替シナリオと比較した場合、所得の平等と生産性の間のトレードオフを改善できます。 Zhengが説明したように、これらXNUMXつの選択肢はシステムにコード化され、それらの結果はRLシミュレーションを介してAIから導出されたものに対して測定されました。

これは有望に聞こえますが、この研究の限界にも注意する必要があります。 第一に、この研究は非常に単純化された経済における所得税のみを対象としています。資産や国際貿易などはなく、活動の種類は10つだけです。 また、この時点でシステム内のエージェントの総数は最大XNUMXです。

Zheng氏は、この調査では、さまざまなスキルセットまたはスキルレベルのエージェントだけでなく、さまざまな空間レイアウトとリソースの分散を検討したと述べています。 彼はまた、現在の作業は概念実証であり、問​​題のAI部分に焦点を当てていると述べました。

「私たちが取り組んでいる重要な概念上の問題は、政府がこのポリシーを最適化しようとしていることですが、AIを使用して、経済が順番にどのように対応するかをモデル化することもできます。 これは、XNUMXレベルのRL問題と呼ばれるものです。

その観点から、経済と政府にXNUMX人のエージェントを配置することは、すでに解決するのが非常に困難です。 アルゴリズムを見つけ、システムにこれらの本当に優れた税務政策ソリューションを実際に見つけさせるための学習戦略の適切な組み合わせを見つけるために、私たちは本当に多くの作業を投入する必要があります」とZheng氏は述べています。

どのように見て 人々はRLを使用して、ある種のビデオゲームやチェスをプレイするためのシステムをトレーニングします、これらはXNUMXつかXNUMXのエージェントしか利用していませんが、すでに非常に難しい検索と最適化の問題です、とZheng氏は付け加えました。 彼は、AIエコノミストはそれらのシステムよりも効率的であると主張しました。

鄭氏によると、AIエコノミストチームは、学習の部分を十分に把握しているので、将来について考え、この作業を他の側面にも拡張できる素晴らしい立場にあると確信しています。

で AIエコノミストの以前のバージョン、チームは人間のプレイヤーもシミュレーションに参加することを試みました。 人々が一貫性のない方法で行動したため、これはより多くのノイズをもたらしました。 ただし、Zheng氏によると、AIエコノミストは依然として高い品質と生産性レベルを達成しました。

経済学者と経済学者

この研究に関するいくつかの明白な質問は、エコノミストがそれをどう考えているか、そして彼らの洞察がシステムでもモデル化されているかどうかです。 AIエコノミストチームのメンバーは実際にはエコノミストではありません。 しかし、鄭氏によると、一部のエコノミストは相談を受けた。

「私たちが最初に始めたとき、私たちはエコノミストを乗せていなかったので、コンピューターサイエンスと経済学の両方の立場にあるDavidParkesと提携しました。 作業の過程で、私たちはエコノミストと話をし、彼らの意見をフィードバックを得ました。 また、[エコノミストでベストセラー作家]との交流もありました。 トーマスPiketty。 彼はとても忙しい人なので、彼はその仕事を面白く感じたと思います。

彼はまた、ある程度、政策をどのように実施することができるかについての質問を提起した。 そして、これは多くの側面から考えることができますが、全体的に彼はその仕事に興味を持っていました。 これは、経済界からの幅広い反応を反映していると思います。 これが実装可能かどうかについては、関心と質問の両方があります。 これを行うには何が必要ですか？ それは経済界の思考の糧です」と鄭氏は語った。

今後の方向性については、鄭氏は「これを広く有用にし、社会にプラスの影響を与えること」だと信じています。 鄭氏は、チームが向かう方向のXNUMXつは、現実の世界に近づく方法であると付け加えました。

[埋め込まれたコンテンツ]

一方では、それはより大きく、より良いシミュレーションを構築することを意味するので、それらはより正確でより現実的です。 鄭氏は、それが経済モデリングと政策設計のためのフレームワークの重要な要素になると信じています。 AI研究者にとってのその大部分は、これらの方法を信頼できることを証明することです。

「堅牢性や説明性などを示したいと考えています。 AIがこれまたはそのポリシーを推奨した理由は、ここにいるすべての人に伝えたいと思います。 また、これは学際的な問題だと強く信じています。 ここでの本当にチャンスは、AI研究者がエコノミストと協力し、政策専門家と協力して問題の技術的側面を理解するだけでなく、その技術が社会にどのように役立つかを理解することだと思います」とZheng氏は述べています。

鄭がこの研究について強調したXNUMXつの側面は、目標設定と透明性でした。 目標設定、つまり最適化する結果は外部で行われます。 これは、システムが最大の平等、最大の生産性、平衡、または将来的に最適化する必要があるかどうか、持続可能性などの他のパラメーターも組み込むかどうかは、ユーザーの設計上の選択であることを意味します。

鄭氏は、プロジェクトの要として「完全な透明性」を説明しました。 鄭氏によると、将来、これらのタイプのシステムの反復が社会的利益のために使用される場合、誰もがそれらを検査し、質問し、批評できるはずです。 この目標を達成するために、AIエコノミストチームは すべてのコードと実験データをオープンソース化 調査に基づいています。

AIエコノミストチームの前進のもうXNUMXつの部分は、エコノミストコミュニティへのより多くの働きかけです。 「ここにはかなりの教育があると思います。今日、経済学者はコンピューター科学者としての訓練を受けていません。 たとえば、通常、Pythonでのプログラミングは教えられていません。 また、RLのようなものは、標準的なカリキュラムや考え方の一部ではない場合もあります。 ここには学際的な研究の非常に大きな機会があると思います」とZheng氏は述べています。

AIエコノミストチームは常にエコノミストと会話し、この研究を科学界に提示しています。 鄭氏は、チームは多くのプロジェクトに取り組んでおり、近い将来、それらについてさらに共有できるようになると語った。 彼は、人々にこのアプローチとよりユーザーフレンドリーなUI / UXに慣れさせるための少しの教育が、大いに役立つかもしれないと結論付けました。

• コインスマート。 ヨーロッパで最高のビットコインと暗号通貨取引所。ここをクリック
• Platoblockchain。 Web3メタバースインテリジェンス。 知識の増幅。 こちらからアクセスしてください。
• 情報源： https://www.zdnet.com/article/salesforces-ai-economist-research-wants-to-explore-the-equilibrium-between-equality-and-productivity/#ftag=RSSbaffb68