Lista de modelos teóricos de aprendizaje

Question

¿Cuáles son los modelos teóricos más avanzados sobre el "aprendizaje", como el aprender haciendo o el aprender de los demás?

En general, el aprendizaje en economía abarca diferentes áreas. Aquí hay una lista muy incompleta:

• Uno de los pioneros del "aprendizaje" en economía es Arrow con su documento de 1962. En él, Arrow analiza las implicaciones económicas de las teorías sobre el aprendizaje en la psicología social. El tema principal es el "aprendizaje" de las empresas a lo largo del tiempo. (Para un estudio reciente de los modelos dentro de esta literatura: Thompson, 2010)

• En el mismo año (1962), G.S. Becker añade otro hito. El artículo de Becker es de obligada lectura. Desde el punto de vista de los agentes individuales, el aprendizaje es una inversión: implica costes inmediatos y da ganancias futuras. Plantea la cuestión de por qué las empresas deben pagar dinero por la formación de su mano de obra en mercados competitivos (es decir, los salarios son iguales a los costes marginales). También hace una importante distinción entre conocimientos "generales" (reutilizables) y "específicos".

• Siguiendo el trabajo de Becker, una amplia literatura en economía laboral (por ejemplo, Rosen, 1972) empuja la misma pregunta un poco más allá. Esta literatura culmina en el trabajo de Acemoglu y Pishke (1999) que muestra que las fricciones del mercado son una posible explicación de que las empresas paguen por la formación.

• Una literatura más reciente ha empezado a estudiar el "aprendizaje" desde un punto de vista totalmente diferente: cómo aprenden las personas a jugar. Esta literatura tiene su origen en los resultados de muchos trabajos experimentales que muestran una serie de anomalías en el comportamiento en comparación con la teoría. Una referencia estándar en este sentido es el libro "Learning in games" de Fudenberg y Levine. (El libro es algo antiguo y hay mucha investigación en curso en esta área. Así que no estoy seguro de cuál sería una referencia actualizada).

¿Puede ayudarme a crear una lista mejor? Estoy buscando un área de trabajo que haya pasado por alto (por ejemplo, ¿hay algo en la literatura sobre el comportamiento?) o referencias más avanzadas para cada uno de los temas de la lista.

Answer 1

Si no estás interesado en aprender desde la perspectiva de la teoría del juego y de la decisión, no sé exactamente por qué estás escribiendo en un foro de economía. Porque eso es lo que realmente es el aprendizaje, desde una perspectiva económica. La IA se divide en tres subcampos: lógico, conductual y de aprendizaje automático. El subcampo lógico se ocupa del razonamiento lógico, la redacción de pruebas automatizadas, la elaboración de conjeturas automatizadas, etc. La IA conductual está más en consonancia con la economía teórica: teoría de juegos, teoría de la decisión, diseño de mecanismos, etc.

El aprendizaje automático es realmente lo que constituye la corriente principal de investigación en IA hoy en día. Esto se debe realmente al hecho de que ahora tenemos los recursos y las herramientas para tratar mejor los grandes datos, más que a una revelación filosófica o a un avance técnico. Los temas candentes de la informática están muy orientados a la industria y al dinero (como teórico, diría que demasiado). El aprendizaje automático se reduce realmente a la aplicación de un proceso estocástico y al perfeccionamiento de un modelo. No se aprende tanto, sino que se potencia la estupidez que a veces funciona bien. No se trata de descartar el aprendizaje automático, pero deberíamos llamarlo por su nombre.

Sin embargo, yo recomendaría IA, Aprendizaje Automático y Teoría Evolutiva de los Juegos. Russell y Norvig es el texto clásico de IA establecido, y tiene secciones sobre Aprendizaje Automático también. Enlace: http://aima.cs.berkeley.edu/

La teoría evolutiva de los juegos utiliza técnicas similares a las del aprendizaje automático. Relaja los supuestos de la teoría de juegos neoclásica. Los agentes no tienen por qué ser perfectamente racionales. Pueden tener información imperfecta y ajustar sus estrategias de forma miope. El juego se juega repetidamente. Entonces vemos cómo la "mutación" (como el error humano o la experimentación) en suficientes agentes impulsa cambios en el equilibrio. Así que tenemos un proceso dinámico para seleccionar los equilibrios en los juegos. Podemos aplicar dinámicas como la de imitación, la de mejor respuesta, etc. Weibull ( https://mitpress.mit.edu/books/evolutionary-game-theory ) y H. Peyton Young son dos buenas introducciones ( https://www.amazon.com/Individual-Strategy-Social-Structure-Evolutionary/dp/0691086877/ ).

La primavera pasada asistí a un seminario de Economía, cuya primera parte fue Teoría de Juegos Evolutiva. También estudiamos un montón de artículos; un subconjunto de los siguientes. Un documento que me gustó fue Comportamiento competitivo en los juegos de mercado: Evidence and Theory. Demostró que a medida que el número de agentes se hacía lo suficientemente grande, las fuerzas evolutivas llevaban el equilibrio de Nash al equilibrio walrasiano (bajo ciertos supuestos). Esto proporciona una motivación conductual para el estudio de las economías de réplica r en el marco del equilibrio general.

Mark E. Schaffer (1989): "¿Son los maximizadores de beneficios los mejores supervivientes?" Journal of Economic Behavior and Organization, 12, 29-45.

Mark E. Schaffer (1988): "Evolutionarily Stable Strategies for a Finite Population and a Variable Contest Size" (Estrategias evolutivamente estables para una población finita y un tamaño de competición variable), Journal of Theoretical Biology, Vol. 132, nº 4, 469-478.

Hehenkamp, B., W. Leininger y A. Possajennikov (2004): "Evolutionary equilibrium in Tullock contests: spite and overdissipation", European Journal of Political Economy, Vol. 20, 1045-1057.

Duffy, J., A. Matros, y T. Temzelides (2011): "Competitive Behavior in Market Games: Evidence and Theory", Journal of Economic Theory 146, 1437-1463.

Kandori, M., G. Mailath y R. Rob (1993): "Learning, Mutation and Long Run Equilibria in Games", Econometrica, 61, 29-56.

P. Rhode, y M. Stegeman (1996): "A Comment on 'Learning, Mutation, and Long-Run Equilibria in Games'", Econometrica, 64, 443-449.

W. Sandholm (1998): "Reglas de decisión simples e inteligentes para un modelo de evolución", Economics Letters, 61, 165-170.

Young, P. (1993): "La evolución de las convenciones", Econometrica, 61, 57-84.

Young, P. (1993): "An Evolutionary Model of Bargaining", Journal of Economic Theory 59, 145-168.

M. Saez-Marti y J. Weibull. (1999): "Clever agents in Young's evolutionary bargaining model", Journal of Economic Theory 86, 268-279.

Matros, A. (2003): "Clever Agents in Adaptive Learning", Journal of Economic Theory, 111, 110-124.

Ellison, G. (1993): "Learning, local interaction and coordination", Econometrica, 61, 1047-1072.

Glenn Ellison (2000): "Basins of Attraction, Long Run Equilibria, and the Speed of Step-by-Step Evolution", Review of Economic Studies, 67 (1), 17-45.

Bergstrom, T. y Stark, O. "Cómo puede prevalecer el altruismo en un entorno evolutivo".

American Economic Review, mayo de 1993 (Papers and Proceedings), 83(2), 149-55. Eshel I., L. Samuelson y A. Shaked (1998): "Altruists, Egoists, and Hooligans in a Local Interaction Model", The American Economic Review 88(1), 157-179.

Matros, A. (2012): "Altruistic Versus Egoistic Behavior in a Public Good Game", Journal of Economic Dynamics and Control 36, 642-656.

Robson, A., y F. Vega-Redondo (1996): "Efficient Equilibrium Selection in Evolutionary Games with Random Matching", Journal of Economic Theory, 70, 65-92.

Josephson, J., y A. Matros (2004): "Stochastic Imitation in Finite Games", Games and Economic Behavior, volumen 49, número 2, 244-259.