Математики научили ИИ прогнозировать экономические кризисы и управлять ими

На состояние экономики влияет множество различных факторов. Иногда это могут быть совсем неожиданные и редкие события, так называемые «черные лебеди». Одно из них — появление нового вируса — в 2020 году привело к сокращению мировой экономики на 4,3%, что в 2,5 раза больше, чем во время глобального финансового кризиса 2008-2013 годов. При этом нарушить стабильность системы могут не только глобальные вызовы, такие как пандемия, изменение климата, разработка и массовое внедрение новых технологий, изменения структуры экономики, но и менее масштабные явления. Вызывать эффект «черного лебедя» способны факторы, уже существующие внутри самой системы, предопределенные ее конструкцией, сложными взаимосвязями элементов и механизмом функционирования — например, сопровождающие периоды подъема и спада в экономике или возникновение финансовых пузырей. Подобные критические состояния и даже предвестники катастроф до определенного момента могут быть скрыты и проявляться без явного влияния внешних случайных факторов. Однако, проявляясь, они способны привести к труднопрогнозируемому, в том числе хаотическому поведению системы. Теория скрытых колебаний, недавно предложенная учеными, предполагает, что такие состояния можно выявлять еще до того, как они успели повлиять на работоспособность механизма, а также подбирать управленческие решения, которые сведут к минимуму негативные последствия хаотических процессов и помогут избежать кризиса.

Коллектив ученых из Санкт-Петербургского государственного университета (Санкт-Петербург), Института проблем машиноведения РАН (Санкт-Петербург) и Санкт-Петербургской школы физико-математических и компьютерных наук Национального исследовательского университета Высшая школа экономики (Санкт-Петербург) совместно с зарубежными коллегами испытали метод выявления нерегулярных колебаний и управления ими в экономических системах. В своем исследовании авторы использовали известную модель перекрывающихся поколений нобелевских лауреатов Пола Самуэльсона (1970) и Питера Даймонда (2010). Она воспроизводит процесс развития общества с двумя поколениями – молодых и пожилых, в условиях некоторой экономики в течение времени жизни этих поколений. Также была рассмотрена модель ценообразования с учетом территориального расположения рынков с сетью связей. С ее помощью описали сложную хаотическую динамику формирования цен на продовольственных рынках в течение длительного времени, которая характерна, например, для рыбных рынков.

«Мы применили новые аналитико-численные методы изучения динамики и алгоритмы искусственного интеллекта в рамках концепций теоретической экономики. Основываясь на традиционных моделях со сложной динамикой, мы сформулировали для искусственного интеллекта задачу прогнозирования и управления поведением этих моделей. Вклад человека в этой работе все еще превалирует над ролью компьютера: мы ставим задачу и адаптируем аналитические методы, чтобы их воспринимал вычислительный алгоритм, сообщаем начальные данные и приблизительную область, в которой прогнозируется решение. Но помощь компьютера огромна, потому что человеку такое количество данных не просчитать в обозримом времени», — рассказывает соавтор исследования, поддержанного грантом РНФ, Татьяна Алексеева, кандидат физико-математических наук, доцент, заместитель руководителя департамента математики Санкт-Петербургской школы физико-математических и компьютерных наук НИУ ВШЭ, академический руководитель образовательной программы «Экономика» Санкт-Петербургской школы экономики и менеджмента НИУ ВШЭ.

Для выполнения расчетов ученые использовали эволюционные алгоритмы и машинное обучение с подкреплением — направления искусственного интеллекта, которые предполагают самообучение компьютерной программы в процессе решения задачи. Алгоритм не просто предлагает тот или иной вариант, но и учитывает свой прошлый опыт успешных или ошибочных ответов. Чтобы обработать весь объем информации, ученые использовали самые современные на момент проведения исследования (2020-2021 гг.) суперкомпьютеры в Европе. Машины из Национального суперкомпьютерного центра в Остраве (Чехия) затратили на решение задачи 48 часов, в то время как обычному компьютеру потребовалось бы для этого более 17 лет.

В рамках исследования ученые рассмотрели теоретически смоделированные экономические системы, однако предложенный ими подход применим в том числе для анализа реальных макро- или микроэкономических явлений. Это позволяет расширить набор вычислительных технологий и точнее их настраивать для прогнозирования динамики показателей в задачах разных участников экономической деятельности. Например, дает возможность предвидеть, какими могут быть колебания курсов валют или процентной ставки в течение конкретного периода времени. Если диапазон колебаний становится слишком широким, то искусственный интеллект поможет подобрать управляющее действие и его степень, позволяя сузить этот диапазон, уменьшить число рисков и сделать ситуацию более предсказуемой, чтобы она не привела к кризису.

«Алгоритм не дает готового ответа и, конечно, не позволяет полностью прогнозировать экономику. Люди, принимающие решения, во многом руководствуются своей профессиональной интуицией. Но она опирается на их опыт и знания и разные вспомогательные инструменты: теоретические модели, поведение и характер показателей, численные эксперименты. Наш подход пополняет спектр инструментов, которые делают сложную, многогранную, с большим количеством разнообразных связей систему экономики более предсказуемой, управляемой и, тем самым, более понятной для человека», — рассказывает автор теории скрытых колебаний, руководитель проекта, поддержанного грантом РНФ, Николай Кузнецов, доктор физико-математических наук, член-корреспондент РАН, руководитель Ведущей научной школы Российской Федерации в области математики и механики, заведующий кафедрой прикладной кибернетики СПбГУ, заведующий лабораторией информационно-управляющих систем ИПМаш РАН.

Предложенный подход мультидисциплинарен и применим не только в экономике, но и в других областях, где существуют скрытые колебания, способные привести к нарушению стабильной работы системы, а в критичных случаях даже к ее разрушению. Для их выявления математики сотрудничают со специалистами по технологиям искусственного интеллекта и учеными из разных предметных областей. Аналогичные исследования уже были проведены в электронике и энергетике, в дальнейшем авторы планируют протестировать разработанный подход в сфере медицины, социологии и инженерных наук.