בשנים האחרונות נכנסה הבינה המלאכותית לקדמת הבמה, בתור אחת ההתפתחויות החשובות של העתיד. רובוטים מתבססים עליה, מערכות סיוע לנהג, מערכות זיהוי קולי ועוד שלל פיתוחים, בהם גם מערכות שמסייעות לבלום את התפשטות הקורונה. כמו חברות טכנולוגיה רבות אחרות, גם ענקית התוכנה סיילספורס , שמפתחת מערכות ארגוניות לניהול מערכי מכירות, מחזיקה מעבדת מחקר בתחום שבה מועסקים טובי החוקרים שידיה משיגות ומשחקים בארגז החול הטכנולוגי.
מעבדות המחקר הללו עוסקות בתחומי מחקר שמזכירים יותר עבודה אקדמית מאשר מרכז פיתוח של חברות טכנולוגיה, ובהן מנסים לקחת החוקרים את הטכנולוגיות הכי מתקדמות אל הקצה. הצוות של סיילפורס, שמונה כ-11 חברים, לקח על עצמו לפני כעשרה חודשים משימה שבמבט ראשון נשמעת מעט יומרנית - לתת למערכת בינה המלאכותית לנסות ולהשיב על שאלות מאקרו כלכליות שמלוות את הכלכלה המודרנית אולי משחר ימיה כמו למשל - מהי מדיניות המיסוי הנכונה שתצליח מצד אחד לעודד הגדלת תפוקה שתתרום ל"הגדלת העוגה", אך מצד שני לא תוביל לגידול משמעותי באי השוויון?
כלי בשם AI Economist - עליו הכריזה השבוע סיילספורס, מציע מודל שיסייע בהתמודדות עם הדילמה הזו אותה הם מכנים "הדילמה של המיסוי המרכזי" - שבה קיימת לדבריהם, התנגשות מתמדת בין הרצון של הממשלה להגדיל את המיסוי כדי להילחם באי שוויון, לבין ההשלכות של מדיניות המיסוי הזו על המוטיבציה של עובדים לצאת לעבודה, ובפרט בקרב העובדים המוכשרים. נקודת המוצא של החוקרים הייתה שחסר כלי מדעי שייכנס לחלל הקיים שבו המדיניות נקבעת על סמך "תיאוריות כלכליות מבוססות על הנחות סטריליות שקשה לאמת".
הדמיות שערך צוות חוקרים בראשות פרופ' ריצ'ארד זוכר, המדען הראשי של סיילספורס, ניסו לבדוק באמצעות הדמיית מחשב כיצד משפיעה מדיניות המיסוי על אי השוויון וגודל ה"עוגה" של המשק ולנסות להציע באמצעותה מודל מיסוי שיביא מלכתחילה לתוצאות אופטימליות למשק - כאלה שבהן גם העוגה גדלה, אך הפערים החברתיים אינם מוקצנים.
פרופ' זוכר (36), הגיע לחברה ב-2016 לאחר שהסטראטפ MetaMind שבראשו עמד נמכר לסיילספורס. את הדוקטורט במדעי המחשב קיבל פרופ' זוכר מאוניברסיטת סטנפורד שנתיים קודם לכן. מחלקתו של פרופ' זוכר מתמקדת בכמה ענפים של מחקר בבינה מלאכותית - למידה עמוקה, עיבוד שפה טבעית, ראייה ממוחשבת, זיהוי דיבור ומערכות המלצות. הפעילות במסגרתה בוצע המחקר על מדיניות המיסוי נעשתה במסגרת הפעילות של מחלקתו בתחום ה-"מחקר בסיסי" - דהיינו מחקרים מהסוג שלתוצאותיהם אין מטרה יישומית ברורה. תוצאות המחקר הוצגו ל"גלובס" בשיחת זום בהשתתפות פרופ' זוכר ואנשי צוותו.
השיגו תוצאות טובות יותר מהכלכלנים
הכלי שפיתחה סיילספורס מנצל את ההתקדמות המדעית והטכנולוגית בתחום הבינה המלאכותית בכדי להריץ סימולציות מורכבות בהן נבחנות נוסחאות שונות של מדיניות מיסוי והשפעתם על המערכת הכלכלית - לא במערכת כלכלית אחת, אלא במיליוני מערכות. המטרה החברתית שניסו החוקרים להשיג היא רק דוגמה אחת, ולדבריהם המערכת בנויה כך שתוכל לבדוק את מידת ההתאמה של נוסחאות שונות גם למטרות חברתיות שונות.
בעקבות הניסוי הגיעו החוקרים למודל כלכלי אותו הם כינו "כלכלן הבינה המלאכותית" (The AI Economist), לו נקרא מעתה "האקונומיסט". בשלב הבא, הם בחנו את הנוסחה אותה גילו אל מול שלושה מודלים מתחרים: שוק חופשי מוחלט - ללא מיסוי בכלל, מודל המיסוי הפדרלי של ארה"ב, ומודל מיסוי מתקדם שהוצע על ידי הכלכלן הצרפתי עמנואל סאז מאוניברסיטת ברקלי.
ארבעת המודלים הורצו במטרה לבדוק ולהשוות בין ההשפעות הכלכליות השונות שכל נוסח תשיג. בכל מודל פעלו ארבעה "עובדים", במשך 40 "משחקים", כאשר כל "משחק" ייצג את כל שנות הקריירה של עובד אחד, וכלל אלף שלבים. בסוף הרצת כל המשחקים, בדקו החוקרים והשוו את התוצאות שהשיגה כל מדיניות ואת השפעתה על הכלכלה. קודם כל נבדק כמה "כסף" ייצרה כל כלכלה (הפרמטר שמקביל לתוצר הלאומי הגולמי, ה-GDP), ולצד זאת נבדקה גם רמת אי השוויון לפי מדד ג'יני. החוקרים שילבו את שני הפרמטרים הללו לכדי מדד נוסף שבחן האם הכלכלה הצליחה לשלב באופן אופטימלי בין הגדלת העוגה לצמצום פערים.
התוצאה, לדברי החוקרים, הייתה שנוסחת האקונומיסט השיגה במדד זה תוצאה הגבוהה ב-16% מזו שהשיגה הנוסחה של סאז, שהגיעה למקום השני. בהשוואה לכלכלה חופשית לחלוטין, זאת אומרת ללא נטל מס בכלל, הגיע האקונומיסט לתוצאה טובה ב-47%, וזאת במחיר של ירידה של 11% בלבד בפרודוקטיביות.
הנוסחה אליה הם הגיעו החוקרים ואשר השיגה את התוצאות הכלכליות המשופרות הייתה שילוב של מיסוי פרוגרסיבי ורגרסיבי. דהיינו, מודל שבו אין בהכרח רק הגדלה של המס ככל שההכנסה גדלה (כפי שקיים גם כיום במסים עקיפים, למשל מע"מ - כולם משלמים את אותו מס, ללא קשר להכנסה שלהם). במודל זה הוכבד מצד אחד נטל המס על העשירים ביותר, ומהצד השני נטל המס על מעמד הביניים הוקטן. במפתיע, ברמת הכנסות הנמוכות - התגלה שהשילוב המנצח הוא גם וגם, שילוב של מס גבוה ומס נמוך.
היתרון: מערכת שמסוגלת ללמוד
החוקרים לא הסתפקו בתוצאות משחק המחשב, ובכדי לחזק את תקפות תוצאות הניסויים הם ערכו ניסוי דומה בהשתתפות כמאה נסיינים אנושיים. החוקרים שמחו לגלות שכמו ה"עובדים" הממוחשבים שפעלו לפי נוסחת האקונומיסט, כך גם הנסיינים האנושיים שפעלו לפי נוסחה שמקורה בבינה מלאכותית השיגו תוצאות טובות יותר במדד המשלב את גודל העוגה ואת הפערים חברתיים.
בשם הדיוק המדעי, החוקרים הדגישו כי הנוסחה שהתקבלה רלוונטית אך ורק לסביבה שבה היא פעלה, וכי הדמיות שונות עשויות לייצר נוסחאות שונות. הם גם ציינו כי אינם טוענים דבר לגבי האפשרות ליישם את הנוסחה כפי שהיא בתצורתה הנוכחית בעולם האמיתי.
כיצד פועלת ההדמיה? ההדמיה, שפועלת כמעין משחק מחשב, משתמשת בעקרונות כלכליים ותמריצים בסיסיים בכדי לדמות את כלכלה שבה יש שני צדדים - עובדים וממשלה. שני השחקנים הללו לומדים כל הזמן את ההתנהגות של השני ומתאימים את עצמם כל העת כדי לשפר את מצבם.
העובדים משחקים את המשחק הכלכלי שבו הם מנסים לצבור משאבים - עץ ואבן, וסוחרים בהם עם שחקנים אחרים, במטרה להרחיב את היקף הכנסותיהם. משאבי העץ והאבן משמשים לצורך בניית בתים, ומההכנסות שהם מקבלים הם משלמים מסים.
העבודות שמבצעים ה"עובדים" לא שוות תמיד זו לזו, והן מדורגות לפי הערך שהן מייצרות. כך למשל, אם ה"עובד" בונה בעצמו את ביתו, הערך שנוצר מכך הוא נמוך משום שפעולה זו דורשת מאמץ רב. זו תמצית המשחק בעצם - כל הצדדים מנסים למקסם את התועלת שהם מפיקים מהפעולות שהם מבצעים.
המערכת לוקחת בחשבון עקרונות כלכליים בסיסיים כך שהיא כוללת מערכת תמריצים ואיזונים בדומה לעולם האמיתי. ה"עובדים" משקללים את התמורה לעבודה עם המאמץ שהם משקיעים בה. כך למשל, עבודה בסוף השבוע אולי תגרום ל"עובד" להרוויח יותר כסף, אבל מאמץ היתר שכרוך בכך עלול לגרום לפעולה זו להיחשב כפחות משתלמת עבורו בשקלול הכללי.
עם הזמן החלו החוקרים להבחין בהיווצרות של התמחות. העובדים בעלי כישורי הבנייה הנמוכים, החלו להרוויח את כספם לא מפעולת הבנייה, אלא מצאו אלטרנטיבה יעילה יותר מבחינתם - איסוף משאבים ומכירתם. הבנאים מצדם, במקום לחפש את המשאבים, החלו לרכוש אותם מהעובדים האחרים - אלה שהתמחו באיסוף משאבים, וזאת במטרה לזרז את קצב בניית הבתים שלהם.
לדברי החוקרים, ממחקרים דומים שנערכו בעבר נעדר מרכיב חשוב - למידה. תת התחום בבינה מלאכותית שבו פועל הצוות של פרופ' זוכר הוא "למידת חיזוק" (Reinforcement learning) - תחום שבו מערכת הבינה המלאכותית לא רק לומדת לזהות דפוסים אלא גם לומדת מטעויות ומנסה להשתפר באמצעות שינוי והתאמה של האסטרטגיות.
הייחוד של המחקר שלפנינו הוא בכך שלא רק צד אחד לומד להתאים את עצמו למדיניות קבועה, אלא שני הצדדים מנסים למקסם את מצבם - הממשלה מנסה לשרת את המדיניות החברתית שלה (למשל צמצום אי שוויון) והעובדים מנסים למקסם את התועלת שהם מפיקים מהעבודה.
עם פרסום המחקר, בו לדברי החוקרים הם שיתפו פעולה עם אוניברסיטת הרווארד, הם מקווים כי ייפתח עבורם הפתח לשתף פעולה עם חוקרי בינה מלאכותית, כלכלנים וקובעי מדיניות. החוקרים הבטיחו כי יפתחו את קוד המערכת אותה פיתחו כדי שחוקרים נוספים יוכלו לפתח על בסיסה ולהרחיב את היקף ההדמיות שמבוצע באמצעותה. הם הביעו גם תקווה כי "יוכלו לשים את היד על דאטה כלכלי אמיתי, ולהבין מהן שאלות המדיניות הכלכליות החשובות ביותר בעיני בעלי העניין".
השלב הבא של הפיתוח מבחינתם, הוא "להגדיל את היקף הפעילות להפוך אותה לקרובה יותר למציאות, לשלב בה יותר דאטה אמיתי על התנהגות אנושית ומידע מחברות וממדינות ולייסד מערכת של אמון עם כלכלנים ומקבלי החלטות. האקונומיסט הוא כלי שיכול לסייע בתכנון ובדיקת מדיניות - במיוחד במצבים שלא התנסינו בהם בעבר, כמו התפרצות מגפת הקורונה במדינות שבהן נהוגה עבודה מרחוק".
לתשומת לבכם: מערכת גלובס חותרת לשיח מגוון, ענייני ומכבד בהתאם ל
קוד האתי
המופיע
בדו"ח האמון
לפיו אנו פועלים. ביטויי אלימות, גזענות, הסתה או כל שיח בלתי הולם אחר מסוננים בצורה
אוטומטית ולא יפורסמו באתר.