Často se mě lidé ptají: Kde hluboké učení skutečně mění naše výpočetní schopnosti v ekonomii? Moje odpověď? Při řešení integrovaných modelů hodnocení (IAM) změny klimatu. V této třídě modelů chceme porozumět smyčce zpětné vazby mezi makro a klimatem. Jedná se o extrémně komplikovaný výpočetní problém, protože: 1️⃣ Je nestacionární. 2️⃣ Je vysoce nelineární. 3️⃣ Je vysoce dimenzionální. Z těchto tří důvodů mnoho modelů IAM tento problém příliš zjednodušilo nebo ignorovalo důležité ekonomické mechanismy. V nedávné studii publikované před několika dny s názvem Změna klimatu optikou makroekonomického modelování Kenneth Gillingham a já ukazuje@comp_simon me, jak aplikovat hluboké učení k řešení mnohem sofistikovanějších modelů IAM. Článek si můžete přečíst zde: Konkrétně ukazujeme, jak hluboké učení zvyšuje přesnost našich řešení a relevanci zjištění zásad: 1️⃣ Hluboké učení si dokáže poradit s nestacionaritami. 2️⃣ Hluboké učení si dokáže poradit s nelinearitami. 3️⃣ Hluboké učení se dokáže vypořádat s vysoce dimenzionálními problémy. Je zřejmé, že je zde otevřená příležitost pro mnoho navazujících prací. Jedná se však o oblast, pro kterou se ekonomická profese příliš nehodí. Aby tento typ výzkumu splnil svůj slib, vyžaduje týmy nejméně půl tuctu výzkumníků (od expertů na správu dat přes klimatology a kodéry až po makroekonomy) a my nemáme institucionální strukturu pro takovou spolupráci. Na většině článků v ekonomii se podílejí ad hoc týmy výzkumníků a granty obvykle nabízejí pouze několikaletou podporu, což neumožňuje kontinuitu v týmech a investice do požadovaných dovedností specifických pro danou shodu. Tento bod přesahuje rámec modelů IAM. Jak se stáváme více kvantitativním a datově řízeným oborem, mnoho výzkumných projektů (ale ne všechny) vyžaduje strukturovanější laboratorní prostředí podobné tomu v přírodních vědách a my jsme nepřišli na to, jak toho dosáhnout. Doufejme, že profese v příštích letech udělá v této oblasti pokrok.