Пауэлл под давлением, а экономика в руках ботов: что показал эксперимент века

В научной среде случилось событие, которое вполне может войти в историю: исследователи из Университета Джорджа Вашингтона создали первую модель заседания Федерального комитета по операциям на открытом рынке (FOMC), в котором роль членов совета исполняют агенты искусственного интеллекта. Проект получил название "FOMC in silico" и уже вызвал широкий интерес у экономистов и специалистов по ИИ.

Что сделали исследователи

Авторы — София Казинник и Тара М. Синклер - объединили два подхода. Первый основан на теории игр: агенты следят за макроэкономическими данными, обновляют свои убеждения с помощью байесовского вывода и голосуют за то или иное решение. Второй — это языковая модель, где цифровые участники ведут диалог на естественном языке, обсуждают и спорят, проявляя индивидуальные особенности и институциональные привычки.

"Мы устраняем этот пробел с помощью двухканальной модели, которая объединяет заседание FOMC, управляемое LLM, с моделью голосования на основе теории игр", — пояснили Казинник и Синклер.

Иными словами, исследователи попытались воспроизвести как рациональную логику, так и живое обсуждение, которое обычно происходит в зале заседаний.

Создание цифровых персон

Для правдоподобности команда собрала массив данных: биографии членов комитета, их политические взгляды, выступления, экономическую статистику и ситуацию в округах. На основе этой информации были построены профили виртуальных участников. Каждый агент имел свои предпочтения по ставкам, уровень уверенности и текстовое обоснование.

Этот процесс напоминает маркетинговую практику создания "персон" для понимания целевой аудитории. Только здесь задача сложнее — смоделировать экономическую логику и поведение влиятельных политиков.

Таблица: два трека модели

Политическое давление

Особый интерес вызвал эксперимент с симуляцией давления на председателя ФРС Джерома Пауэлла. В сценарии, вдохновлённом реальными атаками президента США на главу ФРС, влияние председателя ослабевало, а его предложения сдвигались в сторону "голубиной" политики (то есть более мягкой).

"Сценарий политического давления снижает вес повестки дня председателя, навязывает "голубиные" сдвиги и влияет на карьерные перспективы членов", — пишут авторы.

Таким образом, агенты изменяли свои позиции заранее, ориентируясь на возможную смену руководства.

Как это выглядит в реальности

Чтобы понять разницу, исследователи сравнили результаты модели с настоящими протоколами заседаний FOMC. В реальных документах много канцелярита и длинных предложений. Например, одно из них содержит 31 слово и трудно воспринимается на слух. Языковая модель ИИ легко упростила его, сохранив смысл.

Это показывает, что симуляция способна не только моделировать решения, но и анализировать стили коммуникации.

Советы шаг за шагом: как использовать подобные модели

1. Собрать массив данных: биографии, выступления, экономические индикаторы.

2. Построить профили агентов с историей решений.

3. Разделить модель на рациональный и поведенческий треки.

4. Запустить симуляцию и сравнить результаты с историческими данными.

5. Анализировать влияние внешних факторов — политического давления, кризисов, изменений в руководстве.

Ошибка → Последствие → Альтернатива

• Ошибка: игнорировать личностные факторы.

• Последствие: модель будет сухой и не отражающей реальность.

• Альтернатива: использовать языковые модели для имитации дискуссий.

• Ошибка: ограничиваться только статистикой.

• Последствие: решения выглядят слишком идеализированными.

• Альтернатива: вводить параметры "карьерных ожиданий" и институциональных норм.

• Ошибка: воспринимать модель как прогноз.

• Последствие: риск ошибочной интерпретации.

• Альтернатива: рассматривать её как инструмент анализа сценариев.

А что если…

А что если такие симуляции начнут использовать в корпорациях? Представьте себе заседания совета директоров, где перед голосованием тестируется несколько сценариев поведения. Это может изменить процесс стратегического планирования, но и породить вопросы о зависимости от ИИ.

Таблица: плюсы и минусы модели FOMC in silico

FAQ

Можно ли доверять симуляции как прогнозу?
Нет, её цель — исследование сценариев, а не предсказание будущего.

Сколько стоит создание такой модели?
Стоимость зависит от объёма данных: от сотен тысяч долларов за базовую версию до миллионов за полноценную симуляцию.

Что лучше: простые экономические модели или гибрид с ИИ?
Гибрид позволяет учитывать больше факторов, включая субъективные.

Мифы и правда

• Миф: ИИ заменит настоящих членов совета.

• Правда: модель лишь инструмент анализа.

• Миф: достаточно статистики.

• Правда: без поведенческого аспекта результаты искажены.

• Миф: симуляции бесполезны.

• Правда: они помогают исследовать сложные сценарии и давление.

3 интересных факта

• Проект стал первой в истории попыткой воспроизвести заседание ФРС с помощью агентов ИИ.
• В модель встроены сценарии карьерных мотивов, что раньше не учитывалось.
• Протоколы заседаний ФРС служат "учебным материалом" для поведенческого трека.

Исторический контекст

1. 1913 — создание Федерального резерва США.

2. 1930-40-е — первые попытки моделирования денежно-кредитной политики через формулы.

3. 2020-е — внедрение ИИ в экономические симуляции, появление "FOMC in silico".

Итог

Эксперимент Вашингтонского университета показал: моделирование на базе ИИ способно открыть новые горизонты в изучении экономической политики. Оно не заменяет реальные заседания, но помогает увидеть скрытые факторы, такие как давление или карьерные амбиции. В будущем подобные подходы могут стать стандартом для анализа политических и корпоративных решений.