AI Economist：基于双层深度强化学习的最优经济政策设计
机器学习
2021-08-24 v1 综合经济学
经济学
摘要
AI 与强化学习（RL）已改进了许多领域，但尚未在经济政策设计、机制设计或广义经济学中被广泛采用。与此同时，当前的经济学方法论受到缺乏反事实数据、行为模型过于简化以及实验政策和评估行为响应的机会有限的限制。在此我们表明，基于机器学习的经济学仿真是一种克服这些限制的有力政策与机制设计框架。AI Economist 是一个双层深度 RL 框架，它同时训练智能体和一个共同适应的社会规划者，为高度不稳定且新颖的双层 RL 挑战提供了可处理的解决方案。从对经济的简单设定出发，我们学习到适应已学规划者策略的理性智能体行为，反之亦然。我们在最优税收问题上展示了 AI Economist 的有效性。在简单的一步式经济中，AI Economist 恢复了经济理论的最优税收政策。在复杂的动态经济中，AI Economist 在功利主义社会福利以及平等与生产率之间的权衡上均大幅优于基线方法。尽管出现了新兴的避税博弈策略，它仍做到了这一点，并且比经济理论更准确地考虑了智能体交互与行为变化。这些结果首次证明，双层深度 RL 可用于理解经济并作为经济设计理论的补充，开启了理解经济政策的一种新的基于计算学习的方法。
引用
@article{arxiv.2108.02755,
title = {The AI Economist: Optimal Economic Policy Design via Two-level Deep Reinforcement Learning},
author = {Stephan Zheng and Alexander Trott and Sunil Srinivasa and David C. Parkes and Richard Socher},
journal= {arXiv preprint arXiv:2108.02755},
year = {2021}
}
备注
Substantial Extension of arXiv:2004.13332. SZ and AT contributed equally