¿Cómo impactará el aprendizaje automático en la economía?

♪ (música) ♪

[Narradora] Bienvenidos
a Conversaciones Nobel.

En este episodio,
Josh Angrist y Guido Imbens

están reunidos con Isaiah Andrews
para debatir y discrepar

sobre el papel
del aprendizaje automático

en la econometría aplicada.

[Isaiah] Bien, por supuesto
que hay muchos temas

en los que ustedes
están muy de acuerdo,

pero me gustaría pasar a uno

sobre el que tal vez
opinen algo distinto.

Me gustaría escuchar
algunas de sus opiniones

sobre el aprendizaje automático

y el papel que desempeña
y desempeñará en la economía.

[Guido] He consultado
algunos datos,

como los datos privados.

Vemos que no hay
ningún documento publicado allí.

Se hizo un experimento
sobre algún algoritmo de búsqueda

y la cuestión era...

se trataba de clasificar cosas
y cambiar la clasificación.

Y estaba más o menos claro

que iba a haber
mucha heterogeneidad.

Si buscas, digamos,

una foto de Britney Spears,

realmente no importa
dónde la clasifiques

porque vas a encontrar
lo que estás buscando,

ya sea que la clasifiques

en primera, segunda
o tercera posición.

Pero si estás buscando
el mejor libro de econometría,

ya sea que pongas tu libro
en el primer lugar o en el décimo,

eso va a suponer
una gran diferencia

en la frecuencia

con la que la gente
hará clic en él.

Así que ahí...

[Josh] ¿Por qué necesito

el aprendizaje automático
para descubrir eso?

Porque parece que puedo descubrirlo
de forma sencilla.

[Guido] En general...

[Josh] Había
un montón de posibles...

[Guido]...quieres pensar
que los artículos

tienen un montón
de características,

que quieres entender

lo que impulsa la heterogeneidad
en el efecto de...

[Josh] Pero solo estás prediciendo.

En cierto sentido,

estás resolviendo
un problema de marketing.

[Guido] No, es un efecto causal,

[Josh] Es causal, pero no tiene
contenido científico.

Piensa en...

[Guido] No,
pero hay cosas similares

en el ámbito médico.

Si haces un experimento,

puedes estar muy interesado
en si el tratamiento funciona

para algunos grupos o no.

Y tienes un montón
de características individuales,

y quieres buscar sistemáticamente...

[Josh] Sí.
Tengo mis dudas sobre esa...

esa especie de idea de que hay
un efecto causal personal

que me debería importar

y que el aprendizaje automático

puede descubrirlo
de alguna manera que sea útil.

Así que piensa en...

He trabajado mucho en las escuelas,

yendo a, digamos,
una escuela chárter,

una escuela privada
financiada con fondos públicos,

efectivamente,
que es libre de estructurar

su propio plan de estudios
en función del contexto.

Algunos tipos de escuelas chárter

consiguen
un rendimiento espectacular

y en el conjunto de datos
que produce ese resultado,

tengo un montón de covariables.

Tengo
las puntuaciones de referencia

y los antecedentes familiares,

la educación de los padres,
el sexo del niño, la raza del niño.

Y, bueno, en cuanto reúno
media docena de ellas,

tengo un espacio
de muy alta dimensión.

Sin duda, me interesan
las características del curso

de ese efecto del tratamiento

como; por ejemplo, si es mejor
para las personas

que provienen de familias
con menores ingresos.

Me cuesta creer
que haya una aplicación

para la versión
de muy alta dimensión,

en la que descubrí
que para los niños no blancos

que tienen
ingresos familiares altos

pero puntuaciones de referencia
en el tercer cuartil

y que solo fueron
a la escuela pública

en el tercer grado
pero no en el sexto.

Así que eso es lo que produce
ese análisis de alta dimensión.

Es una declaración condicional
muy elaborada.

Hay dos cosas que están mal,
en mi opinión.

En primer lugar, no lo veo como...

No puedo imaginar
por qué es algo procesable.

No sé por qué
querrías actuar sobre ello.

Y también sé que hay
algún modelo alternativo

que encaja casi igual de bien,
que lo invierte todo.

Porque el aprendizaje automático

no me dice que este es realmente
el predictor que importa,

solo me dice
que este es un buen predictor.

Así que creo,
que hay algo diferente

en el contexto
de las ciencias sociales.

[Guido] Creo que las aplicaciones
de las ciencias sociales

de las que hablas
son aquellas en las que, creo,

no hay una gran cantidad
de heterogeneidad en los efectos.

[Josh] Bueno, podría haberla
si me permites llenar ese espacio.

[Guido] No... ni siquiera entonces.

Creo que para muchas
de esas intervenciones,

se espera que el efecto
sea del mismo signo para todos.

Puede haber pequeñas diferencias
en la magnitud, pero no es...

Porque muchas de estas
diferencias educativas

son buenas para todos.

No es que sean malas
para algunas personas

y buenas para otras

y luego hay unos pocos casos
en los que son malas.

Pero puede haber
algo de variación en la magnitud,

pero se necesitarían

conjuntos de datos
muy muy grandes para encontrarlos.

Estoy de acuerdo en que,
en esos casos,

probablemente no serían
muy procesables de todos modos.

Pero creo que hay
muchos otros escenarios

donde hay mucha más heterogeneidad.

[Josh] Bueno, estoy abierto
a esa posibilidad

y creo que el ejemplo que has dado

es esencialmente
un ejemplo de marketing.

[Guido] No, esos tienen
implicaciones respecto a ello

y esa es la organización,

si tienes que preocuparte por la...

[Josh] Bueno, necesito
ver ese documento.

[Isaiah] Así que, la sensación
que tengo es que...

[Josh] Todavía estamos
en desacuerdo en algo.

- [Isaiah] Sí.
- [Josh] No coincidimos en todo.

[Isaiah] Tengo esa sensación.
[risas]

[Josh] En realidad,
hemos discrepado en esto

porque no estaba para discutir.

[risas]

[Guido] ¿Se está poniendo
algo caluroso aquí?

[Isaiah] Caluroso.
Es bueno que esté caluroso.

La sensación que tengo es, Josh,

que no estás diciendo
que estás seguro

de que no hay manera
de que haya una aplicación

en la que estas cosas sean útiles.

Estás diciendo
que no estás convencido

con las aplicaciones existentes
hasta la fecha.

- Me parece bien.
- [Guido] Estoy muy seguro.

[risas]

[Josh] En este caso.

[Guido] Creo que Josh tiene razón

en que incluso
en los casos de predicción,

donde muchos de los métodos
de aprendizaje automático

realmente se destacan es donde hay
un montón de heterogeneidad.

[Josh] No te importan mucho
los detalles, ¿verdad?

[Guido] Sí.

[Josh] No tiene
un ángulo normativo o algo así.

[Guido] El reconocimiento
de dígitos escritos a mano

y demás...

lo hace mucho mejor
que construir un modelo complicado.

Pero muchas
de las ciencias sociales,

muchas
de las aplicaciones económicas,

en realidad, sabemos mucho

sobre la relación
entre sus variables.

Muchas de las relaciones
son estrictamente monótonas.

La educación va a aumentar
los ingresos de la gente,

sin importar
las características demográficas,

sin importar
el nivel de educación que se tenga.

[Isaiah] Hasta que lleguen
a un doctorado.

[Josh] ¿Eso se aplica
a la escuela de posgrado?

[risas]

[Guido] En un rango razonable.

No va a bajar mucho.

En muchos de los entornos
en los que se destacan

estos métodos
de aprendizaje automático,

hay mucha falta de monotonicidad,

una especie de multimodalidad
en estas relaciones

y van a ser muy poderosos.

Pero sigo sosteniendo lo mismo.

Estos métodos tienen mucho
para ofrecerles a los economistas

y serán una gran parte del futuro.

APLICACIONES
DEL APRENDIZAJE AUTOMÁTICO

[Isaiah] Parece que hay
algo interesante por decir

sobre el aprendizaje automático.

Así que, Guido, me preguntaba

¿podrías dar tal vez
algunos de los ejemplos

que estás pensando

con las aplicaciones
que salen en el momento?

[Guido] Un área
es donde en lugar de buscar

efectos causales promedio

estamos buscando
estimaciones individualizadas,

predicciones de efectos causales,

y allí, los algoritmos
de aprendizaje automático

han sido muy eficaces.

Hasta ahora,
hemos hecho estas cosas

utilizando los métodos de Kernel,

y teóricamente, funcionan muy bien,

y hay quienes comentan
que, formalmente,

no se puede hacer nada mejor.

Pero en la práctica,
no funcionan muy bien.

Las cosas aleatorias
de tipo bosque causal

en las que Stefan Wager
y Susan Athey

han estado trabajando
se utilizan muy ampliamente.

Han sido muy eficaces
en estos entornos

para obtener efectos causales

que varían según las covariables.

Creo que esto es solo el comienzo
de estos métodos.

Pero en muchos casos,

estos algoritmos son muy eficaces,

como en la búsqueda
en grandes espacios

y encontrar las funciones
que se ajustan muy bien

en formas que realmente
no podíamos hacer antes.

[Josh] No conozco ningún ejemplo

en el que el aprendizaje automático
haya generado conocimientos

sobre un efecto causal
que me interese.

Y sí conozco ejemplos

en los que es potencialmente
muy engañoso.

He trabajado con Brigham Frandsen

utilizando, por ejemplo,
bosques aleatorios

para modelar
los efectos de las covariables

en un problema
de variables instrumentales

en el que hay que condicionar
las covariables.

Y no tienes
un sentimiento muy fuerte

sobre la forma funcional para eso,

así que tal vez
se debería curvar...

estar abierto
a un ajuste flexible de la curva.

Y eso te lleva a un camino

donde hay un montón
de no linealidades en el modelo,

y eso es muy peligroso con el VI

porque cualquier tipo
de no linealidad excluida

genera potencialmente
un efecto causal espurio

y Brigham y yo lo mostramos,
creo que muy convincentemente,

en el caso de dos instrumentos

que vienen de un trabajo mío
con Bill Evans,

donde si se reemplaza...

un estimador tradicional
de mínimos cuadrados en dos etapas

con algún tipo de bosque aleatorio,

se obtienen estimaciones
sin sentido muy precisas.

Creo que eso
es una gran advertencia.

A la vista de esos resultados,

en un ejemplo que me interese

en el que los instrumentos
sean muy simples

y crea que son válidos,
sería escéptico al respecto.

La no linealidad y el VI
no se mezclan muy cómodamente.

[Guido] No, parece que eso
ya es más complicado...

[Josh] Bueno, es VI...
[Guido] Sí.

[Josh] pero luego
trabajamos en eso.

[risas]

[Guido] Está bien.

OPORTUNIDADES
PARA PUBLICAR EN REVISTAS

[Guido] Como editor
de Econometrica,

muchos de estos trabajos
llegan a mi escritorio,

pero la motivación no es clara

y, de hecho, realmente no existe.

No son... artículos fundacionales
de tipo semiparamétrico.

Así que, ese es un gran problema.

Un problema relacionado
es que, en econometría,

tenemos la tradición
de estar muy centrados

en estos resultados
asintóticos formales.

Tenemos muchos artículos

en los que la gente
propone un método

y luego establece
las propiedades asintóticas

de una manera muy estandarizada.

[Josh] ¿Es eso malo?

[Guido] Bueno,
creo que les ha cerrado la puerta

a muchos trabajos
que no encajan

en la literatura
del aprendizaje automático,

donde muchas cosas
son más algorítmicas.

La gente tenía algoritmos
para hacer predicciones

que resultaron funcionar
mucho mejor que, por ejemplo,

la regresión Kernel no paramétrica.

Durante mucho tiempo,

en econometría
hicimos toda la no paramétrica

y usamos la regresión Kernel.

Y eso fue genial
para probar teoremas.

Podías obtener
intervalos de confianza,

consistencia,
normalidad asintótica

y todo iba genial,
pero no era muy útil.

Y las cosas que hicieron
en el aprendizaje automático

son mucho, mucho mejores.

Pero no tenían el problema...

[Josh] Ese no es mi problema
con el aprendizaje automático,

que la teoría sea débil.
[risas]

[Guido] No, pero estoy diciendo
que, en cuanto a la predicción,

lo hace mucho mejor.

[Josh] Sí, es una mejor herramienta
de ajuste de curvas.

[Guido] Pero lo hizo de una manera
que no habría hecho

que esos trabajos fueran
inicialmente fáciles de incorporar

en las revistas de econometría,

porque no estaba probando
el tipo de cosas...

Cuando Breiman
hacía sus árboles de regresión...

simplemente no encajaban.

Creo que le habría sido muy difícil
publicar estas cosas

en las revistas de econometría.

Creo que nos hemos limitado
demasiado

y nos hemos cerrado

a muchos de estos métodos
de aprendizaje automático

que son realmente muy útiles.

Es decir, creo, en general,

que la literatura,
los ingenieros de sistemas

han presentado una gran cantidad
de estos algoritmos,

han propuesto
una gran cantidad de algoritmos

que realmente son muy útiles

y que están afectando la forma
en que haremos el trabajo empírico.

Pero no lo hemos interiorizado
del todo

porque todavía
estamos muy centrados

en obtener estimaciones puntuales

y obtener errores estándar
y obtener valores P

de una manera
que necesitamos superar

para aprovechar plenamente
la fuerza, los beneficios

de la literatura
de aprendizaje automático.

[Isaiah] Por un lado, creo
que entiendo tu punto de vista

de que el marco tradicional
de la econometría

de proponer un método,
demostrar un teorema límite

bajo alguna historia asintótica,
y otra, y otra y otra...

...y luego publicar el documento,
es restrictivo,

y que, en cierto sentido,

al pensar más ampliamente

sobre cómo podría ser
un documento de métodos,

podemos escribir, en cierto sentido,

desde luego que la literatura
de aprendizaje automático

ha encontrado
un montón de cosas

que parecen funcionar bastante
bien para una serie de problemas

y ahora están influyendo
sustancialmente en la economía.

Supongo que una pregunta
que me interesa

es cómo piensas en el papel de...

¿Crees que no hay valor
en la parte de la teoría?

Porque supongo

que una pregunta
que a menudo me hago

al ver el resultado

de una herramienta
de aprendizaje automático...

y, en realidad, varios
de los métodos de los que hablaste

tienen resultados inferenciales
desarrollados para ellos,

algo que siempre me pregunto,

una especie de cuantificación
de la incertidumbre

y simplemente...

Tengo mi...

vengo al mundo
con mi punto de vista,

veo el resultado de esta cosa.

¿Cómo debo actualizar
en función de eso?

Y en cierto sentido,
si estoy en un mundo

donde las cosas
se distribuyen normalmente,

sé cómo hacerlo.

Aquí no lo sé.

Así que, me interesa escuchar
lo que piensas al respecto.

[Guido] No veo esto
como si fuera decir

que estos resultados
no son interesantes,

pero habrá un montón de casos

en los que va a ser
increíblemente difícil

obtener esos resultados

y puede que no seamos capaces
de llegar allí

y puede que tengamos
que hacerlo en etapas,

donde primero alguien dice:

"Oye, tengo
este algoritmo interesante

para hacer algo",

y funciona bien
según cierto criterio

en este conjunto de datos
en particular,

y debemos ponerlo en conocimiento.

Y tal vez alguien
descubra una forma

en la que más tarde
se pueda seguir haciendo inferencia

bajo algunas condiciones,

y tal vez no sean condiciones
particularmente realistas.

Entonces, podemos ir más allá.

Pero creo que hemos estado
restringiendo demasiado las cosas

donde dijimos:

"Este es el tipo de cosas
que tenemos que hacer".

Y en cierto sentido, eso se remonta

a la forma en que Josh
y yo pensamos

respecto del efecto
del tratamiento local promedio .

Esa no era la forma
en que la gente pensaba

en estos problemas anteriormente.

Había una sensación
de que algunas personas

decían que la forma
de hacer estas cosas;

es decir, primero,
lo que te interesa estimar

y luego hacer lo mejor
que puedas en la estimación.

Y lo que ustedes hacen
es hacerlo al revés.

Ustedes dicen: "Aquí tengo
un estimador

y ahora voy a averiguar
qué está estimando".

Y supongo que vas a decir
por qué crees que es interesante

o tal vez por qué no es interesante
y eso no está bien.

No está permitido
hacerlo de esa manera.

Y creo que deberíamos ser
un poco más flexibles

a la hora de pensar
en cómo ver los problemas

porque creo que nos hemos perdido
algunas cosas por no hacer eso.

¡ISAIAH ANDREWS ARBITRA!

[Josh] Así que, has escuchado
nuestros puntos de vista, Isaiah,

y has visto que no estamos
de acuerdo en algunos puntos.

¿Por qué no nos arbitras
esta disputa? [risas]

[Isaiah] Oh, qué amable eres
al hacerme una pequeña pregunta.

[risas]

Así que supongo que, por un lado,

estoy muy de acuerdo con algo
que Guido dijo antes de... [risas]

Así que, un aspecto

en la que el asunto
del aprendizaje automático

parece relativamente claro

es en los entornos
donde nos interesa

alguna versión de un problema
de predicción no paramétrica.

Así que estoy interesado
en la estimación

de una expectativa condicional
o probabilidad condicional,

y en el pasado, tal vez
habría utilizado un Kernel...

Habría utilizado
una regresión Kernel

o habría utilizado una regresión
en serie, o algo por el estilo.

Parece que, en este momento,

tenemos una idea bastante clara

de que,
en una amplia gama de aplicaciones,

los métodos
de aprendizaje automático

parecen funcionar mejor

para estimar las funciones
de media condicional,

o las probabilidades condicionales,

o varios otros objetos
no paramétricos

que los métodos no paramétricos
más tradicionales

que se estudiaron
en econometría y estadística,

especialmente en entornos
de alta dimensión.

[Josh] ¿Así que, estás pensando
en la puntuación de propensión

o algo así?

- [Isaiah] Sí, exactamente.
- [Guido] Funciones de molestia.

[Isaiah] Sí, cosas como
las puntuaciones de propensión.

Incluso objetos
de interés más directo,

como los efectos del tratamiento
promedio condicional,

que son la diferencia

de dos funciones
de expectativa condicional,

potencialmente cosas así.

Por supuesto, incluso allí,
la teoría...

La inferencia de la teoría
de cómo interpretar,

cómo hacer declaraciones
de muestras grandes

sobre algunas de estas cosas
están menos desarrolladas

dependiendo del estimador
de aprendizaje automático

que se utilice.

Y así, creo que algo
que es complicado

es que podemos tener
estos métodos,

que funcionan mucho...

que parecen funcionar mucho mejor
para algunos fines,

pero que tenemos que ser
un poco cuidadosos

en cómo los incorporamos

o cómo interpretamos
las declaraciones resultantes.

Pero, por supuesto,
esa es un área muy, muy activa

ahora mismo en la que la gente
está haciendo un gran trabajo.

Así que, espero ver
mucho más en el futuro.

Un problema
con el aprendizaje automático

que siempre parece un peligro es...

o que a veces es un peligro

y que a veces ha llevado

a aplicaciones
que han tenido menos sentido

es cuando la gente empieza

con un método
que les entusiasma mucho

en lugar de una pregunta.

Así que empezar con una pregunta

donde aquí está el objeto
que me interesa,

aquí está el parámetro de interés,

déjame pensar
en cómo identificaría esa cosa,

cómo recuperaría esa cosa
si tuviera una tonelada de datos.

Vaya, aquí hay una función
de expectativa condicional,

permítanme incorporar un estimador
de aprendizaje automático para eso,

eso parece muy muy sensato.

Mientras que, ya sabes,

si hago una regresión
de la cantidad sobre el precio

y digo que he utilizado

un método
de aprendizaje automático,

tal vez estoy satisfecho
de que eso resuelva

el problema de endogeneidad
que normalmente nos preocupa allí;

tal vez no lo estoy.

Pero, de nuevo, allí
la forma de abordarlo

parece relativamente clara.

Es encontrar tu objeto de interés
y pensar en...

[Guido] Es simplemente incorporar
la economía.

[Isaiah] Exactamente.

[Guido] Y pensar
en la heterogeneidad,

pero aprovechar

el poder de los métodos
de aprendizaje automático

para algunos de los componentes.

[Isaiah] Precisamente.

Exactamente.

Así que la cuestión de interés
es la misma de siempre,

pero ahora tenemos mejores métodos

para estimar
algunas partes de esto.

Lo que parece
más difícil de pronosticar

es que, obviamente,
ocurren muchas cosas

dentro de la literatura
de aprendizaje automático

y las formas limitadas
de incorporarlo

a las que he hecho referencia
hasta ahora

son una parte limitada de eso.

Así que, creo que hay
muchas otras preguntas interesantes

sobre dónde...
¿a dónde va esta interacción?

¿Qué más podemos aprender?

Y eso es algo en lo que creo
que hay mucho trabajo en curso,

lo que parece muy prometedor,

y no tengo ni idea
de cuál es la respuesta.

[Guido] No, estoy totalmente
de acuerdo con eso,

pero eso lo hace muy emocionante.

Y creo que hay un montón
de trabajo por hacer allí.

Muy bien.

Entonces, Isaiah
está de acuerdo conmigo en eso.

[risas]

[Isaiah] Yo no he dicho eso en sí.

[risas]

♪ (música) ♪

[Narradora] Si desea ver más
de Conversaciones Nobel,

haga clic aquí.

O si quiere aprender más
sobre econometría,

eche un vistazo a la serie
Mastering Econometrics de Josh.

Si quiere saber más
sobre Guido, Josh e Isaiah,

consulte los enlaces
en la descripción.

♪ (música) ♪