集智翻译-How artificial intelligence is changing economic theory集智翻译-How artificial intelligence is changing economic theory

来自集智百科
跳转到: 导航搜索

目录

人工智能在怎样对经济学理论产生改变?(How artificial intelligence is changing economic theory)

(translated by Jamie)

July 17, 2015 by Leah Burrows2015年7月17日,来自Leah Burrows

A century of economic theory assumed that, given their available options, humans would always make rational decisions. Economists even had a name for this construct: homo-economics, the economic man.

Have you ever met a human? We're not always the most rational bunch. More recent economic theory confronts that fact, taking into account the importance of psychology, societal influences and emotion in our decision-making.

So, are the theories that are predicated on homo economicus extinct? David C. Parkes, the George F. Colony Professor and Area Dean of Computer Science at Harvard John A. Paulson School of Engineering and Applied Sciences, doesn't think so. Humans may not always make rational decisions, but well-conceived algorithms do.

In a paper out today in the journal Science, Parkes and co-author Michael Wellman, of the University of Michigan, argue that rational models of economics can be applied to artificial intelligence (AI) and discuss the future of machina economicus.

Jake校对

一个世纪以来的经济理论有这样的假设,人们总是可以在给定的可选择的方案中,做出理性的决策。经济学者中甚至为这种同质的经济学概念赋予了一个名字:理性经济人。

你真的遇到过这样的人吗?我们并不总是一群最理性的动物。近期的经济学理论则更佳直面现实,即将心理学、社会影响和我们做决策时候的情绪等重要因素都考虑进来。

那么,这些建立在经济人基础上的理论会泯灭吗? 哈佛大学保尔森工程与应用科学学院的计算机科学系主任,the George F. Colony教授:David C. Parkes,不这么认为。人类并不总是做出理性决策,但严密的算法可以做到。

近期在《科学》期刊上发布的论文里,密歇根大学的Parkes和合著者Michael Wellman就提出了经济学理性模型可以应用于人工智能(AI),并且,他们还讨论了“机器经济学(machina economicus)”的未来。

原始翻译

一个世纪以来的经济理论有这样的假设,给人们一些可选择的选项,人们总是做出理性的决策。经济学者中甚至为这个概念有一个专门的名字:理性经济人。

你真的遇到过这样的人吗?我们并不总是做出最优化的决策。更多最近的经济学理论考虑到心理学、社会影响和情绪在我们作出决策时的重要性后,遇到的就是这样的事实。

所以,这些建立在经济人基础上的理论会泯灭吗? 哈佛大学保尔森工程与应用科学学院的计算机科学区域系主任David C. Parkes, the George F. Colony教授,不这么认为。人类并不总是做出理性决策,但严密的算法可以做到。

如今,在《科学》期刊上发布的论文里,密歇根大学的Parkes和合著者Michael Wellman,提出经济学理性模型可以应用于人工智能,并讨论了机器经济学的未来。

表面上看,新古典经济学理论和AI貌似八竿子打不着,它们哪里会、怎么会产生交集呢?(At first glance, neoclassical economic theory and AI seem like strange bedfellows. Where and how do they overlap?)

(translated by 陈开壮)

Parkes: The idea of rationality is a shared construct between AI and economics. When we frame questions in AI, we say: what are the objectives, what should be optimized and what do we know about the world we're in? The AI/economics interface has become quite fertile because there is a shared language of utility, probability, and reasoning about others.

Take, for example, the revelation principle in economics, which is a theory by which the design of economic institutions, such as markets, can be restricted to those where it is in the best interest of participants to truthfully reveal their utility functions. Today's Internet advertising systems, which are populated by artificial trading agents, are an operational version of this economic theory. Search engines are designing interfaces where advertisers reveal their budget constraints and goals, and these systems then provide the algorithms to fit those needs. You don't see many mechanisms like this in human societies but we may see them more and more in AI systems.

Jake 编辑

Parkes指出:理性的观念是一个AI和经济学共有的构想,当我们在AI中构建一个问题时,我们说:目标是什么?哪些是需要优化的以及对于我们所处的世界知道些什么?AI和经济学的相互联系就变得相当密切了,因为这(两者)存在着一种关于效用、概率以及对其他事物进行推理的共同语言。

比如,经济学中有一种显示原理,它可以作为经济制度(例如市场)设计的理论可以被限定性地应用到那些参与者能够实现最大利益以便反应他们真实效用的情形。如今,充斥了大量人工交易代理的互联网网广告系统就是一个采用这种经济学理论的现实版本。搜索引擎就是让广告主实现他们的预算约束和目标的设计界面,它提供了满足这些需求的算法。你并不会在人类社会中看到许多类似这样的机制,但可能在越来越多的AI系统中看到它们。

原文

Parkes指出:理性的观念是一个AI和经济学共有的构想,当我们在AI中构建一个问题时,我们说:目标是什么?哪些是需要优化的以及对于我们所处的世界知道些什么?AI和经济学的相互联系就变得相当密切了,因为这(两者)存在着一种关于效用、可能性以及对其他事物进行推理的共同语言。

比如,经济学中显示原理,作为一种经济制度设计(例如市场)所依赖的理论,它仅限于那些真实反映出它们效用函数的参与者最大利益的情形。如今人工交易代理采用的因特网广告体系就是这种经济学理论的现行版本。搜索引擎设计的交互界面展示出广告投放人他们的预算约束和目标,然后该系统提供满足这些需求的算法。你不会在人类社会中看到许多类似这样的机制,但可能在越来越多的AI系统中看到它们。

在描述理性AI的时候,当代经济学理论在哪些方面存在短板?(Where does current economic theory fall short in describing rational AI?)

(translated by 刘清晴)

Machina economicus might better fit the typical economic theories of rational behavior, but we don't believe that the AI will be fully rational or have unbounded abilities to solve problems. At some point you hit the intractability limit—things we know cannot be solved optimally—and at that point, there will be questions about the right way to model deviations from truly rational behavior.

Poker is great example of a complicated reasoning problem: a lot of information is missing, you don't know the cards of the other players, you're uncertain about the card that will be dealt next and you're reasoning against another reasoning agent.

Recently, researchers developed an algorithm that effectively solves Heads Up Limit Texas Hold'em, applying game theory from economics. Researchers have developed an AI that has attained perfect rationality in this setting, and have done so using a number of general-purpose techniques. But this has come about after decades of research, and only for a restricted, two player version of poker.

But perfect rationality is not achievable in many complex real-world settings, and will almost surely remain so. In this light, machina economicus may need its own economic theories to usefully describe behavior and to use for the purpose of designing rules by which these agents interact.

Jake校对

“机器经济学”可能更适合经典经济学理论中的理性行为,但是我们不相信AI会是完全理性的或者拥有无限的能力来解决问题。在某些时候你会碰到一些难啃的硬骨头,如我们已知的没有最优解的问题,这就会使得我们不得不面对针对偏离绝对理性的行为进行建模的问题。

扑克就是一个这种复杂推理问题的好例子:很多信息是缺失的,你不知道其他玩家的牌,你不确定下一步要对付什么牌,而且你是在用推理和其他会推理的玩家较量。

最近,研究者们借用了经济学中博弈论的思想,建立了一套可以有效解决德州扑克抬头限制问题(Heads Up Limit Texas Hold'em)的算法。他们利用一系列通用的技术开发了一种在这种设置下实现完美理性的AI。而这是建立在数十年的研究基础之上的,而且仅仅适用于严格限制的双人博弈的扑克游戏。

但是在很多复杂的现实世界设定下完美的理性是不可实现的,而且几乎可以肯定,情况永远都是这样。从这个角度出发,“机器经济学”可能需要它自己的经济学理论来解释行为,并用于Agent相互作用的规则设计。

原稿翻译

机器经济学家可能更适合经典经济学理论中的理性行为,但是我们不相信AI会是完全理性的或者拥有无限的能力来解决问题。在某些时候你遇到了难啃的骨头——已知没有最优解的问题——在这种时候,就会产生关于如何对偏离绝对理性的行为进行建模的问题。

扑克是复杂推理问题的一个很好的例子:很多信息是缺失的,你不知道其他玩家的牌,你不确定下一步要对付什么牌,而且你是在用推理和其他会推理的玩家较量。

最近,研究者们借用了经济学中博弈论的思想,建立了一套可以有效解决德州扑克抬头限制问题(Heads Up Limit Texas Hold'em)的算法。他们利用一系列通用的技术开发了一种在这种设置下可以具有完美的理性的AI。而这是建立在数十年的研究基础之上的,而且仅仅适用于严格限制的两个玩家的扑克。

但是完美的理性在很多复杂的现实世界设定下是不可实现的,而且几乎可以肯定,情况永远都将是这样。从这个角度出发,机器经济学家大概需要它自己的经济学理论来解释行为,并用于实现对彼此相互影响的因素设计规则这个目标。

除了扑克,还有什么理性的AI系统可做的比人类更好呢?(Besides poker, what would a rational AI system do better than a human?)

One of the more complicated things people do is buying and selling property. It's actually really hard to describe to your real estate agent what you're looking for. Your broker may have some ideas, but real feedback only comes when showing you properties. It's an inefficient system. AI researchers have been developing the idea that an AI would elicit your preferences initially by direct query. An AI can show you a comparison between two houses and ask which one you prefer. As you answer, the AI can build a model of your preferences, adaptively eliciting information until it can reason that it knows enough about your preferences that the AI would be able to go out and— if it was very successful—know what house to buy on your behalf. Even if it were only moderately successful, the AI would bring back a couple of options that did a good job of optimizing your preferences within the market.

Jake校对

人类做的更复杂的事情之一就是买卖房产。你实在很难向你的房地产代理描述你在寻找什么。你的中介可能有一些想法,但实际有效的反馈是只有当你展示你的房产的时候才产生的。这是一个低效的系统。AI可通过一些询问直接得出你的首要偏好——这是AI研究者现在致力于研发的想法。AI可以展示给你两个房间的对比,并问你更喜欢哪一个。根据你的回答,AI可以建立一个关于你喜好的模型,并据此引出新的问题,直到他可以推理出“他足够了解你的喜好因而可以结束了”,即如果他很成功,它就知道在你的角度上会买什么房。即使这只是部分成功,AI仍然可以给你带来一些在市场中足够优化你偏好的合理选项。

原稿

人类做的更复杂的事情之一就是买卖财产。你实在很难向你的房地产代理描述你在寻找什么。你的中介可能有一些想法,但实际有效的反馈是只有当你展示你的properties时产生的。这是一个低效而模糊的系统。AI可通过一些询问直接得出你的首要偏好——这是AI研究者现在致力于研发的想法。AI可以展示给你两个房间的对比,并问你更喜欢哪一个。根据你的回答,AI可以建立一个你的喜好模型,并据此引出新的问题,直到他可以推理出“他足够了解你的选择因而可以结束了”,即如果他很成功,知道在你的角度上会买什么房。即使其只是很有限地成功,对于在市场里优化你的偏好来说仍是做了件好事,AI会带回几个选项。

人类将如何与这些理性机器互动?(How would humans interact with these rational machines?)

(translated by 王泽宇)

One way a machine can understand you and your preferences is to observe how you act. There is an approach called inverse reinforcement learning—economists call it revealed preference—where if an AI sees the decisions you make every day, it can begin to understand something about you. What your trade offs are, how you spend your time, what you like to wear and when, who do you like to talk to, who do you not like to talk to, etc. By observing your behavior, the AI can begin to build a model of your preferences. Then, you can imagine over time the AI could start acting on those preferences and interposing itself—hopefully not in a creepy way.

Researchers have been developing techniques that look at your electronic information stream—your emails, voicemails, social media use—and learn about such things as your work environment, its hierarchy, who your manager is, and who reports to you. From there, the AI can decide which communications you actually need to see when. It can know when you're in a meeting and only interrupt you when someone important calls. It can do that based on modeling the value to you of information versus the cost of interruption. As the AI begins to do more for you, it can learn based on the choices you make. Of course, this presupposes that you're making rational choices on your own behalf, so your revealed preferences may not be the same as what your preferences should be.

Jake校对

观察你的行为是机器理解你和你偏好的一种方式。有一种被称为逆强化学习或者说被经济学家称为显示性偏好的方法,它是指一个AI通过每天观察你做出的决定进而能够理解你的一些特征。例如你如何权衡,如何安排时间,你喜欢穿什么,你喜欢和谁在什么时间交谈,不喜欢和谁交谈,等等。通过观察你的行为,AI可以建立你的偏好模型。接下来你可以想象,随着时间的推移,AI可以针对你的偏好做出不同的行为,甚至能够加入它自己的想法——希望它不会那么令人担忧。

研究人员一直在开发一项技术,AI能够通过查看你的电子信息流,比如你的电子邮件、语音信箱、社交媒体使用等,也包括了解诸如你的工作环境、工作结构、谁领导你、你领导谁等信息,从中可以根据不同场合决定哪些信息你确实需要查看。它可以知道你什么时候在开会,并且只会在有非常重要的人的电话时才打断你的会议。它是通过建模你对于信息的价值和打断的成本来做出决策的。随着AI为你做的事情越来越多,它可以根据你的选择来学习。当然,这是以你自己的理性选择为前提的,所以它能揭示出来的你的偏好可能不同于你的偏好。

原稿

观察你的行为是机器理解你和你的偏好的一种方式。有一种被称为逆强化学习或者说被经济学家称为显示性偏好的方法,它是指一个AI通过每天观察你做出的决定进而能够理解你的一些特征。例如你如何权衡,如何安排时间,不同时间你喜欢穿什么,你喜欢和谁交谈,不喜欢和谁交谈,等等。通过观察你的行为,AI可以建立你的偏好模型。接下来你可以想象,随着时间的推移,AI可以针对你的偏好做出不同的行为,甚至能够加入它自己的想法——希望它不会令人毛骨悚然。

研究人员一直在开发一项技术,它能够查看你的电子信息流,比如你的电子邮件、语音信箱、社交媒体使用等,也能够了解诸如你的工作环境、工作结构、谁领导你、你领导谁等信息。从中AI可以根据不同场合决定哪些信息你确实需要查看。它可以知道你什么时候在开会,并且只会在有非常重要的人的电话时才打断你的会议。它是基于比较得到信息的价值和被打断的成本的模型来做出决策的。随着AI为你做的事情越来越多,它可以根据你的选择来学习。当然,这是以你自己的理性选择为前提的,所以你的显示性偏好可能不同于你的偏好。

建立机器经济学的最大挑战是什么?(What are the biggest challenges in building machina economicus?)

The problems AIs will be solving, whether they are in a market or social context, are complex problems, especially where there are other participants in the system.

Optimal behavior will often depend on the behavior of others, making this quite different from reasoning about an environment where you are the only actor. If an AI is acting to buy, sell or exchange information or to set the price for something, it needs to reason about what other AIs are doing in the system as well.

Jake校对

建立机器经济学的最大挑战是什么? by 庞博

无论是在市场或是社会环境下,人工智能将要解决的问题都是复杂的,尤其是当这个系统中常常包含有其他参与者的时候。

由于最佳行动方式常常取决于其他参与者的行为,所以这就与那些环境中只有你自己唯一一个行动者的环境有本质的不同。如果人工智能正在买入,卖出或交易信息,或为某样东西定价,它需要推算出其他AI在系统中是如何做的。

原文

建立机器经济学的最大挑战是什么? by 庞博

无论是在市场或是社会背景下,人工智能将要解决的问题是复杂问题,并且这个系统中常常包含有其他参与者。

找到最佳行动方式常常取决于其他人的行为,这与那些环境中只有你自己唯一一个行动者的情况有所不同。如果人工智能实施了买入,卖出或交易信息,或为某样东西定价,它需要推算出其他人工智能在系统中是如何做的。

建立某种过分理性的东西是不是存在危险呢?(Are there dangers in building something that is too rational?)

Rationality can lead to unintended consequences. If you tell an AI car to get into the city as quickly as possible, it might run some lights because its optimizing and reasoning about the probability of getting caught versus getting to its destination quickly.

Analogies like this ring true to the stock market as well. At the moment, we're living in a time where the presence of fast, algorithmic trading algorithms is leading to concerns about the fairness and efficiency of the stock markets. However, AI can also make markets more efficient, by doing a better job of matching supply and demand and allocating resources to those who need them and better understanding preferences and societal considerations.

There are also important questions about how rapid progress in AI will affect the workplace and the broader economy, both in the U.S. and globally, and this is an area that economists and policy makers should be looking at and are looking at.


Jake校对

建立某种过分理性的东西是不是存在危险呢?by 庞博

理性可能会导致意料之外的结果。如果你告诉一辆人工智能汽车以最快速度进城,他在就会在经历了优化推理分析,综合考虑了被抓和快速到达这两件事之后,连闯几个红灯。

这样的事情在证券市场上似乎也会发生。这是因为我们正生活在由快速交易算法主导了股票市场公平性和效率的环境下。但是,人工智能也可以让供给与需求相匹配,将资源分配给更需要的人,能更好地理解优先性以及进行更多社会学考量,从而使得这个市场更具效率。

还有一些重要的问题值得思考,例如人工智能的快速发展将会如何影响美国以及全球的工厂和更广阔的经济体,这是一个经济学家和政策制定者应该并且也是他们正在考虑的问题。



原文链接: http://phys.org/news/2015-07-artificial-intelligence-economic-theory.html#jCp

参考文献:

David C. Parkes and Michael P. Wellman: Economic reasoning and artificial intelligence, Science, 2015, 349, 267-272


原文

建立某种过分理性的东西是不是存在危险呢?by 庞博

理性可能会导致意料之外的结果。如果你告诉一辆人工智能汽车以最快速度进城,他在优化和推理分析被抓概率和尽快达到目的地这两件事之后,可能会闯几个红灯。

这样的事情在证券市场上也是一样。目前,我们生活的时代存在着快速演算的交易算法,这会使人关心证券市场的公平性和效率问题。但是,人工智能也可以做更好的工作,例如使供给与需求相匹配,将资源分配给更需要的人,能更好地理解优先性以及赋予更多社会学考量,从而使得这个市场更具效率。

还有一些重要的问题值得思考,例如人工智能的快速发展会如何影响美国以及全球的生产和整体经济,这是一个经济学家和政策制定者应该并且正在考虑的问题。



原文链接: http://phys.org/news/2015-07-artificial-intelligence-economic-theory.html#jCp

个人工具
名字空间
操作
导航
工具箱