Ասպիրանտուրա։ Ես դեռ հիշում եմ այս մեկ փորձարկումը, երբ իմ նեյրոնային ցանցը 20%-ով գերազանցեց իմ ռեգրեսիոն մոդելին։ Առանց կատակի՝ ես հենց նոր էի այրել էկոնոմետրիկայի դասընթացների շաբաթներ և դասագրքերի մի ամբողջ դրամապանակ։ Այդ պահը՞։ Մի լամպ։ Արհեստական բանականությունը ակտիվանում է, երբ բարդությունը խառնաշփոթ է դառնում՝ երբ անորոշությունը, վարքագիծը և օրինաչափությունների քաոսը կուտակվում են։.
-
Կաղապարների ճանաչում. խորը ցանցերը որսում են հատկանիշների օվկիանոսներ և գտնում են այնպիսի փոխկապակցվածություններ, որոնք տնտեսագետներին հազարավոր սուրճ կպահանջվեր հայտնաբերելու համար [1]:
-
Տվյալների մարսողություն. մոռացեք փոփոխականների ձեռքով ընտրության մասին. ML շարժիչները պարզապես ուտում են ամբողջ բուֆետը [1]:
-
Ոչ գծային վերլուծություն. պատճառահետևանքային զիգզագաձև գծի դեպքում նրանք չեն թարթում։ Սահմանային էֆեկտնե՞ր։ Ասիմետրիա՞։ Նրանք հասկանում են [2]:
-
Ավտոմատացում. Խողովակաշարերի կախարդանք։ Մաքրում, վերապատրաստում, կարգաբերում. դա նման է երբեք չքնող պրակտիկանտների։
Իհարկե, մենք դեռևս կողմնակալության ելակետային կոդն ենք։ Եթե այն սխալ սովորեցնեք, այն սխալ կսովորի։ Այդ էմոջիի աչքը թարթելը՞։ Այն արդարացված է։ 😉
Հոդվածներ, որոնք կարող են ձեզ դուր գալ կարդալ սրանից հետո
🔗 Աշխատատեղեր, որոնք արհեստական բանականությունը չի կարող փոխարինել և կփոխարինի
արհեստական բանականության ներկայիս և ապագա աշխատատեղերի վրա ազդեցության գլոբալ վերլուծությանը։
🔗 Լավագույն արհեստական բանականությունը ֆինանսական հարցերի համար։
Արհեստական բանականության լավագույն գործիքները, որոնք ապահովում են խելացի և ճշգրիտ ֆինանսական պատկերացումներ։
🔗 Արհեստական բանականությամբ աշխատող պահանջարկի կանխատեսման գործիքներ բիզնես ռազմավարության համար։
Գործիքներ, որոնք օգնում են բիզնեսներին կանխատեսել պահանջարկը և արդյունավետորեն պլանավորել ռազմավարությունները։
Համեմատական աղյուսակ. Արհեստական բանականության գործիքներ տնտեսագիտության համար
| Գործիք / Հարթակ | Ում համար է այն | Գինը | Ինչու է այն աշխատում / Նշումներ |
|---|---|---|---|
| Արհեստական բանականության տնտեսագետ (Salesforce) | Քաղաքականության մշակողներ | Անվճար (բաց կոդով) | RL մոդելները փորձարկման և սխալների միջոցով հասնում են ավելի լավ հարկային սխեմաների [3] |
| H2O.ai | Տվյալների գիտնականներ և վերլուծաբաններ | $$$ (տարբեր) | Քաշել-թողնելը հանդիպում է բացատրելիությանը՝ հիանալի համադրություն |
| Google AutoML | Ակադեմիկոսներ, ստարտափներ | Միջին միջակայք | Դուք սեղմում եք, այն սովորում է։ Լիարժեք, կոդի ընտրովի ML |
| Էկոնոմետրիկայի գործիքակազմ (MATLAB) | Հետազոտողներ և ուսանողներ | $$ | Հին դպրոցը հանդիպում է արհեստական բանականությանը. հիբրիդային մոտեցումները ողջունելի են |
| OpenAI-ի GPT մոդելները | Ընդհանուր օգտագործման | Ֆրեմիում | Ամփոփել։ Սիմուլյացիա անել։ Բանավիճել բանավեճի երկու կողմերի շուրջ։. |
| EconML (Microsoft) | Կիրառական հետազոտողներ | Անվճար | Պատճառական եզրակացության գործիքակազմ լուրջ ատամներով |
Կանխատեսողական մոդելավորումը վերափոխվում է 🧠
Ռեգրեսիան լավ ընթացք ունեցավ։ Բայց հիմա 2025 թվականն է, և՝
-
Նեյրոնային ցանցերն այժմ հետևում են տնտեսական փոփոխություններին, ինչպես ալիքային սյորֆերներ՝ կանխատեսելով գնաճը անսովոր ժամանակացույցով [2]:
-
NLP խողովակաշարերը Reddit-ում և Reuters-ում սպառողների անհանգստության և թաքնված տրամադրությունների կտրուկ աճի համար են։
-
Գործակալների վրա հիմնված մոդելները չեն ենթադրում. դրանք ստուգում են յուրաքանչյուր «ինչ կլիներ, եթե»՝ ամբողջ հասարակությունները գործարկելով in silico-ում։
Արդյունքը՞։ Կանխատեսումների սխալների 25%-ով անկում՝ կախված նրանից, թե ով է կատարում չափումները [2]: Ավելի քիչ ենթադրություն։ Ավելի հիմնավորված ապագաներ։.
Վարքային տնտեսագիտությունը հանդիպում է մեքենայական ուսուցմանը
Ահա թե որտեղ է ամեն ինչ դառնում… տարօրինակ։ Բայց հանճարեղ։.
-
Իռացիոնալ օրինաչափություններ. կլաստերներն ի հայտ են գալիս, երբ սպառողները իրենց պահում են մարդկանց պես։
-
Որոշումներից հոգնածություն. որքան երկար է մարդը գնումներ կատարում, այնքան ավելի վատ են նրա ընտրությունները։ Մոդելները արտացոլում են մարումը։
-
Միկրո-մակրո հղումներ. Ձեր գնած սուրճը՞։ Դրանք տվյալներ են։ Իսկ երբ ամփոփվում են։ Վաղ ազդանշանները՝ բարձր։
Եվ հետո կա դինամիկ գնագոյացում, որտեղ ձեր գնումների զամբյուղը փոխվում է վայրկյան առ վայրկյան։ Սարսափելի՞ է։ Գուցե։ Բայց այն աշխատում է։.
Արհեստական բանականությունը տնտեսական քաղաքականության նախագծման մեջ
Քաղաքականության մոդելավորումն այլևս չի սահմանափակվում աղյուսակներով։.
«AI Economist միջավայրը սովորել է պրոգրեսիվ հարկային քաղաքականություններ, որոնք 16%-ով բարելավել են հավասարությունն ու արտադրողականությունը՝ համեմատած ստատիկ բազային ցուցանիշների հետ» [3]:.
Պարզ լեզվով ասած՝ ալգորիթմները խաղացին «փորձարկված կառավարություններ» և մշակեցին ավելի լավ հարկային կարգավորումներ։ Բյուջետային սահմանափակումները դեռևս գործում են։ Բայց հիմա դուք կարող եք քաղաքականության նախատիպը կոդի մեջ դնել, նախքան այն իրական տնտեսություններում կիրառելը։.
Իրական աշխարհի տնտեսական կիրառություններ 🌍
Սրանցից ոչ մեկը վեյփվեյր չէ։ Այն տարածվում է՝ անաղմուկ, արդյունավետ, ամենուրեք։
-
Կենտրոնական բանկերը օգտագործում են մեքենայական ֆինանսավորմամբ պայմանավորված սթրեսի մոդելներ՝ ֆինանսական ճեղքերը հետազոտելու համար, նախքան դրանց ընդլայնումը [2]:
-
Մանրածախ առևտրականները կրճատում են պաշարների պակասի մակարդակը կանխատեսողական վերալիցքավորման համակարգերի միջոցով [4]:
-
Վարկային մասնագետները արդյունահանում են այլընտրանքային տվյալներ (օրինակ՝ ձեր հեռախոսի հաշիվը)՝ ավելի շատ մարդկանց համար վարկային դռներ բացելու համար։
-
Աշխատանքի վերլուծաբանները բազեների պես հետևում են աշխատանքի հայտարարությունների հոսքերին` որակավորման պակասը կանխելու համար։
Դա մի օրի բան չէ։ Դա հիմա է։.
Սահմանափակումներ և էթիկական ականներ
Ժամանակն է ռեալիզմի սառը շիթերի։
-
Կողմնակալության մեծացում. Եթե ձեր տվյալների հավաքածուն անճաշակ է, ապա ձեր կանխատեսումները նույնպես անճաշակ են։ Եվ ավելի վատը՝ դրանք մասշտաբային են [5]:
-
Անթափանցիկություն. չե՞ք կարողանում բացատրել։ Մի՛ օգտագործեք այն։ Բարձր ռիսկային զանգերը թափանցիկության կարիք ունեն։
-
Հակառակորդական խաղ. Բոտերը ձեր մոդելը նվագում են ինչպես ջութակ: Այո, դա ռիսկ է:
Այո, էթիկան միայն փիլիսոփայական չէ. այն ենթակառուցվածքային է։ Պաշտպանիչ ցանկապատերը կարևոր են։.
Ինչպես սկսել արհեստական բանականությունը օգտագործել ձեր տնտեսական աշխատանքում
Դոկտորի կամ նեյրոնային իմպլանտի կարիք չկա։ Պարզապես՝
-
Հարմարավետորեն օգտագործեք Python-ը ՝ pandas, scikit-learn, TensorFlow: Նրանք իսկական MVP-ներն են:
-
Թալանեք բաց տվյալների պահոցները ՝ Քագգլ, Արժույթի միջազգային հիմնադրամ, Համաշխարհային բանկ։ Դրանք լի են ոսկով։
-
Նոթատետրերում խաղալը հեշտ է . Google Colab-ը ձեր խաղահրապարակն է առանց տեղադրման։
-
Հետևեք մտածողներին . X-ը (ուֆ, նախկինում՝ Twitter) և Substack-ը գանձերի քարտեզներ ունեն։
Նույնիսկ Reddit-ի անճաշակ սենտիմենտալ վերլուծիչը կարող է ձեզ ասել այն, ինչ Bloomberg տերմինալը չի կարող ասել։.
Ապագան կանխատեսելի է, ոչ թե կատարյալ
Արհեստական բանականությունը հրաշք չէ։ Բայց հետաքրքրասեր տնտեսագետի ձեռքում՞։ Այն գործիքակազմ է նրբերանգների, հեռատեսության և արագության համար։ Համատեղեք ինտուիցիան հաշվարկների հետ, և դուք այլևս չեք կռահի՝ դուք կկանխատեսեք։.
📉📈
Գտեք արհեստական բանականության վերջին նորույթները պաշտոնական արհեստական բանականության օգնականների խանութում
Մեր մասին
Հղումներ
-
Մուլեյնաթան, Ս. և Սփիս, Ջ. (2017): Մեքենայական ուսուցում. կիրառական էկոնոմետրիկ մոտեցում: Տնտեսական հեռանկարների հանդես, 31(2), 87–106: Հղում
-
Մաջիտիա, Ք. և Դոյլ, Բ. (2020): Ինչպես կարող է արհեստական բանականությունը վերափոխել տնտեսական կանխատեսումը: Արժույթի միջազգային հիմնադրամ: Հղում
-
Վու, Ջ., Ջիանգ, Շ., և Լիհի, Կ. (2020): Արհեստական բանականության տնտեսագետ. Հավասարության և արտադրողականության բարելավում՝ արհեստական բանականության վրա հիմնված հարկային քաղաքականությամբ: NeurIPS: Հղում
-
McKinsey & Company. (2021): Ինչպես է արհեստական բանականությունը լուծում մանրածախ առևտրի մատակարարման շղթայի մարտահրավերները: Հղում
-
Angwin, J., Larson, J., Kirchner, L., & Mattu, S. (2016): Մեքենայի կողմնակալություն. ProPublica. Հղում