Искусственный интеллект

4. IEEE Neural Networks Society (IEEE, www.iccc-nns.org).

Нельзя не упомянуть также про крупнейшую лабораторию, занимающуюся исследованиями в области ИИ - MIT Artificial Intelligence Laboratory (www.ai.mit.edu).

Из перечисленных в этом пункте систем ИИ, для моделирования поведения человека в социально-экономической среде подходят нейронные сети, экспертные системы и аппарат нечеткой логики. Эволюционные вычисления применяются для других целей (см. выше), а генетические алгоритмы в основном используются для задач оптимизации. Поскольку в своей работе мы исходим из теории ограниченной рациональности, то решение оптимизационных задач здесь неуместно.

Что касается оставшихся трех направлений ИИ, то для разрабатываемой нами модели они равнозначны, но есть отдельные тонкие моменты, исходя из которых, мы отдали предпочтение нейронным сетям.

Как будет рассказано дальше, в модели мы имитируем поведение множества людей, которые воплощены в виде одного «совокупного потребителя». Для его обучения с последующим встраиванием в модель, использовались данные реально проводимых опросов нескольких тысяч респондентов. Результаты работы нейронных сетей, обученных на большом количестве наблюдений, на наш взгляд будут больше соответствовать действительности, чем экспертные системы (исчисляющие предикаты из базы знаний, полученной путем опроса нескольких экспертов) и системы нечеткой логики (использующих правила, также закладываемые несколькими людьми).

2. Моделирование экономических агентов с использованием технологий искусственного интеллекта

Перечисленные в предыдущем пункте системы ИИ нашли свое применение в самых различных областях - бизнесе, медицине, физике и, в том числе, экономике. Однако эти системы в большинстве случаев используются автономно, а не в составе имитационных моделей. К примеру, те же нейронные сети используют для прогноза макроэкономических показателей, так же как и одиночные регрессионные уравнения (Beltratti, Margarita, Теша (1996)), (Garson (1998)), (Engelbrecht (2002)).

Лишь за последние несколько лет стали появляться публикации, авторы которых делятся опытом использования систем ИИ в составе сложных моделей для более адекватного представления деятельности экономических агентов. В то же время моделей, использующих в качестве ИИ нейронные сети, совсем немного.

Хотя новатор в области ограниченной рациональности - Г. Саймон еще в 1970-ых годах отметил, что «за последние 20 лет, благодаря исследованиям в области искусственного интеллекта и когнитивной психологии, наше понимание процедурной рациональности заметно продвинулось. Использование этих достижений в экономической теории могло бы существенно углубить наши представления о динамической рациональности и воздействии на процессы выбора институциональных структур, в рамках которых осуществляется выбор» (Simon (1978)).

Такое отставание во времени связано в первую очередь с неспособностью вычислительных машин того времени численно разрешать модели большой размерности. Теперь современные компьютеры позволяют проводить такие вычисления.

Приведем примеры наиболее известных публикаций по этой теме.

В работе (Baldassarre (1997)) рассматривается модель Бертрана, в которой агенты, каждый из которых представлен совокупностью 30 нейронных сетей, принимают решения об установлении цены на свою продукцию. Веса синапсов этих сетей регулируются с помощью генетических алгоритмов. В процессе «игры» агент выбирает результаты, выдаваемые только одной сетью, просчитывая при этом последствия (прибыль, реакцию других агентов) от применения результатов других сетей. Проведенное исследование было теоретическим, и в нем не использовались реальные статистические данные. Автор хотел показать способность экономических агентов принимать решения посредством применения технологий ИИ.

В другой работе (Zizzo, Sgroi (2000)) рассматривается игра, в которой достигается равновесие Нэша. Один из игроков представлен нейронной сетью, обученной на множестве примеров игр с равновесием по Нэшу. В новых играх, которые «игрок - нейронная сеть» еще не встречал, равновесие достигалось в большинстве случаев.

Немецкий ученый Гротманн (Grothmann (2002)) построил нейронную сеть, имитирующую работу валютного рынка. В отличие от прямого использования нейронных сетей для получения прогнозных оценок, в разработанной им сети каждый нейрон, являясь участником валютного рынка, «принимает решение» о покупки валюты той или иной страны. Результатом одновременно принятых решений всей совокупности нейронов сети является ставка обменного курса национальной валюты.

В статье (Kooths (1999)) описывается своего рода гибрид нейронной сети и системы нечеткой логики, называемый «нейронно-нечетким генератором ожиданий» (Neuro-Fuzzy Expectation Generator -NFEG), который встроен в экономическую модель, рассматривающую товарные и валютные рынки, а также рынки ценных бумаг и рабочей силы.