¿Puede la inteligencia artificial diseñar mejores políticas económicas?

impuestos segun inteligencia artificial

¿Puede una inteligencia artificial (IA) ser más justa diseñando la política económica de los impuestos si se compara con las hechas por personas? La optimización de impuestos es muy compleja, y todo parece indicar que sí. Las IA pueden convertirse en una interesante herramienta de ajuste basado en la evidencia que nos ayude a gestionar los impuestos.

El proyecto AI Economist ha demostrado, en un marco conceptual muy simple, que es posible automatizar la redistribución de la riqueza para maximizar la producción, el bienestar social, la compensación entre igualdad y productividad, entre otros objetivos. ¿Cómo han sido capaces de medir estos parámetros? ¿Es hora de dejar la política fiscal en manos de máquinas?

La enorme complejidad de gestionar impuestos

Los impuestos son complejos. Son sistemas cuyos elementos interrelacionados no se doblegan a la lógica del pensamiento lineal. Su funcionamiento es difícil de entender y su modificación da resultados casi imposibles de predecir. Como el estudio del clima, requiere de sofisticados modelos matemáticos para su gestión. Aunque, a menudo, están condicionados a escuelas de enseñanza.

Los impuestos son parte de una contabilidad estatal muy enmarañada. Durante décadas, los responsables políticos han usado tablas resumen que ayudan a entender parte de la dificultad del sistema, pero que palidecen en comparación a una realidad tan intrincada que resulta inabordable para la mente humana.

Los humanos hemos construido sistemas tan complicados como para que nuestro ‘hardware’, el cerebro, sea incapaz de computarlos en su totalidad. Ejemplo de esto es el sistema fiscal. Y una muestra es la simplificación en tablas bidimensionales de elementos como los tramos del Impuesto de la Renta de las Personas Físicas (IRPF). Incluso, pese a esta simplificación, muchos siguen sin entenderlos del todo.

Es muy importante destacar que todos los sistemas que utilizamos en la actualidad para trabajar con moneda están limitados a la capacidad de nuestra comprensión, y muy afectados por dogmas y creencias sobre el funcionamiento de sistemas complejos. ¿Tiene solución? ¿Pueden ayudarnos las IA a generar mejores sistemas?

¿Por qué hacen falta herramientas de inteligencia artificial en política económica?

La política fiscal supone un problema de optimización de recursos. Uno muy difícil. Hace unos años, un equipo de investigadores de todo el mundo, liderados por Stephan Tao Zheng, trataron de implementar IA y aprendizaje por refuerzo en la toma de decisiones políticas económicas. Tenían varios motivos:

  • La falta de datos contrafactuales. Es decir, qué habría pasado en escenarios que no se han materializado.
  • Modelos de comportamiento demasiado simples que no tienen en cuenta la complejidad humana ni el comportamiento real de la población.
  • Falta de oportunidades para experimentar con políticas alternativas. En parte, por motivos evidentes ante resultados desconocidos.

Combinar IA más aprendizaje por refuerzo ayuda a descubrir los resultados de la aplicación de diferentes políticas sin necesidad de experimentar sobre la población. Es similar a los gemelos digitales, pero, esta vez, como herramienta de política económica.

Así es AI Economist, la IA de la política fiscal

AI Economist es un sistema de IA (en plural) en el que se usa una, en concreto, gestora, para redistribuir la riqueza de forma que se maximiza, a la vez, la productividad y la igualdad social. El sistema emplea dos niveles de IA: uno para los individuos, que buscan su bienestar individual, y otro para el conjunto de la sociedad.

Este problema, que a menudo se visualiza como un enfrentamiento desde la perspectiva humana, se soluciona aprovechando dos herramientas: el learning curricula o programas de aprendizaje y la entropy-based regularization o regularización basada en la entropía. Traducido, quiere decir que:

  1. Los individuos no deberían tener ‘costes de utilidad’ (impuestos) tan altos como para desincentivar la exploración.
  2. El planificador social ha de alentar a la exploración gradual mediante una coadaptación de impuestos.

Gracias a estas herramientas se ha logrado dar con una política óptima de impuestos que logra alcanzar un equilibrio entre bienestar y productividad. Esta no solo tiene en cuenta qué impuestos cobrar, sino también a qué colectivos subsidiar para que el sistema funcione. Se realizaron millones de experimentos de este tipo, todos simulados y sin afectar a la ‘realidad’.

¿El resultado? Las políticas fiscales basadas en el libre mercado (free market) fueron las que peor resultado en productividad-igualdad lograron. Seguidas del modelo de Saez, un modelo de ajuste de impuestos basado en la elasticidad del mercado, de los más usados en el mundo. El modelo que gestionaba la IA fue el más justo. Con seguridad, porque fue diseñado para ello.

¿Vértigo político ante decisiones basadas en IA?

Llegados a este punto, es importante señalar las limitaciones del modelo. Para empezar, era muy simple. Es necesario escalarlo con más variables, aunque todo apunta a que el uso de IA beneficiará a cualquier modelo posible. Además, conviene destacar que el objetivo ‘justo’ seguirá siendo una decisión humana.

Dicho esto, es comprensible sentir cierto vértigo ante la cesión del poder político. De forma similar a lo que provoca hablar de coches autónomos sin volante. En ambos casos, ayuda pensar en las muchas limitaciones humanas y en el binomio humano-máquina como una estrategia más conveniente que el simple ‘humano’.

En Nobbot | Así está cambiando la inteligencia artificial el mundo en que vivimos

Imágenes | Aideal Hwa,

Deja una respuesta

Tu dirección de correo electrónico no será publicada.