Алиса (Майкрософт)

ЭЛИС

Разработчик(и)	Microsoft Research Lab - Новая Англия (дочерняя компания Microsoft )
Тип	Экономика Искусственный интеллект Принятие решений
Веб-сайт	www.microsoft.com/en-us/research/group/alice/

ALICE — это проект искусственного интеллекта , инициированный Microsoft Research, известный как Automated Learning and Intelligence for Causation and Economics. Проект фокусируется на использовании современных методов машинного обучения в сочетании с эконометрикой для улучшения процессов принятия экономических решений. ^[1]

Основная цель ALICE — измерение причинно-следственных связей в экономических системах , что имеет решающее значение для принятия обоснованных политических решений. Это включает в себя понимание причин, лежащих в основе движений в сложных экономиках. Проект основан на долгой истории Microsoft по интеграции экономики и компьютерных наук , объединяя исследователей из различных областей, таких как социальные науки, ИИ и машинное обучение . Команда ALICE стремится расширить адаптацию существующих технологий МО для экономических приложений и разработать новые архитектуры глубокого обучения для причинно-следственных выводов . ^[1] Их исследования касаются практических приложений, имеющих отношение к политике, включая оценку спроса, оптимизацию цен, эффективность рекламы, стратегии продаж и разработку стимулов для желаемых результатов в области здравоохранения и образования. Это начинание направлено на демократизацию экономических исследований с использованием ИИ, одновременно продвигая границы ИИ через экономическую теорию. ^[2]

Одним из примечательных аспектов проекта ALICE является сотрудничество с TripAdvisor . Исследование случая между Microsoft Research и TripAdvisor изучало использование каузального ИИ для сегментации клиентов, ^[3] Это партнерство возникло из случайной встречи между учеными по данным из обеих организаций, что привело к совместным усилиям по изучению влияния модели членства на вовлеченность пользователей. Используя A/B-тест , команда ALICE разработала новый статистический метод для измерения прямого влияния членства на вовлеченность. Этот подход, который основывается на традиционных методах инструментальных переменных, выявил значительные различия в вовлеченности пользователей в зависимости от используемой платформы и страниц, посещенных пользователем. ^[3]

Сотрудничество привело к ценным выводам для TripAdvisor. Команда ALICE обнаружила, что членство положительно влияет на вовлеченность пользователей, со значительными различиями между пользователями. Основными движущими силами этих различий были платформа, с которой пользователь получал доступ к TripAdvisor, и страницы, которые он посещал до эксперимента. Ключевым нововведением стала разработка метода на основе МО для оценки неоднородных причинных эффектов в A/B-тестах с несоблюдением, что позволяет учитывать сложные различия на индивидуальном уровне как в соблюдении, так и в эффекте вмешательства. ^[3]

Методология была реализована в программном пакете EconML, библиотеке Python с открытым исходным кодом, разработанной командой ALICE. EconML применяет методы машинного обучения для оценки индивидуальных причинно-следственных реакций на основе наблюдательных или экспериментальных данных. ^[2]

Главный экономист Элеанор Диллон в настоящее время руководит проектом ALICE в исследовательской лаборатории Microsoft в Новой Англии. ^[1]