作为结构估计的人工智能：对深蓝、Bonanza 与 AlphaGo 的经济学解释
计量经济学
2022-04-04 v3 人工智能
机器学习
摘要
人工智能(AI)在越来越多任务上取得了超越人类的表现，但理解和解释 AI 仍然具有挑战性。本文通过三个著名博弈 AI 的案例研究，阐明了用于开发 AI 的机器学习算法与动态结构模型的计量经济学之间的联系。下棋的 Deep Blue 是一个经标定的值函数，而将棋 AI Bonanza 则是通过 Rust (1987) 的嵌套不动点方法估计出的值函数。AlphaGo 的“监督学习策略网络”是 Hotz 与 Miller (1993) 的条件选择概率估计的深层神经网络实现；其“强化学习值网络”等价于 Hotz、Miller、Sanders 与 Smith (1994) 的条件选择模拟方法。放宽这些 AI 的隐含计量经济学假设将提升其结构可解释性。
引用
@article{arxiv.1710.10967,
title = {Artificial Intelligence as Structural Estimation: Economic Interpretations of Deep Blue, Bonanza, and AlphaGo},
author = {Mitsuru Igami},
journal= {arXiv preprint arXiv:1710.10967},
year = {2022}
}