สวัสดีตอนเช้าและยินดีต้อนรับสู่การประชุมประจำปีครั้งที่ 5 ในหัวข้อ “ข้อมูลที่ไม่ใช่แบบดั้งเดิม การเรียนรู้ของเครื่องจักร และการประมวลผลภาษาธรรมชาติในเศรษฐศาสตร์มหภาค”1 ในโลกที่มีแหล่งข้อมูลที่กำลังพัฒนาและความก้าวหน้าที่สำคัญในด้านการประมวลผล สิ่งสำคัญคือต้องปรับปรุงกรอบแนวคิดที่ผู้กำหนดนโยบายเศรษฐศาสตร์มหภาคใช้ในการแจ้งการตัดสินใจที่สำคัญอย่างต่อเนื่อง การประชุมครั้งนี้เป็นการนำนักวิชาการและผู้ปฏิบัติงานมารวมกันเพื่อคิดอย่างรอบคอบเกี่ยวกับกรอบการทำงานดังกล่าว และเพื่อผลักดันให้เกิดความก้าวหน้าที่อาจนำไปสู่ผลลัพธ์ทางเศรษฐกิจที่ดีขึ้น
ธนาคารกลางสหรัฐเป็นเจ้าภาพจัดการประชุมครั้งแรกในปี 2562 นับตั้งแต่นั้นมา การประชุมได้พัฒนาไปสู่ความร่วมมือระหว่างประเทศระหว่างนักวิชาการ ธนาคารกลาง หน่วยงานทางสถิติ และองค์กรระหว่างประเทศ กับธนาคารแห่งอิตาลี ธนาคารแห่งแคนาดา และ Riksbank ของสวีเดนเป็นเจ้าภาพจัดงานฉบับล่าสุด ขณะนี้ การประชุมดังกล่าวยังจัดขึ้นร่วมกับสมาคมวิจัยธนาคารกลางและโปรแกรมเศรษฐศาสตร์พร้อมข้อมูลและเครื่องมือวิเคราะห์รูปแบบใหม่ ซึ่งจะช่วยเพิ่มขอบเขตในระดับสากล
เรารู้สึกขอบคุณสำหรับความร่วมมือระหว่างประเทศและในประเทศที่เกิดจากงานนี้และครั้งก่อนๆ วันนี้ เรามีผู้เข้าร่วมด้วยตนเองประมาณ 90 คน ซึ่งเป็นตัวแทนของหน่วยงาน 30 แห่งและธนาคารกลางต่างประเทศ ขณะที่เราใช้ประโยชน์จากข้อมูลใหม่ๆ และฝึกฝนเทคนิคใหม่ๆ อย่างต่อเนื่อง ความร่วมมือระหว่างผู้ที่ให้ข้อมูลสถิติ ผู้ที่ถือนโยบายเป็นหลัก และผู้ที่ใช้ประโยชน์จากวิธีการล่าสุดเพื่อทำความเข้าใจจะมีความสำคัญอย่างยิ่ง การประสานงานระหว่างหน่วยงานทางสถิติและสถาบันกำหนดนโยบายช่วยให้เราบรรลุเป้าหมายร่วมกัน นั่นก็คือ ความเข้าใจที่ดีขึ้นเกี่ยวกับเศรษฐกิจ
จากมุมมองของสถาบันของเรา Federal Reserve ใช้ข้อมูลภาครัฐและภาคเอกชนที่หลากหลายเพื่อประเมินสถานะของเศรษฐกิจอย่างต่อเนื่อง แจ้งแนวโน้มกิจกรรมทางเศรษฐกิจของเรา และประเมินความเสี่ยงรอบแนวโน้มนั้นเพื่อแสวงหาอำนาจสองประการของเรา การจ้างงานสูงสุดและราคาที่มั่นคง ไม่น่าแปลกใจเลยที่การเกิดขึ้นของข้อมูลความถี่สูงรูปแบบใหม่เป็นส่วนสำคัญในการทำความเข้าใจผลกระทบแบบเรียลไทม์ของการระบาดใหญ่ของโควิด-19 และผลกระทบทางเศรษฐกิจ2 ในสภาพแวดล้อมปัจจุบัน เราใช้เครื่องมือและเทคนิคที่หลากหลายเพื่อกลั่นกรองสัญญาณที่เป็นประโยชน์ที่เกี่ยวข้องกับอัตราเงินเฟ้อและตลาดแรงงานจากข้อมูลมากมายที่เรามี แน่นอนว่ารวมถึงชุดเครื่องมือมาตรฐานทางเศรษฐมิติด้วย แต่เรายังพึ่งพาการวิเคราะห์ข้อความและการเรียนรู้ของเครื่องมากขึ้นอีกด้วย
ด้วยเหตุนี้ การประชุมครั้งนี้จึงมีความเกี่ยวข้องอย่างมากสำหรับเราที่ Federal Reserve และมีแนวโน้มว่าจะเกี่ยวข้องกับธนาคารกลางอื่นๆ ด้วยเช่นกัน ข้อมูลที่แม่นยำและทันเวลามากขึ้นและเทคนิคด้านระเบียบวิธีที่ได้รับการปรับปรุงช่วยให้เจ้าหน้าที่ของ Federal Reserve สามารถประมาณการแนวโน้มเศรษฐกิจที่กำลังพัฒนาได้ดีขึ้น ซึ่งช่วยให้ผู้กำหนดนโยบายสามารถตัดสินใจได้อย่างมีข้อมูลมากขึ้น
เป็นเรื่องที่น่ามั่นใจได้ว่าการใช้ข้อมูลและเทคนิคที่ไม่คุ้นเคยเหล่านี้สำหรับการวิจัยทางวิชาการและนโยบายไม่ได้อยู่ในวัยเด็กอีกต่อไป การศึกษาเชิงกว้างและเชิงลึกในวาระการประชุมแสดงให้เห็นถึงการรุกล้ำข้อมูลและวิธีการเหล่านี้เข้าสู่การวิจัยทางเศรษฐศาสตร์
ฉันยินดีที่ได้พบเพื่อนร่วมงานและผู้มีส่วนสำคัญในสาขานี้ในโครงการการประชุม Jed Kolko, Julapa Jagtiani, Arthur Turrell และ Hal Varian จะหารือเกี่ยวกับประเด็นที่เกี่ยวข้องกับโอกาสและความท้าทายสำหรับสถาบันภาครัฐและเอกชนในการตอบสนองต่อข้อมูลรูปแบบใหม่ การเรียนรู้ของเครื่องจักร และปัญญาประดิษฐ์ ในทำนองเดียวกัน คณะนักวิชาการร่วมกับ Jesus Fernandez-Villaverde, Sydney Ludvigson, Stephen Hansen และ Chiara Farronato จะหารือกันว่าข้อมูลและวิธีการเหล่านี้ช่วยผลักดันขอบเขตการวิจัยในหัวข้อต่าง ๆ ตั้งแต่การสร้างแบบจำลองเศรษฐศาสตร์มหภาคไปจนถึงตลาดออนไลน์ได้อย่างไร
ดังที่ฉันได้กล่าวไว้ในความคิดเห็นล่าสุด มีความตื่นเต้นและความกังวลใจเกี่ยวกับ generative AI เพิ่มมากขึ้น3 ผลกระทบทางสังคมจากเทคโนโลยีใหม่นี้อาจมีความหลากหลาย Jack Clark หนึ่งในผู้ร่วมก่อตั้ง Anthropic จะนำเสนอประเด็นสำคัญในเร็วๆ นี้ และฉันมั่นใจว่าเราทุกคนตั้งตารอที่จะได้ยินข้อมูลเชิงลึกของเขาเกี่ยวกับการประยุกต์ใช้เทคโนโลยี AI ใหม่นี้ในทางปฏิบัติ และกรณีการใช้งานที่เป็นไปได้สำหรับการวิจัยทางเศรษฐกิจและการกำหนดนโยบาย . ฉันสนใจเป็นอย่างยิ่งที่จะเห็นความคืบหน้าของ “AI ที่อธิบายได้” ซึ่งสามารถเชื่อมความแตกต่างระหว่างขอบเขตทางเทคนิคและผู้ใช้ได้ ฉันรอคอยที่จะหารือเกี่ยวกับเรื่องนี้
เครื่องมือ AI เชิงสร้างสรรค์เหล่านี้อาจมีผลกระทบใกล้ตัวมากขึ้น เนื่องจากอาจส่งผลต่อวิธีที่เราดำเนินการสื่อสารผ่านธนาคารกลาง มีงานวิจัยจำนวนมากขึ้นเรื่อยๆ ที่ใช้เทคนิคการประมวลผลภาษาธรรมชาติเพื่อแยกแยะว่าสื่อข่าวรับรู้การสื่อสารโดยนายธนาคารกลางอย่างไร และในทางกลับกัน สิ่งนั้นมีอิทธิพลต่อตลาดการเงินอย่างไร การนำเสนอโดย Christopher Neely, Clara Vega, Xin Zhang และ Xu Zhang จะหารือเกี่ยวกับความทันสมัยในหัวข้อนี้ ซึ่งมีความสำคัญอย่างยิ่งสำหรับเรา
โซเชียลมีเดียยังส่งผลต่อวิธีที่เราเสพข่าวสารและมีปฏิสัมพันธ์ระหว่างกัน สื่อนี้มีบทบาทสำคัญมากขึ้นในสังคมและมีอิทธิพลต่อผลลัพธ์ทางเศรษฐกิจมหภาคและการเงิน ตัวอย่างเช่น Corbin Fox จะนำเสนอผลงานของเขาร่วมกับผู้เขียนร่วมในวันพรุ่งนี้เกี่ยวกับผลกระทบของโซเชียลมีเดียต่อการดำเนินกิจการของธนาคารที่เกิดขึ้นเมื่อต้นปีนี้
ในด้านระเบียบวิธี เทคนิคการเรียนรู้ของเครื่องจักรยังส่งผลอย่างมากต่อวิธีคิดของเราเกี่ยวกับการสร้างแบบจำลองผลลัพธ์ทางเศรษฐกิจมหภาคที่ซับซ้อน เช้าวันนี้ Philippe Goulet Coulombe จะหารือกันว่าโครงข่ายประสาทเทียมช่วยจำลองความผันผวนของตัวแปรเศรษฐศาสตร์มหภาคต่างๆ ได้อย่างไร และ Joël Marbet และ Yucheng Yang จะหารือเกี่ยวกับวิธีการใช้วิธีการใหม่ๆ ในการแก้ปัญหาแบบจำลองที่มีตัวแทนต่างกัน ซึ่งมีความสำคัญอย่างยิ่งในการประเมินผลการกระจายตัวของ นโยบายเศรษฐกิจ ความก้าวหน้าในการประมวลผลภาษาธรรมชาติและการเรียนรู้ของเครื่องยังช่วยปรับปรุงความสามารถของเราในการคาดการณ์ และตอนนี้นำเสนอตัวบ่งชี้ทางเศรษฐกิจมหภาคและการเงินที่หลากหลาย หัวข้อที่จะกล่าวถึงในเซสชันบางส่วนในวันพรุ่งนี้
สุดท้ายนี้ ฉันหวังว่าคุณจะมีการสนทนาที่เป็นประโยชน์และเป็นประโยชน์มากมายในห้องนี้ และระหว่างช่วงพักเกี่ยวกับประโยชน์ของข้อมูลรูปแบบใหม่ และเทคนิคใหม่ๆ สำหรับการวิเคราะห์เศรษฐศาสตร์มหภาค ฉันขอแนะนำให้คุณอภิปรายต่อหลังจากการประชุมสิ้นสุดลง และแสวงหาโอกาสในการทำงานร่วมกัน เพื่อที่เราจะได้พัฒนาความเข้าใจเกี่ยวกับเครื่องมือใหม่ที่น่าตื่นเต้นเหล่านี้ต่อไป
ยินดีต้อนรับสู่ธนาคารกลางสหรัฐ! ฉันหวังว่าคุณจะสนุกกับการประชุม
1. ความคิดเห็นที่แสดงที่นี่เป็นความคิดเห็นของฉันเอง และไม่จำเป็นต้องเป็นความคิดเห็นของเพื่อนร่วมงานของฉันในคณะกรรมการตลาดกลางของรัฐบาลกลาง กลับไปที่ข้อความ
2. ดู Tomaz Cajner, Laura J. Feiveson, Christopher J. Kurz และ Stacey Tevlin (2022), “การใช้ข้อมูลที่ไม่ใช่แบบดั้งเดิม” ใน Wendy Edelberg, Louise Sheiner และ David Wessel, eds., การเยียวยาภาวะเศรษฐกิจถดถอย: บทเรียนที่ได้รับจากการตอบสนองนโยบายเศรษฐกิจของสหรัฐฯ ต่อโควิด-19 (วอชิงตัน: สำนักพิมพ์สถาบันบรูคกิ้งส์), หน้า 315–46 กลับไปที่ข้อความ
3. ดู Lisa D. Cook (2023) “AI เชิงสร้างสรรค์ ผลผลิต ตลาดแรงงาน และพฤติกรรมทางเลือก,” คำปราศรัยที่สำนักงานเศรษฐศาสตร์วิจัยเศรษฐกิจแห่งชาติของการประชุมปัญญาประดิษฐ์ เมืองโตรอนโต ประเทศแคนาดา เมื่อวันที่ 22 กันยายน กลับไปที่ข้อความ
คำแนะนำการอ่านบทความนี้ : บางบทความในเว็บไซต์ ใช้ระบบแปลภาษาอัตโนมัติ คำศัพท์เฉพาะบางคำอาจจะทำให้ไม่เข้าใจ สามารถเปลี่ยนภาษาเว็บไซต์เป็นภาษาอังกฤษ หรือปรับเปลี่ยนภาษาในการใช้งานเว็บไซต์ได้ตามที่ถนัด บทความของเรารองรับการใช้งานได้หลากหลายภาษา หากใช้ระบบแปลภาษาที่เว็บไซต์ยังไม่เข้าใจ สามารถศึกษาเพิ่มเติมโดยคลิกลิ้งค์ที่มาของบทความนี้ตามลิ้งค์ที่อยู่ด้านล่างนี้
Source link
