本文转载自大众号“读芯术”(ID：AI_Discovery)。

人工智能可谓是200年以来自动化的集大成者，近年来开展迅速，在坚持出产力的一起又供给了极高的高精度和精确性。

机器学习在数据科学和自动化的各个范畴得到了广泛的运用，但在经济学范畴的运用并不多见。本文的意图便是详细介绍机器学习在当时经济结构中的运用及其未来的可能性。

机器学习的使命是使开发的算法被规划用于数据集，其主要的范畴是猜测，分类和聚类使命。

计量经济学指将计算办法运用于经济数据，以便为经济联系供给经历内容。更切当地说，它是“在理论和调查一起开展的基础上，经过恰当的推理办法对实践经济现象进行定量剖析”。一本经济学入门教科书将计量经济学描绘为让经济学家能够“从堆积如山的数据中筛选出简略的联系”。

行为经济学是在研讨心思、认知、情感、文明和社会要素对个人和组织决议计划的影响，以及这些决议计划与经典经济理论表达内容的不同之处。

图源：unsplash

现在，因果推理依然需求人类亲身上阵，可是机器学习使经济学家能够更快地处理更大的数据集来处理大问题。

经济猜测

首要需求说到的是机器学习如何为经济猜测做出奉献。

进行经济猜测时，咱们一般期望经过将利率、零售额和失业率等方针运用到运用的计算模型中，来猜测未来经济的国内出产总值(GDP)。在相同的场景中运用机器学习时，请检查这个成果：

运用机器学习猜测当时GDP增加

休·丹斯和约翰·霍克斯沃斯运用一种被称为弹性网正则化和变量挑选的机器学习技能，建立了一个实时剖析模型。尽管它依然严峻依靠人类专家的投入，但在猜测GDP增加时，它能够到达95%左右的准确率。

那么问题来了：“是什么使这种建模办法不同于经典的计量经济学?”

与规范回归模型比较，机器学习的差错百分比更低

机器学习模型能够剖析数亿字节，一起最小化外部搅扰，不像规范的经济计量模型那样，它们是依据因果推理来剖析数据。规划机器学习模型并不是为了确认变量之间的因果联系，而是为了合理的猜测，这些模型有长处也有缺陷。

印度央行经济学家巴努·普拉塔普和肖冯·森古普塔期望在机器学习中寻找到改善宏观经济猜测的办法。他们将机器学习模型与传统模型进行了比较，终究发现机器学习模型产生了更好的成果。

在对机器学习模型和经济计量模型进行了一切的比较之后，可能会呈现这样一个问题：“这是否意味着这两个结构不能协同作业?”

答案是否定的，在同一个项目中施行机器学习和计量经济学皆是必要的。跟着机器学习运用程序逐步通晓粒度猜测，其开发人员将面对因果联系的问题。因而，在机器学习系统中和谐计量经济学能够使机器学习开发者了解是什么推动了他们模型的猜测成功。

行为经济学中的机器学习

图源：unsplash

机器学习强壮的形式识别才能使得它在行为经济学中有着广泛运用远景。在运用现有数据来猜测未来的行为时，机器学习的效果非常拔尖。

人类是形式探索者，在行为经济学范畴，如果能很好地运用机器学习运用程序，咱们将能够猜测人们的决议计划。

下图是一个决议计划树状模型，它是机器学习算法的一个分支，包含从对项意图调查，到发现项目方针值的终究成果。这一算法的方针是开发一个能够依据输入变量猜测决议计划的模型。

咱们不会深入研讨这种算法背面的详细步骤，但能得到的是，这些出产商能够依据这种形式拟定营销战略，并为他们的事务带来效益，然后有利于全体经济。

决议计划树状图示例

产品改善和出产

咱们用机器学习所做的许多工作都是在外表之下进行的。机器学习驱动算法，用于需求猜测、产品查找排名、产品和买卖主张、商品销售组织、诈骗检测、翻译等。尽管不太显着，但机器学习的大部分影响将是这种类型的——悄然但有含义地改善中心操作。

数据的搜集和存储变得越来越廉价和高效。在机器学习的协助下，制作商能够在坚持相同质量的一起下降制作本钱。制作业的根本方针本便是以最低的本钱出产出高质量的产品。

在制作过程中，机器学习算法从制作层获取信息，制作数据来描绘机器和出产速度之间的同步性。AI和机器学习最大的一个长处便是它为职业中供给了更高的灵活性。

德国南部有一家洗发水工厂，只要一条出产线，但其出产功用是经过在线接纳订单完成的。收到订单后，它在瓶子上贴上定制的RFID标签，并运用制作机器上的传感器增加不同的组件。这不只极大极限地缩短了出产时刻，并且彻底依据顾客的需求定制产品。

图源：unsplash

普华永道表明，到2030年，经济学中的机器学习能够将出产率进步14.3%。机器学习的潜力是无量的，它现已为各个范畴做出了奉献，并为当时的职业增加了额定的效益。

跟着人工智能的开展，信任现有的经济模型和机器学习模型的结合必将为经济学家们翻开一扇新的大门。

【责任编辑：赵宁宁 TEL：（010）68476606】