特別セミナー"Artificial Intelligence as Structural Estimation: Economic Interpretations of Deep Blue, Bonanza, and AlphaGo"

金融戦略・経営財務プログラムでは、2018年8月31日に特別セミナーとして、Yale大学経済学部の伊神満准教授をお招きして、"Artificial Intelligence as Structural Estimation: Economic Interpretations of Deep Blue, Bonanza, and AlphaGo"と題して講演頂きました。

本講演では、様々な分野で急速に利用が広がる人工知能（Artificial intelligence: AI）技術の基礎である機械学習手法に関して、経済学分野で用いられている構造推定手法との密接な関連を、三つの著名なゲームAI（Deep Blue、Bonanza、AlphaGo）を題材に解説頂きました。具体的には、チェス用AIであるDeep Blueとカリブレーションによって構築されたvalue functionの類似性、将棋用AIであるBonanzaとRust(1987)のnested fixed-point methodを用いて推定されたvalue functionの類似性、囲碁用AIであるAlphaGoの"supervised-learning policy network"がHotz and Miller(1993)におけるconditional choice probability estimationの一例であること、同様にAlphaGoの"reinforcement-learning value network"がHotz et al.(1994)におけるconditional choice simulation methodと同値であることなどをご説明頂きました。

伊神准教授からは、AIが実際に行っている計算の中身を構造推定の文脈で再整理することで、そのinterpretability（解釈可能性）が広がるとの指摘がありました。実際のビジネスや政策立案においても、こうしたinterpretabilityが求められる局面が多く見られます。今回の特別セミナーで紹介された方向性は、学術研究に限らず実務においても大変有用な視点を多く含むものであると考えられます。

＜参考文献＞

Rust, J. 1987. Optimal Replacement of GMC Bus Engines: An Empirical Model of Harold Zurcher. Econometrica 55(5), pp. 999-1033.

Hotz, J., and R. Miller. 1993. Conditional Choice Probabilties and the Estimation of Dynamic Models. Review of Economic Studies 60(3), pp. 497-529.

Hotz, J., R. Miller, S. Sanders, and J. Smith. 1994. A Simulation Estimator for Dynamic Models of Discrete Choice. Review of Economic Studies 61(2), pp. 265-289.

伊神氏を招致した宮川先生と