تحلیل کاربردهای مختلف هوش مصنوعی در تحلیل اقتصادی و سیاستگذاری کلان

با گسترش روزافزون استفاده از داده ها و به نوعی وقوع انقلاب اطلاعاتی و همچنین انباره کردن اقسام داده ها به منظور استفاده احتمالی آتی در سازمانها، به کالبد مبحث هوش مصنوعی تفسی تازه بخشیده شده است و اهمیت این دانش در دسته بندی و پردازش دادهها جلوه ای ویژه یافته است. با گسترش دانش هوش مصنوعی و عمق بخشیدن به آن سطوح مختلفی از جمله: سطح پایه، یادگیری ماشین، یادگیری بازنمایی و یادگیری عمیق در این دانش پدید آمده است. استفاده از دانش هوش مصنوعی در تصمیمات اقتصادی چندی است که بین پژوهشگران حوزه اقتصاد نیز رواج پیدا کرده است، ولی تمرکز اصلی آن بر حوزه اقتصاد خرد میباشد. از این سو در این پژوهش نگاهی مجدد به این دانش و قابلیتهای آن، با تعریف و بررسی هر لایه از دانش هوش مصنوعی به صورت جداگانه شده است و همچنین با تعمیم مثال های آنها به حوزه های اقتصادی به خصوص سطح کلان و بخش عمومی و تعریف مدل های ترکیبی از انواع الگوریتم ها؛ مشاهده شد که در سطح یادگیری ماشین، می توان مدلسازی محدودی از اقتصاد با توجه به ساختارهای نهادی ویژه خود به دست آورد که با ترکیب سطح دیگری از هوش مصنوعی (یادگیری تقویتی ) به مدل ذکر شده، مدلسازی اقتصادی پیشنهادی جنبهای پویا پیدا می کند. همچنین با توجه به مدل ها و شبکه های موجود در سطح یادگیری عمیق و بخصوص ترکیب دو نوع شبکه بازگشتی و شبکه تمام متصل عمیق که امکان تجزیه و تحلیل دادههای غیر تعلیمی و به نوعی جدید را در پیش بینی های اقتصادی فراهم آورده است؛ می توان به پیش بینی در سطوح گسترده تر و حتی ناشناخته پرداخت که در نتیجه آن می توان بخش اعظمی از ریسک ها و نااطمینانی های موجود را خنثی کرد و در دنیایی با داده های متغییر لحظه ای به خصوص در سطح کلان به سیاست گذاری درست، دست یافت

Keywords:

هوش مصنوعی , یادگیری ماشین , یادگیری عمیق , یادگیری تقویتی , شبکه های عصبی , مدلسازی اقتصادی , الگوریتم جنگل تصادفی , سیاستگذاری , اقتصاد کلان