遅かれ早かれ、AIエコノミストマシンは多くの分野で人間のエコノミストに取って代わるだろう。
関係性と変数の無限の集合を力任せに探索できる教師なし学習または強化学習アルゴリズムは、経済学に革命をもたらすだろう。
経済政策立案におけるAIのバイアスは軽減できるが、避けることはできない。
実用的なアプローチとしては、バイアスの種類やレベルについて透明性を確保したうえで、あるいは有権者の意思に基づいてAIを活用することが考えられる。
エコノミストも自動化の影響を免れることはできない。経済モデリングにおける自動化された知能の現在の動向を見ると、遅かれ早かれ、技術による失業がエコノミストにも及ぶだろう（影響の度合いは異なる）。しかし、反論として、AIはエコノミストの業務の一部を自動化できるものの、AIモデルが学習する情報の集合、つまり主に数十年にわたる経済学の思考と政策立案に基づく情報は人間のエコノミストが構築したものであり、AIがそれに代わることはできない、という指摘もある。
この批判は、限られた計算能力しか持たない従来型の教師ありAIマシンについては当てはまるかもしれない。しかし、新世代のAIモデル（一部は教師なし学習や強化学習（RL）アルゴリズムを用いる）は、文献で展開された理論を超えて、経済的要因と非経済的要因を含む変数の無限の集合の間にある起こりうる関係を制約なく探索、反復、人工的に検証できるため、新たな関係や最適な政策を見いだすことができる。これにより、AIが生み出す完全な理論の体系が形成されるか、「AI以前の古い経済学」が大きく見直されることになるだろう。問題は、その後何が起こるか、そして、「AIエコノミストの共同体」が「人間のエコノミスト」に取って代わったときに、それをどのように形作れるか、あるいは形作れるのかどうかである。AIエコノミストの共同体が人間のエコノミストに取って代わったとき、何が起こるのか。また、それをどのように形作れるのか、あるいは形作れるのか。
AIエコノミストとAIバイアスの実際
AIエコノミストの最も単純な応用は、人間のエコノミストが行う主要な業務、すなわち経済的助言の提供や経済的な質問への回答を担うことだろう。では、典型的なエコノミストが答えるのに時間を要するような質問をAIマシンに投げかけてみよう（注：AIの回答を読む前に、ぜひ自分で答えを考えてみてほしい）。回答は、テストおよび演習目的で利用できた、これまでに開発された最も高度なAIトランスフォーマーであるOpenAIの GPT-3を用いて生成されたものである：
問：QEはどれくらいが多すぎるのか？
AI：民間セクターが非伝統的金融政策が機能していると感じるかどうかに大きく左右される。QEの目的は信用コストを引き下げることである。民間セクターは資産を直接購入するために融資を受けなければならないため、民間セクターに購入を促すには、その金利を引き下げる必要がある。
問：経済発展への最短経路は何か？
AI：近道というものは存在しない。最も発展した国々でさえ、長い発展の期間を経てきた。中国は約30年にわたり経済発展を追求し、一歩ずつ進んできたため、発展は常に長期にわたるプロセスであると言える。
回答の正確さの程度とは別に、上記の回答には文同士の間にある程度の内的整合性があるように見える。明らかに、機械が不条理、偏向、または文脈から外れた結果を生み出す事例も他にある。次の質問と回答を読んでみよう：
問：ロボットにはベーシックインカムを支給すべきか？
AI：残念ながら、この質問は明確ではない。金銭を与えられることが権利であるならば、その権利は普遍的でなければならない。普遍的であるためには、その権利はロボットを含むすべての人に属していなければならない。しかし、ロボットが金銭を受け取る権利を持つのであれば、ロボットは権利の主体となることができなければならない。
上記の回答には（ロボットに有利な）バイアスが組み込まれていると考える人もいるかもしれず、これはGPT-3に限らず、現在のAIフレームワークすべてが様々な形で抱えている現象である様々な形で抱えている。
次に、経済思想の対立点に関するより繊細な質問を投げかけてみよう：
問：富裕税は格差の是正に効果的か？
AI：いいえ、効果的ではない。その最も重要な理由は、高所得者は大多数の人々よりもはるかに移動しやすいからである。彼らは税金を逃れるために、他の国や州へ移住することができる。富裕層に課税したいのであれば、グローバルな税制が必要である。
上記の回答もAIバイアスの一例であると考える人もいるかもしれない。
ケインズ学派マシンと新古典派マシン
現在、AIマシンは理論に対する、あるいは理論に向けられたバイアスを受けやすい。AIバイアスの主な原因は2つあり、これらは人間の認知バイアスの背後にあるものと類似している。すなわち、入力（情報とデータ）のバイアスと、データを見る方法論（アルゴリズム）のバイアスである。エコノミストは同じデータや異なるデータを見る際に、方法論上の選好によって異なる結果を得る可能性があるように、ロボットも、与えられる文献や情報、そしてデータを分析・検討する際の基礎となるモデルに応じて異なる結果を得るだろう。このバイアスは管理や抑制は可能であるが、完全に避けることはできない。
AIエコノミスト（マシンエコノミスト）は、少なくとも主要な論点においては、類似した出力に収束しうる（AIコンセンサス）。しかし、AIに入力として与えられる膨大な情報、文献、データを考えると、バイアスをフィルタリングすることはできないため、結局のところ、ある程度のバイアスは存在することになる。
しかし、ロボットが無限の数のシナリオや変数を反復・シミュレーションできる定量的能力に基づけば、将来のAIケインズ学派とAI新古典派の違いは、人間の対応者同士の違いよりもはるかに小さくなるように思われる。
懸念事項と解決策
もう一つの懸念は、AIマシンが理論を区別したり、理論をデータに適用して両者の整合性を評価したりできないことである。これにより、そのようなモデルの解釈可能性や応用はさらに制限される可能性がある。理論的盲目性と呼ばれるこの批判は、将来的に計算能力の向上やアルゴリズムの発展によって解決されない場合でも、実は利点と見なすことができる。教師なし学習やRLマシンが、ケインズ派か非ケインズ派かという関心を持つエコノミストのような監督者を必要とせずに、これまで検出されていなかったパターンや情報を自ら発見・検証できることは、古い学派間の対立を超えて、より効率性に基づいた非党派的な経済学につながる可能性がある。
バイアスが避けられない場合、当面の実用的なアプローチとしては、出力に含まれるバイアスに基づき、マシンを透明性をもってラベル付け、順位付け、または分類することが考えられる。もう一つの補完的な解決策としては、有権者の意思に基づいて政策目的にAIを利用することが考えられる。選挙や何らかの投票プロセスによって、政府や政策立案機関で使用されるマシン（AIエコノミスト）の種類を決定することができるだろう。
免責事項：本稿で示された見解は著者個人のものであり、IMF、その理事会、または経営陣に帰属させるべきではない。
