Lezione inaugurale CIFREM. Foto Alessio Coser, archivio Università di Trento

INTELLIGENZA ARTIFICIALE E SCIENZE SOCIALI

in
Conversazione con l’economista Shu-Heng Chen della National Chengchi University di Taiwan
di Stefano Zambelli

Il professor Shu-Heng Chen nel mese di ottobre è stato ospite dell’Università di Trento presso il Dipartimento di Economia e l’Interdepartmental Centre for Research Training in Economics and Management (CIFREM) dove ha tenuto la lezione inaugurale dei corsi di dottorato dell’anno accademico 2009-2010.
Considerato uno dei fondatori della Agent Based Computational Economics, Shu-Heng Chen è il primo ad avere introdotto la programmazione genetica (Genetic Programming) nell’ambito delle ricerche in economia ed è il fondatore e il direttore del Centro di ricerca sull’Artificial Intelligence, Economics Laboratory (AI-ECON Research Center), presso l’Università di Chengchi (Taipei, Taiwan).
Lo studioso fa parte del gruppo di ricerca internazionale ASSRU (Algorithmic Social Sciences Research Unit), coordinato dal professor Kumaraswamy Vela Velupillai e dal sottoscritto, entrambi membri della Facoltà di Economia di Trento.
Il mio rapporto di collaborazione e amicizia con Shu-Heng Chen è iniziato circa vent’anni fa, quando entrambi, coordinati dal professor Velupillai, partecipammo alle attività di ricerca dell’allora nascente Centre for Computable Economics dell’UCLA (California, USA).

Shu-Heng, la tua attività di ricerca e le tue pubblicazioni sono profondamente innovative. Tu sei uno dei primi studiosi che ha messo al centro della teoria economica l’intelligenza artificiale. Quando, perché e come hai iniziato a pensare a questo collegamento?

La mia tesi di dottorato è stata scritta nei primi anni ’90 all’interno delle attività di ricerca e dei corsi offerti dal Centre for Computable Economics dell’Università di Los Angeles. La supervisione del professor Kumaraswamy Velupillai, il fondatore della disciplina Computable Economics, è stata essenziale per la mia formazione. Egli consentì, a me e ai miei compagni di corso, di venire in contatto con concetti nuovi e molto originali come l’idea che la disciplina economica aveva bisogno di fondamenta algoritmiche. In pratica quello che abbiamo compreso è che ogni processo decisionale ha, implicitamente o esplicitamente, un equivalente algoritmico. Questo approccio permette la definizione dei processi decisionali nei termini della teoria della complessità algoritmica di Kolmogorov e della complessità spaziale e temporale. Questi concetti ci possono fornire un’idea e una definizione rigorosa del ‘costo’ che si deve affrontare per passare da una particolare configurazione economica ad un’altra.
Dopo la conclusione del mio dottorato sono tornato a Taiwan dove mi sono occupato di Agent-based modelling, cioè dell’idea che i comportamenti e le decisioni degli agenti economici possano essere descritti come se fossero collocati su di un reticolo bi-dimensionale che nella loro totalità costituiscono un automa cellulare. Negli anni successivi ho poi continuato a studiare modelli economici nei quali gli agenti economici artificiali sono descritti da algoritmi e fanno parte di un sistema virtuale.

Nella tua lectio magistralis una particolare enfasi è stata posta sul problema della eterogeneità degli agenti. In che senso i comportamenti che provi di catturare con gli agenti algoritmici sono diversi dal modello classico nel quale gli agenti economici hanno come obiettivo la massimizzazione della loro utilità?

I due approcci non devono essere necessariamente in conflitto. Molti dei modelli ‘multi-agents’ sono costruiti avendo come presupposto la modellizzazione degli agenti come se massimizzassero la loro utilità attesa. Tuttavia, la mancanza delle fondamenta algoritmiche è problematica ed è una delle critiche poste da Herbert Simon sin dai primi anni ’50.
Vari programmi di ricerca hanno cercato e cercano di fornire approcci alternativi, ad esempio . introducendo dei vincoli al processo decisionale, ma questo si è rivelato insufficiente perché successivamente all’introduzione dei vincoli si procede comunque al calcolo della soluzione massimizzante. L’approccio rimane quindi lo stesso e richiede la specificazione di algoritmi che permettano agli agenti di vedere ciò che si deve massimizzare e con quali vincoli. Questo è ciò che distingue l’approccio neoclassico da quello agent-based.

Tu sei un sostenitore dell’idea che gli agenti artificiali e le loro interazioni dovrebbero essere descritti da funzioni comportamentali, ma questo sembra essere ancora molto lontano dalle metodologie proprie delle scuole del pensiero economico dominanti. Hai incontrato degli ostacoli nel tuo sforzo di introdurre l’intelligenza artificiale in economia?

Come economista, quello che mi interessa di più è il futuro. La disciplina è in crescita: è aumentato molto il numero di pubblicazioni e la agent-based, sviluppatasi all’interno della economia computazionale (ACE), ha esteso il suo dominio di applicazione ad altre discipline qual