Robot tłumaczący się z osiągniętego celu inflacyjnego, maszyny zasiadające w Radzie Polityki Pieniężnej czy farmy trolli internetowych wpływających na politykę monetarną banków centralnych to wizja odległej przyszłości. Sztuczna inteligencja nie zastąpi ekonomistów. Przynajmniej na razie.

W ciągu ostatnich pięciu lat, coraz większym powodzeniem cieszą się rozwiązania oparte na sztucznej inteligencji. Technologia ta znajduje zastosowanie nie tylko w sektorach powszechnie uważanych za innowacyjne, lecz także w sektorze finansowym. Branża wykorzystuje machine learning (uczenie maszynowe) do rozwoju robotów, które będą mogły pełnić między innymi funkcję doradców kredytowych.

Banki centralne również coraz przychylniej spoglądają w kierunku nowoczesnych technologii, instytucje te na całym świecie tworzą departamenty zajmujące się rozwiązaniami Big Data. Nic dziwnego, według szacunków IBM, w ciągu ostatnich dwóch lat powstało aż 90 proc. wszystkich obecnie dostępnych danych. Nie dotyczą one przecież wyłącznie stopy inflacji, bezrobocia czy poziomu realnej produkcji. Coraz więcej danych, na których opierają się banki centralne, to informacje zawarte w sieci, dotyczące preferencji użytkowników, historii wyszukiwania czy komentarze na profilach społecznościowych.

Google Trends wpłynie na wysokość stóp procentowych?

Po kryzysie w 2007 roku, banki centralne zaczęły gromadzić tak zwane mikrodane, aby przewidzieć i tym samym zapobiec albo przynajmniej zminimalizować skutki potencjalnej recesji. Coraz częściej w tworzeniu prognoz gospodarczych pomagają bankierom ogólnodostępne dane, chociażby z Google Trends. Co wspólnego ma to narzędzie, związane z badaniem popularności wyszukiwań w sieci z „pożyczkodawcą ostatniej instancji”? Otóż wiele. Banki centralne na całym świecie zaczynają obserwować trendy związane z zapytaniami, aby przewidywać zmiany w zatrudnieniu, wykorzystując do tego elementy uczenia maszynowego czy sztucznej inteligencji. Dzięki niepozornym ruchom w sieci, bankierzy mogą założyć, że w najbliższych miesiącach dojdzie do spadku bezrobocia i wzrostu globalnej konsumpcji.

Coraz więcej banków wprowadza w swoich strukturach departamenty związane z data science, których zadaniem jest wykorzystanie najnowszych technologii takich jak Machine Learning czy AI (artificial intelligence). Pozwalają one przeanalizować setki tysięcy danych zgromadzonych przez banki centralne. Przecież te instytucje często monitorują każdą transakcję, pożyczkę czy ogólnie przepływ aktywów.

Bez wątpienia, tego typu rozwiązania cieszą się największym powodzeniem na Dalekim Wschodzie. Centralny bank japoński (BoJ) korzysta z dobrodziejstw Big Data od 2013 roku, chiński bank centralny stopniowo wprowadza do swoich stałych analiz sztuczną inteligencję oraz Big Data. Natomiast, Singapur w zeszłym roku stworzył Data Analytics Group - specjalny, niezależny oddział, którego zadaniem jest współpraca ze wszystkimi departamentami w zakresie zarówno cyberbezpieczeństwa, przeciwdziałaniu praniu brudnych pieniędzy jak i tworzenia prognoz gospodarczych (także w oparciu o Google Trends).

Jednak do rewolucji w bankowości centralnej dochodzi także znacznie bliżej, a dokładnie tuż za naszą zachodnią granicą. Europejski Bank Centralny z siedzibą we Frankfurcie również tworzy swoje prognozy w oparciu o Big Data. Tak jak inne banki centralne korzysta z Google Trends i ogólnodostępnych ofert pracy, by ocenić zmiany w zatrudnieniu w strefie euro. Ponadto, analitycy z EBC na bieżąco śledzą artykuły prasowe i oceniają związane z nimi nastroje (czy pojawia się więcej optymistycznych czy raczej negatywnych wiadomości na temat gospodarki). Bank Eurostrefy testuje też narzędzia, które na podstawie zgromadzonych danych online pozwolą na wyznaczanie poziomu inflacji w czasie rzeczywistym.

Na decyzje EBC wpłyną trolle internetowe

Opieranie się na danych zebranych w sieci ma też swoje słabsze strony. Istnieje bowiem ryzyko, że statystyki uwzględniające mniej wartościowe albo wręcz fałszywe dane wyprą te lepszej jakości. W końcu narzędzia typu Google Trends wskazują na popularność konkretnego zjawiska, a opinie internautów nie zawsze są wiarygodne. Jest to powszechne zagrożenie w dobie fake news, które przecież jest nie tylko wyzwaniem dla mediów społecznościowych, a także dla instytucji typu EBC gromadzących miliony rekordów.

Na ten problem zwraca uwagę także dr Michał Goliński, z Zakładu Gospodarki Cyfrowej, SGH: - Obecnie, Internet jest bardzo podatny na manipulacje. Wystarczy kilka niezweryfikowanych wiadomości podanych przez nieistniejące organizacje czy trolle internetowe, by wpłynąć na przebieg wyborów czy referendum. Z takim przypadkiem mieliśmy zarówno do czynienia w Stanach Zjednoczonych, w Wielkiej Brytanii czy w Katalonii. Mimo rosnącej świadomości zagrożeń związanych z „fake news”, problem pozostaje nierozwiązany: na samym Facebooku, według różnych statystyk, aż 200 milionów kont to fałszywe konta. Z tego względu, banki centralne powinny traktować dane zebrane w sieci ze szczególną ostrożnością. Sądzę, że dla pewnych instytucji takich jak przykładowo ta mieszcząca się przy Sawuszkina 55 w Sankt Petersburgu [jedna z najbardziej znanych fabryk trolli - red.], lawinowe zadawanie pytań zmieniające wyniki Google Trends nie byłoby wielkim wyzwaniem. Można wręcz stwierdzić, że w takim przypadku na decyzje EBC mogłyby mieć wpływ trolle internetowe, a nie rzetelne statystyki emitowane przez wiarygodne instytucje.

NBP zajrzy na Twojego Facebooka?

Banki centralne tradycyjnie prowadzą swoje prognozy opierając się między innymi na statystykach emitowanych przez urzędy statystyczne, organy administracji publicznej czy w oparciu o zestawienia oraz plany finansowe banków komercyjnych. Przykładowo, NBP tworzy projekcje PKB i inflacji na podstawie modelu NECMOD (modyfikacja wcześniejszego, krytykowanego modelu ECMOD), który uwzględnia 4 bloki: blok zewnętrzny (np. kurs walutowy), blok monetarny (np. CPI - wskaźnik cen towarów i usług, pozwalający zmierzyć inflację), blok zatrudnienia oraz blok realny (np. inwestycje i bilans handlowy). Dane do każdego z bloku są gromadzone i analizowane przez Departament Analiz Ekonomicznych (DAE). Jednak w porównaniu chociażby do EBC, Narodowy Bank Polski nie korzysta na razie z narzędzi takich jak Google Trends, preferując statystyki dotyczące zatrudnienia emitowane przez GUS. Czy w najbliższych latach to się zmieni? Nie wiadomo. Narodowy Bank Polski w Planach Działalności NBP na lata 2018-2020 mgliście wspomina o wykorzystaniu „nowoczesnych narzędzi i modeli” w tworzeniu prognoz gospodarczych.

W porównaniu do NBP, inne banki centralne nie tylko korzystają z Google Trends, ale także coraz chętniej zaglądają na profile obywateli w sieciach społecznościowych. Według raportu Central Banking, co piąta instytucja gromadzi w ten sposób dane. Banki centralne przeglądają przede wszystkim Twittera, by sprawdzić jak oceniana jest ich polityka i jakie są nastroje społeczne (np. czy użytkownicy ostrzegają przed inwestowaniem w danym kraju).

Dla banków centralnych dane z portali społecznościowych są jedynie uzupełnieniem ogromnej bazy złożonej z innych rekordów zebranych z sieci WWW. Większym zainteresowaniem cieszą się projekty umożliwiające stworzenie kompleksowych centralnych rejestrów kredytowych opartych na Big Data. Jak wynika z raportu Central Banking, prawie 60 proc. ankietowanych instytucji inwestujących w tę technologię, zamierza ją wykorzystać właśnie do stworzenia centralnego rejestru kredytowego, który gromadziłby jednocześnie dane z banków komercyjnych jak i z narodowych zakładów ubezpieczeń społecznych. Większość ankietowanych bankierów centralnych tłumaczyła, że taka baza potrzebna jest do działalności badawczej instytucji. Ewentualnie, w dłuższej perspektywie pozwoliłaby na tworzenie bardziej precyzyjnych prognoz gospodarczych.

Rada Polityki Pieniężnej złożona z robotów

Ekonomiści, którzy korzystają z rozwiązań typu Big Data i Machine Learning, zgodnie przyznają, że dzięki tym technologiom szybciej podejmują decyzje i mogą tworzyć bardziej kompleksowe modele ekonometryczne. Technologie pozwalają „przetłumaczyć” setki zgromadzonych danych i dostrzec zależności, które wymagałyby kilkuletniej pracy profesjonalnych analityków.

Jednak ani sztuczna inteligencja ani uczenie maszynowe nie są w stanie zastąpić bankierów centralnych. Przynajmniej na razie.

Jest kilka powodów, dla których AI nie jest w stanie w najbliższych latach przejąć funkcji prezesa Banku Centralnego czy członka Rady Polityki Pieniężnej.

- Po pierwsze, obecna polityka pieniężna opiera się na odpowiedniej komunikacji. Rynek kształtuje swoje oczekiwania zarówno na podstawie słów wypowiedzianych przez prezesa NBP, jak i szyku zdań, ekspresji pozawerbalnej. Roboty na razie nie potrafią tak kształtować swoich komunikatów. Nie potrafią także opowiadać o niuansach polityki pieniężnej w sposób zrozumiały dla uczestników rynku - twierdzi dr Michał Goliński.

Drugim problemem związanym ze zwiększeniem roli sztucznej inteligencji w bankowości centralnej byłaby kwestia odpowiedzialności. Obecnie, gdy cele polityki monetarnej nie zostają spełnione, przed opinią publiczną tłumaczą się przedstawiciele banku centralnego. Pozostaje więc pytanie kto ponosiłby odpowiedzialność, gdyby to maszyna podjęła błędne decyzje?

Innym wyzwaniem, z którym nawet najbardziej rozwinięte technologie nie potrafią sobie poradzić, jest niepewność w relacjach gospodarczych.

Ekonomiści na podstawie swojego doświadczenia oraz obserwacji, potrafią z mniejszym lub większym prawdopodobieństwem ocenić kierunek zmian, co potwierdza Michał Goliński: - Do właściwej oceny zjawisk gospodarczych potrzebna jest umiejętności wyczuwania nastrojów społecznych czy prowadzenia nieoficjalnych dyskusji. Prognozowanie bowiem nie opiera się wyłącznie na analizie terabajtów danych, lecz także na rozmowie, ścieraniu się nie raz przeciwnych opinii oraz pozyskiwaniu wiadomości w kuluarach. Sztuczna inteligencja tego nie potrafi: nie dowie się od prezesa międzynarodowej korporacji o decyzji, która może mieć wpływ na perturbacje na rynku.

Obecnie, technologie pokroju AI i ML mogą być wykorzystywane w bankach centralnych do wykrywania ryzyka systemowego. Algorytmy używane w tych rozwiązaniach z powodzeniem znajdują zastosowanie w modelowaniu ryzyka na poziomie konkretnych instytucji finansowych. Ponadto, przy wykorzystaniu informacji dostępnych w sieci, uczenie maszynowe umożliwia tworzenie prognoz wspomnianych zmian na rynku pracy czy popytu turystycznego.

Na razie najnowsze technologie nie dokonają rewolucji w bankach centralnych. Według doktora Golińskiego, drastycznych zmian, możemy spodziewać się wraz z osiągnięciem technologicznej osobliwości (momentu, w którym sztuczna inteligencja przewyższy intelektualnie człowieka). Według różnych szacunków, moment ten nastąpi koło 2040 roku.

Jeśli sztuczna inteligencja będzie w stanie zastąpić prezesa Banku Centralnego, to równie dobrze mogłaby zastąpić polityków. Może nie byłoby to pozornie tak złe rozwiązanie? - kwituje doktor Michał Goliński.