Ich habe gerade mein Umfragepapier „Deep Learning zur Lösung wirtschaftlicher Modelle“ auf meiner Webseite veröffentlicht: In ein oder zwei Wochen wird es auch als Arbeitspapier beim NBER und CEPR zirkulieren. Dennoch wollte ich die Leute bereits informieren, da ich mit dem Ergebnis sehr zufrieden bin, was größtenteils auf einige fantastische frühe Rückmeldungen zurückzuführen ist, die ich erhalten habe. Wie ich oft argumentiert habe, transformiert die laufende Revolution im Deep Learning, wie wir dynamische Gleichgewichtsmodelle in der Wirtschaft lösen. Im Kern bedeutet das Lösen eines Modells, unbekannte Ziel-Funktionen (wie die Wertfunktion von Agenten, eine Entscheidungsregel oder eine beste Reaktionsfunktion) zu approximieren. Deep Learning erledigt diese Aufgabe häufig fantastisch. In dem Papier betone ich, dass dieser Erfolg kein „Magie“ ist, sondern vielmehr die direkte Folge der Fähigkeit des Deep Learning, bessere Darstellungen der relevanten Variablen eines Modells (zum Beispiel der Zustandsvariablen) zu entdecken. Die Schichten eines neuronalen Netzwerks transformieren die Eingangsvariablen in informations-effiziente Darstellungen, die leichter approximiert werden können. Tom Sargent sagt gerne, dass das Finden des Zustands eine Kunst ist. Deep Learning versucht, diese Kunst so weit wie möglich zu automatisieren. Deshalb können wir in vielen Fällen jetzt hochdimensionale Probleme lösen, die vor wenigen Jahren rechnerisch nicht machbar waren. Darüber hinaus erlaubt die Struktur von tiefen Netzwerken, die für die Lösung dieser Modelle entworfen wurden, die größtenteils linear ist, abgesehen von der Nichtlinearität, die in der Aktivierungsfunktion verkapselt ist, eine massive Parallelisierung. Das Umfragepapier ist so konzipiert, dass es von Grund auf beginnt. Mein beabsichtigtes Publikum sind Erstjahres-Graduiertenstudenten mit nur sehr grundlegenden Kenntnissen der Lösungsmethoden oder sogar motivierte Senior-Undergraduates. Ich würde mich sehr über Rückmeldungen freuen. Können Sie den Argumenten folgen? Gibt es Schritte, die unklar bleiben? Ich habe Kurse auf der Grundlage dieses Materials an der Penn, der Bank von Spanien, Cambridge, der EZB, Harvard, Johns Hopkins, Northwestern, Oxford, Princeton, UC Santa Barbara und Stanford unterrichtet, aber ich suche immer nach frischen Augen, um Verbesserungen vorzuschlagen. Alle Präsentationsunterlagen, mit Links zum Code, sind hier verfügbar: unter „Machine Learning für Ökonomen.“ Letztendlich könnte ich dieses Umfragepapier und die Präsentationsunterlagen als Grundlage für etwas Längeres verwenden, aber zuerst muss ich meinen Schreibtisch von zu vielen laufenden Projekten befreien.