論文の概要: The AI Economist: Optimal Economic Policy Design via Two-level Deep
Reinforcement Learning
- arxiv url: http://arxiv.org/abs/2108.02755v1
- Date: Thu, 5 Aug 2021 17:42:35 GMT
- ステータス: 処理完了
- システム内更新日: 2021-08-06 14:28:38.925539
- Title: The AI Economist: Optimal Economic Policy Design via Two-level Deep
Reinforcement Learning
- Title(参考訳): the ai economist: 2段階深層強化学習による最適経済政策設計
- Authors: Stephan Zheng, Alexander Trott, Sunil Srinivasa, David C. Parkes,
Richard Socher
- Abstract要約: 機械学習に基づく経済シミュレーションは強力な政策・メカニズム設計の枠組みであることを示す。
AIエコノミスト(AI Economist)は、エージェントと共同適応するソーシャルプランナーの両方を訓練する2段階のディープRLフレームワークである。
単純な一段階の経済では、AIエコノミストは経済理論の最適税制を回復する。
- 参考スコア(独自算出の注目度): 126.37520136341094
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: AI and reinforcement learning (RL) have improved many areas, but are not yet
widely adopted in economic policy design, mechanism design, or economics at
large. At the same time, current economic methodology is limited by a lack of
counterfactual data, simplistic behavioral models, and limited opportunities to
experiment with policies and evaluate behavioral responses. Here we show that
machine-learning-based economic simulation is a powerful policy and mechanism
design framework to overcome these limitations. The AI Economist is a
two-level, deep RL framework that trains both agents and a social planner who
co-adapt, providing a tractable solution to the highly unstable and novel
two-level RL challenge. From a simple specification of an economy, we learn
rational agent behaviors that adapt to learned planner policies and vice versa.
We demonstrate the efficacy of the AI Economist on the problem of optimal
taxation. In simple one-step economies, the AI Economist recovers the optimal
tax policy of economic theory. In complex, dynamic economies, the AI Economist
substantially improves both utilitarian social welfare and the trade-off
between equality and productivity over baselines. It does so despite emergent
tax-gaming strategies, while accounting for agent interactions and behavioral
change more accurately than economic theory. These results demonstrate for the
first time that two-level, deep RL can be used for understanding and as a
complement to theory for economic design, unlocking a new computational
learning-based approach to understanding economic policy.
- Abstract(参考訳): AIと強化学習(RL)は多くの分野で改善されているが、経済政策設計、メカニズム設計、経済全般ではまだ広く採用されていない。
同時に、現在の経済方法論は、偽データ、単純化された行動モデル、政策の実験や行動応答の評価の機会の不足によって制限されている。
ここでは、機械学習に基づく経済シミュレーションが、これらの制限を克服するための強力なポリシーおよびメカニズム設計フレームワークであることを示す。
ai economistは、2段階の深いrlフレームワークで、エージェントとソーシャルプランナーの両方を訓練し、高度に不安定で新しい2段階rlチャレンジの扱いやすいソリューションを提供する。
経済の単純な仕様から、学習したプランナーポリシーに適応し、その逆にも適応する合理的なエージェントの行動を学びます。
最適課税問題に対するai経済学者の有効性を実証する。
単純な一段階の経済では、AIエコノミストは経済理論の最適税制を回復する。
複雑でダイナミックな経済においては、AIエコノミストは実用的社会福祉と、ベースラインよりも平等と生産性のトレードオフの両方を大幅に改善する。
創発的な税収戦略にもかかわらず、エージェントの相互作用や行動の変化を経済理論よりも正確に計算している。
これらの結果は、二段階の深いRLを経済設計理論の理解と補完に利用し、経済政策を理解するための新しい計算学習ベースのアプローチを解き放つことを初めて示している。
関連論文リスト
- Large Language Model-Empowered Agents for Simulating Macroeconomic
Activities [48.562881909568354]
大規模言語モデル(LLM)は、最近、自律的な人間のような特徴を提供することで有名になった。
我々は,人為的な意思決定と適応性を示すために,プロンプトエンジニアリング駆動型LLMエージェントを設計する。
我々の研究は、LLMとその人間的特性に基づいてマクロ経済学をシミュレートする有望な可能性を実証している。
論文 参考訳(メタデータ) (2023-10-16T14:19:40Z) - Weak Supervision in Analysis of News: Application to Economic Policy
Uncertainty [0.0]
我々の研究は、経済政策の不確実性(EPU)を測定するためのテキストデータ、特にニュース作品の可能性の研究に焦点を当てている。
経済政策の不確実性は、新しい政策と将来の経済基本の下で、決定の結果を予測できないと定義されている。
本研究は、経済政策の不確実性に関して、ニュース記事の分類を弱くする機械学習ベースのソリューションを提案する。
論文 参考訳(メタデータ) (2022-08-10T09:08:29Z) - Finding General Equilibria in Many-Agent Economic Simulations Using Deep
Reinforcement Learning [72.23843557783533]
本研究では,エージェント種別のメタゲームに対して,エプシロン・ナッシュ平衡である安定解を求めることができることを示す。
私たちのアプローチはより柔軟で、例えば市場クリア化のような非現実的な仮定は必要ありません。
当社のアプローチは、実際のビジネスサイクルモデル、DGEモデルの代表的なファミリー、100人の労働者消費者、10社の企業、税金と再分配を行う政府で実証しています。
論文 参考訳(メタデータ) (2022-01-03T17:00:17Z) - Building a Foundation for Data-Driven, Interpretable, and Robust Policy
Design using the AI Economist [67.08543240320756]
AIエコノミストフレームワークは,2段階強化学習とデータ駆動型シミュレーションを用いて,効果的な,柔軟な,解釈可能なポリシー設計を可能にする。
RLを用いて訓練されたログリニア政策は、過去の結果と比較して、公衆衛生と経済の両面から社会福祉を著しく改善することがわかった。
論文 参考訳(メタデータ) (2021-08-06T01:30:41Z) - The AI Economist: Improving Equality and Productivity with AI-Driven Tax
Policies [119.07163415116686]
我々は、経済的平等と生産性を効果的にトレードオフできる税制政策を発見する社会プランナーを訓練する。
競争圧力と市場ダイナミクスを特徴とする経済シミュレーション環境を提案する。
AI主導の税政策は、基本方針よりも平等と生産性のトレードオフを16%改善することを示します。
論文 参考訳(メタデータ) (2020-04-28T06:57:18Z) - Learning from Learning Machines: Optimisation, Rules, and Social Norms [91.3755431537592]
経済的な実体の行動に最も類似したAIの領域は道徳的に良い意思決定の領域であるようだ。
近年のAIにおけるディープラーニングの成功は、そのような問題を解決するための明示的な仕様よりも暗黙的な仕様の方が優れていることを示唆している。
論文 参考訳(メタデータ) (2019-12-29T17:42:06Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。