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