NEW YORK – Tot voor kort wierpen twee grote hindernissen beperkingen op aan wat onderzoekseconomen konden leren over de wereld met de krachtige methoden die wiskundigen en statistici, vanaf begin negentiende eeuw, hebben ontwikkeld om patronen in rommelige data te herkennen en te interpreteren: datasets waren klein en kostbaar, en computers waren traag en duur. Het is dus begrijpelijk dat nu de vooruitgang in de computerkracht deze hindernissen dramatisch heeft gereduceerd, economen zich haasten om big data en kunstmatige intelligentie te gebruiken teneinde hen te helpen patronen te ontwaren in allerlei soorten activiteiten en uitkomsten.
Patroonherkenning en het samenvatten van data zijn ook belangrijke ingrediënten van de natuurwetenschappen. De fysicus Richard Feynman heeft de natuurlijke wereld ooit vergeleken met een spel dat door de goden wordt gespeeld: “Je kent de spelregels niet, maar je mag zo nu en dan naar het bord kijken, in een klein hoekje misschien. En uit deze waarnemingen probeer je af te leiden wat de regels zijn.”
Feynmans metafoor is een letterlijke beschrijving van wat veel economen doen. Net als astrofysici verkrijgen we doorgaans niet-experimentele data die worden gegenereerd door processen die we willen begrijpen. De wiskundige John von Neumann heeft een spel gedefinieerd als (1) een lijst met spelers; (2) een lijst met acties die iedere speler ter beschikking staan; (3) een lijst die aangeeft hoe betalingen die iedere speler ten goede komen afhangen van de acties van alle spelers; en (4) een timing-protocol dat zegt wie wat wanneer kiest. Deze elegante definitie omvat wat we bedoelen met een “constitutie” of een “economisch systeem”: een sociale afspraak over wie wat wanneer kiest.
NEW YORK – Tot voor kort wierpen twee grote hindernissen beperkingen op aan wat onderzoekseconomen konden leren over de wereld met de krachtige methoden die wiskundigen en statistici, vanaf begin negentiende eeuw, hebben ontwikkeld om patronen in rommelige data te herkennen en te interpreteren: datasets waren klein en kostbaar, en computers waren traag en duur. Het is dus begrijpelijk dat nu de vooruitgang in de computerkracht deze hindernissen dramatisch heeft gereduceerd, economen zich haasten om big data en kunstmatige intelligentie te gebruiken teneinde hen te helpen patronen te ontwaren in allerlei soorten activiteiten en uitkomsten.
Patroonherkenning en het samenvatten van data zijn ook belangrijke ingrediënten van de natuurwetenschappen. De fysicus Richard Feynman heeft de natuurlijke wereld ooit vergeleken met een spel dat door de goden wordt gespeeld: “Je kent de spelregels niet, maar je mag zo nu en dan naar het bord kijken, in een klein hoekje misschien. En uit deze waarnemingen probeer je af te leiden wat de regels zijn.”
Feynmans metafoor is een letterlijke beschrijving van wat veel economen doen. Net als astrofysici verkrijgen we doorgaans niet-experimentele data die worden gegenereerd door processen die we willen begrijpen. De wiskundige John von Neumann heeft een spel gedefinieerd als (1) een lijst met spelers; (2) een lijst met acties die iedere speler ter beschikking staan; (3) een lijst die aangeeft hoe betalingen die iedere speler ten goede komen afhangen van de acties van alle spelers; en (4) een timing-protocol dat zegt wie wat wanneer kiest. Deze elegante definitie omvat wat we bedoelen met een “constitutie” of een “economisch systeem”: een sociale afspraak over wie wat wanneer kiest.