13-12-2019

Até recentemente, dois grandes obstáculos limitavam o que os economistas de investigação podiam aprender sobre o mundo com os métodos eficazes que os matemáticos e especialistas em estatística, a partir do início do século XIX, desenvolveram para reconhecer e interpretar padrões em dados com ruído: os conjuntos de dados eram pequenos e dispendiosos, e os computadores eram lentos e caros. Por isso, é natural que com a redução drástica destes obstáculos permitida pelos ganhos na capacidade de processamento, os economistas se tenham precipitado para a utilização dos grandes conjuntos de dados (NdT: big data, no original) e da inteligência artificial para ajudá-los a identificar padrões em todo o tipo de actividades e resultados.

Os resumos de dados e o reconhecimento de padrões também são componentes importantes das ciências físicas. O físico Richard Feynman comparou o mundo natural a um jogo jogado pelos deuses: “não sabemos as regras do jogo, mas é-nos permitido olhar para o tabuleiro de vez em quando, talvez para um pequeno canto. E a partir destas observações tentamos perceber quais são as regras”.

A metáfora de Feynman é uma descrição literal do que fazem muitos economistas. Tal como os astrofísicos, obtemos normalmente dados não-experimentais gerados por processos que queremos compreender. O matemático John von Neumann definiu um jogo como (1) uma lista de jogadores; (2) uma lista de acções disponíveis para cada jogador; (3) uma lista de como as recompensas recebidas por cada jogador dependem das acções de todos os jogadores; e (4) um protocolo temporal que refere quem escolhe o quê, e quando. Esta definição elegante inclui o que denominamos de “constituição” ou de “sistema económico”: um entendimento social sobre quem escolhe o quê, e quando.

Tal como o físico da metáfora de Feynman, a nossa tarefa consiste em inferir um “jogo” – que para os economistas é a estrutura de um mercado ou de um sistema de mercados – a partir de dados observados. Mas a seguir queremos fazer algo diferente dos físicos: queremos reflectir sobre como diferentes “jogos” podem produzir resultados melhorados. Isto é, queremos realizar experiências para estudar o modo como uma alteração hipotética das regras do jogo ou de um padrão de comportamento observado por alguns “jogadores” (como as entidades reguladoras governamentais ou um banco central) podem afectar os padrões comportamentais dos restantes jogadores.

Portanto, os “criadores de modelos estruturais” em economia tentam inferir, a partir de padrões históricos de comportamento, um conjunto de parâmetros invariáveis para situações hipotéticas (frequentemente, sem qualquer precedente histórico), nas quais um governo ou regulador aplica um novo conjunto de regras. O governo tem estratégias, e as pessoas têm contra-estratégias, segundo um provérbio chinês. Os “modelos estruturais” procuram esses parâmetros invariáveis para ajudar os reguladores e os criadores de mercados a compreender e prever padrões de dados em situações sem precedente histórico.

A difícil tarefa de criar modelos estruturais beneficiará com os ramos da IA que não envolvam mais do que reconhecimento de padrões, e que estão em rápido desenvolvimento. A AlphaGo é um excelente exemplo. A equipa de cientistas que criou o algoritmo para jogar o jogo chinês de Go combinou inteligentemente uma série de ferramentas que tinham sido desenvolvidas por especialistas oriundos das comunidades da estatística, das simulações, da teoria da decisão e da teoria dos jogos. Muitas das ferramentas usadas nas proporções devidas para produzir um fantástico jogador artificial de Go são também as ferramentas quotidianas dos economistas para a construção de modelos estruturais que estudam a macroeconomia e a organização industrial.

É evidente que a economia difere da física num aspecto fundamental. Enquanto Pierre-Simon Laplace considerava “o estado presente do universo como consequência do seu passado e causa do seu futuro”, o inverso é verdadeiro em economia: o que esperamos que outras pessoas façam no futuro define o que fazemos hoje. Normalmente, usamos teorias pessoais sobre o que as outras pessoas pretendem para prevermos o que farão. Quando temos boas teorias de outras pessoas, aquilo que provavelmente farão determina o que esperamos que façam. Esta linha de raciocínio, denominada por vezes de “expectativas racionais”, reflecte um sentido em que “o futuro determina o presente” nos sistemas económicos. Considerar esta realidade é nuclear para a construção de modelos económicos “estruturais”.

Por exemplo, eu aderirei a uma corrida aos depósitos se esperar que outras pessoas o façam. Sem seguro de depósitos, os clientes têm incentivos para evitar os bancos que sejam vulneráveis a corridas aos depósitos. Com seguro de depósitos, os clientes não terão motivos para correr. Por outro lado, se os governos seguram os depósitos, os banqueiros quererão que os seus activos se tornem tão extensos e arriscados quanto possível, já que os depositantes não se importarão. Existem compromissos semelhantes nos casos dos subsídios de desemprego e invalidez – segurar as pessoas contra o azar pode enfraquecer o seu incentivo para se sustentarem a si próprias – e nos resgates oficiais de governos e empresas.

Mais genericamente, a minha reputação é aquilo que os outros esperam que eu faça. As escolhas que enfrento são sobre a confirmação ou a negação dessas expectativas. Estas escolhas afectarão o modo como outras pessoas se comportarão no futuro. Os responsáveis pelos bancos centrais pensam muito nisto.

Como os físicos, os economistas usam modelos e dados para aprender. Não aprendemos coisas novas até reconhecermos que os nossos modelos antigos não conseguem explicar os dados novos. Seguidamente, construímos novos modelos à luz das falhas dos seus antecessores. Isto explica o modo como aprendemos com as anteriores depressões e crises financeiras. E com os grandes conjuntos de dados, computadores mais rápidos, e algoritmos mais potentes, poderemos ver padrões onde antes só ouvíamos ruído.

THOMAS J. SARGENT

 

Thomas J. Sargent é professor de economia na Universidade de Nova York e membro sénior da Hoover Institution.