経済学における機械学習：この2つの組み合わせは明るい未来をもたらすだろう

この記事は、公開アカウント「Reading the Core」（ID: AI_Discovery）から転載したものです。

人工知能は200年にわたる自動化の集大成であり、近年急速に発展し、生産性を維持しながら極めて高い精度と正確性を提供します。

機械学習はデータサイエンスや自動化のさまざまな分野で広く使用されていますが、経済学への応用はまれです。この記事の目的は、現在の経済構造における機械学習の応用とその将来の可能性について詳しく紹介することです。

機械学習のタスクは、データセットで動作するように設計されたアルゴリズムを開発することであり、主な領域は予測、分類、クラスタリングのタスクです。

計量経済学とは、経済関係に実証的な内容を提供するために、統計的手法を経済データに適用することを指します。より正確には、「理論と観察の同時展開に基づき、適切な推論方法を通じて実際の経済現象を定量的に分析すること」です。ある経済学入門書では、計量経済学は経済学者が「山のようなデータをふるいにかけて単純な関係性を見つける」ことを可能にすると説明されている。

行動経済学は、心理的、認知的、感情的、文化的、社会的要因が個人や組織の意思決定に与える影響、およびこれらの意思決定が古典的な経済理論で表現される意思決定とどのように異なるかを研究する学問です。

[[337713]]

画像ソース: unsplash

現在、因果推論には依然として人間による大変な作業が必要ですが、機械学習により、経済学者はより大きなデータセットをより迅速に処理して大きな問題を解決できるようになります。

経済予測

最初に言及する必要があるのは、機械学習が経済予測にどのように貢献できるかということです。

経済予測を行う際には、通常、金利、小売売上高、失業率などの指標を統計モデルに適用して、経済の将来の国内総生産 (GDP) を予測します。同じシナリオで機械学習を使用すると、次の結果が表示されます。

機械学習を用いた現在の GDP 成長の予測

Hugh Dance 氏と John Hawkesworth 氏は、Elastic Net 正規化と変数選択と呼ばれる機械学習技術を使用して、リアルタイム分析モデルを構築しました。依然として人間の専門家の入力に大きく依存しているものの、GDP成長率を予測する際に約95%の精度を達成することができます。

すると、次のような疑問が生じます。「このモデリング手法は、従来の計量経済学と何が違うのか？」

機械学習は標準的な回帰モデルに比べてエラー率が低い

機械学習モデルは、因果推論に基づいてデータを分析する標準的な計量経済モデルとは異なり、外部からの干渉を最小限に抑えながら数億バイトを分析できます。機械学習モデルは、変数間の因果関係を判断するために設計されているのではなく、合理的な予測を行うために設計されています。これらのモデルには長所と短所があります。

インド中央銀行の経済学者バヌ・プラタップ氏とショーボン・セングプタ氏は、機械学習でマクロ経済予測を改善する方法を模索している。彼らは機械学習モデルと従来のモデルを比較し、機械学習モデルの方がより良い結果を生み出すことを発見しました。

機械学習モデルと計量経済モデルを比較すると、「これら 2 つのフレームワークは連携しないということなのか?」という疑問が生じるかもしれません。

答えは「いいえ」です。同じプロジェクトで機械学習と計量経済学の両方を実装する必要があります。機械学習アプリケーションがきめ細かい予測に習熟するにつれて、その開発者は因果関係の問題に直面することになります。したがって、機械学習システム内で計量経済学を調整することで、機械学習開発者はモデルの予測成功の要因を理解できるようになります。

行動経済学における機械学習

[[337714]]

画像ソース: unsplash

機械学習の強力なパターン認識能力により、行動経済学における幅広い応用の見通しが生まれます。機械学習は、既存のデータを使用して将来の行動を予測する際に優れています。

人間はパターンを求める生き物であり、行動経済学の分野では、機械学習アプリケーションをうまく活用すれば、人々の意思決定を予測できるようになります。

下の図は、プロジェクトの観察からプロジェクトの目標値の発見までの最終結果を含む、機械学習アルゴリズムの分岐である決定木モデルです。このアルゴリズムの目的は、入力変数に基づいて決定を予測できるモデルを開発することです。

このアルゴリズムの背後にある具体的な手順については詳しく説明しません。しかし、ここで言えることは、これらの生産者はこのモデルに基づいてマーケティング戦略を策定し、自社のビジネスに利益をもたらし、それがひいては経済全体に利益をもたらすことができるということです。

決定木の例

製品の改善と生産

機械学習で私たちが行っていることの多くは、表面下で行われています。機械学習は、需要予測、製品検索ランキング、製品および取引の推奨、マーチャンダイジング、不正検出、翻訳などのアルゴリズムを推進します。あまり目立たないとはいえ、機械学習の影響のほとんどはこのタイプであり、静かに、しかし有意義にコア業務を改善するものです。

データの収集と保存はますます安価かつ効率的になってきています。機械学習の助けを借りて、製造業者は同じ品質を維持しながら製造コストを削減することができます。製造業の基本的な目標は、最低のコストで高品質の製品を生産することです。

製造プロセスでは、機械学習アルゴリズムが製造層から情報を取得し、機械間の同期と生産速度を記述するデータを生成します。 AI と機械学習の最大の利点の 1 つは、業界に提供する柔軟性の向上です。

南ドイツには、生産ラインが 1 つしかないシャンプー工場がありますが、その生産機能はオンラインで受注することで実現しています。注文を受けた後、カスタマイズされた RFID タグをボトルに貼り付け、製造機械のセンサーを使用してさまざまなコンポーネントを追加します。これにより、生産時間が大幅に短縮されるだけでなく、消費者のニーズに合わせて製品を完全にカスタマイズできるようになります。

[[337715]]

画像ソース: unsplash

PwCは、経済における機械学習により、2030年までに生産性が14.3%向上する可能性があると述べている。機械学習の可能性は無限であり、すでにさまざまな分野に貢献し、現在の産業にさらなる利益をもたらしています。

人工知能の発展により、既存の経済モデルと機械学習モデルを組み合わせることで、経済学者にとって新たな扉が開かれると信じています。

[編集者：趙寧寧 TEL: (010) 68476606]