Мрачный Фридман (подборка за 2023-й год)

Ravshan
Written by Ravshan on

Критика Лукаса

Нынешний тренд Big Data и анализа данных происходит не впервые в новейшей истории. К середине прошлого века все исследования начали отходить от фундаментальных математических формулировок к статистическому анализу. Если Эйнштейн оперировал уравнениями, то физики 60-х фокусировались на статистике.

Такая же ситуация была и в экономике — появилась целая область исследований “Макроэконометрика”, которая смотрела на исторические данные инфляции и ВВП и давала управленческие советы по этим данным… пока не пришел Роберт Лукас.

Лукас объяснил, что делать прогнозы или принимать какие-то решения на исторических данных, не исследуя фундаментальные причины — абсолютно неправильно. Если ВВП рос и падал циклично последние 50 лет, то это не значит, что он продолжит это делать и в будущем. Или, например, если посмотрев на высокую инфляцию, увеличить ключевую ставку, то все старые данные станут неактуальны, потому что мы вмешались. Это как сделать плотину на реке и ожидать, что поток останется на историческом уровне.

Лукас предложил использовать “микрофундамент” — строить модели ВВП или инфляции на концепции людей (потребителей и производителей), которые просто работают, а экономические явления образуются в результате решений, которые они принимают. Эта концепция до сих пор доминирует в экономике, и только недавно начала вытесняться реинкарнацией “макроэконометрики” в виде больших данных и машинного обучения.

Боб Лукас навсегда изменил экономику, а его модели использовали для принятия решений все центробанки мира.

Дизайн механизмов

Дизайн механизмов (“mechanism design”) — это область в микроэкономике, которую также называют “Анти-теорией игр”. Если в теории игр вам дают условия игры и предпочтения игроков, а вы должны найти равновесие в этой игре, то задача дизайнера механизмов — это создать условия игры, зная предпочтения игроков, и имея при этом желаемый результат.

Хороший дизайнер понимает, что люди рациональны и эго-центричны, и создает условия, при которых они всё равно сойдутся на консенсусе, который не только всех устроит, но и будет являться желанным (“efficient equilibrium”). Плохой дизайнер понадеется на чудо и альтруизм, и что даже если читерство возможно, никто этим не воспользуется.

Дизайн механизмов и GPT

Я сыграл с ChatGPT в игру — мы будем по очереди выдавать каламбуры на тему русской литературы и сыра, я буду выдавать один, а GPT будет выдавать 10 самых лучших, которые он сможет придумать. Результат тура будет определяться единогласным голосованием. Если нет консенсуса, то оба получаем по ноль баллов, и начинается следующий тур. Играем до 3 очков.

Я выдавал очевидно гениальные ответы как “Пармезанна Каренина”, “Чеддар Достоевский”, “Война и Сыр”, а GPT отвечал каждый раз по 10 чересчур замудренных ответов, как “Война и Пекорино, “Лев ЗапеченыйСырстой”. Среди них был один достойный кандидат “Анна Камемберина”, но он был оценен самим же GPT на 9-е место.

В итоге, мы сыграли 10 туров со счётом 0:0, потому что GPT всегда голосовал за свои варианты. В режиме “Анализ” я спросил у GPT, почему он никогда не давал мне выиграть, он не смог ответить. Итак, вот ответ дизайнера механизмов:

Тот же алгоритм, который сказал чату, что “Война и Пекорино” входит в топ 10 каламбуров, и вообще учил его разговаривать — этот же самый алгоритм и был использован при голосовании лучшего ответа. GPT не мог ответить иначе — он сгенерил 10 лучших ответов, а значит любой другой ответ не будет в топ 10, потому что топ 10 уже занято.

Ожидать, что GPT проголосовал бы за мой ответ, было бы фундаментально не понимать предпочтения алгоритма. Даже алогоритм, натренированный на безогорочное превосходство человека над роботом, ответил бы так же.

Зимы искусственного интеллекта

Главной особенностью всех проектов, которые могут изменить мир, является то, что они очень дорого стоят. Полёт на Марс, адронный коллайдер, лекарство от рака, общий искусственный интеллект — всё это невозможно сделать у себя в гараже — необходимо финансирование.

В ранние дни компьютеров в 60-е годы прошлого века, искусственным интеллектом называли любые программы, которые что-либо автоматизировали. Например, были случаи, когда ученые написали чат-бота, который ведёт полностью прописанный диалог, и потом пропускали обед с коллегами, потому что им казалось, что компьютер их понимает больше, чем их коллеги. А когда чат бот выдавал ерунду, они фиксили это вручную, добавляя новые строчки в сценарий, и начинали общаться заново. То есть, по сути, они общались сами с собой, придавая человеческие качества компьютеру.

Оптимизм по ИИ рухнул, когда из простых if-else комманд не получилось достичь осознанности, и в 1974-м году американские военные полностью прекратили финансирование исследований по ИИ. Наступил первый AI winter.

В 80-х начали использовать компьютеры для так называемых “экспертных систем”, которые могли принять управленческие решения вместо менеджеров. Но самые хайповые и многообещающие проекты провалились, и к началу 90-х всё финансирование снова упало к нулю. Это был второй AI winter.

В нулевые, началась новая волна исследований, которая вытащила покинутые модели из 60-х (искусственные нейронные сети) и начала их использовать с современными вычислительными мощностями, и в итоге это привело к очень большим прорывам в сфере машинного обучения.

Финансирования сейчас хоть отбавляй. Тысячи стартапов, которые делают “chat gpt для академиков”, “chatgpt для киношников” и т.д. получают сейчас миллионы долларов от инвесторов, которые хотят успеть на уходящий поезд. Это очень сильно напоминает “пузырь .com” из 90-х.

Марк Цукерберг недавно сказал в интервью: “Сейчас осталось сделать всего лишь ещё один прорыв для достижения общего искуственного интеллекта… или ещё несколько прорывов… или ещё очень много прорывов… и не факт, что будет хотя бы ещё один…”

Вопрос: будет ли третий AI winter?

Идеологические споры

Споры о капитализме против социализма очень часто лишены нюанса. Если вместо одного прямого вопроса людям дать заполнить целый вопросник, то выяснится, что все люди находятся где-то в центре спектра. Вот примеры таких вопросов-индикаторов:

1) Должно ли государство предоставлять бесплатное высшее образование? [] a) если нет, то должно ли государство предоставлять бесплатное среднее образование? [] b) если нет, то должно ли государство предоставлять бесплатное начальное образование? [] с) если нет, то имеет ли государство право требовать минимальный уровень образованности у населения? [ ] d) если нет, то должно ли государство ограничивать аутсорс интеллектуальных профессий в другие страны, если будет дефицит образованных людей у себя? [ *]

2) Должно ли государство класть асфальт в городах? [] a.1) если нет, то имеет ли государство право обязать частный бизнес класть асфальт перед их входом? [ ] a.2) если да, то может ли государство требовать соблюдения ГОСТов для этого “частного” асфальта? [ *] b.1) может ли частник купить кусок дороги? b.2) если да, то может ли частник закрыть кусок дороги для проезда?

[] Если да, то откуда брать деньги? [ *] Если да, то каким образом? Принять закон? Дать налоговые льготы?

Такого типа вопросы гораздо нагляднее грандиозных идей, и часто выявляют, что все находятся где-то по центру. Это своего рода анти-результат - всё сложно, ничего не ясно, мы хотим, чтобы государство оставило нас в покое, но хотим инфраструктуру и безопасность.

Twin studies

Представьте, что вы заболели гриппом. Вы выпили антигриппин и чай с лимоном, не пошли на работу и легли спать в теплой комнате. На следующее утро вы полностью выздоровели. Какое из этих действий вас вылечило?

Другая ситуация: вы и ваш одноклассник выбрали два разных вуза в двух разных городах. Через 10 лет вы оба работаете по специальности, но вы зарабатываете в 5 раз больше, чем ваш друг. В чем причина? В универе? Может, в городе? Или у ваших родителей были связи?

Невозможно определить связь между двумя событиями, если параллельно есть ещё десять разных факторов. Было бы гораздо легче найти ответ, если бы вы ничего не выпили и просто не пошли на работу, и на следующее утро вы выздоровели. Тогда вы бы могли бы сказать, что вас вылечил один день без работы. Или во втором примере, было бы легче понять причину, если бы вы оба учились в одном вузе и вы бы всё равно зарабатывали в 5 раз больше.

То есть, нам бы очень помогло рассмотреть двух людей, с похожим бэкграундом, из похожего социального статуса, с похожим IQ, которые различаются только тем, что сделали разный выбор в каком-то большом аспекте, как например, выбор города для проживания. Как вы уже поняли из заголовка, для этого делают нацеленные соц. опросы у … близнецов! Ученые охотятся за близнецами, чтобы получить сокровенные данные из их жизни. Twin studies проводят так давно, что это уже перестало звучать крипово!

Читаем данные

Первая фотка активно обсуждается в немецких новостях, как признак того, что Кыргызстан способствует войне. Действительно, экспорт товаров из Германии в Кыргызстан (черная кривая) вырос в разы после начала войны, а официальный импорт товаров в Кыргызстан из Германии (голубая кривая) вырос меньше. А разница, как утверждается, едет ре-экспортом в Россию, минуя санкции, и тем самым спонсируя войну.

Но это заявление показывает полное непонимание СНГ-шных реалий. Если разложить этот график по товарам, то можно увидеть, что весь рост вызван подержанными автомобилями. Любой, кто ходит по улицам в Бишкеке, а не читает статистику в офисе в Берлине, знает этот факт как нечто очевидное. Мало того, ре-экспорту подлежит не только разница между черной и голубой кривыми, а практически 99% всего роста. Ещё один малоизвестный в Германии факт — это то, что данные, которые у нас публикуют не обязаны соответствовать действительности.

В конце, сделаем ещё один “прогноз”, который супер-очевиден для нас и не очевиден для немцев. 29 октября 2023 Россия ввела очень большой утильсбор на авто. Мы знаем, что много перекупщиков уже потеряли деньги, и лавочка ре-экспорта потихоньку уже закрывается сама. Надеюсь, что где-то после рождественских каникул, немецким экономистам, наконец, придут ноябрьские цифры, и они поймут, что вторичных санкций против Кыргызстана уже можно не вводить.

На этом скриншоте ведущий экономист из Брукингского Института (think tank для Белого дома), который очень долгие месяцы призывает ужесточить санкции против России, радуется, что ре-экспорт из Грузии и Кыргызстана в Россию упал, и что “наконец-то, кто-то этим занялся”, хотя мы уже видели в прошлом посте, что причина — утиль. сбор, инициированный самой Россией, после того, как она договорилась выпускать/покупать китайские авто. Но если не выходить из офиса в Вашингтоне, то можно делать такие фантастические выводы.

Именно поэтому, я писал где-то выше, что технический анализ — это полная фигня и гадание на бубне по сравнению с фундаментальным анализом.

Ravshan

Ravshan

Economist modeling social phenomena as complex systems.

Comments

comments powered by Disqus