Humanidades

Aprendizado de máquina: economia e ciência da computação convergem
A economia digital de hoje está confundindo as fronteiras entre ciência da computação e economia - no Vale do Silício, em Wall Street e cada vez mais nos campi universitários.
Por Greg Larson - 03/04/2021


Philipp Strack

A economia digital de hoje está confundindo as fronteiras entre ciência da computação e economia - no Vale do Silício, em Wall Street e cada vez mais nos campi universitários.

Estudantes de graduação de Yale interessados ​​em ambos os campos podem seguir o programa de graduação interdepartamental em Ciência da Computação e Economia (CSEC), que foi lançado no outono de 2019, com cursos cobrindo tópicos como aprendizado de máquina e finanças computacionais.

Philipp Strack, o diretor inaugural de estudos de graduação do CSEC, sente-se confortável em várias disciplinas. Com formação acadêmica em economia e matemática, sua pesquisa reflete essa perspectiva ampla e interdisciplinar - variando de economia comportamental e neurociência a projeto de leilão, projeto de mercado, otimização e pura teoria da probabilidade.

Strack, um professor associado de economia na Faculdade de Artes e Ciências, falou recentemente à YaleNews sobre as implicações deste trabalho no mundo real, o que o programa CSEC oferece aos alunos e como ele une esses campos críticos.

Qual é o seu foco de pesquisa?

Phillipp Strack:  Estou bastante desfocado - trabalho em todos os tipos de coisas, desde leilões a modelos de aprendizagem. Mas a maior parte do meu trabalho se enquadra em design institucional ou de mecanismo e economia comportamental. Acho fascinante aplicar métodos quantitativos - ou apenas raciocínio teórico - aos problemas sociais. A perspectiva do design nas instituições é muito interessante e gosto de ensiná-la. Como você pode encontrar instituições dentro de um determinado conjunto de restrições que maximizam o bem-estar de um determinado grupo ou sociedade? É uma questão de engenharia muito intrigante.

Quais são algumas das implicações do seu trabalho no mundo real?

Strack:  Recentemente, tenho pesquisado como explicar o preconceito na sociedade. Em um  artigo de trabalho  com Paul Heidhues e Botond Köszegi, exploramos a ideia de que superestimar a si mesmo pode gerar preconceito. Suponha que eu ache que sou ótimo, embora não seja; quando vejo meus resultados na vida, fico infeliz e acho que mereço mais. Para explicar por que não estou recebendo o que acho que mereço, posso acreditar que haja discriminação contra mim. Isso me leva a superestimar a discriminação contra os grupos dos quais sou membro, ao mesmo tempo que subestima a discriminação contra os grupos com os quais concordo.

Isso pode criar preconceito e padrões específicos nas crenças das pessoas. Por exemplo, se você perguntar a pessoas negras e brancas qual grupo é discriminado, há enormes lacunas entre a percepção dos diferentes grupos. O mesmo se aplica a homens e mulheres. Mas as teorias padrão de discriminação - que as pessoas discriminam porque não gostam de certos grupos, ou acreditam que sejam menos qualificados - não prevêem essas grandes diferenças nas crenças sobre a discriminação entre os grupos.

O que o atraiu para Yale e como tem sido sua experiência?

Strack:  O departamento de economia é incrivelmente vibrante intelectualmente. Eu interajo mais com o grupo teórico, que é grande e muito bom. A maioria das outras universidades tem muito menos foco na teoria. É um lugar incrível - existem poucos lugares como ele.

Como é a colaboração aluno-corpo docente?

Strack:  Existem muitas oportunidades institucionalizadas de interação entre alunos e professores. O grupo teórico dirige um grupo de leitura, um almoço, um seminário, um café da manhã com apresentação dos alunos e muitas outras atividades. Em geral, é um ambiente de muito apoio e colaboração; o corpo docente realmente se preocupa em se envolver com os alunos e discutir seu trabalho.

O que deixa os alunos mais animados com o curso de Ciência da Computação e Economia (CSEC)?

Strack:  Para muitos alunos, o benchmark foi o dobro de especialização em economia e ciência da computação - assim, o CSEC libera espaço e dá aos alunos mais flexibilidade.

Além disso, acho que muitos alunos realmente querem aprender os métodos mais novos. É incrivelmente empolgante, por exemplo, podermos ensinar um computador a reconhecer um gato ou cachorro em uma imagem. Isso é quase mágico! Acho que a combinação de aprender novos métodos quantitativos e, ao mesmo tempo, aplicá-los a questões sociais é uma combinação muito atraente para os alunos. O aprendizado de máquina, por exemplo, é um curso muito popular que muitos alunos do CSEC fazem como opcional.

A propósito, o major já estava bem estabelecido quando cheguei em 2019. Todo o crédito pelo design do CSEC vai para  Joan Feigenbaum  e  Dirk Bergemann . Seu trabalho nos preparou para o sucesso.

Quando os primeiros graduados em CSEC se formarão?

Strack:  Na verdade, um aluno se formou no ano passado como o primeiro estudante CSEC de Yale: Musab Javed. Ele também escreveu a primeira tese do CSEC,  focada em algoritmos de aprendizagem online , que prevêem respostas para uma sequência de perguntas usando o conhecimento de respostas corretas anteriores, uma área enorme da ciência da computação. Aplicando esses algoritmos à criptografia e aos mercados de ações, ele explorou se eles poderiam prever o comportamento e a volatilidade do mercado futuro.

Em que tipos de carreiras os graduandos em CSEC estão mais interessados?

Strack:  Muitos alunos estão interessados ​​em empresas de tecnologia e financeiras quantitativas, como empresas do tipo fundos de hedge. Esses tipos de trabalho se alinham relativamente bem com o que eles aprendem na especialidade. Os alunos fizeram estágios de verão em empresas de tecnologia - muitas pesquisas interessantes nas áreas de CSEC acontecem em grandes empresas como a Amazon ou o Google. Muitos métodos de aprendizado de máquina, por exemplo, foram desenvolvidos dentro dessas empresas para aplicações muito concretas.

Os majors CSEC se envolvem com debates sobre as consequências negativas potenciais da Big Tech?

Strack:  É um grande problema. Nas comunidades acadêmicas, há muita conscientização e pesquisa sobre esses temas. Na economia, há um debate sobre se e como as empresas de tecnologia devem ser regulamentadas. Na ciência da computação, há um debate sobre se os métodos de aprendizado de máquina captam, replicam e potencialmente amplificam preconceitos já presentes na sociedade. Não há uma aula de CSEC explícita sobre essas questões, que são muito multifacetadas, mas existem grupos de trabalho de Yale com foco nelas.

Como o CSEC equilibra os dois campos e seu envolvimento com o principal impactou sua própria agenda de pesquisa?

Strack:  Existe um cruzamento real de cientistas da computação e economistas trabalhando nas mesmas questões. Por exemplo, a teoria dos jogos e o design de leilão - duas grandes ideias em economia - agora têm muitos cientistas da computação trabalhando neles, pela simples razão de que se tornaram importantes para o Google AdWords e o setor de publicidade digital. Recentemente,  Jacob Leshno  e eu trabalhamos na questão do  que o Bitcoin e outros protocolos de prova de trabalho descentralizados podem ou não alcançar , que é uma questão estudada principalmente na ciência da computação.

Essas áreas também estão convergindo academicamente. Algumas das minhas pesquisas já estavam na interseção: o projeto de mecanismos, uma área da economia relacionada à teoria dos jogos e ao projeto de incentivos institucionais, é uma área da ciência da computação também. De vez em quando, eu assistir a conferências de ciência da computação, e uma vez eu escrevi um artigo de investigação com cientistas da computação  Hu Fu ,  Nicole Immorlica ,  e  Brendan Lucier  que foi publicado. Não acho mais que haja uma divisão tão clara - os cientistas da computação estão pegando ferramentas da economia e vice-versa.

 

.
.

Leia mais a seguir