Seite wählen

Salesforce Research hat „AI Economist“ vorgestellt, eine neue Forschungsrichtung, die untersucht, wie sich ökonomische Steuerung mithilfe von Künstlicher Intelligenz (KI) verbessern lässt, um Produktivität und soziale Gerechtigkeit zu erhöhen. Das neue KI-Framework wurde entwickelt, um die Auswirkungen von Entscheidungen in Wirtschaftssystemen über lange Zeiträume hinweg – parallel – zu simulieren und so Ökonomen, Politikern und anderen dabei zu helfen, eine Steuerpolitik zu entwerfen, die soziale Folgen optimiert.

Sie fragen sich vielleicht, warum ein CRM-Unternehmen künstliche Intelligenz (KI) und Reinforcement Learning (RL, eine Methode des maschinellen Lernens) in der Wirtschaft anwendet? Wir haben uns mit Richard Socher (Chief Scientist und Leiter der Salesforce-Forschung) und seinem wissenschaftlichen Team, darunter Stephan Zheng (Senior Research Scientist), Nikhil Naik (Lead Research Scientist) und Alex Trott (Research Scientist) zusammengesetzt, um zu erfahren, was genau „AI Economist“ ist, welche Ziele das Team mit dieser Forschung verfolgt und wie die Simulation ein Modell geschaffen hat, das die Ausgewogenheit zwischen Produktivität und wirtschaftlicher Gleichheit um 16 Prozent effektiver macht als bisher führende Frameworks.

WAS MACHT DAS SALESFORCE-FORSCHUNGSTEAM? WARUM BESCHÄFTIGT ES SICH MIT ÖKONOMIE? 

Richard: Das Salesforce-Forschungsteam befasst sich mit Problemen, die für unsere Kunden und weitere Interessensgruppen im Bereich der KI wichtig sind. So haben wir beispielsweise Deep Learning-APIs entwickelt, die es unseren Kunden ermöglichen, KI-gestützte Anwendungen mit Einstein Vision und Einstein Language sowie Spracherkennungstechnologie mit Einstein Voice zu erstellen. Auf dem Gebiet der KI betreiben wir Grundlagenforschung und angewandte Forschung, um KI-Innovationen voranzutreiben. Wir haben bereits Durchbrüche bei der Erzeugung natürlicher Sprache und erklärbarer KI erzielt und wir haben KI-Modelle für die Erzeugung von Proteinen entwickelt.

Bei Salesforce Research gehen wir gerne große Probleme an. Wenn man sich in der Welt umsieht, ist eines der drängendsten globalen Probleme unserer Zeit die wirtschaftliche Ungleichheit. Studien der UN haben gezeigt, dass sich große Einkommensunterschiede negativ auf das Wirtschaftswachstum und die wirtschaftlichen Möglichkeiten auswirken können. In der KI-Ökonomie wenden wir Algorithmen des RL an, um herauszufinden, wie neuartige steuerliche Rahmenbedingungen die Ungleichheit verringern und die wirtschaftliche Produktivität verbessern und letztendlich die Welt zu einem besseren Ort machen können. Wir glauben, dass dies für die KI-Forschungsgemeinschaft und letztlich für alle Wirtschaftsakteure eine sehr wirkungsvolle zukünftige Forschungsrichtung sein wird.

WIE ARBEITET „AI ECONOMIST“?

Stephan: Steuern und Subventionen sind wichtige Instrumente der Regierungen, um Ungleichheit zu verringern und Wohlstand umzuverteilen. Wir haben jedoch noch nicht vollständig herausgefunden, wie wir eine Steuerpolitik umsetzen können, die soziale Ergebnisse optimiert, zum Beispiel die Abwägung zwischen wirtschaftlicher Gerechtigkeit und Produktivität. Die Wirtschaftstheorie kann die Komplexität der realen Welt nicht vollständig modellieren, und reale Steuerexperimente sind nahezu unmöglich.

Mit „AI Economist“ bringen wir das Reinforcement Learning (RL) zum ersten Mal in die Steuerforschung ein, um eine simulations- und datengestützte Lösung zur Definition optimaler Steuern für ein bestimmtes sozioökonomisches Ziel zu ermitteln.

AI Economist verwendet eine Sammlung von KI-Agenten, mit denen simuliert werden kann, wie die Menschen auf verschiedene Steuern reagieren könnten. In der Simulation verdient jeder KI-Agent Geld, indem er Ressourcen sammelt, handelt und Häuser baut. Die Agenten lernen, ihren Nutzen oder ihr Glück zu maximieren, indem sie ihr Bewegungs-, Handels- und Bauverhalten anpassen. Eine Möglichkeit, dies zu erreichen besteht darin, das Einkommen zu maximieren und gleichzeitig den Aufwand zu minimieren, z.B. einen möglichst hohen Stundenlohn zu erzielen.

Gleichzeitig lernt der KI-Planer oder -Ökonom, Steuern und Subventionen zu optimieren, um globale Ziele zu unterstützen.

WARUM IST AI ECONOMIST AUS WIRTSCHAFTLICHER SICHT FASZINIEREND?

Richard: Volkswirtschaft ist hochkomplex, und wir sind uns bewusst, dass wir keine Ökonomen sind. Wir haben zum Beispiel mit Wirtschaftsprofessor David Parkes aus Harvard zusammengearbeitet, der uns darauf hingewiesen hat, dass einige unserer Annahmen zu vereinfachend sind. Nikhil Naik aus unserem Team war aufgrund seiner früheren Erfahrung in der Zusammenarbeit mit einem Nobelpreisträger für Wirtschaftswissenschaften ebenfalls von entscheidender Bedeutung.

Nikhil: Unser Modell ist enorm leistungsfähig. Ökonomen haben sich früher auf Theoreme verlassen, aber Theoreme basieren auf einfacher Mathematik und setzen voraus, dass die Menschen sich rational verhalten. Unsere heutige Welt wird immer komplexer. Zukünftige Wirtschaftstheorien müssen deshalb zusätzliche Anforderungen wie den Umweltschutz nahtlos einbeziehen. Darüber hinaus weisen Wirtschaftsakteure oft komplexe, irrationale, konkurrierende oder kollaborative Verhaltensweisen auf. KI hilft, diese Komplexität und ein breites Spektrum von Verhaltensweisen zu modellieren.

Unser Modell gibt Wirtschaftswissenschaftlern zusätzliche Instrumente an die Hand, auf die sie ihre Entscheidungen stützen können. Durch die Simulation von Wirtschaftssystemen über extrem lange Zeiträume hinweg und das Ausprobieren einer Vielzahl von Steuervarianten kann AI Economist vorhersagen, wie die Menschen tatsächlich auf eine Steuer reagieren, beispielsweise, ob sie einen Anreiz bietet, mehr oder weniger zu arbeiten.

WIE KÖNNTE DIESES MODELL ANGEWANDT WERDEN, UM UNS AUS ZEITEN WIRTSCHAFTLICHER UNSICHERHEIT HERAUSZUFÜHREN, WIE WIR SIE ZUM BEISPIEL GERADE MIT COVID-19 ERLEBEN?  

Gegenwärtig konzentriert sich AI Economist ausschließlich auf Steuern. Wir sind jedoch der Meinung, dass RL für die Wirtschaft vielversprechend ist und potenziell zur Bewältigung der wirtschaftlichen Nachwirkungen von COVID-19 eingesetzt werden könnte. Ökonomische Simulationen können menschliches Verhalten durch die Verwendung echter Daten berücksichtigen. Im Zusammenspiel mit unseren RL-Algorithmen kann die KI Wirtschafts-Richtlinien generieren und formulieren, die dazu beitragen, die wirtschaftliche Erholung der Welt zu beschleunigen. Wir denken bereits darüber nach, wie wir uns dem nähern können und ermutigen Forscher, die ebenfalls daran arbeiten, sich an uns zu wenden.

WARUM IST AI ECONOMIST EINE INTERESSANTE HERAUSFORDERUNG FÜR DIE FORSCHUNG? 

Richard: Reinforcement Learning hat durch das Gaming eine Reihe von Durchbrüchen erzielt, denken Sie zum Beispiel an Alpha Go. Letztendlich sind Spielpartien jedoch nur Spielpartien – als erstmals ein Mensch beim Schach von einem intelligenten Computersystem geschlagen wurde, hat sich der Rest der Welt danach nicht wirklich verändert. Wenn wir uns als KI-Forscher statt auf Spiele darauf konzentrieren, die Wirklichkeitsnähe und den Umfang der Wirtschaftssimulationen sowie die Fähigkeiten der KI-Agenten und der KI-Ökonomie zu verbessern, können wir eine Menge positiver Ergebnisse erreichen.

Alex: AI Economist ist ein erster Schritt, um die Anwendung von RL auf Bereiche mit dem größten Potenzial auszudehnen. Wir haben festgestellt, dass man für zahlreiche Disziplinen der Wirtschaftswissenschaften RL-Instrumente nutzen kann und wollen dies stärker mit KI-Anwendungen verbinden. Wir hoffen, so Ökonomen in die Lage zu versetzen, fundiertere politische Entscheidungen zu treffen. In Zukunft könnten dann auch Politiker diese Instrumente nutzen, um ein bestimmtes Ziel zu erreichen, wie zum Beispiel die Unterstützung der Mittelschicht.

WAS HABEN SIE BISHER GELERNT?

Stephan: In unseren Experimenten verbessert AI Economist das Gleichgewicht zwischen wirtschaftlicher Gleichheit und Produktivität um mindestens 16 Prozent, verglichen mit der Saez-Steuerformel (einem bekannten Steuer-Framework eines US-Professors), den Einkommenssätzen der US-Bundesregierung und dem freien Markt (ohne Steuern).

Unsere Modellierung hat gelernt, verschiedene Steuermodelle festzulegen: beispielsweise höhere Spitzensteuersätze und niedrigere Sätze für mittlere Einkommen, was zu höheren Nettosubventionen für niedrige Einkommen führt.

Alex: Ökonomische KI-Agenten lernten mit Steuern zu „spielen“, um ihren effektiven Steuersatz zu senken. Jedes Mal, wenn die KI-Regierung eingreift oder ihre Steuerpolitik ändert, sind diese Agenten klug genug, um Schlupflöcher oder Wege zu finden, um das System auszutricksen, wie zum Beispiel den Wechsel zwischen Steuerperioden mit hohen und niedrigen Einkommen. Aus technischer Sicht bedeutet das, dass die Dinge sehr instabil werden können. Die Gleichberechtigung kann schwanken. Da KI-Agenten versuchen, ihre Gewinne in einer fluktuierenden Umgebung zu maximieren, ist die Simulation näher am realen Leben.

Richard: Es zeigt auch, wie der AI Economist lernen kann, ein solches Verhalten zu antizipieren und zu versuchen, Gegenmaßnahmen zu finden.

Stephan: Und vielleicht am wichtigsten ist, dass der AI Economist in unserer Simulation auch Verbesserungen bei der Gleichheit und Produktivität mit realen Menschen erzielt, die echtes Geld verdienen. Insbesondere erreicht KI-Ökonomie eine signifikant höhere inverse einkommensgewichtete Sozialfürsorge, ein Ziel, das durch den Saez-Steuerrahmen optimiert wurde. Diese Zielsetzung gewichtet den Nutzen von Arbeitnehmern mit niedrigerem Einkommen stärker als den von Arbeitnehmern mit höherem Einkommen.

WELCHE AUSWIRKUNGEN ERHOFFEN SIE SICH AUF DIE WIRTSCHAFT? WAS IST DER NÄCHSTE SCHRITT?

Richard: Im Moment treffen die Regierungen konkrete wirtschaftliche Entscheidungen auf der Grundlage von Modellen, die zwar fortschrittlich, aber nicht in der Lage sind, die Komplexität zu replizieren, die wir durch AI Economist erhalten. Wir hoffen, dass Länder dadurch die Möglichkeit bekommen, die Auswirkungen ihrer Steuerpolitik vorherzusagen und dann bessere, transparentere Modelle zu entwickeln. Darüber hinaus können diese neuen simulationsbasierten Modelle mehrere neue Ziele optimieren, die soziale und ökologische Ergebnisse einbeziehen und gleichzeitig die Gesamtproduktivität im Auge behalten.

Nikhil: Wir hoffen, dass Ökonomen dies als das erkennen, was es ist – ein Instrument, das ihnen und Politikern beispiellose Modellierungsmöglichkeiten bietet, um Forschung und Hypothesen zu erweitern. Wir wollen mit mehr Ökonomen und Politikern zusammenarbeiten und ihnen dabei helfen, Simulationen durchzuführen und zu erkennen, wie sich bestimmte Maßnahmen auswirken.

Stephan: Und schließlich möchten wir, dass diese Forschung in der Gemeinschaft des maschinellen Lernens Fuß fasst und andere Forscher dazu inspiriert, einige der schwierigsten gesellschaftlichen Probleme anzugehen. Dies ist eine große technische Herausforderung. Wir glauben aber, dass diese Form der KI-Forschung ein enormes Potenzial hat, um dauerhafte soziale und wissenschaftliche Verbesserungen zu erreichen.

Bei Salesforce sind wir davon überzeugt, dass die Künstliche Intelligenz zukünftig eine enorme Wirkung entfalten kann. Dabei ist KI immer nur so gut wie die Menschen und Daten, die dahinter stecken. Deshalb glauben wir, dass die Veröffentlichung dieser Forschung ein erster Schritt ist, damit andere Forscher weltweit davon profitieren. Wir haben uns auch bewusst dafür entschieden, diese Forschungsergebnisse nicht zu patentieren. Wir werden unsere Simulationen und Algorithmen als Open Source zur Verfügung stellen sowie auf Konferenzen präsentieren und verbreiten. Unser Ziel ist es, so transparent wie möglich sein.

Mehr über AI Economist erfahren Sie in diesem Blogbeitrag:
https://www.salesforce.com/company/news-press/stories/2020/4/salesforce-ai-economist/