我經常被問到：深度學習在我們的經濟計算能力中真正有何影響？ 我的回答是？在解決氣候變化的綜合評估模型（IAMs）中。在這類模型中，我們希望了解宏觀經濟與氣候之間的反饋循環。 這是一個極其複雜的計算問題，因為： 1️⃣ 它是非平穩的。 2️⃣ 它是高度非線性的。 3️⃣ 它是高維的。 由於這三個原因，許多IAMs簡化了問題或忽略了重要的經濟機制。 在最近幾天發表的一篇論文《從宏觀經濟建模的角度看氣候變化》中，Kenneth Gillingham、@comp_simon和我展示了如何應用深度學習來解決更為複雜的IAMs。 您可以在這裡閱讀該論文： 更具體地說，我們展示了深度學習如何提高我們解決方案的準確性和政策發現的相關性： 1️⃣ 深度學習可以處理非平穩性。 2️⃣ 深度學習可以處理非線性。 3️⃣ 深度學習可以處理高維問題。 顯然，這裡有一個開放的機會，可以進行更多的後續工作。然而，這是一個經濟學界不太適合的領域。 要實現其潛力，這類研究需要至少六名研究人員的團隊（從數據管理專家到氣候科學家，再到程式設計師和宏觀經濟學家），而我們並沒有這樣的制度結構來促進這種合作。 大多數經濟學論文都是由臨時組成的研究團隊共同撰寫的，資助通常只提供幾年的支持，這無法保證團隊的連續性和對所需特定技能的投資。 這一點超越了IAMs。隨著我們成為一個更具量化和數據驅動的領域，許多研究項目（但不是全部）需要類似於自然科學的更結構化的實驗室環境，而我們尚未找到實現這一目標的方法。 希望在未來幾年內，這個行業能在這方面取得進展。