Tôi vừa đăng bài khảo sát của mình "Học sâu để Giải quyết các Mô hình Kinh tế" trên trang web của mình: Trong một hoặc hai tuần tới, nó cũng sẽ được phát hành như một bài báo làm việc tại NBER và CEPR. Tuy nhiên, tôi muốn thông báo cho mọi người biết ngay bây giờ, vì tôi khá hài lòng với kết quả, phần lớn nhờ vào một số phản hồi sớm tuyệt vời mà tôi đã nhận được. Như tôi đã thường lập luận, cuộc cách mạng đang diễn ra trong học sâu đang biến đổi cách chúng ta giải quyết các mô hình kinh tế cân bằng động. Về bản chất, việc giải một mô hình đồng nghĩa với việc xấp xỉ các hàm mục tiêu chưa biết (chẳng hạn như hàm giá trị của các tác nhân, quy tắc quyết định, hoặc hàm phản ứng tốt nhất). Học sâu thường làm rất tốt nhiệm vụ đó. Trong bài báo, tôi nhấn mạnh rằng thành công này không phải là "ma thuật," mà là hệ quả trực tiếp từ khả năng của học sâu trong việc khám phá các đại diện tốt hơn của các biến liên quan của một mô hình (ví dụ, các biến trạng thái). Các lớp của một mạng nơ-ron biến đổi các biến đầu vào thành các đại diện hiệu quả thông tin hơn mà có thể được xấp xỉ dễ dàng hơn. Tom Sargent thích nói rằng việc tìm kiếm trạng thái là một nghệ thuật. Học sâu cố gắng tự động hóa nghệ thuật đó càng nhiều càng tốt. Đó là lý do tại sao, trong nhiều trường hợp, chúng ta giờ đây có thể giải quyết các vấn đề có chiều cao mà chỉ vài năm trước đây là không khả thi về mặt tính toán. Hơn nữa, cấu trúc của các mạng sâu được thiết kế để giải quyết các mô hình này, chủ yếu là tuyến tính ngoại trừ tính phi tuyến được bao hàm trong hàm kích hoạt, cho phép phân tán quy mô lớn. Bài khảo sát được thiết kế để bắt đầu từ cơ bản. Đối tượng mà tôi hướng đến là một sinh viên cao học năm nhất chỉ có kiến thức rất cơ bản về các phương pháp giải, hoặc thậm chí là một sinh viên đại học năm cuối có động lực. Tôi rất trân trọng phản hồi. Bạn có thể theo dõi các lập luận xuyên suốt không? Có bước nào vẫn chưa rõ ràng không? Tôi đã giảng dạy các khóa học dựa trên tài liệu này tại Penn, Ngân hàng Tây Ban Nha, Cambridge, ECB, Harvard, Johns Hopkins, Northwestern, Oxford, Princeton, UC Santa Barbara, và Stanford, nhưng tôi luôn tìm kiếm những cái nhìn mới để gợi ý cải tiến. Tất cả các bộ slide, với liên kết đến mã, đều có sẵn ở đây: dưới "Học máy cho các nhà kinh tế." Cuối cùng, tôi có thể sử dụng bài khảo sát này và các bộ slide như là hạt nhân cho một cái gì đó dài hơn, nhưng trước tiên, tôi cần dọn dẹp bàn làm việc của mình khỏi quá nhiều dự án đang diễn ra.