2016 là một năm bản lề đối với Salesforce. Đó là khi công ty mua lại MetaMind, “một nền tảng AI dành cho doanh nghiệp hoạt động trong hình ảnh y tế và hình ảnh thương mại điện tử, NLP và nhiều thứ khác, một nền tảng ngang đóng vai trò là công cụ học máy cho các nhà phát triển,” như người sáng lập Richard Socher đã mô tả nó.

Nếu điều đó nghe có vẻ thú vị ngày hôm nay, thì có lẽ nó đã đi trước thời đại. Việc mua lại đã đưa Socher trở thành Nhà khoa học dữ liệu trưởng tại Salesforce, dẫn dắt hơn 100 nhà nghiên cứu và hàng trăm kỹ sư làm việc trên các ứng dụng được triển khai ở quy mô và tác động của Salesforce. AI đã trở thành một phần không thể thiếu trong nỗ lực của Salesforce, chủ yếu thông qua Lực lượng bán hàng Einstein, một sáng kiến ​​trên phạm vi rộng nhằm đưa các khả năng AI vào nền tảng của Salesforce.

Bên cạnh những nỗ lực định hướng thị trường, Salesforce cũng tài trợ cho các sáng kiến ​​“AI vì những điều tốt đẹp”. Điều này bao gồm những gì Lực lượng bán hàng đóng khung dưới dạng moonshot: xây dựng một công cụ lập kế hoạch xã hội AI có thể học các chính sách kinh tế tối ưu cho thế giới thực. Dự án mang tên “AI Economist” đã gần đây đã công bố một số kết quả mới. Stephan Zheng, Nhà khoa học nghiên cứu chính của Salesforce, Quản lý cấp cao, Nhóm kinh tế AI, đã chia sẻ thêm về nền tảng, kết quả và lộ trình của dự án.

Học tăng cường như một công cụ cho chính sách kinh tế

Zheng đang làm việc để lấy bằng tiến sĩ vật lý vào khoảng thời gian học sâu bùng nổ — năm 2013. Động lực mà anh trích dẫn cho công việc của mình tại Salesforce có hai mặt: “để vượt qua ranh giới của học máy để khám phá các nguyên tắc của trí thông minh chung, nhưng cũng để làm Xã hội tốt".

Zheng tin rằng các vấn đề kinh tế xã hội là một trong những vấn đề quan trọng nhất của thời đại chúng ta. Điều thu hút ông đến với lĩnh vực nghiên cứu cụ thể này là thực tế là bất bình đẳng kinh tế đã được tăng tốc trong những thập kỷ gần đây, tác động tiêu cực đến cơ hội kinh tế, sức khỏe và phúc lợi xã hội. 

Zheng lưu ý rằng thuế là một công cụ quan trọng của chính phủ để cải thiện sự bình đẳng. Tuy nhiên, ông tin rằng đó là một thách thức đối với các chính phủ trong việc thiết kế các cấu trúc thuế giúp tạo ra sự bình đẳng đồng thời thúc đẩy năng suất kinh tế. Ông nói thêm, một phần của vấn đề liên quan đến chính mô hình kinh tế.

“Trong kinh tế học truyền thống, nếu mọi người muốn tối ưu hóa chính sách của mình, họ cần đưa ra rất nhiều giả định. Chẳng hạn, họ có thể nói rằng thế giới ít nhiều giống nhau mỗi năm. Không có gì thực sự thay đổi nhiều như vậy.

Đó thực sự là hạn chế. Điều đó có nghĩa là rất nhiều phương pháp trong số này không thực sự tìm ra chính sách tốt nhất nếu bạn xem xét thế giới với đầy đủ sự phong phú của nó nếu bạn xem xét tất cả các cách mà thế giới có thể thay đổi xung quanh bạn”, Zheng nói.

Nhóm Nhà kinh tế AI của Salesforce cố gắng giải quyết vấn đề này bằng cách áp dụng một loại máy học cụ thể có tên là học tăng cường (RL). RL đã được sử dụng để xây dựng các hệ thống như AlphaGo và khác với phương pháp học có giám sát phổ biến trong học máy.

“Trong học tập có giám sát, ai đó cung cấp cho bạn một tập dữ liệu tĩnh và sau đó bạn cố gắng tìm hiểu các mẫu trong dữ liệu. Thay vào đó, trong học tăng cường, bạn có mô phỏng này, môi trường tương tác này và thuật toán học cách nhìn vào thế giới và tương tác với mô phỏng. Và từ đó, nó thực sự có thể đùa giỡn với môi trường, nó có thể thay đổi cách thức hoạt động của môi trường”, Zheng giải thích.

Tính linh hoạt này là lý do chính khiến RL được chọn cho Nhà kinh tế AI. Như Zheng đã giải thích, có ba phần trong cách tiếp cận này. Có bản thân mô phỏng, tối ưu hóa chính sách và sau đó là cả dữ liệu, bởi vì dữ liệu có thể được sử dụng để thông báo cách thức hoạt động của mô phỏng. AI Economist tập trung vào việc lập mô hình và mô phỏng một tập hợp con đơn giản hóa của nền kinh tế: thuế thu nhập.

Một thế giới hai chiều đã được tạo ra, mô hình hóa các mối quan hệ không gian và thời gian. Trong thế giới này, các đại lý có thể làm việc, khai thác tài nguyên, xây dựng nhà cửa và kiếm tiền theo cách đó. Thu nhập mà các đại lý kiếm được thông qua việc xây dựng nhà sau đó sẽ bị chính phủ đánh thuế. Nhiệm vụ của Nhà kinh tế AI là thiết kế một hệ thống thuế có thể tối ưu hóa cho sự bình đẳng (thu nhập của mọi người tương tự nhau như thế nào) và năng suất (tổng của tất cả các khoản thu nhập).

Mô hình AI so với thế giới thực

Nghiên cứu của Salesforce cho thấy rằng AI có thể cải thiện sự đánh đổi giữa bình đẳng thu nhập và năng suất khi so sánh với ba kịch bản thay thế: một công thức thuế nổi bật do Emmanuel Saez phát triển, thuế lũy tiến giống như công thức thuế của Hoa Kỳ và thị trường tự do (không có thuế). Như Zheng đã giải thích, 3 phương án thay thế đó đã được mã hóa vào hệ thống và kết quả của chúng được đo lường dựa trên kết quả thu được từ AI thông qua mô phỏng RL.

Mặc dù điều này nghe có vẻ hứa hẹn, nhưng chúng ta cũng nên lưu ý những hạn chế của nghiên cứu này. Trước hết, nghiên cứu chỉ đề cập đến thuế thu nhập trong một nền kinh tế được đơn giản hóa rất nhiều: không có những thứ như tài sản, thương mại quốc tế và những thứ tương tự, và chỉ có một loại hoạt động. Ngoài ra, tổng số đại lý trong hệ thống tại thời điểm này tối đa là 10 đại lý.

Zheng lưu ý rằng nghiên cứu đã xem xét nhiều cách bố trí không gian và phân phối tài nguyên khác nhau, cũng như các tác nhân có bộ kỹ năng hoặc cấp độ kỹ năng khác nhau. Ông cũng đề cập rằng công việc hiện tại là một bằng chứng về khái niệm, tập trung vào phần AI của vấn đề.

“Vấn đề khái niệm chính mà chúng tôi đang giải quyết là chính phủ đang cố gắng tối ưu hóa chính sách này, nhưng chúng tôi cũng có thể sử dụng AI để mô hình hóa cách thức nền kinh tế sẽ phản ứng lại. Đây là điều mà chúng tôi gọi là vấn đề RL hai cấp độ.

Từ quan điểm đó, việc có mười tác nhân trong nền kinh tế và chính phủ đã là một thách thức khá khó giải quyết. Chúng tôi thực sự phải nỗ lực rất nhiều để tìm ra thuật toán, tìm ra sự kết hợp phù hợp giữa các chiến lược học tập để thực sự khiến hệ thống tìm ra các giải pháp chính sách thuế thực sự tốt này”, Zheng nói.

Nhìn vào cách người ta sử dụng RL để huấn luyện hệ thống chơi một số loại trò chơi điện tử hoặc cờ vua, đây thực sự là những vấn đề tìm kiếm và tối ưu hóa khó, mặc dù chúng chỉ sử dụng hai hoặc mười tác nhân, Zheng nói thêm. Ông tuyên bố rằng Nhà kinh tế AI hiệu quả hơn các hệ thống đó.

Theo Zheng, nhóm Nhà kinh tế AI tự tin rằng giờ đây họ đã nắm bắt tốt phần học tập, họ đang ở một vị trí tuyệt vời để suy nghĩ về tương lai và mở rộng công việc này theo các khía cạnh khác.

Trong một phiên bản trước của Nhà kinh tế AI, nhóm đã thử nghiệm việc để người chơi là con người tham gia vào quá trình mô phỏng. Điều này dẫn đến nhiều tiếng ồn hơn, vì mọi người cư xử không nhất quán; Tuy nhiên, theo Zheng, AI Economist vẫn đạt được mức chất lượng và năng suất cao hơn.

Kinh tế và các nhà kinh tế

Một số câu hỏi rõ ràng khi nghiên cứu này đặt ra là các nhà kinh tế nghĩ gì về nó và liệu những hiểu biết của họ có được mô hình hóa trong hệ thống hay không. Không có thành viên nào của nhóm Nhà kinh tế AI thực sự là một nhà kinh tế. Tuy nhiên, một số nhà kinh tế đã được hỏi ý kiến, theo Zheng.

“Khi chúng tôi mới bắt đầu, chúng tôi không có chuyên gia kinh tế nào tham gia, vì vậy chúng tôi hợp tác với David Parkes, người vừa làm về khoa học máy tính vừa kinh tế. Trong quá trình làm việc, chúng tôi đã nói chuyện với các nhà kinh tế học và nhận được ý kiến ​​phản hồi của họ. Chúng tôi cũng đã trao đổi với [nhà kinh tế học và tác giả sách bán chạy nhất] Thomas Guletty. Anh ấy là một người rất bận rộn, vì vậy tôi nghĩ anh ấy thấy công việc thú vị.

Ông cũng đặt ra câu hỏi về cách các chính sách có thể được thực hiện ở một mức độ nào đó. Và bạn có thể nghĩ về điều này từ nhiều khía cạnh, nhưng nhìn chung anh ấy quan tâm đến công việc. Tôi nghĩ rằng điều đó phản ánh phản ứng rộng lớn hơn từ cộng đồng kinh tế. Có cả sự quan tâm và câu hỏi liệu điều này có thể thực hiện được hay không. Chúng ta cần làm gì để làm điều này? Đó là thức ăn để suy nghĩ cho cộng đồng kinh tế”, Zheng nói.

Đối với con đường phía trước, Zheng tin rằng đó là “làm cho điều này trở nên hữu ích rộng rãi và có một số tác động xã hội tích cực”. Zheng nói thêm rằng một trong những hướng mà nhóm đang hướng tới là làm thế nào để tiến gần hơn đến thế giới thực.

[Nhúng nội dung]

Một mặt, điều đó có nghĩa là xây dựng các mô phỏng lớn hơn và tốt hơn, để chúng chính xác hơn và thực tế hơn. Zheng tin rằng đó sẽ là một thành phần quan trọng của các khuôn khổ cho mô hình hóa kinh tế và thiết kế chính sách. Một phần quan trọng trong số đó đối với các nhà nghiên cứu AI là chứng minh rằng bạn có thể tin tưởng vào những phương pháp này.

“Bạn muốn thể hiện những thứ như tính mạnh mẽ và khả năng giải thích. Chúng tôi muốn nói với mọi người ở đây là những lý do tại sao AI khuyến nghị chính sách này hoặc chính sách kia. Ngoài ra, tôi rất tin tưởng đây là một vấn đề liên ngành. Tôi nghĩ cơ hội thực sự ở đây là dành cho các nhà nghiên cứu AI làm việc cùng với các nhà kinh tế học, làm việc cùng với các chuyên gia chính sách để hiểu không chỉ các khía cạnh kỹ thuật của vấn đề mà còn để hiểu công nghệ đó có thể hữu ích như thế nào đối với xã hội”, Zheng nói.

Hai khía cạnh mà Zheng nhấn mạnh về nghiên cứu này là thiết lập mục tiêu và tính minh bạch. Việc thiết lập mục tiêu, tức là những kết quả cần tối ưu hóa, được thực hiện bên ngoài. Điều này có nghĩa là liệu hệ thống có nên tối ưu hóa để đạt được sự bình đẳng tối đa, năng suất tối đa, trạng thái cân bằng của chúng hoặc có khả năng trong tương lai hay không, kết hợp các tham số khác như tính bền vững cũng là lựa chọn thiết kế tùy thuộc vào người dùng.

Zheng mô tả “hoàn toàn minh bạch” là nền tảng của dự án. Theo Zheng, nếu trong tương lai các loại hệ thống này sẽ được sử dụng vì lợi ích xã hội, thì mọi người sẽ có thể kiểm tra, đặt câu hỏi và phê bình chúng, theo Zheng. Để phục vụ mục tiêu này, nhóm AI Economist đã mã nguồn mở tất cả các mã và dữ liệu thử nghiệm dựa trên nghiên cứu.

Một phần khác trong con đường phía trước của nhóm Nhà kinh tế AI là tiếp cận nhiều hơn với cộng đồng kinh tế. “Tôi nghĩ rằng có một chút giáo dục ở đây, nơi các nhà kinh tế học ngày nay không được đào tạo thành các nhà khoa học máy tính. Chẳng hạn, họ thường không được dạy lập trình bằng Python. Và những thứ như RL cũng có thể không phải là thứ nằm trong chương trình giảng dạy tiêu chuẩn hoặc cách suy nghĩ của họ. Tôi nghĩ rằng có một cơ hội thực sự lớn ở đây cho nghiên cứu liên ngành,” Zheng nói.

Nhóm Nhà kinh tế AI liên tục trò chuyện với các nhà kinh tế và trình bày công việc này với cộng đồng khoa học. Zheng cho biết nhóm đang thực hiện một số dự án mà họ sẽ có thể chia sẻ nhiều hơn trong tương lai gần. Ông kết luận rằng một chút giáo dục để làm cho mọi người quen với cách tiếp cận này và giao diện người dùng/UX thân thiện hơn với người dùng có thể là một chặng đường dài.

• Coinsmart. Sàn giao dịch Bitcoin và tiền điện tử tốt nhất Châu Âu.Bấm vào đây
• Platoblockchain. Web3 Metaverse Intelligence. Khuếch đại kiến ​​thức. Truy cập Tại đây.
• nguồn: https://www.zdnet.com/article/salesforces-ai-economist-research-wants-to-explore-the-equilibrium-between-equality-and-productivity/#ftag=RSSbaffb68