Subiecte populare
#
Bonk Eco continues to show strength amid $USELESS rally
#
Pump.fun to raise $1B token sale, traders speculating on airdrop
#
Boop.Fun leading the way with a new launchpad on Solana.
Sunt adesea întrebat: Unde face învățarea profundă o diferență reală în capacitățile noastre computaționale în economie?
Răspunsul meu? În rezolvarea modelelor de evaluare integrată (IAM) ale schimbărilor climatice. În această clasă de modele, vrem să înțelegem bucla de feedback dintre macro și climă.
Aceasta este o problemă de calcul extrem de complicată deoarece:
1️⃣ Nu este staționar.
2️⃣ Este foarte neliniar.
3️⃣ Este foarte dimensional.
Din aceste trei motive, multe IAM au simplificat excesiv problema sau au ignorat mecanisme economice importante.
Într-o lucrare recentă publicată în urmă cu câteva zile, Kenneth Gillingham, @comp_simon, și cu mine arătăm cum să aplicăm învățarea profundă pentru a rezolva IAM mult mai sofisticate.
Puteți citi lucrarea aici:
Mai precis, arătăm modul în care învățarea profundă îmbunătățește acuratețea soluțiilor noastre și relevanța constatărilor politicilor:
1️⃣ Învățarea profundă poate face față non-staționarităților.
2️⃣ Învățarea profundă se poate ocupa de neliniarități.
3️⃣ Învățarea profundă se poate ocupa de probleme de dimensiuni înalte.
Există în mod clar o oportunitate deschisă aici pentru multe lucrări ulterioare. Cu toate acestea, acesta este un domeniu pentru care profesia economică nu este potrivită.
Pentru a-și îndeplini promisiunea, acest tip de cercetare necesită echipe de cel puțin o jumătate de duzină de cercetători (de la experți în managementul datelor la oameni de știință din domeniul climei, de la programatori la macroeconomiști) și nu avem structura instituțională pentru o astfel de colaborare.
Majoritatea lucrărilor în economie sunt co-scrise de echipe ad-hoc de cercetători, iar granturile oferă de obicei doar câțiva ani de sprijin, ceea ce nu permite continuitatea echipelor și investiția în abilitățile specifice meciului necesare.
Ideea merge dincolo de IAM-uri. Pe măsură ce devenim un domeniu mai cantitativ și bazat pe date, multe proiecte de cercetare (dar nu toate) necesită un mediu de laborator mai structurat, similar cu cel al științelor naturale și nu ne-am dat seama cum să realizăm acest lucru.
Sperăm că profesia va face progrese pe acest front în următorii ani.

32,44K
Limită superioară
Clasament
Favorite