本文轉(zhuǎn)載自公眾號“讀芯術(shù)”(ID：AI_Discovery)。

人工智能可謂是200年以來自動(dòng)化的集大成者，近年來發(fā)展迅速，在保持生產(chǎn)力的同時(shí)又提供了極高的高精度和精確性。

機(jī)器學(xué)習(xí)在數(shù)據(jù)科學(xué)和自動(dòng)化的各個(gè)領(lǐng)域得到了廣泛的應(yīng)用，但在經(jīng)濟(jì)學(xué)領(lǐng)域的應(yīng)用并不多見。本文的目的就是具體介紹機(jī)器學(xué)習(xí)在當(dāng)前經(jīng)濟(jì)結(jié)構(gòu)中的應(yīng)用及其未來的可能性。

機(jī)器學(xué)習(xí)的任務(wù)是使開發(fā)的算法被設(shè)計(jì)用于數(shù)據(jù)集，其主要的領(lǐng)域是預(yù)測，分類和聚類任務(wù)。

計(jì)量經(jīng)濟(jì)學(xué)指將統(tǒng)計(jì)方法應(yīng)用于經(jīng)濟(jì)數(shù)據(jù)，以便為經(jīng)濟(jì)關(guān)系提供經(jīng)驗(yàn)內(nèi)容。更確切地說，它是“在理論和觀察同時(shí)發(fā)展的基礎(chǔ)上，通過適當(dāng)?shù)耐评矸椒▽?shí)際經(jīng)濟(jì)現(xiàn)象進(jìn)行定量分析”。一本經(jīng)濟(jì)學(xué)入門教科書將計(jì)量經(jīng)濟(jì)學(xué)描述為讓經(jīng)濟(jì)學(xué)家可以“從堆積如山的數(shù)據(jù)中篩選出簡單的關(guān)系”。

行為經(jīng)濟(jì)學(xué)是在研究心理、認(rèn)知、情感、文化和社會因素對個(gè)人和機(jī)構(gòu)決策的影響，以及這些決策與經(jīng)典經(jīng)濟(jì)理論表達(dá)內(nèi)容的不同之處。

[[337713]]

圖源：unsplash

目前，因果推理仍然需要人類親自上陣，但是機(jī)器學(xué)習(xí)使經(jīng)濟(jì)學(xué)家能夠更快地處理更大的數(shù)據(jù)集來解決大問題。

經(jīng)濟(jì)預(yù)測

首先需要提到的是機(jī)器學(xué)習(xí)如何為經(jīng)濟(jì)預(yù)測做出貢獻(xiàn)。

進(jìn)行經(jīng)濟(jì)預(yù)測時(shí)，我們通常希望通過將利率、零售額和失業(yè)率等指標(biāo)應(yīng)用到使用的統(tǒng)計(jì)模型中，來預(yù)測未來經(jīng)濟(jì)的國內(nèi)生產(chǎn)總值(GDP)。在相同的場景中使用機(jī)器學(xué)習(xí)時(shí)，請查看這個(gè)結(jié)果：

利用機(jī)器學(xué)習(xí)預(yù)測當(dāng)前GDP增長

休·丹斯和約翰·霍克斯沃斯利用一種被稱為彈性網(wǎng)正則化和變量選擇的機(jī)器學(xué)習(xí)技術(shù)，建立了一個(gè)實(shí)時(shí)分析模型。盡管它仍然嚴(yán)重依賴人類專家的投入，但在預(yù)測GDP增長時(shí)，它能夠達(dá)到95%左右的準(zhǔn)確率。

那么問題來了：“是什么使這種建模方法不同于經(jīng)典的計(jì)量經(jīng)濟(jì)學(xué)?”

與標(biāo)準(zhǔn)回歸模型相比，機(jī)器學(xué)習(xí)的誤差百分比更低

機(jī)器學(xué)習(xí)模型能夠分析數(shù)億字節(jié)，同時(shí)最小化外部干擾，不像標(biāo)準(zhǔn)的經(jīng)濟(jì)計(jì)量模型那樣，它們是基于因果推理來分析數(shù)據(jù)。設(shè)計(jì)機(jī)器學(xué)習(xí)模型并不是為了確定變量之間的因果關(guān)系，而是為了合理的預(yù)測，這些模型有優(yōu)點(diǎn)也有缺點(diǎn)。

印度央行經(jīng)濟(jì)學(xué)家巴努·普拉塔普和肖馮·森古普塔希望在機(jī)器學(xué)習(xí)中尋找到改善宏觀經(jīng)濟(jì)預(yù)測的方法。他們將機(jī)器學(xué)習(xí)模型與傳統(tǒng)模型進(jìn)行了比較，最后發(fā)現(xiàn)機(jī)器學(xué)習(xí)模型產(chǎn)生了更好的結(jié)果。

在對機(jī)器學(xué)習(xí)模型和經(jīng)濟(jì)計(jì)量模型進(jìn)行了所有的比較之后，可能會出現(xiàn)這樣一個(gè)問題：“這是否意味著這兩個(gè)框架不能協(xié)同工作?”

答案是否定的，在同一個(gè)項(xiàng)目中實(shí)施機(jī)器學(xué)習(xí)和計(jì)量經(jīng)濟(jì)學(xué)皆是必要的。隨著機(jī)器學(xué)習(xí)應(yīng)用程序逐漸精通粒度預(yù)測，其開發(fā)人員將面臨因果關(guān)系的問題。因此，在機(jī)器學(xué)習(xí)體系中協(xié)調(diào)計(jì)量經(jīng)濟(jì)學(xué)可以使機(jī)器學(xué)習(xí)開發(fā)者了解是什么推動(dòng)了他們模型的預(yù)測成功。

行為經(jīng)濟(jì)學(xué)中的機(jī)器學(xué)習(xí)

[[337714]]

圖源：unsplash

機(jī)器學(xué)習(xí)強(qiáng)大的模式識別能力使得它在行為經(jīng)濟(jì)學(xué)中有著廣泛應(yīng)用前景。在使用現(xiàn)有數(shù)據(jù)來預(yù)測未來的行為時(shí)，機(jī)器學(xué)習(xí)的作用十分出眾。

人類是模式探索者，在行為經(jīng)濟(jì)學(xué)領(lǐng)域，如果能很好地運(yùn)用機(jī)器學(xué)習(xí)應(yīng)用程序，我們將能夠預(yù)測人們的決策。

下圖是一個(gè)決策樹狀模型，它是機(jī)器學(xué)習(xí)算法的一個(gè)分支，包括從對項(xiàng)目的觀察，到發(fā)現(xiàn)項(xiàng)目目標(biāo)值的最終結(jié)果。這一算法的目標(biāo)是開發(fā)一個(gè)能夠根據(jù)輸入變量預(yù)測決策的模型。

我們不會深入研究這種算法背后的具體步驟，但能得到的是，這些生產(chǎn)商能夠根據(jù)這種模式制定營銷策略，并為他們的業(yè)務(wù)帶來效益，從而有利于整體經(jīng)濟(jì)。

決策樹狀圖示例

產(chǎn)品改進(jìn)和生產(chǎn)

我們用機(jī)器學(xué)習(xí)所做的很多事情都是在表面之下進(jìn)行的。機(jī)器學(xué)習(xí)驅(qū)動(dòng)算法，用于需求預(yù)測、產(chǎn)品搜索排名、產(chǎn)品和交易建議、商品銷售安排、欺詐檢測、翻譯等。雖然不太明顯，但機(jī)器學(xué)習(xí)的大部分影響將是這種類型的——悄然但有意義地改進(jìn)核心操作。

數(shù)據(jù)的收集和存儲變得越來越便宜和高效。在機(jī)器學(xué)習(xí)的幫助下，制造商能夠在保持相同質(zhì)量的同時(shí)降低制造成本。制造業(yè)的基本目標(biāo)本就是以最低的成本生產(chǎn)出高質(zhì)量的產(chǎn)品。

在制造過程中，機(jī)器學(xué)習(xí)算法從制造層獲取信息，制造數(shù)據(jù)來描述機(jī)器和生產(chǎn)速度之間的同步性。AI和機(jī)器學(xué)習(xí)最大的一個(gè)優(yōu)點(diǎn)就是它為行業(yè)中提供了更高的靈活性。

德國南部有一家洗發(fā)水工廠，只有一條生產(chǎn)線，但其生產(chǎn)功能是通過在線接收訂單實(shí)現(xiàn)的。收到訂單后，它在瓶子上貼上定制的RFID標(biāo)簽，并使用制造機(jī)器上的傳感器添加不同的組件。這不僅極大限度地縮短了生產(chǎn)時(shí)間，而且完全根據(jù)消費(fèi)者的需求定制產(chǎn)品。

[[337715]]

圖源：unsplash

普華永道表示，到2030年，經(jīng)濟(jì)學(xué)中的機(jī)器學(xué)習(xí)可以將生產(chǎn)率提高14.3%。機(jī)器學(xué)習(xí)的潛力是無窮的，它已經(jīng)為各個(gè)領(lǐng)域做出了貢獻(xiàn)，并為當(dāng)前的行業(yè)增加了額外的效益。

隨著人工智能的發(fā)展，相信現(xiàn)有的經(jīng)濟(jì)模型和機(jī)器學(xué)習(xí)模型的結(jié)合必將為經(jīng)濟(jì)學(xué)家們打開一扇新的大門。

【責(zé)任編輯：趙寧寧 TEL：（010）68476606】