Apr, 2020

AI 经济学：应用人工智能驱动税收政策以提高公平与生产力

PDF
TL;DR利用基于强化学习的方法，本研究提出了一种动态税收政策，针对经济增长中的平等性和生产力做出有效的权衡，并取得了 16% 的优化效果。
economic policiesreinforcement learningtax systemsmarket dynamicsequality and productivity
发现论文，激发创造
  • 使用 AI 经济学家建立数据驱动、可解释和健壮的政策设计基础

    AI Economist 框架结合两级强化学习和数据驱动的模拟，可用于优化政策设计，经实验证明该框架在 COVID-19 时期的政策制定中能够显著提高社会福利。

    Aug, 2021

  • 对不公平动态定价的公正激励

    利用动态定价和人工智能方法来解决需求公平和税收再分配政策的问题，并通过模拟经济的实验验证了这种介入策略的潜在效果。

    Apr, 2024

  • 社交环境设计

    人工智能能够改善政府和经济政策制定，这篇论文提出了一种新的研究议程，介绍了社会环境设计，这是一个将人工智能与强化学习、计算社会选择等领域相连接的自动化政策制定的通用框架。该框架旨在捕捉一般经济环境，包括对政策目标的投票，并为通过人工智能模拟对政府和经济政策进行系统分析给出方向。我们强调了人工智能政策制定领域未来研究的关键问题，通过解决这些挑战，希望实现各种社会福利目标，促进更具道德和负责任的决策制定。

    Feb, 2024

  • 史密斯的无形之手背后：智能时代的经济稳定和社会福祉风险

    AI 与劳动力配比对经济产出的影响以及如何防止消费减少的研究。

    Apr, 2024

  • 数字自动化中生产力收益的估算

    本文提出了一种新型生产力评估模型，用于评估在生产链中采用人工智能 (AI) 组件的影响。我们的模型提供了支持解决 “AI” 的 Solow 悖论的证据，其基础包括（i）理论和实证证据以解释 Solow 的二分法；（ii）数据驱动模型以评估和评估生产率变化；（iii）基于过程挖掘数据集的方法论，以确定业务流程（BP）和生产率；（iv）一组计算机模拟参数；（v）以及关于劳动力分配的实证分析。这些为我们认为 AI Solow 悖论的后果是指标误测提供了数据。

    Oct, 2022

  • 流行病政策制定的可解释人工智能

    本文利用混合强化学习和进化计算的方法，基于现有的模拟器生成可解释的政策，以在减少 COVID-19 传播的同时最小化经济损失，与先前的研究和政府政策相比，得出了具有更好性能的简化的政策。

    Apr, 2022

  • 构想一个人工智能协作系统以将政策转化为决策模型

    介绍利用自然语言和可编程代码同时表达政策的全球数字政府倡议，以及用 AI，自然语言处理和知识图谱缩短从政策文档到可执行决策模型的路线的方法。使用 AI 可帮助政府机构和政策专家扩大人可读和机器可执行政策规则的生产，同时提高透明度，可解释性，追溯性和决策的问责性。

    Nov, 2022

  • 多智体元梯度强化学习中的自适应激励设计

    本文研究了在应用人工智能并应用于共享环境中，设计机构机制以体现社会福利的重要性。我们提出了一种基于元梯度方法的自适应激励设计算法，该算法通过在线交叉验证原则显式考虑其对代理学习的影响，并通过它们对未来社会福利的影响进行优化系统目标

    Dec, 2021

  • 经济政策的强化学习：一个新的前沿？

    该论文回顾了传统的代理人建模技术在经济建模中的历史障碍，并思考最近强化学习等新兴技术能否克服其中的一些问题。

    Jun, 2022

  • 社会契约 AI：将 AI 助理与隐含的团体规范进行一致化

    模拟框架中，研究通过反转模型来对齐 AI 助手与用户的偏好，并发现 AI 助手在经济最终决策游戏中能够准确对齐行为，但其学习的策略在未包含的情况下缺乏稳健性和普适性，并且发现语言使用与未知策略之间存在不一致时，学习策略的速度会减慢。

    Oct, 2023