众所周知,在疫情衰退期间,直接暴露于病毒的企业,即“接触”行业,相对于经济的其他部分,急剧萎缩并缓慢复苏。不太清楚的是,通过提供接触行业商品的更安全替代品而“获胜”的企业如何影响这种不平等的衰退。利用企业和行业数据,我们首先构建了收入增长的分类指标,区分接触行业输家、接触行业赢家和非接触行业。我们发现,接触行业输家的萎缩幅度比行业平均水平高出约 50%,而赢家则有所增长。此外,预测数据表明,赢家和输家之间的差距将至少持续到 2022 年。为了解释这一证据,我们随后开发了一个简单的三部门新凯恩斯主义模型,其中 (i) 一个企业部门提供有风险的接触行业商品的安全替代品,(ii) 边做边学。总体而言,该模型捕捉到了不平等的部门衰退。它还考虑了通货膨胀,包括 2021 年的急剧上涨。
众所周知,在疫情衰退期间,直接暴露于病毒的企业,即“接触”行业,相对于经济的其他部分,急剧萎缩并缓慢复苏。不太清楚的是,通过提供接触行业商品的更安全替代品而“获胜”的企业如何影响这种不平等的衰退。利用企业和行业数据,我们首先构建了收入增长的分类指标,以区分接触行业输家、接触行业赢家和非接触行业。我们发现,接触行业输家的萎缩幅度比行业平均水平高出约 50%,而赢家则有所增长。此外,预测数据表明,赢家和输家之间的差距将至少持续到 2022 年。为了解释这一证据,我们随后开发了一个简单的三部门新凯恩斯主义模型,其中 (i) 一个部门的企业为有风险的接触行业商品提供安全的替代品,(ii) 边做边学。总体而言,该模型捕捉到了不平等的部门衰退。它还考虑了通货膨胀,包括 2021 年的急剧上涨。
如果强化学习 (RL) 代理未接受过 AI 培训,那么当领域专家试图评估 AI 的适用性时,他们应该如何向这些领域专家解释自己?为了研究这个问题,我们进行了一项有 124 名参与者参与的实验,并通过以下方式衡量他们的心智模型:(a) 他们预测 AI 行为的能力和 (b) 他们认为 AI 如何做出决策的书面“规则手册”。我们这样做是为了在简单的 RTS 游戏环境中比较参与者对 RL 代理的心智模型。我们的目标是比较参与者在四种解释配置下对 AI 代理的心智模型:(控制) 无解释;(显着性) 显着性图,解释 AI 的注意力焦点;(奖励) 奖励分解条,解释 AI 对未来奖励类型的预测;和 (一切) 显着性和奖励。这些解释如图 1 所示。为了比较这些解释配置,我们设计了一项受试者间控制实验室研究,以测量人们对 RTS 游戏中不同解释组合的反应差异。为了控制可能采取的行动空间,我们构建了自己的游戏,我们称之为 4-Towers 游戏。在 4-Towers 游戏中,
本文件是作为美国政府资助工作的记录而编写的。尽管我们认为本文件包含正确的信息,但美国政府及其任何机构、加利福尼亚大学董事会及其任何员工均不对所披露的任何信息、设备、产品或流程的准确性、完整性或实用性做任何明示或暗示的保证,也不承担任何法律责任,也不表示其使用不会侵犯私有权利。本文以商品名、商标、制造商或其他方式提及任何特定商业产品、流程或服务,并不一定构成或暗示美国政府或其任何机构或加利福尼亚大学董事会对其的认可、推荐或支持。本文表达的作者的观点和意见不一定代表或反映美国政府或其任何机构或加利福尼亚大学董事会的观点和意见。