अर्थमिती आणि सांख्यिकीमधील कृत्रिम बुद्धिमत्ता: भूमिका, सीमा, प्रमाणीकरण आणि गोपनीयता

नफा:

• प्रायोगिक वर्कफ्लोमध्ये (डेटा क्लीनिंग, कोड, व्हिज्युअलायझेशन, मसुदा व्याख्या) कृत्रिम बुद्धिमत्ता वास्तविक वेळेची बचत करते आणि कार्य जोखीम पातळीनुसार, मॉडेल निवड, कार्यकारणभाव दावा आणि प्रकाशन निर्णय यासारखे निर्णय तज्ज्ञांवर सोडले जातात हे वेगळे करण्यास सक्षम असणे.
• एक शिस्त लागू करण्याची क्षमता जी प्रत्येक कृत्रिम बुद्धिमत्ता आउटपुट (संख्या, गुणांक, कोड, टिप्पणी) ची पुनर्गणना, स्त्रोताशी दुवा साधणे आणि सांख्यिकीय फिल्टरिंगद्वारे सत्यापित करते.
• KVKK/GDPR आणि डेटा वापर कराराच्या कक्षेत सूक्ष्म डेटा आणि गोपनीय/परवानाकृत डेटा संचांवर सुरक्षितपणे प्रक्रिया करण्याची क्षमता आणि योग्य साधने निवडण्याची सवय लावणे.

तेच प्रश्न दररोज अर्थशास्त्रीय किंवा लागू सांख्यिकीशास्त्रज्ञांच्या डेस्कवर वारंवार पडतात: हा डेटा सेट विश्वसनीय आहे का; या हरवलेल्या मूल्यांचे काय करायचे? या प्रतिगमनाचे गुणांक खरोखर काय सांगते? हे नाते कारणात्मक आहे की केवळ परस्परसंबंधित आहे? कारण हे पी-व्हॅल्यू महत्त्वपूर्ण आहे, मी ते लेखात किंवा पॉलिसी ब्रीफमध्ये लिहू शकतो का? यापैकी काही प्रश्न पुनरावृत्ती करणारे, कोड-केंद्रित आणि वेळ घेणारे आहेत: डेटा साफ करणे, समान आलेख दहा वेळा प्लॉट करणे, R किंवा Python कोड डीबग करणे, परिणामांना टेबलमध्ये स्ट्रिंग करणे. इतर एखाद्या शोधाची वैधता, प्रकाशनाची प्रामाणिकता किंवा धोरणात्मक निर्णयाची अचूकता थेट निर्धारित करतात.

आर्टिफिशियल इंटेलिजन्स (थोडक्यात AI, AI - संगणक प्रणाली जी मानवांप्रमाणे मजकूर आणि कोड तयार करू शकते, नमुने ओळखू शकते, डेटा सारांशित करू शकते आणि टिप्पण्या लिहू शकते; आज सर्वात जास्त वापरले जाणारे फॉर्म मोठ्या भाषेचे मॉडेल आहेत, म्हणजे, मोठ्या मजकुरावर प्रशिक्षित असलेल्या आणि पुढील शब्दाचा अंदाज बांधून वाक्ये तयार करणारी प्रणाली) या टेबलच्या अगदी मध्यभागी बसते. योग्यरितीने वापरल्यास, ते डेटा क्लीनिंग कोडचे तास कमी करून मिनिटांपर्यंत कमी करते, तुम्हाला जटिल सांख्यिकीय चाचणीच्या वाक्यरचनाची आठवण करून देते किंवा गुणांकाचा अर्थ लावण्यासाठी मसुदा तयार करते. चुकीच्या पद्धतीने वापरल्यास, ते "शोध" म्हणून एक वरवर खात्रीशीर परंतु पूर्णपणे बनावट संख्या, चुकीचे महत्त्व किंवा गैर-कारण संबंध प्रस्तुत करते.

हे पहिले युनिट सॉफ्टवेअर परिचय नाही. तुमच्या अनुभवजन्य वर्कफ्लोमध्ये AI कुठे ठेवायचे आणि कुठे ठेवू नये हे स्पष्ट करणे हा त्याचा उद्देश आहे. अर्थमिती हे दोन्ही "पद्धत-गंभीर" आणि अप्रत्यक्षपणे "निर्णय-गंभीर" क्षेत्र आहे: तुम्ही तयार केलेल्या मॉडेलचे गुणांक मध्यवर्ती बँकेच्या व्याजदर निर्णयासाठी, नियामकाच्या धोरणातील बदलासाठी किंवा फर्मच्या दशलक्ष डॉलरच्या गुंतवणुकीसाठी इनपुट असू शकतात. चला सुरुवातीपासून मूलभूत तत्त्व मांडू: कृत्रिम बुद्धिमत्ता एक विश्लेषण सहाय्यक आहे, संशोधक नाही. मॉडेलची निवड, ओळख धोरण, कार्यकारणभाव, प्रकाशन आणि धोरणात्मक निर्णयांची जबाबदारी आणि अंतिम मंजुरी सक्षम तज्ञावर आहे.

अनुभवजन्य कार्यप्रवाहाचे स्तर आणि AI चे स्थान

प्रायोगिक अभ्यासाचे तीन स्तरांमध्ये विभाजन करणे उपयुक्त आहे. एक्झिक्युशन लेयर हे रोजचे तांत्रिक काम आहे: डेटा क्लीनिंग कोड, आलेख ड्रॉइंग, टेबल फॉरमॅटिंग, सिंटॅक्स डीबगिंग. पद्धत स्तर हा विश्लेषणात्मक निर्णय आहे: कोणते मॉडेल, कोणती ओळख धोरण, कोणती चाचणी, कोणती गृहीतक तपासणी. व्याख्या आणि निर्णय स्तर हा निष्कर्षांचा अर्थ आहे: गुणांक काय म्हणतो, ते कार्यकारणभाव आहे का, धोरणासाठी त्याचा अर्थ काय आहे, ते प्रकाशित केले पाहिजे. AI सर्व तीन स्तरांना स्पर्श करते, परंतु प्रत्येकामध्ये भिन्न अधिकार आहे. अंमलबजावणी स्तरावर, एआय द्रुतपणे मसुदा तयार करते आणि कोड तयार करते; व्याख्या आणि निर्णय स्तरावर, फक्त इनपुट दिले जाते आणि तज्ञ निर्णय घेतो.

चला सुरुवातीपासून काही मूलभूत संज्ञा परिभाषित करूया. अर्थमिती ही शाखा आहे जी आर्थिक आणि सामाजिक डेटाचे सांख्यिकीय पद्धतींसह विश्लेषण करते आणि संबंध मोजते. प्रतिगमन ही एक पद्धत आहे जी एक किंवा अधिक स्पष्टीकरणात्मक चल (स्वतंत्र व्हेरिएबल्स) सह परिणाम व्हेरिएबल (आश्रित व्हेरिएबल) च्या संबंधांचे संख्यात्मक मॉडेल करते. गुणांक ही अशी संख्या आहे जी स्पष्टीकरणात्मक चलमध्ये सरासरी बदलाच्या किती एककांच्या बदलाशी संबंधित आहे हे दर्शवते. पी-व्हॅल्यू ही संभाव्यता आहे की जेव्हा प्रत्यक्षात कोणताही परिणाम अस्तित्वात नसतो तेव्हा निरीक्षण केलेले परिणाम (किंवा अधिक तीव्र परिणाम) योगायोगाने उद्भवतात. या संकल्पना आपण पुढील एककांमध्ये एक-एक करून स्पष्ट करू; आत्तासाठी, हे जाणून घ्या: या सर्वांमध्ये, AI तुम्हाला ब्लूप्रिंट, कोड आणि स्पष्टीकरण देते, परंतु ते वैज्ञानिक निर्णय घेत नाही.

खालील सारणी मिशननुसार AI ची भूमिका आणि जोखीम पातळी सारांशित करते:

शोध

AI ची भूमिका

जोखीम पातळी

कोण मंजूर करतो

डेटा सॅनिटायझेशन कोड लिहित आहे

कोड जनरेटर

कमी

स्वतः विश्लेषक (कोड चाचणीसह)

तक्ता/सारणी मसुदा

स्केच जनरेटर

कमी

विश्लेषक

चाचणी/मॉडेल वाक्यरचना स्मरणपत्र

संदर्भ सहाय्यक

कमी-मध्यम

विश्लेषक

मसुदा गुणांक व्याख्या

मसुदा लेखक

मध्यम

अर्थशास्त्री

मॉडेल/ओळख धोरण निवड

सहाय्यक इनपुट

उच्च

तज्ञ संशोधक

कारणाचा दावा

फक्त एक मसुदा, कधीही अंतिम शब्द नाही

खूप उच्च

तज्ञ + समवयस्क पुनरावलोकन

प्रकाशन/धोरण निर्णय

फक्त इनपुट

खूप उच्च

जबाबदार अन्वेषक/संस्था

या सारणीतील एक ओळ लक्षात ठेवा: जोखीम वाढत असताना, AI ची भूमिका कमी होते आणि तज्ञांची मान्यता वाढते.

"पडताळणी" हे या व्यवसायाचे हृदय का आहे

भाषा मॉडेल्स त्यांच्या उत्तरावर विश्वास ठेवतात, परंतु त्यांना खात्री नसते. तांत्रिक भाषेत, याला मतिभ्रम म्हणतात: अस्खलित वाक्यात अस्तित्त्वात नसलेल्या माहितीचे मॉडेल तयार करणे, जसे की ते खरे आहे. अर्थशास्त्रीयांसाठी, हा एक प्राणघातक सापळा आहे. मॉडेल तुम्हाला "2015-2020 मधील बेरोजगारी आणि चलनवाढ यांच्यातील संबंध 0.62 आहे" सारखी अचूक संख्या देऊ शकते; तथापि, त्याने कधीही तुमचा डेटा पाहिला नाही आणि हा नंबर पूर्णपणे बनलेला आहे. किंवा असे म्हणू शकते, “पांढऱ्या चाचणीचे p-मूल्य 0.03 होते”; तर कोणत्याही चाचण्या केल्या नाहीत. प्रत्यक्षात अस्तित्वात नसलेल्या आर्ग्युमेंटसह ते R फंक्शन कॉल करू शकते. तो तिन्ही गाणे सारख्याच ओघवतेने गातो; बरोबर आणि चुकीचे वेगळे करणारी एकमेव गोष्ट म्हणजे तुमचे ज्ञान आणि पडताळून पाहण्याची तुमची सवय.

पडताळणी शिस्तीत तीन पायऱ्या असतात:

1. तुमच्या स्वतःच्या वातावरणात पुन्हा गणना करा / चालवा: AI च्या मेमरीमधून नव्हे तर तुमच्या स्वतःच्या डेटासह R/Python मध्ये AI ने दिलेली प्रत्येक संख्या, गुणोत्तर, चाचणी निकाल आणि गुणांक मोजा. कोड लिहिण्यासाठी AI वापरा, परिणाम लक्षात ठेवण्यासाठी नाही. कोड चालवा, तुम्ही आउटपुट तयार कराल.
2. स्त्रोताशी दुवा: पद्धत नियम, सूत्रे आणि व्याख्यांसाठी पाठ्यपुस्तके, पद्धती लेख आणि अधिकृत दस्तऐवजांवर अवलंबून रहा. विश्वसनीय स्त्रोतासह AI च्या विधानाची "या चाचणीचे गृहितक आहे" याची पुष्टी करा.
3. सांख्यिकीय फिल्टर: आउटपुट सांख्यिकीय तर्कशास्त्र (ग्रहण, नमुना, परिणाम आकार, अनिश्चितता) च्या विरोधात आहे की नाही हे तज्ञांच्या डोळ्यांनी तपासा. "अर्थपूर्ण पण बेतुका" निकाल नाकारा.

खबरदारी: लेख, थीसिस किंवा पॉलिसी नोटमध्ये एआय-व्युत्पन्न गुणांक, चाचणी किंवा अर्थ लावणे हे सत्यापित न करता, पुनरावलोकन न केलेले निष्कर्ष प्रकाशित करण्यासारखे आहे. केवळ आउटपुट अस्खलित आहे म्हणून खरे नाही; फक्त संख्या निश्चित वाटत असल्याने ती खरी नाही.

गोपनीयता: सूक्ष्म डेटा आणि परवानाकृत डेटा खाजगीरित्या संरक्षित केला जातो

मायक्रोडेटा (वैयक्तिक, घरगुती, फर्म किंवा रुग्ण स्तरावरील एकल रेकॉर्ड) इकॉनॉमेट्रिक्समध्ये वारंवार वापरले जातात. यातील बहुतांश डेटा हा वैयक्तिक डेटा आहे आणि युरोपमधील Türkiye आणि GDPR मध्ये KVKK (वैयक्तिक डेटा संरक्षण कायदा) अंतर्गत संरक्षित आहे. याव्यतिरिक्त, TurkStat, मध्यवर्ती बँका, पॅनेल डेटा प्रदाते आणि व्यावसायिक स्रोत अनेकदा डेटा वापर करारासह डेटा प्रदान करतात; हे करार तृतीय पक्षांना डेटा हस्तांतरित करण्यास प्रतिबंधित करतात. सार्वजनिक AI चॅट टूलमध्ये ओळख माहिती, उत्पन्न, आरोग्य किंवा कंपनीची गुपिते असलेली टेबल पेस्ट करणे हे KVKK/GDPR उल्लंघन आणि कराराचे उल्लंघन आहे; कारण डेटा बाह्य सर्व्हरवर जातो आणि काही साधनांमध्ये मॉडेल प्रशिक्षणात वापरला जाऊ शकतो.

नियम सोपा आहे: डेटा स्वतःच्या सुरक्षित वातावरणात ठेवा, एआयला फक्त कोड आणि पद्धती विचारा. आदर्श कार्यप्रवाह हा आहे: विश्लेषण कोडसाठी AI ला विचारा, तुम्ही तुमच्या स्वतःच्या संगणक/एंटरप्राइझ सर्व्हरवर वास्तविक डेटासह कोड चालवा. तुम्ही खरोखरच डेटा शेअर करणे आवश्यक असल्यास, अनामित करा (आयडी फील्ड काढा), एकत्रित (वैयक्तिक ऐवजी सरासरी/गणना) आणि संस्थात्मक टूल्स निवडा, डेटा प्रोसेसिंग करार असेल आणि तुमचा डेटा शिक्षणात वापरू नका.

तीन लहान प्रकरणे

केस 1 - सुरक्षित आणि कार्यक्षम वापर. एका संशोधकाने प्रथम घरगुती बजेट डेटाच्या 40,000 पंक्ती मॅन्युअली साफ करण्यात 6 तास घालवले. डेटा अजिबात शेअर न करता, त्याने एआयला व्हेरिएबलची नावे आणि रचना सांगितली आणि क्लिनिंग कोड मागितला. एआयने आर स्क्रिप्ट तयार केली; संशोधकाने त्याच्या स्वतःच्या वातावरणात कोड चालवला, प्रत्येक पायरीच्या ओळींची संख्या आणि सारांश आकडेवारी तपासली आणि दोन तर्कशुद्ध त्रुटी निश्चित केल्या. कालावधी: 6 तासांऐवजी 70 मिनिटे. डेटा कधीही बाहेर गेला नाही; जबाबदारी संशोधकाची राहिली.

केस 2 - असत्यापित नंबर ट्रॅप. "जीडीपी वाढ आणि थेट परदेशी गुंतवणूक यांच्यातील लवचिकता काय आहे," एका पदवीधर विद्यार्थ्याने एआयला विचारले. कोणत्याही डेटामध्ये प्रवेश नसतानाही एआयने आत्मविश्वासाने "सुमारे 0.34" संख्या दिली. विद्यार्थ्याने साहित्याच्या सारांशात हे लिहिले; जेव्हा त्याच्या सल्लागाराने स्त्रोताबद्दल विचारले तेव्हा असे दिसून आले की या संख्येला कोणताही आधार नाही आणि तो पूर्णपणे बनावट आहे. चूक: AI कडून डेटा आणि संसाधने न देता ठोस आकडेवारीची अपेक्षा करणे.

प्रकरण 3 - गोपनीयता आणि कराराचा भंग. एका विश्लेषकाने एक्सेल अपलोड केला, जो त्याला परवानाधारक कंपनी पॅनेलकडून प्राप्त झाला, ज्यामध्ये कंपनीचे नाव आणि उलाढाल आहे, सार्वजनिकरित्या उपलब्ध असलेल्या एआय टूलवर आणि "पॅनल रिग्रेशन करा" असे म्हटले. डेटा प्रदात्याच्या कराराने तृतीय-पक्ष प्रणालींमध्ये डेटा हस्तांतरित करण्यास मनाई केली आहे; या घटनेने अनुपालन पुनरावलोकन करण्यास प्रवृत्त केले. योग्य मार्ग म्हणजे कंपनीची नावे अनामित कोडने बदलणे किंवा कोणताही डेटा शेअर न करणे आणि केवळ पॅनल रीग्रेशन कोडची विनंती करणे आणि ते स्वतःच्या वातावरणात चालवणे.

कमकुवत प्रॉम्प्ट / मजबूत प्रॉम्प्ट

कमकुवत प्रॉम्प्ट:

महागाई आणि बेरोजगारी यांच्यातील संबंधांचे विश्लेषण करा आणि गुणांक सांगा.

हा दावा चुकीचा आहे: एआयला कोणताही डेटा दिला गेला नाही, कोणता देश, कोणता कालावधी, कोणता मॉडेल हे स्पष्ट नाही. AI फक्त मेड-अप गुणांकानेच उत्तर देऊ शकते.

शक्तिशाली सूचना:

तुमची भूमिका: तुम्ही अर्थमिती संशोधकाला मदत करणारे विश्लेषण सहाय्यक आहात. मी तुमच्यासोबत डेटा शेअर करत नाही; मला फक्त RUNNABLE R कोड हवा आहे. माझ्याकडे वार्षिक पॅनेल आहे: चल देश, वर्ष, बेरोजगारी, चलनवाढ (सर्व संख्यात्मक). कार्य: 1) बेरोजगारीसाठी एक निश्चित प्रभाव पॅनेल रीग्रेशन कोड लिहा ~ चलनवाढ (plm पॅकेज), 2) कोडमधील प्रत्येक पायरी टिप्पणी ओळीसह स्पष्ट करा, 3) लक्षात घ्या की गुणांकाचा CAUSAL नव्हे तर रिलेशनल म्हणून अर्थ लावला पाहिजे, 4) फंक्शन युक्तिवाद तयार करा ज्याबद्दल तुम्हाला खात्री नाही; मी धावत जाईन आणि माझ्या स्वतःच्या वातावरणात निकाल सत्यापित करेन.

या विनंतीमध्ये, कोणताही डेटा सामायिक केलेला नाही, भूमिका, पॅकेजेस, टिप्पण्यांची अपेक्षा आणि "बनावट" प्रतिबंध स्पष्ट आहे. तुम्ही अजूनही चालवा आणि आउटपुट स्वतः सत्यापित करा.

खालील सारणी या धड्यातील एक-वाक्य नियमांचा सारांश देते:

तत्त्व

याचा अर्थ काय

AI एक सहाय्यक आहे

वैज्ञानिक निर्णय आणि जबाबदारी तज्ञाची आहे

कोडची विनंती करा, परिणाम तयार करा

एआयला क्रमांक आठवत नाही; तुम्ही ते चालवा आणि गणना करा

डेटा ठेवा

सूक्ष्म/परवानाकृत डेटा सुरक्षित वातावरण सोडत नाही

सत्यापित करा

प्रत्येक अंक, कोड, टिप्पणी तपासली जाते; बनावट नाकारले आहे

सामान्य चुका

• डेटा न देता AI कडून ठोस आकडेवारीची अपेक्षा करणे. मॉडेल डेटामध्ये प्रवेश करू शकत नाही; ते दिलेले गुणांक, सहसंबंध आणि p-मूल्य बनावट आहेत. नेहमी कोडची विनंती करा आणि परिणाम स्वतः तयार करा.
• भ्रामक कार्यांवर अवलंबून राहणे. AI कदाचित अस्तित्वात नसलेले R/Python फंक्शन किंवा युक्तिवाद सुचवू शकते. चालवल्याशिवाय आणि पडताळणी केल्याशिवाय कोड स्वीकारू नका.
• सार्वजनिक साधनावर मायक्रोडेटा अपलोड करत आहे. हे KVKK/GDPR आणि डेटा वापर कराराचे उल्लंघन आहे. डेटा अनामित करा किंवा तो अजिबात शेअर करू नका.
• अचूकतेसाठी चुकीचा प्रवाह. चांगले लिहिलेले पुनरावलोकन चुकीचे असू शकते. वाक्याच्या सौंदर्याचा पुरावा नाही.
• नियंत्रणाशिवाय कार्यकारण भाषा स्वीकारणे. YZ अनेकदा म्हणतो “X ने Y वाढतो”; तर बहुतेक प्रतिगमन फक्त संबंध दर्शवतात. डिझाइनसह कार्यकारणभावाचा दावा करा.

टीप: AI सह काम करताना, स्वतःला हा प्रश्न विचारा: "जर रेफरी किंवा ऑडिटरने हे आउटपुट मागितले, तर मी स्त्रोत आणि खाते दाखवू शकतो का?" उत्तर नाही असल्यास, आउटपुट अद्याप वापरासाठी तयार नाही.

सारांशात

एआय इकॉनॉमेट्रिक्स आणि स्टॅटिस्टिक्स वर्कफ्लोच्या एक्झिक्यूशन लेयरमध्ये (कोड, क्लीनअप, आलेख, मसुदा) वास्तविक आणि प्रचंड प्रवेग प्रदान करते; तथापि, मॉडेल निवड, कार्यकारणभाव, व्याख्या, प्रकाशन आणि धोरणात्मक निर्णय तज्ञांचे आहेत. तीन मूलभूत विषय: AI ला नंबरची आठवण करून देऊ नका, कोड विचारा आणि निकाल स्वतः तयार करा आणि सत्यापित करा; सुरक्षित वातावरणातून सूक्ष्म/परवानाकृत डेटा काढू नका; सांख्यिकीय फिल्टर प्रत्येक आउटपुट. असत्यापित AI आउटपुट हे पुनरावलोकन न केलेल्या शोधाइतकेच धोकादायक आहे.

अर्ज कार्य

तुमचा स्वतःचा (किंवा उदाहरण) डेटा सेट विचारात घ्या. AI ला R किंवा Python कोडसाठी विचारा जो डेटा शेअर न करता, फक्त व्हेरिएबल स्ट्रक्चरचे वर्णन करून वर्णनात्मक आकडेवारी आणि एक साधा आलेख तयार करतो. येणारा कोड तुमच्या स्वतःच्या वातावरणात चालवा. नंतर एक चेकलिस्ट ठेवा: (1) कोड त्रुटींशिवाय चालला आहे का, (2) तुमच्या अपेक्षेप्रमाणे ओळी/निरीक्षणांची संख्या आहे, (3) AI च्या टिप्पणी वाक्यांपैकी कोणती कारणात्मक भाषा वापरते आणि ते निश्चित केले पाहिजे. एका परिच्छेदात, AI ने तुमची किती वेळ वाचवली आणि तुम्ही पकडला किमान एक बग याबद्दल लिहा.

चेकलिस्ट

• [ ] मी AI ला ठोस आकडेवारी मागायला लावली नाही; मी कोडची विनंती केली आणि निकाल स्वतः तयार केला.
• [ ] मी माझ्या स्वतःच्या वातावरणात दिलेला प्रत्येक क्रमांक आणि परीक्षेचा निकाल पुन्हा मोजला.
• ते वापरत असलेली फंक्शन्स/वितर्क प्रत्यक्षात अस्तित्वात असल्याचे मी सत्यापित केले.
• [ ] मी सार्वजनिक साधनावर सूक्ष्म/वैयक्तिक/परवानाकृत डेटा अपलोड केला नाही.
• [ ] मी कारणात्मक भाषा असलेल्या टिप्पण्या चिन्हांकित केल्या आणि त्या संबंधित भाषेत हलवल्या.
• [ ] मी ऑडिटरला आउटपुटचा स्त्रोत आणि लेखा दर्शविण्यास सक्षम आहे.