Minulta kysytään usein: Missä syväoppiminen todella vaikuttaa laskennallisiin kykyihimme taloustieteessä? Vastaukseni? Ilmastonmuutoksen integroitujen arviointimallien (IAM) ratkaisemisessa. Tässä malliluokassa haluamme ymmärtää makron ja ilmaston välistä takaisinkytkentäsilmukkaa. Tämä on erittäin monimutkainen laskennallinen ongelma, koska: 1️⃣ Se ei ole paikallaan. 2️⃣ Se on erittäin epälineaarinen. 3️⃣ Se on erittäin ulotteinen. Näiden kolmen syyn vuoksi monet IAM:t ovat yksinkertaistaneet ongelmaa liikaa tai jättäneet huomiotta tärkeät taloudelliset mekanismit. Hiljattain muutama päivä sitten julkaistussa artikkelissa Climate Change Through the Lens of Macroeconomic Modeling, Kenneth Gillingham @comp_simon ja minä näytämme, kuinka syväoppimista voidaan soveltaa paljon kehittyneempien IAM:ien ratkaisemiseen. Voit lukea artikkelin täältä: Erityisesti osoitamme, kuinka syväoppiminen parantaa ratkaisujemme tarkkuutta ja poliittisten havaintojen merkityksellisyyttä: 1️⃣ Syväoppiminen voi käsitellä ei-stationaarisuutta. 2️⃣ Syväoppiminen voi käsitellä epälineaarisuutta. 3️⃣ Syväoppiminen voi käsitellä korkeaulotteisia ongelmia. Tässä on selvästi avoin mahdollisuus moniin jatkotoimiin. Tämä on kuitenkin ala, jolle taloustieteen ammatti ei sovellu hyvin. Lupauksensa täyttämiseksi tämäntyyppinen tutkimus vaatii vähintään puolen tusinan tutkijan ryhmiä (tiedonhallinnan asiantuntijoista ilmastotieteilijöihin, koodaajiin ja makrotaloustieteilijöihin), eikä meillä ole institutionaalista rakennetta tällaiselle yhteistyölle. Useimmat taloustieteen artikkelit ovat ad hoc -tutkijaryhmien kirjoittamia, ja apurahat tarjoavat yleensä vain muutaman vuoden tuen, mikä ei mahdollista jatkuvuutta ryhmissä ja investointeja tarvittaviin ottelukohtaisiin taitoihin. Pointti ulottuu IAM:iä pidemmälle. Kun meistä tulee kvantitatiivisempi ja datalähtöisempi ala, monet tutkimusprojektit (mutta eivät kaikki) vaativat luonnontieteiden kaltaista jäsennellympää laboratorioympäristöä, emmekä ole keksineet, miten se saavutetaan. Toivottavasti ammattikunta edistyy tällä rintamalla tulevina vuosina.
32,48K