ИИ научился прогнозировать хаотические процессы в экономических системах
Фото: Татьяна Алексеева
Российские ученые совместно с#nbsp;зарубежными коллегами обучили искусственный интеллект выявлять внутри экономических моделей скрытые нерегулярные колебания, которые могут быть предвестниками кризисов, и#nbsp;подбирать способы управления ими. Разработанный подход позволит использовать возможности искусственного интеллекта при принятии экономических решений с#nbsp;учетом скрытых факторов. Результаты исследования опубликованы в#nbsp;журнале Chaos, Solitons and Fractals.
На#nbsp;состояние экономики влияет множество различных факторов. Иногда это могут быть совсем неожиданные и#nbsp;редкие события, так называемые «черные лебеди». Одно из#nbsp;них#nbsp;— появление нового вируса#nbsp;— в#nbsp;2020 году привело к#nbsp;сокращению мировой экономики на#nbsp;4,3%, что в#nbsp;2,5 раза больше, чем во#nbsp;время глобального финансового кризиса 2008−2013 годов. При этом нарушить стабильность системы могут не#nbsp;только глобальные вызовы, такие как пандемия, изменение климата, разработка и#nbsp;массовое внедрение новых технологий, изменения структуры экономики, но#nbsp;и#nbsp;менее масштабные явления. Вызывать эффект «черного лебедя» способны факторы, уже существующие внутри самой системы, предопределенные ее#nbsp;конструкцией, сложными взаимосвязями элементов и#nbsp;механизмом функционирования, например сопровождающие периоды подъема и#nbsp;спада в#nbsp;экономике или возникновение финансовых пузырей. Подобные критические состояния и#nbsp;даже предвестники катастроф до#nbsp;определенного момента могут быть скрыты и#nbsp;проявляться без явного влияния внешних случайных факторов. Однако, проявляясь, они способны привести к#nbsp;труднопрогнозируемому, в#nbsp;том числе хаотическому, поведению системы. Теория скрытых колебаний, недавно предложенная учеными, предполагает, что такие состояния можно выявлять еще до#nbsp;того, как они успели повлиять на#nbsp;работоспособность механизма, а#nbsp;также подбирать управленческие решения, которые сведут к#nbsp;минимуму негативные последствия хаотических процессов и#nbsp;помогут избежать кризиса.
Коллектив ученых из#nbsp;Санкт-Петербургского государственного университета, Института проблем машиноведения РАН и#nbsp;Санкт-Петербургской школы физико-математических и#nbsp;компьютерных наук Национального исследовательского университета Высшая школа экономики (Санкт-Петербург) совместно с#nbsp;зарубежными коллегами испытали метод выявления нерегулярных колебаний и#nbsp;управления ими в#nbsp;экономических системах. В#nbsp;своем исследовании авторы использовали известную модель перекрывающихся поколений нобелевских лауреатов Пола Самуэльсона (1970) и#nbsp;Питера Даймонда (2010). Она воспроизводит процесс развития общества с#nbsp;двумя поколениями#nbsp;— молодых и#nbsp;пожилых, в#nbsp;условиях некоторой экономики в#nbsp;течение времени жизни этих поколений. Также была рассмотрена модель ценообразования с#nbsp;учетом территориального расположения рынков с#nbsp;сетью связей. С#nbsp;ее#nbsp;помощью описали сложную хаотическую динамику формирования цен на#nbsp;продовольственных рынках в#nbsp;течение длительного времени, которая характерна, например, для#nbsp;рыбных рынков.
«Мы#nbsp;применили новые аналитико-численные методы изучения динамики и#nbsp;алгоритмы искусственного интеллекта в#nbsp;рамках концепций теоретической экономики. Основываясь на#nbsp;традиционных моделях со#nbsp;сложной динамикой, мы#nbsp;сформулировали для#nbsp;искусственного интеллекта задачу прогнозирования и#nbsp;управления поведением этих моделей. Вклад человека в#nbsp;этой работе все еще превалирует над ролью компьютера: мы#nbsp;ставим задачу и#nbsp;адаптируем аналитические методы, чтобы их#nbsp;воспринимал вычислительный алгоритм, сообщаем начальные данные и#nbsp;приблизительную область, в#nbsp;которой прогнозируется решение. Но#nbsp;помощь компьютера огромна, потому что человеку такое количество данных не#nbsp;просчитать в#nbsp;обозримом времени»,#nbsp;— рассказывает соавтор исследования, поддержанного грантом РНФ, Татьяна Алексеева, кандидат физико-математических наук, доцент, заместитель руководителя департамента математики Санкт-Петербургской школы физико-математических и#nbsp;компьютерных наук НИУ ВШЭ, академический руководитель образовательной программы «Экономика» Санкт-Петербургской школы экономики и#nbsp;менеджмента НИУ ВШЭ.
Для#nbsp;выполнения расчетов ученые использовали эволюционные алгоритмы и#nbsp;машинное обучение с#nbsp;подкреплением#nbsp;— направления искусственного интеллекта, которые предполагают самообучение компьютерной программы в#nbsp;процессе решения задачи. Алгоритм не#nbsp;просто предлагает тот или иной вариант, но#nbsp;и#nbsp;учитывает свой прошлый опыт успешных или ошибочных ответов. Чтобы обработать весь объем информации, ученые использовали самые современные на#nbsp;момент проведения исследования (2020−2021 гг.) суперкомпьютеры в#nbsp;Европе. Машины из#nbsp;Национального суперкомпьютерного центра в#nbsp;Остраве (Чехия) затратили на#nbsp;решение задачи 48 часов, в#nbsp;то#nbsp;время как обычному компьютеру потребовалось#nbsp;бы для этого более 17 лет.
В#nbsp;рамках исследования ученые рассмотрели теоретически смоделированные экономические системы, однако предложенный ими подход применим в#nbsp;том числе для#nbsp;анализа реальных макро- или микроэкономических явлений. Это позволяет расширить набор вычислительных технологий и#nbsp;точнее их#nbsp;настраивать для#nbsp;прогнозирования динамики показателей в#nbsp;задачах разных участников экономической деятельности. Например, есть возможность предвидеть, какими могут быть колебания курсов валют или процентной ставки в#nbsp;течение конкретного периода времени. Если диапазон колебаний становится слишком широким, то#nbsp;искусственный интеллект поможет подобрать управляющее действие и#nbsp;его степень, позволяя сузить этот диапазон, уменьшить число рисков и#nbsp;сделать ситуацию более предсказуемой, чтобы она не#nbsp;привела к#nbsp;кризису.
«Алгоритм не#nbsp;дает готового ответа и, конечно, не#nbsp;позволяет полностью прогнозировать экономику. Люди, принимающие решения, во#nbsp;многом руководствуются своей профессиональной интуицией. Но#nbsp;она опирается на#nbsp;их#nbsp;опыт и#nbsp;знания и#nbsp;разные вспомогательные инструменты: теоретические модели, поведение и#nbsp;характер показателей, численные эксперименты. Наш подход пополняет спектр инструментов, которые делают сложную, многогранную, с#nbsp;большим количеством разнообразных связей систему экономики более предсказуемой, управляемой и#nbsp;тем самым более понятной для#nbsp;человека»,#nbsp;— рассказывает автор теории скрытых колебаний, руководитель проекта, поддержанного грантом РНФ, Николай Кузнецов, доктор физико-математических наук, член-корреспондент РАН, руководитель Ведущей научной школы Российской Федерации в#nbsp;области математики и#nbsp;механики, заведующий кафедрой прикладной кибернетики СПбГУ, заведующий лабораторией информационно-управляющих систем ИПМаш РАН.
Предложенный подход мультидисциплинарен и#nbsp;применим не#nbsp;только в#nbsp;экономике, но и#nbsp;в#nbsp;других областях, где существуют скрытые колебания, способные привести к#nbsp;нарушению стабильной работы системы, а#nbsp;в#nbsp;критичных случаях даже к#nbsp;ее#nbsp;разрушению. Для#nbsp;их#nbsp;выявления математики сотрудничают со#nbsp;специалистами по#nbsp;технологиям искусственного интеллекта и#nbsp;учеными из#nbsp;разных предметных областей. Аналогичные исследования уже были проведены в#nbsp;электронике и#nbsp;энергетике, в#nbsp;дальнейшем авторы планируют протестировать разработанный подход в#nbsp;сфере медицины, социологии и#nbsp;инженерных наук.