في إطار التطورات السريعة في مجال الذكاء الاصطناعي، تظهر النماذج الجدولية (Tabular Foundation Models) كأداة فعالة في تحسين دقة التنبؤ بالخيارات الاقتصادية. ولكن، بالرغم من إنجازاتها، كانت هذه النماذج تواجه تحديات فيما يتعلق بالمنطق الاقتصادي، حيث كانت بعض التنبؤات تتعارض مع القواعد الأساسية للاقتصاد، مثل زيادة السعر التي تُنتج أحيانًا زيادة في الطلب المتوقع، أو تقديرات غير معقولة للاستعداد للدفع؛ الأمر الذي يستدعي تدخلًا حاسمًا.

لحل هذه الإشكالية، تم تقديم نظام ملحق بنظام عمل يتكون من مرحلتين. في المرحلة الأولى، نقوم بتقدير نموذج اختياري قياسي مع فرض قيود على المعلمات بحيث تلتزم بالقوانين الاقتصادية. بعد ذلك، في المرحلة الثانية، نقوم بتجميد هذه المعلمات ونعلم مصطلح تصحيح من خلال دمج توقعات النماذج الجدولية كتعليمات إضافية.

النتيجة هي نموذج يحتفظ بدقة النماذج الجدولية بينما يضمن علاقات سعر-طلب أحادية تحت تغييرات السياسات، وينتج مقاييس قابلة للحساب تحليليًا لموازنة العوامل. في دراستين حول النقل، استطاع الملحق أن يستعيد دقة تصل إلى 13 نقطة مئوية فوق نموذج لوجيت العادي، مع الحفاظ على اتساق اقتصادي مثالي، وهو أمر لم تكن النماذج الجدولية الخام أو الطرق التقليدية تستطيع تحقيقه.

هذا التحول النوعي في معالجة البيانات الدقيقة يعكس إمكانيات الذكاء الاصطناعي في إعادة تشكيل الفهم الاقتصادي وتطبيقاته في الصناعات المختلفة.

ما رأيكم في إمكانية استخدام هذه النماذج لتحسين الخدمات الاقتصادية؟ شاركونا آراءكم في التعليقات!