Sztuczna inteligencja nie zastąpi bankierów centralnych
Dzięki sztucznej inteligencji i uczeniu maszynowemu będzie można przewidywać wskaźniki ekonomiczne będące podstawą stanowienia polityki pieniężnej, ale roboty nie zastąpią bankierów centralnych. Maszyny trzymają się określonej formuły, a dobry bankier centralny stosuje podejście dyskrecjonalne, by reagować na niespodzianki.
(CC By A Health Blog)
W ostatnich latach znacząco zwiększyły się możliwości wykorzystania sztucznej inteligencji i uczenia maszynowego dzięki coraz lepszym komputerom. Z najnowszych narzędzi korzystają już przedsiębiorstwa, świat nauki, czy też banki centralne. Największa zmiana w krajobrazie systemu finansowego dotyczy wykorzystania uczenia maszynowego do stworzenia robotów, które będą w stanie zastąpić ludzi – np. w zakresie doradztwa finansowego i inwestycyjnego.
Uczenie maszynowe jest narzędziem do automatycznego budowania, selekcji lub udoskonalania modeli statystycznych. Komputery są wyjątkowo dobrze przystosowane do zbierania ogromnych ilości danych w poszukiwaniu powtarzalnych wzorców – dlatego uczenie maszynowe jest zwykle stosowane w przypadku dużych, często nieustrukturyzowanych zestawów danych. Może być ono skuteczne również w przypadku mniejszych zestawów danych, które mogą mieć inne niekorzystne cechy, jak brak struktury lub większe wymiary.
Chociaż istnieje wiele możliwych podejść, uczenie maszynowe odbywa się przede wszystkim poprzez etapy uczenia, walidacji i testowania, a zbiór danych jest odpowiednio podzielony na te trzy etapy. System w pierwszej fazie uczy się, a później jest dopracowywany.
Rola sztucznej inteligencji m.in. w zakresie prognozowania gospodarczego z pewnością wzrośnie w najbliższych latach, gdyż dzięki tej technologii będzie możliwe uzyskanie prognoz w czasie rzeczywistym, wykrywanie baniek na rynkach, czy też odkrywanie i analizowanie skomplikowanych powiązań makrofinansowych.
Według niektórych szacunków 90 procent dostępnych dzisiaj danych powstało w ciągu ostatnich dwóch lat. Informacje te nie dotyczą tylko poziomu produkcji, bezrobocia i cen, ale także danych behawioralnych dotyczących działań podejmowanych przez ludzi. Dzięki smartfonom, smartwatchom i mobilnemu internetowi tych danych jest coraz więcej, są wszechobecne i coraz bardziej wartościowe – ze względu na ich powiązanie ze sztuczną inteligencją.
Ekonomiści, którzy korzystają z nowych możliwości uczenia maszynowego wskazują, że pozwala ono na znajdowanie odpowiedzi na ważne pytania z zakresu polityki gospodarczej, a także wykorzystanie tej technologii do tworzenia modeli ekonometrycznych.
Jeśli zatem sztuczna inteligencja miałaby docelowo wyręczać ludzi w podejmowaniu niektórych decyzji, to czy także mogłoby to dotyczyć ustalania stóp procentowych i tworzenia polityki pieniężnej? Obecnie wydaje się to mało prawdopodobne. Powodów jest kilka.
Po pierwsze istnieje duża niepewność dotycząca zmian w podstawowych relacjach gospodarczych. Pomiar tych zależności i ich właściwa ocena wymagają wielu dyskusji, ścierania się opinii, a czasami nawet kwestionowania wyników analiz.
Ponadto, dotychczasowa polityka pieniężna opierała się na odpowiedniej komunikacji i – stosunkowo od niedawna – na właściwym forward guidance, czyli tak naprawdę opowiadaniu historii kształtujących oczekiwania uczestników rynku co do przyszłej polityki monetarnej. W najbliższych latach roboty raczej nie będą w stanie przedstawić prostym językiem wszystkich niuansów związanych z prowadzeniem polityki pieniężnej.
Obecnie sztuczna inteligencja w bankowości centralnej może być wykorzystana do wykrywania ryzyka systemowego.
Może także zdarzyć się, że cele polityki pieniężnej mogą zostać nieosiągnięte, mogą również wystąpić kolejne kryzysy. Gremia odpowiedzialne za stanowienie polityki monetarnej muszą wówczas tłumaczyć się opinii publicznej. Czy od robotów także można byłoby wymagać podobnych wyjaśnień? Kto wówczas byłby odpowiedzialny za niewypełnienie celów inflacyjnych?
Obecnie sztuczna inteligencja w bankowości centralnej może być zaś wykorzystana na przykład do wykrywania ryzyka systemowego. Dzięki wykorzystaniu algorytmów uczenia głębokiego można budować bardziej realistyczne modele ryzyka systemowego w systemie finansowym – w szczególności dotyczące modelowania ryzyka na poziomie poszczególnych instytucji finansowych. Ponadto uczenie maszynowe może być wykorzystane także do przewidywania niektórych trendów gospodarczych, jak na przykład popyt turystyczny. Wykorzystanie uczenia maszynowego do wspomnianych celów jest dodatkowo ułatwione przez dostępność narzędzi open-source (np. TensorFlow 7, SciKit-Learn 8).
Postępy w uczeniu głębokim otwierają obszary sztucznej inteligencji, które wcześniej wydawały się prawie niemożliwe. Mimo, że w najbliższej przyszłości trudno będzie wyobrazić sobie, żeby maszyny zasiadały w radach polityki pieniężnej, to można wyobrazić sobie, że niektóre analizy prowadzone przez banki centralne mogłyby być opracowywane dzięki zastosowaniu metod sztucznej inteligencji.
W miarę jak sztuczna inteligencja wkracza do systemu finansowego to pogłębia istniejące kanały niestabilności i tworzy nowe. W niniejszym artykule opisano kilka takich kanałów: złośliwe i dezinformujące wykorzystanie sztucznej inteligencji, niewłaściwe dostosowanie i unikanie kontroli, a także monokulturę ryzyka i oligopole. Wszystkie one pojawiają się, gdy podatność na zagrożenia ze strony sztucznej inteligencji i problemy gospodarcze, takie jak strategiczna komplementarność, problemy z zachętami i niekompletne umowy, wzajemnie na siebie oddziałują.
Instytucje finansowe jedna po drugiej przyswajają sztuczną inteligencję. Czy aby nie kosztem stabilności finansowej? W artykule przekonujemy, że sztuczna inteligencja (AI) rodzi nowe zagrożenia dla stabilności finansowej – na które odpowiednie władze mogą nie być przygotowane.
Sztuczna inteligencja może nie tylko przejąć wiele zadań wykonywanych przez ludzi, ale też radykalnie zmienić fundamenty globalnego ładu. W optymistycznym scenariuszu oznaczać to może „w pełni zautomatyzowany luksusowy komunizm”. Jednak jeszcze bardziej prawdopodobne są mroczne wizje: podział ludzkości na kasty, neokolonializm technologiczny, ekstremalne nierówności czy cyfrowe dyktatury zarządzane przez ogólną sztuczną inteligencję. Utopia może łatwo przerodzić się w dystopię – przestrzega prof. Jakub Growiec, doradca ekonomiczny w Departamencie Analiz i Badań Ekonomicznych NBP i wykładowca SGH.
O obronie gotówki jako ważnego środka płatniczego w obrocie gospodarczym i roli państwa w tej wojnie mówił w rozmowie z „Obserwatorem Finansowym“ Rafał Górski, prezes Instytutu Spraw Obywatelskich.
Autonomiczna sztuczna inteligencja w ciągu kilku lat zrewolucjonizuje wiele biznesów i branż, zmieni łańcuchy wartości firm i strukturę zatrudnienia. Nie powinna jednak być pozostawiona bez nadzoru.
Potrzebny jest nowy sposób myślenia o ekonomii politycznej, który odrzuca dychotomię „rynek kontra rząd”, zastępując ją wizją dotyczącą tego, w jaki sposób przedsiębiorczy liderzy mogą wykorzystać siłę rynków do osiągania celów politycznych i społecznych – przekonuje Chris Hughes w książce „Marketcrafters”.
W połowie maja najnowsza odsłona trwającego wiele lat handlowego sporu amerykańsko-chińskiego przygasła, choć konflikt będzie się tlił. Wszystko paradoksalnie za sprawą bomby informacyjnej, którą rzucił w media społecznościowe Donald Trump. Stany Zjednoczone postanowiły nałożyć gigantyczne – na poziomie 145% – cła na towary importowane z Państwa Środka. A ponieważ akcja wywołuje reakcję, Chiny nie pozostały dłużne i podwyższyły stawki chroniące własny rynek do poziomu 125%. Brzmi jak dobry news, ale to ślepa uliczka.
Pomimo wyzwań gospodarczych i społecznych, coraz dłuższe życie otwiera również nowe możliwości ekonomiczne, które mogą przekształcić starzenie się społeczeństw z obciążenia w źródło wzrostu i rozwoju.
Kraj byłego bloku wschodniego, który – podobnie jak my – zaczął dynamicznie się rozwijać po upadku komunizmu to Rumunia. Dziś ma apetyt na znacznie więcej, ale czy wystarczy jej sił i ambicji, by sięgnąć po więcej?
Sztuczna inteligencja może nie tylko przejąć wiele zadań wykonywanych przez ludzi, ale też radykalnie zmienić fundamenty globalnego ładu. W optymistycznym scenariuszu oznaczać to może „w pełni zautomatyzowany luksusowy komunizm”. Jednak jeszcze bardziej prawdopodobne są mroczne wizje: podział ludzkości na kasty, neokolonializm technologiczny, ekstremalne nierówności czy cyfrowe dyktatury zarządzane przez ogólną sztuczną inteligencję. Utopia może łatwo przerodzić się w dystopię – przestrzega prof. Jakub Growiec, doradca ekonomiczny w Departamencie Analiz i Badań Ekonomicznych NBP i wykładowca SGH.
O obronie gotówki jako ważnego środka płatniczego w obrocie gospodarczym i roli państwa w tej wojnie mówił w rozmowie z „Obserwatorem Finansowym“ Rafał Górski, prezes Instytutu Spraw Obywatelskich.
Im dłużej europejskie rządy będą inwestowały w obronność, tym większe są szanse na znaczny wzrost innowacyjności i w długim horyzoncie czasowym na Starym Kontynencie zobaczymy efekt spin-off, czyli transferu technologii z sektora defence do sektorów cywilnych – uważa prof. Hubertus Bardt, dyrektor zarządzający IW Köln.
Unia Europejska jako pierwsza na świecie wdrożyła kompleksowe przepisy regulujące sztuczną inteligencję. Czy AI Act wystarczy, by zapewnić bezpieczeństwo obywatelom, a jednocześnie nie zahamować innowacji? – Na pewno to dobry krok, ale wciąż brakuje nam technologicznego przywództwa – mówi dr Michał Nowakowski, radca prawny i ekspert ds. etyki AI.
Polska chce zablokować umowę o wolnym handlu z krajami Ameryki Południowej. Powodem są głównie obawy rolników o konkurencyjność ich produktów. W jaki sposób realizacja umowy z Mercosur może wpłynąć na unijne rolnictwo i jakie mogą być też jej inne skutki?
Czy Polska rzeczywiście dokonała gospodarczego cudu? Ostatnie trzy i pół dekady pokazują, że odpowiedź może być tylko jedna – tak. Nowy numer kwartalnika „Obserwator Finansowy” to opowieść o sukcesie, który nie wydarzył się w naszej gospodarce sam, ale był efektem odwagi, determinacji i pracy całego społeczeństwa. A także o wyzwaniach, które dopiero przed nami.
Rosnące napięcia geopolityczne, demontaż globalnych łańcuchów dostaw, protekcjonizm, wojny handlowe i ekspansja sztucznej inteligencji coraz mocniej kształtują nowy, wielobiegunowy ład gospodarczy. Najnowszy numer kwartalnika Narodowego Banku Polskiego stawia pytania o przyszłość światowej gospodarki.
