1. 首頁 > 生活百科 > >

學者用AI智能體模擬美聯儲委員會會議

人工智能物流貨運

學者用AI智能體模擬美聯儲委員會會議

告別模擬聯合國 ， 喬治華盛頓大學的研究人員創造了歷史 ， 成功構建了美聯儲銀行委員會會議的AI模型 。
這個名為\"FOMC in silico\"的項目模擬了央行聯邦公開市場委員會的會議 ， 由AI智能體擔任董事會成員 。 研究團隊收集了每位成員對財政政策的態度和歷史投票記錄等信息 ， 并將所有數據輸入模型 。
\"現有方法無法讓我們在相同信息集上觀察理性和行為決策規則 ， \"項目論文作者Sophia Kazinnik和Tara M. Sinclair解釋道 。 \"我們通過雙軌模擬框架解決了這一問題 ， 將大語言模型驅動的FOMC會議模擬與博弈論投票模型相結合 。 在理性（博弈論）軌道中 ， 政策制定者觀察宏觀數據 ， 通過貝葉斯推理更新信念并投票達成均衡 。 在行為（大語言模型）軌道中 ， 智能體獲得相同數據 ， 用自然語言推理 ， 參與委員會辯論 ， 產生的結果不僅受數據影響 ， 還受個性差異和制度規范塑造 。 \"
其中一個\"軌道\"沒有自然語言對話 ， 只有\"貝葉斯推理\" ， 另一個軌道中智能體會\"交談\"并通過這種方式做出決策 。 使用\"個性差異\"等術語 ， 作者試圖表達的是 ， 沒有對人們像真實會議中那樣交談表達想法的渲染 ， 就無法獲得強健的模擬 。
這個FOMC數字孿生的主要發現是 ， 在政治壓力下 ， 由智能體代表的董事會成員會產生分歧并破壞共識 。
構建人物角色
我認為項目論文中較有趣的一個方面是 ， 作者解釋了為創建具有背景的數字董事會成員所做的數據工作 。
\"在框架內 ， 我們首先自動攝取實時宏觀經濟數據 ， \"他們寫道 ， 具體包括州長演講、地區報告和財經新聞 。 \"然后我們為每位委員會成員構建詳細檔案 ， 結合他們的歷史政策立場、傳記、近期演講、地區狀況和當前宏觀經濟背景 。 \"
在某種程度上 ， 這很像營銷團隊經常嘗試構建\"人物畫像\"來確定如何向受眾投放廣告 。 不過在這里 ， 研究團隊試圖建模人們對金融政策的想法 ， 這就是為什么枚舉結果包括初始利率建議 ， 由首選政策利率、置信度分數和摘要組成 。
然后是在\"并行蒙特卡羅模擬\"中呈現的政治壓力場景 ， 模型試圖復制對杰羅姆·鮑威爾的公開批評 。
\"政治壓力場景（反映總統對主席鮑威爾的公開攻擊）會降低主席的議程權重 ， 對其提案施加鴿派偏見 ， 并對任命概率高的成員施加職業驅動的鴿派轉變 ， \"Kazinnik和Sinclair寫道 。
【學者用AI智能體模擬美聯儲委員會會議】本質上 ， 通過區分\"鷹派\"和\"鴿派\"情緒 ， 他們為更細致地調查每位董事會成員的立場以及由此產生的博弈論奠定了基礎 ， 最終董事會要決定是提高利率、降低利率還是保持不變 。
委員會審議
事實上 ， 為了更好地理解這一切是如何運作的 ， 查看過去真實人類FOMC會議的紀要很有幫助 。 以下是今年早些時候此類會議紀要的摘錄：
\"與會者認為該聲明在建立政策制定者對國會授權的貨幣政策目標及其貨幣政策策略的共同理解方面發揮了重要作用 。 該聲明和其他政策溝通手段在向公眾傳達這種理解和幫助錨定通脹預期方面也發揮了重要作用 ， 從而支持貨幣政策的有效傳導 。 與會者表示 ， 他們期待在即將舉行的會議上進行討論 ， 在各種美聯儲傾聽活動以及計劃中的研究會議上聽取各種觀點 ， 并以開放的心態參與審查 。 \"
第一句話有大約31個單詞 ， 需要花時間說出來 ， 更不用說閱讀和消化了 。 我讓ChatGPT提出一個保持原文細節的簡化版本：
\"該聲明被認為非常重要 ， 因為它幫助政府領導人就美聯儲的貨幣目標應該是什么以及如何實現這些目標達成一致 。 它還向公眾解釋了這些想法 ， 讓人們理解美聯儲試圖做什么 ， 這有助于保持人們對通脹的穩定預期 。 該小組表示 ， 他們很高興在未來的會議、美聯儲傾聽活動和研究會議上進行更多討論 ， 并希望保持開放的心態 。 \"
你可以看到這是如何運作的 。
然而 ， 模擬并不關注董事會成員是否對即將到來的活動感到興奮 。 它旨在行動 ， 旨在反映董事會成員在各種場景中將采取的立場 。
論文中還有這樣一段 ， 說明了\"想要挑戰國王 ， 最好不要半途而廢\"這一古老格言 。
\"嵌入聲譽驅動的職業關切捕捉了成員如何調整其立場以與當前或預期領導者保持一致 。 這為政治壓力對主席的傳播創造了一個新穎的渠道：成員預期領導層變化而重新定位 ， 在變化發生之前就改變了委員會的立場 。 \"
我的理解是 ， 如果模型對作為主席的鮑威爾施加壓力 ， 它會看到智能體在支持他的立場方面出現分散 ， 并采取新路徑來討好其他領導者 。
底線是 ， 既然研究團隊已經用AI智能體模擬了FOMC ， 用相同方法模擬企業財報會議、家長教師會議、大聯盟體育更衣室會議以及各種其他群體活動應該指日可待 。 讓我們拭目以待 。
Q&A
Q1：FOMC in silico項目是什么？它能做什么？
A：FOMC in silico是喬治華盛頓大學研究人員開發的AI模擬項目 ， 用于模擬美聯儲聯邦公開市場委員會的會議 。 該項目使用AI智能體擔任董事會成員 ， 基于每位成員的財政政策態度和歷史投票記錄 ， 通過雙軌模擬框架來預測委員會在不同場景下的決策行為 。
Q2：AI智能體如何模擬真實的委員會成員？
A：研究團隊為每位委員會成員構建了詳細檔案 ， 結合歷史政策立場、傳記、近期演講、地區狀況和宏觀經濟背景 。 智能體通過兩種方式運作：理性軌道使用貝葉斯推理和博弈論 ， 行為軌道則讓智能體用自然語言推理和參與辯論 ， 更好地反映真實會議中的人際互動 。
Q3：模擬結果顯示了什么重要發現？
A：主要發現是在政治壓力下 ， AI智能體代表的董事會成員會產生分歧并破壞共識 。 特別是當對主席施加政治壓力時 ， 其他成員會預期領導層變化而重新調整立場 ， 在實際變化發生之前就改變委員會的整體立場 ， 體現了政治壓力的傳播效應 。


    推薦閱讀