Jeppe Druedahl

Projekttitel

Modeling Economic Agents as Deep Reinforcement Learners

Hvad handler dit projekt om?

Empirien viser, at virksomheders og husholdningers økonomiske adfærd er intentionel og fremadskuende, men ikke fuldt ud rationel. Det modelleres almindeligvis i økonomi ved at udlede adfærden fra matematiske optimeringsproblemer, som aktørerne antages at løse perfekt. I mit projekt antages det i stedet, at aktørerne er imperfekte problemløsere, og træffer valg som om at bruge kunstig intelligens i form af 'deep reinforcement learning'. Det gør det muligt at håndtere mere komplekse modeller end tidligere, særligt med mangesidet ulighed. Og åbner op for mere fyldestgørende konsekvensanalyser af økonomisk politik end hidtil. Adfærdseksperimenter, hvor testpersonerne i forskellige livscyklusscenarier skal træffe forbrugs- og opsparingsbeslutninger, bruges til at validere de nye adfærdsantagelser.

Hvordan opstod din interesse for dit forskningsfelt?

Det fundamentale økonomiske problem er koordination. Det er et stort kompliceret puslespil, hvor alle aktøres handlinger skal passe sammen, hvis alles produktions- og forbrugsplaner skal gennemføres gnidningsfrit. Ingen kan have det fulde overblik, og alle må have de rette incitamenter for at sikre, at koordineringen ikke bryder sammen. Økonomiske kriser er de mest dramatiske eksempler på, at det går galt. At forstå det har været mit fokus, siden jeg begyndte at læse økonomi, og er det stadig i dag.

Hvad er de forskningsmæssige udfordringer og perspektiver ved dit projekt?

Hvis vi antager, at virksomheder, husholdninger og andre økonomiske aktører er fuldt ud rationelle og har ubegrænset beregningskapacitet, bliver det økonomiske koordinationsproblem løst for let. Udfordringen er at finde en måde at modellere begrænset rationalitet på, som stemmer mere overens med den empiriske evidens og samtidig ikke gør vores modeller uhåndterbare. Ofte bliver modeller sværere at løse og simulere, når der introduceres adfærdsbias og omkostninger ved at indsamle og behandle information. Perspektivet er, at ved at modellere aktørernes adfærd med kunstig intelligens bliver det muligt at afhjælpe denne problematik.

Hvilke perspektiver vurderer du selv, at din forskning på sigt kan have for det omgivende samfund?

Målet med projektet er at udvikle en ny type af økonomiske modeller, som ligger indimellem standard-modellerne med optimerende agenter, og såkaldte agent-baserede modeller med forholdsvis simple algoritmiske adfærdsregler. Hvis vi forstår den samfundsøkonomiske dynamik bedre, er det nemmere at gribe ind i den, og omforme den efter de politiske ønsker, der måtte være. Særligt vil den modeltype, projektet udvikler, være i stand til at tage højde for, hvor forskellige folk er med hensyn til både præferencer, opfattelser af hvordan virkeligheden hænger sammen og muligheder for at handle.

Hvad vil det betyde for din forskerkarriere, at du indgår i Sapere Aude-programmet?

Bevillingen giver mig en særlig mulighed for at samle en gruppe omkring mig, som arbejder mod samme mål. Projektet trækker på min baggrund inden for flere grene af økonomi i form af både registerstudier, adfærdsøkonomi, makroøkonomi og numeriske computermetoder. I projektet fokuserer vi særligt på forbrugs- og opsparingsbeslutninger, men sigtet er langt bredere. Håbet er, at de metoder, vi udvikler, kan danne grobund for en større gruppe, som undersøger, hvordan de kan bruges bredere og videreudvikles.

Lidt om mennesket bag forskeren

Jeg er 36 år og bor på Østerbro i København med min kæreste. I arbejdslivet brænder jeg for både min forskning og min undervisning, hvor jeg især prøver at bruge programmering til at give de studerende mulighed for at arbejde med mere realistiske modeller. Jeg deltager aktivt i samfundsdebatten og prøver at formidle, de indsigter den økonomiske videnskab giver. Jeg skriver bl.a. i Dagbladet Information og på twitter. Derhjemme står jeg gerne i køkkenet, spiller brætspil eller tager en tur på racercyklen.