Jeg har nettopp lagt ut undersøkelsesoppgaven min "Deep Learning for Solving Economic Models" på nettsiden min: Om en eller to uker vil den også sirkulere som et arbeidsdokument på NBER og CEPR. Likevel ønsket jeg å gi folk beskjed allerede, siden jeg er ganske fornøyd med resultatet, mye takket være noen fantastiske tidlige tilbakemeldinger jeg fikk. Som jeg ofte har hevdet, endrer den pågående revolusjonen innen dyp læring hvordan vi løser dynamiske likevektsøkonomiske modeller. I kjernen tilsvarer det å løse en modell å tilnærme ukjente målfunksjoner (for eksempel verdifunksjonen til agenter, en beslutningsregel eller en beste responsfunksjon). Dyp læring gjør ofte en fantastisk jobb med den oppgaven. I artikkelen understreker jeg at denne suksessen ikke er «magi», men snarere den direkte konsekvensen av dyp lærings evne til å oppdage bedre representasjoner av de relevante variablene i en modell (for eksempel tilstandsvariablene). Lagene i et nevralt nettverk forvandler inngangsvariablene til informasjonseffektive representasjoner som lettere kan tilnærmes. Tom Sargent elsker å si at det er en kunst å finne staten. Dyp læring prøver å automatisere den kunsten så mye som mulig. Dette er grunnen til at vi i mange tilfeller nå kan løse høydimensjonale problemer som var beregningsmessig umulige for bare noen få år siden. Videre tillater strukturen til dype nettverk designet for å løse disse modellene, stort sett lineær bortsett fra ikke-lineariteten innkapslet i aktiveringsfunksjonen, massiv parallellisering. Undersøkelsespapiret er designet for å starte fra grunnen av. Min tiltenkte målgruppe er en førsteårsstudent med bare en veldig grunnleggende kunnskap om løsningsmetoder, eller til og med en motivert senior bachelor. Jeg vil sette stor pris på tilbakemeldinger. Kan du følge argumentene hele veien? Er det trinn som fortsatt er uklare? Jeg har undervist kurs basert på dette materialet ved Penn, Bank of Spain, Cambridge, ECB, Harvard, Johns Hopkins, Northwestern, Oxford, Princeton, UC Santa Barbara og Stanford, men jeg leter alltid etter friske øyne for å foreslå forbedringer. Alle lysbildevisningene, med lenker til koden, er tilgjengelige her: under "Maskinlæring for økonomer." Til slutt kan jeg bruke dette undersøkelsespapiret og lysbildestokkene som kjernen for noe lenger, men først må jeg tømme skrivebordet mitt for for mange pågående prosjekter.