מבוא לבינה מלאכותית בכלכלה: תפקידים, גבולות, אימות ואתיקה של נתונים

רווחים:

• יכולת להבחין היכן בינה מלאכותית חוסכת זמן אמת בניתוח כלכלי (איסוף נתונים, טיוטה, קוד, תקציר) והיכן (אחריות תחזית, החלטת מדיניות, נתון רשמי) ההחלטה נותרה לכלכלן המוסמך, בהתאם לרמת הסיכון למשימה.
• יכולת ליישם דיסציפלינה המאמתת כל פלט של בינה מלאכותית באמצעות שלבי חיבורו למקור המקורי (TURKSTAT/EVDS/IMF), חישובו מחדש והעברתו דרך המסנן של השכל הישר הכלכלי.
• יכולת לזהות את הסיכונים של מספרים מזויפים (הזיות), תאריכי ניתוק ישנים של נתונים וזליגת נתונים סודיים, ולרכוש הרגל של בחירת כלים ומשאבים בטוחים.

שולחן של כלכלן הוא למעשה מפעל נתונים וטקסטים: אתה מפרש את נתוני האינפלציה מ-TURKSTAT בבוקר, כותב אחר הצהריים הערת מדיניות לסוכנות פיתוח, מנקה סדרת זמן ומנסה לעשות תחזית בערב. חלק גדול מהעבודה הזו הוא מכאני, לא מנטאלי: הורדת נתונים, המרת יחידות, עריכת טבלאות, סיכום דוחות ארוכים, כתיבת קוד. בינה מלאכותית (AI - דגמי שפות גדולים וכלי עזר) מקלה בדיוק על העומס המכני הזה. אבל נתחיל במשפט שנחזור עליו לאורך כל המודול הזה: בינה מלאכותית היא העוזר של הכלכלן, לא המומחה שמחליף אותו. האחריות לתחזית אינפלציה, הצעת מדיניות מוניטרית או נתון זמין לציבור מוטלת תמיד על האדם והמוסד שחתמו עליה.

תחשוב על היחידה הזו כמו "מדריך למשתמש": כאן נפרוט היכן לשים AI, היכן לעולם לא לשים אותו וכיצד לאמת כל פלט. עשר היחידות האחרות ישימו בשר על השלד הזה.

מה מאיצה בינה מלאכותית בכלכלה ומה היא לא מאיצה?

נחלק את המשימות לשלוש תיבות לפי רמת הסיכון. הבחנה זו היא המצפן של המודול כולו.

קופסה ירוקה - AI הוא רב עוצמה, מוסיף מהירות (עדיין נבדק). כתיבת קוד הורדת נתונים, הצעת צעדים לניקוי נתונים, סיכום דוח או מאמר ארוך, הפקת קוד לתרשים, פישוט ועיצוב טקסט, הסבר מונחים, תרגום, טיוטת הערת המדיניות. כאן עלות הטעות נמוכה וניתן לראות שגיאות בקלות.

קופסה צהובה - AI עוזר אבל אנושי מאמת. בניית מודל סדרת זמן, פרשנות רגרסיה, חישוב תרחישים, פרשנות אינדיקטורים, סינתזת ספרות. כאן ה-AI מייצר תוכנית; אבל מספרים, הנחות והיגיון כלכלי לא הולכים לשום מקום בלי שנבדקים שורה אחר שורה.

קופסה אדומה - האחריות היא של האדם, AI לא יכול להחליט. אישור סופי של נתון האינפלציה/צמיחה הרשמי, בעלות על הצעת המדיניות המוניטרית או הפיסקלית, חתימה על תחזית שתפורסם, חוות דעת שהופכת להחלטת השקעה/אשראי. כאן AI מייצר רק קלט; השיפוט, האחריות והחתימה שייכים לאדם.

טיפ: אם אינך בטוח באיזו תיבה להכניס משימה, שאל את השאלה הזו: "מי נפגע אם הפלט הזה יתברר כשגוי, והאם השגיאה תורגש בקלות?" אם הנזק גדול והשגיאה מוסתרת, משימה זו קרובה לאדום.

שלושה גבולות בסיסיים של בינה מלאכותית

כדי להשתמש בו בבטחה בכלכלה, צריך קודם כל לדעת היכן הוא מועד.

1) ייצור (הזיה). מודל השפה הגדול מרכיב לפעמים מספר או מקור שהוא לא מכיר, בשפה בטוחה. המשפט "הגירעון בחשבון השוטף ב-2023 היה 45.2 מיליארד דולר" נראה נכון אך עשוי להיות שגוי לחלוטין. בכלכלה זה קטלני: נתון לא נכון מרעיל דוח, תחזית, החלטה.

2) תאריך הפסקת הנתונים. נתוני האימון של המודל נעצרים בתאריך מסוים. האינפלציה העדכנית ביותר, החלטת הריבית האחרונה ושער החליפין של אתמול עשויים להיות חריגים ממידע זה. ה-AI עשוי למעשה לתת לך מספר בן מספר חודשים או שנים כ"נתונים אחרונים".

3) עיוורון סיבתי וחוסר הקשר. AI לוכד דפוסים בשפה; אינו "מבין" סיבתיות כלכלית. הוא עושה משפטים כמו "כשהריבית עולה, האינפלציה יורדת" בצורה שוטפת, אבל הוא לא יכול להעריך באילו תנאים הם תקפים או באיזו מדינה התרחש ההיפך באיזו תקופה. הוא לא יכול לראות הפסקות מבניות (שינוי דפוס עם משבר).

שימו לב: זה שמשפט שוטף ובטוח לא אומר שהוא נכון. בינה מלאכותית בשכנעה ביותר יכולה להיות בשגויה ביותר.

משמעת אימות: מקור–חשבון–מסנן

הלב של מודול זה הוא הרגל יחיד. קח כל פלט AI דרך שלושה שלבים:

1. מקור. כל מספר וטענה עובדתית מקושרים למקור המקורי. אינפלציה מ-TURKSTAT, שער חליפין ומאזן תשלומים מ-CBRT, תחזית עולמית מ-IMF. אתה מתייחס לפרסום הרשמי, לא לנתון שניתן על ידי AI.
2. הַצָעַת חוֹק. אתה מחשב מחדש ידנית כל מספר נגזר לפחות פעם אחת. האם קצב הצמיחה, הערך הריאלי והמדד נגזרים עם הנוסחה הנכונה? בדוק תקופה על הנייר.
3. לְנַפּוֹת. אתה מעביר את התוצאה דרך השכל הישר הכלכלי: האם הגודל הזה סביר? האם השלט נכון? בטווח ההיסטורי? האם יש סתירה כלשהי? תוצאה בלתי סבירה היא לרוב אות לשגיאה.

שלושה מיני תיקים

מקרה 1 - לכידת הדמות המזויפת. אנליסט של סוכנות פיתוח אמר ל-YZ "לערוך טבלה של נתוני יצוא של 2023 על בסיס פרובינציאלי". AI נתן תמונה הגונה. בשלב ה-SOURCE, האנליסט בחן את סטטיסטיקת סחר החוץ של TUIK וראה שהנתונים של שלושה מחוזות היו פי שניים מהנתונים בפועל; הבינה המלאכותית מילאה את המידע החסר במספרים "סבירים למראה". האנליסט זרק את הטבלה ומשך את הנתונים ישירות מ-TURKSTAT. הדמות המפוברקת נתפסה לפני שנכללה בדוח.

מקרה 2 - מלכודת נתונים מיושנת. עיתונאי כלכלי שאל את YZ "מהו הריבית הנוכחית?" הוא שאל; התשובה שקיבל הייתה השיעור של לפני שמונה חודשים. העיתונאי, בעל הרגל של ACCOUNT/SOURCE, הסתכל בהחלטת MPK (הוועדה המוניטרית) האחרונה של ה-CBRT והשתמש בשיעור הנכון. אם הוא לא היה שואל, עניין שגוי היה מגיע לפרסום.

מקרה 3 - מסנן כלכלי. סטודנט-חוקר גרם ל-AI לחשב סדרת שכר אמיתי. התוצאה אמרה שהשכר הריאלי עלה ב-140 אחוז בשנה אחת. שלב ה-FILTER נכנס לפעולה: הגודל הזה לא היה מציאותי. בקוד, ה-AI השתמש בדפלטור (מדד מתקן מחיר) עם הבסיס הלא נכון. נמצאה השגיאה, הנוסחה תוקנה והתוצאה נפלה בטווח הסביר.

ארבע תבניות הניתנות להעתקה

1) הנחיית מערכת המגדירה תפקידים וגבולות:

תפקידך: עוזר עוזר ניתוח לכלכלן בכיר. חוקים: (1) אל תמציא מספרים שאני לא נותן לך. אם אינך יודע, אמור "עליך לאמת את הנתונים הללו". (2) ציין מאיזה מקור רשמי (TURKSTAT/CBRT/IMF וכו') יש לאשר אותו עבור כל מספר שאתה מספק. (3) ציין את המצב ואי הוודאות בבירור בעת טענת סיבתיות. אם אתה מבין, אשר במשפט אחד.

2) בקשת אישור מקור:

נתח את הטענה הבאה: "[טענה]". רשום באיזה מקור רשמי/ראשי (מוסד, שם פרסום, סדרה) עלי להסתכל כדי לאמת זאת. זהה לאיזו הגדרה ותקופה שייך כל מספר בתביעה. אל תיתן מספרים מהזיכרון שלך.

3) הנחיה לסנן פלט:

בדוק את תוצאת הניתוח הבאה לעקביות כלכלית: האם הסימן הגיוני, האם הגודל בטווח ההיסטורי, האם היחידות עקביות, האם יש הנחה נסתרת? סמן כל דבר שאתה מוצא חשוד בתג "אמת".

4) בקשה לסיווג סיכון משימות:

אני אבצע את המשימה הבאה: "[quest]". סווגו אותו כירוק (מכני, סיכון נמוך), צהוב (טיוטה, אנושי מאמת) או אדום (החלטה/אחריות אנושית) והסבירו מדוע במשפט אחד.

הנחיה חלשה / הנחיה חזקה

הנחיה חלשה:

כתבו ניתוח על הכלכלה הטורקית.

חסר הקשר ובלתי מוגבל; בינה מלאכותית מייצרת טקסט גנרי, ללא מקור, שאינו ניתן לאימות.

הנחיה עוצמתית:

תפקידך: עוזר ניתוח. יש לי את נתוני צמיחת המדד השנתי 2019-2024 מ-TURKSTAT (להלן). כתוב טיוטת הערה בת 3 פסקאות המבוססת על נתונים אלה; קח כל מספר מהטבלה שנתתי לך, אל תוסיף מספרים מבחוץ; איפה אתה לא ברור, כתוב "חייב להיות מאומת". לבסוף רשום אילו נקודות אני צריך לבדוק ידנית.[טבלה]

הנחיה זו נותנת את התפקיד, המשאב, האילוץ והציפיות לאימות ביחד; הפלט הופך לביקורת.

טעויות נפוצות

• התייחסות למספר שניתן על ידי ה-AI כמקור. AI אינו משאב; TURKSTAT/CBRT/IMF הוא המקור.
• טועה בשטף הדיוק. משפט כתוב היטב יכול להיות שגוי.
• עקיפת תיבת המשימות. העברת עבודת הקופסה האדומה במהירות כמו הירוק היא הטעות היקרה ביותר.
• שוכחים את תאריך הפסקת הנתונים. מבקש "נוכחי" ומקבל את המספר הישן.
• הדבקה ללא הבחנה של נתונים סודיים/רגישים לשוק לתוך הכלי. פגיעה בפרטיות שנראה ביחידה הבאה.
• דלג על שלב החישוב הידני. שימוש במספר הנגזר מבלי לבדוק אותו כלל.

לסיכום

בינה מלאכותית היא עוזר רב עוצמה שמפחית משמעותית את הנטל המכני של הכלכלן; אך האחריות לחיזוי, למדיניות ולנתונים הרשמיים נותרה בידי האדם. מיין משימות לקופסאות ירוקות-צהובות-אדומות, זכור את שלושת המגבלות הבסיסיות של בינה מלאכותית (ייצור, תאריך ניתוק נתונים, עיוורון סיבתיות), והעבר כל פלט דרך דיסציפלינת SOURCE–ACCOUNT–Filter. שלושת השלבים הללו הם חגורת הבטיחות עבור שאר המודול.

משימת יישום

בחר שבוע אמיתי מהעבודה שלך ורשום 10 משימות כלכליות שעשית באותו שבוע (למשל "לפרש נתוני אינפלציה", "הכן טבלת יצוא פרובינציאלית", "הפקת סיכום דוח"). סווגו כל משימה כירוק/צהוב/אדום. לאחר מכן בחר משימה בתיבה הירוקה ובקש מה-AI לבצע אותה באמצעות תבניות 1 ו-3 לעיל, ובדוק את הפלט עם SOURCE–ACCOUNT–Filter ושם לב לפחות שגיאה אחת שאתה מוצא.

רשימת בדיקה

• [ ] הנחתי את המשימה בצורה נכונה בתיבה הירוקה/צהובה/אדום.
• [ ] אישרתי כל מספר שניתן על ידי הבינה המלאכותית מהמקור הרשמי הראשי.
• [ ] חישבתי מחדש לפחות מספר נגזר אחד ביד.
• [ ] סיננתי את התוצאה באמצעות השכל הישר הכלכלי (סימן, גודל, יחידה).
• [ ] בדקתי את תאריך הפסקת הנתונים ואת סיכון העדכניות.
• [ ] לא השתמשתי בנתונים סודיים/רגישים או השתמשתי בכלים מאובטחים/מאושרים.
• [ ] טענתי לבעלות על הפלט, בטענה שיש לי פסק דין וחתימה סופית.