NEW YORK – Seit dem 19. Jahrhundert entwickeln Mathematiker und Statistiker mächtige Methoden zur Erkennung und Interpretation von Mustern in ungeordneten Daten. Allerdings wurde das, was die ökonomische Forschung daraus über die Welt lernen konnte, bislang durch zwei große Hindernisse beschränkt: Die Datensätze waren klein und kostenintensiv, und die Computer waren langsam und teuer. Diese Hindernisse sind durch stärkere Rechenleistung drastisch geschrumpft, also haben die Ökonomen natürlich damit begonnen, große Datenmengen und künstliche Intelligenz zu verwenden, um damit in sämtlichen Aktivitäts- und Ergebnisbereichen nach Mustern zu suchen.
NEW YORK – Seit dem 19. Jahrhundert entwickeln Mathematiker und Statistiker mächtige Methoden zur Erkennung und Interpretation von Mustern in ungeordneten Daten. Allerdings wurde das, was die ökonomische Forschung daraus über die Welt lernen konnte, bislang durch zwei große Hindernisse beschränkt: Die Datensätze waren klein und kostenintensiv, und die Computer waren langsam und teuer. Diese Hindernisse sind durch stärkere Rechenleistung drastisch geschrumpft, also haben die Ökonomen natürlich damit begonnen, große Datenmengen und künstliche Intelligenz zu verwenden, um damit in sämtlichen Aktivitäts- und Ergebnisbereichen nach Mustern zu suchen.