spyked bricks in the wall

inteligența economică

Spuneam în articolul anterior legat de inteligență că formularea unei definiții clare, concise și generale a inteligenței este cvasi-imposibilă. Continuând însă drumul nostru către o înțelegere profundă a noțiunii de inteligență, nu putem să nu remarcăm faptul că economia acoperă și încearcă să rezolve în fapt o bună parte a problemei agentului inteligent. De ce tocmai economia, vă întrebați? Păi orice agent inteligent trebuie să ia decizii pentru a rezolva probleme. În plus, teoria decizională este strâns legată de teoria jocurilor, pentru că la un nivel mai înalt agentul va avea nevoie de o strategie de rezolvare a problemei. În fine, teoria jocurilor reprezintă o abordare anume asupra problemelor economice, fie că vorbim de economia individului, a familiei sau cea a unei companii.

Merriam-Webster dă următoarea definiție (non-ciclică) economiei:

a social science concerned chiefly with description and analysis of the production, distribution, and consumption of goods and services

Traducând în limbajul de mai devreme și mai pe românește, economia ia un spațiu de opțiuni/oportunități (bunuri și servicii) și îl analizează. Mai exact, analizează cum „curg” acestea dinspre producție și către consum, deci de la un agent economic la altul. În acest context al economiei, agentul inteligent prezentat în articolul anterior, cel cu utilitate și scop, trebuie să se decidă asupra opțiunii care îi va maximiza utilitatea și îl va aduce cât mai aproape de scop.

Să luăm un exemplu suficient de simplu, cel al oierului inteligent. Oierul inteligent tocmai și-a vândut turma de oi și vrea să își îmbunătățească starea materială, astfel că dispune de o sumă de bani oarecare, prețul unei oi pe piață înmulțit cu numărul de oi vândute, să zicem. Analizând oportunitățile de moment, oierul poate fie (a) să țină banii la ciorap, (b) să îi investească în terenuri sau (c) să îi joace la loto. Din start observăm că varianta (a) e cea mai proastă posibilă, deoarece banii se devalorizează în timp, odată cu utilitatea oierului.

Atât varianta (b) cât și varianta (c) au asociate factori de risc, cea din urmă probabil mai mare. Cu toate acestea, ultima variantă l-ar ajuta pe agent să se îmbogățească rapid, în cazul în care acesta ar reuși să investească suficient de mult încât să își maximizeze șansele de câștig. Pe de altă parte, alegerea variantei (b) implică ceea ce se numește cost de oportunitate, care se măsoară relativ la varianta (c), pentru că am stabilit din capul locului că (a) e proastă.

Inteligența agentului constă în faptul că acesta reușește să speculeze corect că prețul terenurilor va crește de ț ori în câțiva ani, iar acum e destul de mic încât acesta să poată cumpăra sute de hectare fără prea mari probleme. Observăm că calculul valorilor utilităților este non-trivial atât în cazul (b) cât și în cazul (c), deoarece necesită rezolvarea unor probleme care sunt în sine non-tractabile pentru o mașină de calcul. Pe de altă parte eu am suprasimplificat problema, în sensul în care oierul are în realitate nu trei modalități de a-și satisface scopul, ci un număr foarte mare, greu de stabilit în practică.

Știința calculatoarelor încearcă să facă o abstractizare foarte interesantă pentru a exprima cât mai concis problema. Citând un paragraf din articolul anterior al seriei:

Alții ar putea considera că, dimpotrivă, inteligența înseamnă a-ți putea deschide cât mai multe orizonturi, […] . Observăm însă […] că economia nu are nevoie de homo universalis, astfel că în ziua de astăzi un astfel de om nu ar excela în nici un domeniu, […].

Dat fiind faptul că avem la îndemână un spațiu al alternativelor (din care oricare alegere poate fi o soluție posibilă), tot ceea ce ne rămâne e să îl explorăm. Întrebarea este: cum îl explorăm? Această mulțime a alternativelor poate fi suficient de mare încât căutarea să dureze o viață întreagă, timp în care agentul moare de foame. Pe de altă parte, prima soluție ivită poate fi foarte bună sau deosebit de proastă, după cum am putut observa în exemplul de mai sus. În concluzie, problema este una de explorare versus exploatare a spațiului problemei.

Algoritmic, acest echilibru este dat de algoritmi/euristici clasici/e, precum A*. Învățarea automată pleacă pe căi mult mai interesante dar și greu de stabilit matematic, prin abordări precum Q-Learning sau algoritmii genetici/evolutivi. Toate acestea includ o funcție de explorare, care îi spun agentului când compromisul dintre explorare și exploatare înclină într-o parte sau cealaltă. Practic, explorarea se va traduce prin învățare, iar exploatarea va fi concretizată prin folosirea resurselor deja existente pentru a obține utilitate pe termen cât mai lung, dacă se poate pentru totdeauna, ceea ce în viața reală după cum știm nu se prea poate.

În cele din urmă și această abordare bazată pe explorare și exploatare se poate dovedi a fi ineficientă sau incompletă sau ambele. Asta s-ar putea să conteze mai puțin, deoarece scopul poate fi simplificat, iar domeniile de căutare pot fi oricând îngustate pentru a se potrivi cu aplicația concretă. Mai important este că astfel se poate stabili un posibil punct de plecare pentru dezvoltarea înțelegerii asupra inteligenței (spre deosebire de performanța brută, de exemplu) în economie.