Die Ökonomik untersucht das Verhalten von Individuen und Unternehmen bei der Entscheidung über die Zuteilung knapper Ressourcen und die Interaktionen zwischen diesen Akteuren. Die Spieltheorie hatte einen erheblichen Einfluss auf die ökonomische Modellierung, da sie es uns ermöglicht, die Ergebnisse solcher wirtschaftlichen Interaktionen unter Berücksichtigung der Anreize der einzelnen Akteure zu modellieren. Das Mechanismusdesign tut dasselbe, wenn es darum geht, die Regeln wirtschaftlicher Institutionen zu entwerfen. Leider haben sich diese ökonomischen Modelle als rechnerisch schwer lösbar herausgestellt. Zum Beispiel ist es schwer, ein Gleichgewicht in einigen Modellen mit unvollständigen Informationen von Märkten mit kontinuierlichen Bewertungs- und Aktionsbereichen zu finden, und das Entwerfen einer umsatzmaximierenden Mehrgegenstandsauktion ist # P -hart. Diese rechnerische Komplexität stellt eine grundlegende Barriere bei der Modellierung wirtschaftlicher Systeme dar, ist jedoch im schlimmsten Fall und betrachtet nicht-generische Fälle. Differenzierbare Ökonomik beschreibt einen neuen Ansatz zur Lösung dieser zentralen Probleme in den Wirtschaftswissenschaften. Sie verwendet Lernalgorithmen, um Lösungen für die Berechnung von Gleichgewichten oder Probleme des wirtschaftlichen Designs zu finden oder zu approximieren. Insbesondere haben sich neuronale Netzwerke und Lernalgorithmen wie der stochastische Gradientensabstieg als sehr effektiv erwiesen. Maschinelles Lernen hat in vielen Wissenschaften zu Durchbrüchen geführt, und es hat auch das Potenzial, grundlegend zu verändern, wie wir wirtschaftliche Systeme analysieren und entwerfen.
Bichler et al. (Tue,) haben diese Frage untersucht.