PHÂN TÍCH KINH TẾ: Trước khi có trí tuệ nhân tạo, các cuộc “cách mạng” tin học có thực sự làm đảo lộn nghiên cứu trong kinh tế học không?

4.12.24

Trước khi có trí tuệ nhân tạo, các cuộc “cách mạng” tin học có thực sự làm đảo lộn nghiên cứu trong kinh tế học không?

TRƯỚC KHI CÓ TRÍ TUỆ NHÂN TẠO, CÁC CUỘC “CÁCH MẠNG” TIN HỌC CÓ THỰC SỰ LÀM ĐẢO LỘN NGHIÊN CỨU TRONG KINH TẾ HỌC KHÔNG?

Các tác giả: Francesco Sergi và Pierrick Dechaux

Máy tính EDSAC (Electronic Delay Storage Automatic Calculator ), một trong những mẫu máy tính đầu tiên đặt tại Bộ môn Kinh tế học ứng dụng, Đại học Cambridge. Wikimedia, CC BY

Theo các tạp chí có uy tín, trí tuệ nhân tạo sẽ là “tiềm năng làm cách mạng trong nghiên cứu” về kinh tế học. Nhưng chuyện gì đã xảy ra với những đổi mới trước đây trong tin học được nêu ra theo cách tương tự?

Ngày nay, bạn có thể nêu tên một nghề không thể được thực hiện, ít nhất là một phần, bởi một robot hay một trí tuệ nhân tạo? Cách đây không lâu, nghiên cứu khoa học là một ứng viên thích hợp. Ngày nay không còn như vậy nữa: trong nhiều lĩnh vực nghiên cứu, các công cụ của trí tuệ nhân tạo tham gia viết những nội dung khoa học, thiết lập các giả thuyết… những hoạt động mà trước đây ta nghĩ là dành riêng cho trí tuệ con người.

Trong kinh tế học, tạp chí có uy tín Journal of Economic Literature báo trước rằng những công cụ như ChatGPT có “tiềm năng làm cách mạng trong việc nghiên cứu”. Nếu điều ấy có vẻ là hiển nhiên, thì còn phải nhấn mạnh sự kết hợp thuật ngữ tiềm năng với biện pháp tu từ cách mạng – vì có nhiều trở ngại giữa những mong đợi và thực tế.

Công trình nghiên cứu mà gần đây chúng tôi đã điều hành đề nghị bảy “câu chuyện” cho thấy rằng những “cuộc cách mạng tin học” trong kinh tế học đôi lúc vấp phải những giới hạn kỹ thuật bất ngờ, gây thất vọng – vào thời kỳ đầu của tin học cũng như thời kỳ của những dữ liệu lớn. Cũng như vậy, các công cụ không phải từ trên trời rơi xuống; chúng được chấp nhận (hay bác bỏ), điều chỉnh, phổ biến tuỳ theo các chiến lược và lựa chọn của nghiên cứu, những chuẩn mực và giá trị của người nghiên cứu. Do đó, các “cuộc cách mạng tin học” có những nhân vật chính là các nhà nghiên cứu và tổ chức/cơ quan của họ hơn là những công cụ tin học. Hơn nữa, để sở đắc những công cụ này, các nhà kinh tế học phải nhờ đến công trình của những nhà chuyên môn khác (đặc biệt là các nữ lập trình viên). Hơn nữa, nhu cầu này thường đưa đến việc sáng tạo những môi trường nghiên cứu mới, nằm ở ranh giới giữa các đại học và doanh nghiệp tư nhân.

Dự báo kinh tế và những máy tính đầu tiên: sự thất vọng

Vào đầu những năm 1950, các nhà kinh tế học của National Bureau of Economic Research (NBER) đặt nhiều hy vọng vào các máy tính điện tử đầu tiên. Từ đầu thế kỷ XX, tổ chức nghiên cứu (think tank) này ở New York đã phát triển một truyền thống thu thập các dữ liệu thống kê, giúp mô tả diễn biến theo chu kỳ của nền kinh tế. Phân tích dữ liệu được thực hiện bởi một “máy tính con người”, làm những tính toán thủ công hay với sự trợ giúp của một máy tính cơ học. Tính trung bình, đối với máy tính con người, phải mất một tuần làm việc toàn thời gian để phân tích những dữ liệu trong mười năm của chỉ một chuỗi thống kê, để thiết lập số chu kỳ và thời gian của chúng.

Trích những phân tích các chuỗi thống kê năm 1937 tại NBER. Wesley Mitchell và Arthur Burns. Timing at Reference Troughs. Box 51, Manuscript of Bulletin on Cyclical Timing, Arthur F. Burns Papers, Eisenhower Presidential Library

Sự chậm chạp này gây ức chế cho tham vọng của NBER muốn thiết lập các dự báo kinh tế hàng tháng. Các máy tính điện tử có thể giải quyết vấn đề này - một chuỗi thống kê sẽ được xử lý trong vòng vài phút! Nhưng hoàn toàn không phải như vậy, như nhà sử học Laetitia Lenel, chuyên viên nghiên cứu tại đại học Humboldt - Berlin kể lại: việc lập trình cần thiết cho sử dụng máy tính đòi hỏi nhiều thời gian hơn là tính toán thủ công! Lại càng có vấn đề hơn nữa, máy tính không tạo ra những kết quả hoàn chỉnh: chúng cần được diễn giải lại bởi các nhà kinh tế học. Rốt cục, máy tính hoá ra là một sự thất vọng: nó thêm việc nhiều hơn là bớt việc.

Sử dụng một máy tính: nói dễ hơn làm

Hơn nữa, trong nững năm 1950 rất hiếm nhà kinh tế học sờ đến máy tính. Điều đó dấy lên những vấn đề về tổ chức công việc. Chung-Tang Cheng, chuyên viên nghiên cứu tại đại học Đài Bắc, phân tích chủ đề này trong câu chuyện của ông về Bộ môn kinh tế học ứng dụng (DAE) tại đại học Cambridge. Đặc biệt ông nêu bật vai trò của phụ nữ - môt chủ đề cũng được đề cập trong tác phẩm bán chạy nhất Les Figures de l’ombre (Những gương mặt trong bóng tối) và phiên bản chuyển thể điện ảnh.

Tại DAE, cho tới giữa những năm 1940, “phòng máy tính” đóng một vai trò chính yếu: người ta thấy ở đó từ 8 đến 10 phụ nữ dùng bút chì, giấy và máy tính cơ học để làm những phép tính cần thiết cho các nhà kinh tế học.

Một máy tính cơ học Merchant 10FA năm 1948. National Museum of American History

Năm 1946, nhà khoa học Mỹ Guy Orcutt đến Cambridge, với một cái máy do ông phát minh mang theo trong hành lý của ông: một máy tính tương tự, có khả năng thực hiện trong vài phút những phép tính vốn cần nhiều ngày với cách tính thủ công. Cái máy của Orcutt báo hiệu việc thay thế các máy tính con người, việc này sẽ kết thúc vào đầu những năm 1950 khi DAE tiếp cận được máy tính điện tử đầu tiên của Vương Quốc Anh là máy EDSAC, Electronic Delay Storage Automatic Calculator. Nhưng ngay cả với máy EDSAC các nhà kinh tế học cũng không “tự lập” được trong công việc của họ với máy tính. Bây giờ họ phụ thuộc vào các lập trình viên. Một nhân vật mới trở thành không thể thiếu được ở DAE: đó là Lucy Slater, người phụ trách lập trình trong vòng hai mươi năm cho hầu hết các công trình của các nhà kinh tế học trong bộ môn. Khi Richard Stone, giám đốc của DAE nhận giải Nobel kinh tế năm 1984, ông đã tâm sự trong vòng thân mật rằng lẽ ra ông nên chia giải thưởng này với Lucy Slater.

Máy tính, nhà kinh tế học và môi trường kinh doanh: một loại hình kinh doanh mới

Trong những năm 1970, các nhà kinh tế học vẫn là những người sử dụng gián tiếp máy tính, phụ thuộc vào những chuyên viên khác, như đã được chứng minh trong trường hợp của Data Resources Inc. (DRI), một doanh nghiệp lớn về tư vấn kinh tế được nhà kinh tế học Otto Eckstein thành lập năm 1969 tại Boston.

Chúng ta đang ở giai đoạn các máy tính lớn (mainframe computeurs). DRI sở hữu ba trong số các máy tính “méga” này, ba máy Burroughs 5500.

Trích từ sách nhỏ giới hiệu các máy tính Burroughs 5500 năm 1964. Burroughs Corporation

Ở DRI, các nhà kinh tế học bận thu thập và phân tích dữ liệu, tạo ra những mô hình toán và thực hiện các dự báo. Pedro Duarte (Viện INSPER ở Sao Paolo) và Fracesco Sergi (Đại học Paris Est Créteil) tập hợp tư liệu tìm hiểu tất cả những điều đó diễn ra ở xa máy tính như thế nào, máy tính này được đặt ở tầng hầm của công ty và được giao cho những chuyên viên khác. Ta lại gặp các kỹ sư điện tử, hàng ngày bận rộn với việc bảo trì máy tính bằng những mũi hàn, những người thao tác trên máy tính giám sát sự vận hành của chương trình và mỗi tối phải thực hiện sao lưu trên các băng từ tất cả các dữ liệu trong ngày, và cuối cùng là những kỹ sư phần mềm - software - (lại chủ yếu là phụ nữ) đang cố gắng xây dựng những giải pháp tin học thích ứng với nhu cầu của các nhà kinh tế học.

Một thuật toán tốt có đủ để “làm cách mạng” hoạt động nghiên cứu trong kinh tế học không?

Câu chuyện phần mềm Dynacre cho thấy một thuật toán “tốt” là cần thiết để hỗ trợ một chương trình nghiên cứu. Thế nhưng việc phổ biến nó lại được giải thích từ những nhân tố khác.

Năm 1972, nhà kinh tế học người Mỹ Robert Lucas đề nghị một khung lý thuyết mới cho kinh tế học vĩ mô nhưng khó điều hành. Phải đợi đến năm 1990 và công trình của một nhà kinh tế học tại Cepremap (Centre pour la recherche économique et ses applications – Trung tâm nghiên cứu kinh tế và ứng dụng), là Jean-Pierre Laffargue, nhằm thiết lập một thuật toán cho phép giải quyết dễ dàng hơn các mô hình kinh tế học vĩ mô được gợi ra từ các nguyên tắt của Lucas. Tuy nhiên vấn đề lớn nhất vẫn là vấn đề “tính di động” của thuật toán này, nghĩa là khả năng của nó về lưu chuyển, được nắm bắt và được sử dụng bởi những nhà kinh tế học khác.

Michel Juillard, một người mới gia nhập Trung tâm, sẵn sàng hỗ trợ. Juillard lao vào tạo ra Dynare, một phần mềm giúp viết được các mô hình một cách đơn giản, “như viết trên giấy”, trong một một tập tin văn bản. Sau đó, Dynare đảm nhiệm “phần còn lại”. Sự kết hợp của hai yếu tố – một thuật toán giải quyết vấn đề khả năng tính toán toán học và một phần mềm “rất thân thiện với người dùng” – giải thích cho sự thành công của Dynare (ngày nay Dynare là một trong những phần mềm được sử dụng nhiều nhất trong kinh tế học) và do đó tham gia vào sự thành công của kinh tế học vĩ mô được gợi ra từ những nguyên tắt do Lucas đề nghị.

Và với kinh tế học thực nghiệm thì sao?

Trong kinh tế học, những thí nghiệm phát triển nhanh nhờ việc thành lập các phòng thí nghiệm kinh tế học thực nghiệm đặt trọng tâm vào các máy tính. Trong những năm 1980, những nhà kinh tế học phụ trách những phòng thí nghiệm đầu tiên thử nhiều kiểu sắp xếp và giao diện máy tính: Vernon Smith, ở đại học Arizona, lúc đầu dựa vào sự chia sẻ các máy tính trung tâm; vài năm sau, Charles Plott, ở Caltex (California) bắt đầu sử dụng trực tiếp trên các máy tính cá nhân IBM, được kết nối qua Ethernet. Sự phát triển mạnh của máy tính cá nhân sẽ làm cán cân nghiêng về giải pháp thứ hai và có tính quyết định đối với sự phát triển của phương pháp thực nghiệm trong kinh tế học, như Andrej Svorenčik, nhà nghiên cứu tại đại học Pennsylvanie, nêu ra.

Sự sử dụng tin học đã làm nhiều hơn việc chỉ đơn giản là “tăng cường” (“booster”) số lượng thí nghiệm được thực hiện trong các phòng thí nghiệm này; tin học còn biến đổi kiểu thí nghiệm. Đặc biệt, các máy tính còn tạo thuận lợi cho sự tương tác giữa các chủ thể của thí nghiệm và như vậy là thực hiện những thí nghiệm mô phỏng các tương tác của thị trường. Không cần truyền đạt cho những người tham gia thí nghiệm những chỉ dẫn bằng miệng, hay bằng những tờ giấy có in chữ, cũng không cần lưu chuyển bằng những phiếu nhỏ có những thông tin liên quan đến hành vi của những người tham gia khác: bây giờ tất cả đều diễn ra qua màn hình máy tính, đã trở thành giao diện duy nhất qua đó chủ thể của thí nghiệm truyền đạt. Đặc biệt, những thiết kế thử nghiệm kiểu “đấu giá” (enchère) sẽ trở nên phổ rất biến.

Nhiều dữ liệu hơn, có phải luôn luôn tốt hơn?

Như ba năm lạm phát vừa qua đã nhắc chúng ta, đánh giá diễn biến của giá cả là một thách thức chính trị chủ yếu. Để đánh giá diễn biến này, cách lý tưởng là có thể tiếp cận tất cả giá cả của tất cả các mặt hàng theo thời gian thực. Vào đầu những năm 1990, cùng với việc phổ cập các mã vạch, và với việc tin học hoá các quầy thanh toán, trên nguyên tắc là đã có thể đạt điều kiện lý tưởng này. Tuy nhiên, Julien Gradoz thuộc đại học Lille giải thích khả năng này khó lòng thành hiện thực.

50 ans de codes-barres : l’anniversaire silencieux d’une révolution mondiale https://t.co/eb0ha6cjII pic.twitter.com/hRCQ7CjDKb
— The Conversation France (@FR_Conversation) August 8, 2024

Vấn đề đầu tiên liên quan đến việc huy động những dữ liệu của quầy thanh toán là khả năng tiếp cận cơ sở hạ tầng của lưu trữ và xử lý một khối dữ liệu lớn như thế. Ngay cả ngày nay những viện thống kê quốc gia cũng không được trang bị để quản lý khối lượng dữ liệu tiền thu vô cùng lớn hơn những dữ liệu về giá cả thu thập được qua điều tra theo truyền thống.

Thứ hai, một số thao tác xử lý dữ liệu cần có sự can thiệp của phán đoán của con người. Ví dụ, đó là trường hợp xếp loại mỗi sản phẩm trong một loại rộng hơn (“thực phẩm”, “trang phục”). Chắc chắn là những dữ liệu của quầy thanh toán có thông tin về tính chất đặc thù của mỗi sản phẩm, nhưng xếp loại từng nhận xét này trong một danh mục thì rõ ràng đó là công việc của con người.

Cuối cùng, tính chất các dữ liệu của quầy thanh toán đặt vấn đề khả năng tiếp cận, sự bảo vệ và tính bảo mật của dữ liệu. Không chỉ là cho người tiêu dùng (ví dụ các dữ liệu của quầy thanh toán có thể kết hợp những mặt hàng mua sắm với một thẻ khách hàng thân thiết), mà nhất là cho các doanh nghiệp tư nhân, đối với họ giá trị chiến lược của những dữ liệu này là rất lớn.

Những “nhà kinh tế học công nghệ”: nhà kinh tế học của thế kỷ XXI?

Và ngày nay? Các nhà kinh tế học làm việc ở Facebook, Amazon, Google và Microsoft? Vâng! Từ những năm 2000, các doanh nghiệp công nghệ tuyển dụng ồ ạt trong những ngành nghề kinh tế học. Hiện tượng này đã mang một tầm vóc lớn đến độ xuất hiện một nhãn hiệu mới: các “nhà kinh tế học công nghệ”. Theo giải thích của Edward Nik-Khah (chuyên viên nghiên cứu tại Roanoke College), những người này chuyên về phân tích và thiết kế các cơ chế đấu giá và hành vi của thị trường: ví dụ thiết kế các quy tắc như thế nào (“market design” - “thiết kế thị trường” -) để tạo thuận lợi cho sự lưu chuyển thông tin một cách tối ưu và minh bạch.

Từ những năm 2000, những ý tưởng này tìm thấy một ứng dụng tự nhiên nhất là trong lĩnh vực các nền tảng máy tính, bất kể đó là bán một ghế sofa trên eBay hay để ấn định giá một tờ phụ đính quảng cáo trên Google. Đổi lại, đối với các nhà kinh tế học, việc triển khai các cơ chế này là một lĩnh vực thu thập dữ liệu và thử nghiệm thực tế quy mô lớn, giúp họ bổ sung cho nghiên cứu của mình.

Ta gặp lại một sự liên tục giữa giai đoạn này và những giai đoạn khác trước đó, đặc biệt là trường hợp của DRI (Data Resources Inc.): trong cả hai trường hợp, tin học làm chuyển động ranh giới giữa nghiên cứu (hàn lâm, công) và thế giới kinh doanh. Đổi lại là: các đề tài nghiên cứu và các dữ liệu để nghiên cứu bị ràng buộc bởi chương trình nghị sự của công nghệ…

Về các tác giả: