МВФ представил новую методику обучения ИИ для экономической политики с опорой на исторический опыт
Международный валютный фонд (МВФ) разработал инновационную методику обучения больших языковых моделей (LLM), которая направлена на использование исторического опыта для принятия экономических решений. Этот подход описан в докладе МВФ "Обучение с подкреплением из исторического опыта: как применить ИИ в экономической политике". Новая методика призвана учитывать последствия прошлых экономических реформ, чтобы предотвратить вредоносные рекомендации.
Ключевая особенность предложенной модели — ее способность сортировать рекомендации, принимая во внимание предполагаемую реакцию общества. Это дает соответствие общечеловеческим ценностям и делает решения более полезными и честными.
Для обучения модели эксперты МВФ использовали данные из собственной базы Monitoring of Fund Arrangements (MONA), которая содержит записи об экономических решениях различных стран с 2002 года. Модель генерирует несколько предложений для решения экономических проблем и проверяет их на соответствие историческим фактам и на возможные негативные последствия. Подход помогает усилить положительные черты рекомендаций, такие как эмпатия, правдивость и инклюзивность, избегая предвзятости и токсичности.
Эффективность новой методики подтверждается высокими показателями точности модели, с метриками Precision, Recall и F1-score, зафиксированными на уровне выше 82%. Это свидетельствует о том, что предложенные моделью решения действительно учитывают исторические факты.
Однако эксперты предупреждают, что результаты работы ИИ необходимо постоянно проверять и корректировать людьми-экспертами. Авторы доклада отмечают, что сложные эконометрические методы, которые часто используются в традиционных исследованиях, сложно закодировать в модели, что требует постоянного взаимодействия с экспертами.
