Η παγκόσμια οικονομική ανισότητα έχει σοβαρές συνέπειες για τις ευκαιρίες, την υγεία και την κοινωνική ευημερία. Κάποιες φορές οι κυβερνήσεις προσπαθούν να αντιμετωπίσουν αυτές τις αποκλίσεις μέσω ειδικών σχεδιασμένων και διαχειριζόμενων φόρων.
Ο σχεδιασμός πολιτικών που μεγιστοποιούν την κοινωνική ευημερία, από την άλλη πλευρά, είναι μια περίπλοκη πρόκληση, ειδικά στην τρέχουσα οικονομία, δεδομένων των βαθιών αλλαγών στη συμπεριφορά των φορολογουμένων. Το ερώτημα εάν οι άνθρωποι ή τα μοντέλα τεχνητής νοημοσύνης μπορούν να δημιουργήσουν μια πιο αποτελεσματική φορολογική πολιτική παρέμενε πάντα.
Εξετάζοντας τις περιπλοκές και τον τεράστιο όγκο δεδομένων κατάρτισης που απαιτούνται για τη δημιουργία μιας δίκαιης και δίκαιης πολιτικής, μπορεί κανείς να καταλήξει σε μια δίκαιη λύση. Οι ερευνητές του Salesforce έχουν διαπιστώσει ότι η τεχνητή νοημοσύνη μπορεί να δημιουργήσει μια ιδανική φορολογική πολιτική, ενισχύοντας την αξίωσή τους με την ανάπτυξη του AI Economist, ενός συστήματος Ενισχυτικής Μάθησης (ΣΕΜ).
Η εναρκτήρια έκδοση του AI Economist έδειξε ότι η τεχνητή νοημοσύνη θα μπορούσε να βελτιώσει σημαντικά τη σχέση μεταξύ ισότητας και παραγωγικότητας, αποδεικνύοντας ότι είναι πιο επιτυχημένη από τις παραδοσιακές οικονομικές μεθόδους. Αυτή η καθαρά προσομοιωμένη και βασισμένη σε δεδομένα λύση δεν στοχεύει να αντικαταστήσει εξ ολοκλήρου την ανθρώπινη λήψη αποφάσεων, αλλά να διευκολύνει τις δουλειές των κυβερνητικών αξιωματούχων βοηθώντας τους να αναπτύξουν ευνοϊκές φορολογικές πολιτικές. Αξίζει να σημειωθεί ότι το σύστημα προτείνει μόνο τη βέλτιστη στρατηγική για έναν στόχο που τελικά καθορίζουν οι άνθρωποι.
Το μοντέλο είναι μια βαθιά προσομοίωση δύο επιπέδων στην οποία η συμπεριφορά της κυβέρνησης και των οικονομικών παραγόντων μοντελοποιείται χρησιμοποιώντας το ΣΕΜ. Το πλαίσιο παράγει τις καταλληλότερες πολιτικές που επιτυγχάνουν υψηλό επίπεδο κοινωνικής ευημερίας λόγω των συνεχιζόμενων δοκιμών. Το σύστημα είναι κατασκευασμένο για να λειτουργεί σε δυναμικές οικονομίες, ενσωματώνοντας τις περιπλοκές του πραγματικού κόσμου και μπορεί να μάθει μόνο από δεδομένα για τη βελτιστοποίηση οποιουδήποτε κοινωνικοοικονομικού στόχου.
Μέσω αυστηρής ανάλυσης, η ομάδα διερεύνησε πώς οι ισχυρές αλληλεπιδράσεις επηρεάζουν τη βέλτιστη πολιτική απόφασης. Οι παραδοσιακές οικονομικές τεχνικές, που συνήθως υποθέτουν ότι οι άνθρωποι είναι ανεξάρτητοι πράκτορες που δεν αλληλεπιδρούν μεταξύ τους, αγωνίζονται να λογοδοτήσουν για αυτές τις επιπτώσεις δεύτερης τάξης. Οι ερευνητές μπορούν να ενσωματώσουν μια πλήρη απεικόνιση του περιβάλλοντος με τη βοήθεια μοντέλων που βασίζονται σε τεχνητή νοημοσύνη.
Η ομάδα πιστεύει ότι η προσφερόμενη μέθοδος ξεπερνά τα προηγούμενα προτεινόμενα πλαίσια με μεγάλο περιθώριο αφού την αξιολόγησε σε πιο ποικίλες προσομοιώσεις με διαφορετικές διατάξεις. Η προσομοίωση μπορεί να κλιμακωθεί ώστε να περιλαμβάνει πρόσθετους πράκτορες, καθιστώντας την κατάλληλη για μεγαλύτερες οικονομίες. Οι ερευνητές δηλώνουν ότι η ικανότητα του AI Economist να βρίσκει βέλτιστες πολιτικές που έχουν ήδη ανακαλυφθεί μέσω μαθηματικής ανάλυσης καταδεικνύει περαιτέρω την αξιοπιστία της λύσης.
Η τεχνητή νοημοσύνη μπορεί να βοηθήσει τους κυβερνητικούς αξιωματούχους να κάνουν καλύτερα ενημερωμένες κρίσεις σε έναν όλο και πιο περίπλοκο κόσμο και να εξηγήσει το σκεπτικό πίσω από αυτές τις πολιτικές στο ευρύτερο κοινό. Τέτοια μοντέλα τεχνητής νοημοσύνης έχουν μεγάλη δύναμη στην επανάσταση στη μελλοντική χάραξη πολιτικής. Η ομάδα πιστεύει ότι η πιο σωστή στρατηγική είναι οι άνθρωποι και η τεχνητή νοημοσύνη να συνεργάζονται για το γενικότερο καλό συνδυάζοντας τις δυνάμεις και τις ιδέες τους. Η ομάδα ελπίζει ότι η κοινότητα θα δει αυτή τη μελέτη ως ένα σκαλοπάτι στη διασταύρωση της μηχανικής μάθησης και της οικονομικής έρευνας, ειδικά για έναν πιο σημαντικό κοινωνικό αντίκτυπο.
*Η μελέτη βασίζεται στο paper The AI Economist: Taxation policy design via two-level deep multiagent reinforcement learning
*Πηγή άρθρου: marketchpost.com
