AI /自动化

利用人工智能和CE创造经济机器

Martin Prause博士讲述计算经济学和人工智能如何改变商业

计算经济学（CE）是一种使用基于计算机的经济模式来解决分析和统计经济问题的纪律。在这次富有洞察力的面试中，Martin Preaate博士解释了CE和人工智能如何利用，以创造机械经济利用。利用CE在当今商业景观中的实际示例，他还揭示了AI如何在改善业务模拟方面发挥重要作用。

问您能否为我们 - 人工智能（AI），计算经济（CE）和建设“机械经济学”的点连接点吗？
一种简单而粗略的回答是:CE是人工智能方法在经济学中的应用。计算经济学(CE)是经济学和计算的交叉点。
了解CE和AI是如何连接的machina economicus，我们必须首先知道目前的经济理论是基于一系列假设，即：

• 人们对结果有理性的偏好
• 个人最大化效用，而公司最大化利润
• 人们根据充分和相关的信息独立行动

关于人类行为的这些假设会产生称为物种的构建经济人他是“经济人”。虽然这些假设不能准确地表示人类在现实世界中的行为，但它们对于定义一个分析模型是必要的。
人工智能研究人员的目标是构建一个合成经济人被称为Machina Cormorpus，（也被描述为完美的机器)。帕克斯和威尔曼最近的一篇文章解释了人工智能如何模仿经济人如果它能在不确定的情况下结合感知、结果偏好和行动来做出决定。
现在，计算经济学对企业有两个主要的经济应用:
例如:你不会在意你车里的GPS导航系统计算出的路线只比最优路线多花了一分钟。

软计算解决经济问题：软计算是指一套受自然启发的计算方法，如进化算法、群算法和人工神经网络，这些方法可以解决传统方法效率不高的现实世界问题。这是因为在许多情况下，计算最优解需要花费指数级的时间，而第二种解和最优解之间的收益差额通常很小。因此，我们可以安全地使用近似。在商业世界中，软计算被用于高频交易市场的迭代过程，在高频交易市场中，交易或投资都在几毫秒内完成。在这里，确定最佳投资组合或预测金融市场的最佳解决方案无法有效计算，因此，近似是次优选择。

理解行为的复杂系统建模:一个复杂的自适应系统(CAS)是一个“代理”彼此自主交互的系统。简单地说，代理是一个单元，它感知其环境，遵循流程规则对环境及其内部状态作出反应，并将其结果传播给其他代理进行交互。与传统分析系统相比，CAS的主要优势在于研究特定现象是如何出现的。由于CAS是自组织的，它允许非线性行为根据内部系统变化和环境变化而出现。
基于agent的建模(ABM)是研究经济动态的复杂自适应系统建模的一种特殊类型，即agent如何行为，从而更好地理解系统。它并不只关注结果，而是关注结果如何实现。换句话说，它是一种研究行为的方法论。ABM可以在社交网络中模拟互动、消费者行为、口碑广告、创新扩散等。一般来说，ABM用于为寻求建立政策、法规和预测的公司和政府生成假设情景。
用Arthur Samuel(1959)的话说，人工智能是“一个研究领域，它赋予计算机学习的能力，而不需要明确地编程。”从直升机的角度来看，人工智能大致包括三个领域:知识表示和优化、数据的自动分析和学习(即机器学习)。
CE和AI之间的联系是什么?首先，从理论角度来看，CE和AI使用相同的方法来解决问题。一个是为经济应用程序(CE)量身定制的，另一个不是为任何应用程序(AI)量身定制的。其次，从应用的角度来看，AI可以丰富agent在复杂自适应系统建模中的应用。因此，代理获得了与现实世界相匹配的认知能力，以增加现实世界的代表性。
总之，由于CAS，我们不仅可以学习均衡或特定结果，而且还可以研究它们的形成方式。此外，如果代理人的行为密切地模仿人类的行为，可以更好地理解微观和宏动态。
例如:有许多出版物试图评估英国退欧和最近中止的跨大西洋贸易与投资伙伴关系(TTIP)对外国直接投资(FDI)的影响。

问人工智能如何融入商业模拟中，如何帮助企业应对复杂性和不确定性?
一种业务模拟是模拟公司及其战略环境，如内部观点，竞争对手，客户，供应商和害虫 - 政治，经济，社会和技术方面的计算模拟。在教育中，这种模拟用于教授所有业务元素的连接方式。在工业中，它们用于使用适当的假设和现实世界的简化模型进行的。有许多系统到位，提供不同视图：ERP系统提供内部视图，CRM和Digital Marketing提供外部视图和竞争情报系统提供对战略环境的观点。
如果将这三个系统提供的信息聚合并输入到一个适当的模型中，就可以将其用于场景分析和市场预测，从而使所有业务单元的策略保持一致。
因此，对商业领袖来说，关键问题是:我的公司能否在这种环境下定义并执行一个一致且连贯的战略?

安德鲁·麦卡菲(Andrew McAfee)和埃里克·布林约尔松(Erik Brynjolfsson)在2014年出版的《第二次机器时代》(The Second Machine Age)一书中谈到，数据的生成和使用在不久的将来将以指数形式增长，尤其是如果机器能够通过训练自己变得更好，而不是仅仅从过去学习的话。数字系统比社会上其他系统的发展速度更快，增加了复杂性和不确定性。

在这里，当AI利用代理时，它就发挥作用了machina economicus在业务模拟中的范式。首先，可以基于更高级模型来研究动态。例如，代替使用分析供需模型，消费者和供应商可以代表为具有欲望，目标和认知能力的代理商。这有助于揭开公司环境的复杂性和不确定性。其次，进行声音 - 如果研究，必须测试数百个假设。因此，必须测试成千上万的模拟。此后，我们必须确定模式并研究结果。这是机器学习进入的地方，以识别动态模式并将它们与结果相关联。
下一步是放宽我们早期的假设经济人模型，从而使人类更接近人类受认知偏差的现实。日常生活或专业业务的人为决策受到缺乏信息，处理时间和资源有限。
一旦模型也能解释这个系统错误，企业就能更好地理解他们应该如何接近他们的供应商，或者他们应该如何计划他们的营销活动，等等。
示例：Daniel Kahneman和Amos Tversky（1973）展示了人类使用捷径来应对这些限制，这些认知表示和启发式易于对客观现实的系统差异。

问人工智能可以用于公司的商业模式和决策过程的方式是什么?
一种让我们从AI是一种认知，超智能，人工加工单元的想法，让我们远离暂时的想法，而是专注于AI方法，即知识表示，学习和优化。今天，AI应用市场非常碎片，此方法周围有很多嗡嗡声。然而，在大多数情况下，AI是指某种形式的机器学习或特定于特定应用程序的软计算。事实上，欧洲市场的许多公司/初创公司正在促进价值链中的AI方法，它们主要使用优化技术或机器学习。
与AI方法量身定制的使用相比，还有领先的参与者已经在机器上工作，该机器具有学习“婴儿或动物的方式”的能力。这很有趣，因为这台机器实际上是“通过观察世界”而不是通过培训而学习。这种方法关闭了循环并聚合了知识表示，学习和优化的元素，以支持更广泛的应用程序。
一些例子:

• 市场营销:奇迹。人工智能正在使用算法将人与产品匹配起来
• 库存:Cargonexx优化了其卡车上的货物空间的效用，从而匹配需求和供应。
• 操作：MicroPSI使用AI来控制工业流程和系统
• 开发:EyeQuant使用AI为手机应用/网站设计提供自动的A/B测试

对于每个元素，都有多个解。

问人工智能还引发了诸如工作自动化等企业的担忧，愚弄了人工智能等。陷阱是什么?企业如何避免这些?
一种让我详细阐述一些阻碍接受人工智能的基本问题:
害怕对决策失去控制:人类受到许多认知偏见，机器可以容易地利用这些。当我们航行网站时，您认为我们是否有自由意志？不;精心设计的网站中的组件被放置在实现某种目标。还有其他恐惧：机器可以轻松使用框架或锚定技术来影响我们的行为或机器学习系统可能会使用人们的数字迹线并将未公开的特征纳入自己的决策。
非透明使用数据：埃里克·霍维茨(Eric Horvitz)和迪尔德丽·穆里根(Deirdre Mulligan)强调，社交网络的帖子可以用来确定一个人是否患有抑郁症。虽然这有助于我们开始对那个人进行治疗，但有既得利益的团体可以秘密地使用这些数据来对付这个人。
决策过程的不确定性：的机器学习的使用越来越多，但组织缺乏对计算机如何做出决策的理解。机器的程序是否偏向于公司的特定目标?机器如何解决诸如此类备受争议的道德困境电车问题

未解决的法律问题：当机器的结果不符合法律或文化标准时，谁来负责?如果人工智能控制的交通信号灯发现，比之前提前一秒改变信号灯更有效，那会怎么样?虽然这样可能更有效率，但也可能导致更大的事故。

问我们如何避免这些陷阱呢?
一种一种方法是建立社会接受的标准。就像汽车制造商必须遵循特定的规范来销售他们的汽车一样，人工智能设计师和开发人员也应该遵循规范，并遵循如何做出决定的规范，尽管这是一个困难的方法，因为没有一个人工智能的定义。然而，一些组织，如OpenAI，已经朝着这个方向前进。即使是法律和政府体系也应该适应人工智能在日常私人和商业生活中的兴起，有目的地规范数据的使用。