وتحوّل مقاييس التعلم الآلاتي طريقة تحليل التاريخيين والاقتصاديين للبيانات الاقتصادية التاريخية، وهذه التقنيات المتقدمة تمكّن الباحثين من كشف الأنماط والآفاق التي كانت من الصعب في السابق اكتشافها باستخدام الأساليب الإحصائية التقليدية، وفتح آفاق جديدة تماماً لفهم الاقتصادات السابقة، وشبكات التجارة، والسياسات المالية، ويمكن للباحثين، عن طريق استخدام القوة الحسابية، أن يجهزوا الآن تفسيرات ضريبية واسعة النطاق للسجلات التاريخية.

التعريف بالتعلم الآكلين في الاقتصاد التاريخي

والتعلم الماكيني هو مجموعة فرعية من المعلومات الاستخبارية الاصطناعية التي تتضمن التدريب على الخوارزميات للاعتراف بأنماط في مجموعات البيانات الكبيرة، وعندما تُطبَّق البيانات الاقتصادية التاريخية مثل الأرقام القياسية الحقيقية للأجور، أو أحجام التجارة، أو أسعار السلع الأساسية، أو الإحصاءات الديمغرافية - فإن هذه الخوارزميات تساعد في تحديد الاتجاهات الطويلة الأجل، والتنبؤ بالحركات المستقبلية القائمة على الأنماط السابقة، وفهم الافتراضات المعقدة للتوزيع غير المكتملة للتغيرات الاقتصادية على مدى قرون.

(أ) إن الاقتصاد التاريخي يعتمد عادة على تحليل السرد، أو التراجعات البسيطة، أو الإحصاءات الوصفية، ولكن ظهور محفوظات رقمية وحسابات ذات أداء عال، قد أتاح فرصة لتطبيق أدوات تحليلية أكثر تطوراً.() وقد ركزت الجهود المبكرة في التسعينات على استخدام الشبكات العصبية للتنبؤ بأسعار المخزونات باستخدام السلسلة الزمنية التاريخية() واليوم، يكيف الباحثون التعلم العميق، والغابات العشوائية، وأجهزة الحركات الجاهزة.

أنواع الألغوريثم المستخدمة في التعلم

التعليم الإشرافي

ويُدرَّب خوارزميات التعلم المشرفة على البيانات المسمَّاة - أي مجموعات البيانات التي تُعرف فيها سمات المدخلات وعلامات الإنتاج المقابلة، وفي الاقتصاد التاريخي، يُستخدم هذا عادة للتنبؤ بالمؤشرات الاقتصادية، مثلاً باستخدام بيانات التعدادات التي تتراوح بين 19 عاماً بشأن ملكية الأراضي والكثافة السكانية والهياكل الأساسية للنقل، يمكن أن يتوقّع نموذج يشرف عليه مستويات الدخل الإقليمي أو الناتج الزراعي.

التعلم غير المشرف

(أ) أن هذه التقنية لا تقدر في الاقتصاد التاريخي لتحديد المناطق الاقتصادية الإقليمية، أو الكتل التجارية، أو فترات عدم الاستقرار المالي دون افتراضات مسبقة، مثلاً، فإن الخوارزميات التكتلات (مثلاً، الكمي، التكتلات الهرمية) المستخدمة في بيانات التوزيع البصري للشركة الرومانية يمكن أن تكشف عن مناطق سوقية رئيسية مثل إنتاج البحر الأبيض المتوسط.

تعزيز التعلم

ويشمل التعلُّم في مجال الإنفاذ إجراءات مثلى من خلال المحاكمة والخطأ عن طريق زيادة المكافأة التراكمية إلى أقصى حد، ومع أنَّ هذا التراكمي أقل شيوعاً في الاقتصاد التاريخي، فإنَّ السجل يُطبَّق بصورة متزايدة على عمليات صنع القرار الاقتصادي النموذجية، وعلى سبيل المثال، يُحَيِّز الباحثون كيف يمكن لتاجر القرون المتوسط أن يُعدِّل مسارات التجارية استجابةً لتقلبات التعريفات، وته، وته، ويُمُه، ويُ، ويُمكِّنُ وكلاءَوا من استراتيجياتَوا من خلال دراسةٍ رُمَةُمَةُمَةُمَةُمَةُمَةُمَةُمَتَتَتَتَتَتَتَتَتَتَتَتَتَتَتَتَتَتَتَتَتَتَتَتَتَتَتَتَتَتَتَتَتَتَتَتَتَتَتَتَتَتَتَتَتَت

التطبيقات في التحليل الاقتصادي التاريخي

الافتراض الاقتصادي

ويمكن أن يُتوقع من الـ[المبادئ التوجيهية] التي تم تدريبها على البيانات الاقتصادية التاريخية الظروف المستقبلية، ولكنها تستخدم أيضاً في التنبؤ بأثر رجعي بما كان سيحدث في إطار سيناريوهات عكسية، ويمكن للاقتصاديين، من خلال نماذج تدريبية على مدى عقود من بيانات الأسعار من مناطق مختلفة، أن يقيّموا ما إذا كان الكساد الكبير لا مفر منه أو ما إذا كانت السياسات البديلة قد خففت من شدتها. [مؤشرات الفشل الاقتصادي: 0] A 2019 دراسة في [FLT]

الاعتراف ببطولة السلوك

وقد شكل كشف دورات أو صدمات أو شذوذ في مجموعات البيانات التاريخية قوة أساسية من عناصر حركة التحرير. كما أن الدورات الاقتصادية الطويلة الأجل مثل موجات كوندراتييف )٥٠-٦٠ سنة( أو دورات جوغلار )٧-١١ سنة( يمكن تحديدها تلقائيا من سلسلة الأجور والأسعار.

إعادة بناء البيانات

وكثيراً ما تكون السجلات التاريخية غير كاملة بسبب فقدان المحفوظات أو الوثائق المتلفة أو عدم اتساق اتفاقيات التسجيل، كما أن التعلم في مجال الآلات يوفر أدوات قوية لسد الثغرات من خلال النماذج التنبؤية، ولا يمكن للتقنية المشتركة أن تستخدم نموذجاً يتم تدريبه على المناطق أو الفترات التي تتوافر فيها بيانات كاملة لكشف القيم المفقودة في مجالات أخرى، وعلى سبيل المثال، نظراً للعلاقة المعروفة بين كثافة السكان والمناخ والإيرادات الضريبية، يمكن أن يقيِّر نموذج من نماذج التعليمات الضريبية لسنوات عديدة.

تحديات تجهيز البيانات

ونادرا ما تصل البيانات التاريخية في شكل نظيف وجاهز للآلات، وكثيرا ما يكون التجهيز الأولي هو الجزء الأكثر كثافة في العمل من المشروع، وتشمل التحديات الرئيسية ما يلي:

  • Data Quality:] Historical data may be incomplete, inconsistent, or biased. For instance, census records from colonial eras often undercount certain populations.
  • ]Temporal dependencyencies:] Economic data is inherently time- dependent. Standard ML models assume independent and similarly distributed (i.d.) data-an assume violated by time series. Specialized structures like long short-term memory (LSTM) networks or transformers are required to capture autocorrelation and seasonality.
  • Unit of Analysis:] Historical records use different currency, weights, and measures. Standardizing units (e.g., converting all monetary values to a common currency usingتضخم adjustments) is essential but fraught with assumptions about relative purchasing power.
  • Normalization and Scaling:] Features must be scaled to prevent models from being dominated by variables with larger numeric ranges. Z-score standardization or min-max scaling are typical, but the choice can affect model interpretability.

دراسات الحالة

التعلم في مجال الآلات والكآبة الكبرى

One of the most intensively studied applications is the analysis of the Great Depression (1929-1941) Researchers have applied random forests to predict bank failures using balance sheet data collected by the Federal Reserve. The model identified leverage ratios and deposit concentrations as the most predictive features-outperforming traditional linear discriminant analysis. this not only validates historical accounts but also provides quantitative evidence for policy recommendations.

نمذجة الاقتصاد الروماني

فالاقتصاد الروماني الذي يمتد لعدة قرون ومساحة جغرافية واسعة النطاق، يوفر مجموعة بيانات غنية ولكنها متفرقة بشكل ملحوظ، وقد استخدمت هذه الدراسة في تقدير الناتج المحلي الإجمالي للفرد باستخدام متغيرات بديلة مثل عديات السفن، والتسجيلات الاصطناعية، ومستويات التلوث من النواحي الجليدية، وقد اكتسبت دراسة تاريخية تحولات عملية الغورزي إلى تداخل بين هذه الظواهر في الزمن والحيز.

Medieval Trade Pattern Discovery

وقد استخدم التعلم غير المشرف لتحليل آلاف السجلات من جامعة هانسيتيك (13 إلى 17) وقد تم تطبيق الخوارزميات التكتيكية على دفتر الأستاذ والجرافات التي تم رصدها تلقائياً في كتل تجارية مثل الرابطة بين لوبيك وهامبورغ ومدينة البلطيق، وقد تطابقت مجموعات الأغوار بدقة بين الحسابات التاريخية، مما أدى إلى تثبيط طريقة البحث في الماضي.

الاعتبارات الأخلاقية والسياق التاريخي

فالتعليم الآلي التطبيقي للتاريخ ليس بدون أي ثغرات، فالنموذج يمكن أن يديم التحيزات الموجودة في بيانات المصدر، فعلى سبيل المثال، إذا كانت السجلات الضريبية تقصر بصورة منهجية في الإبلاغ عن النشاط الاقتصادي للنساء أو الأشخاص المستعبدين، فإن نماذج السحب المتعددة الأطراف ستتعلم أن هذه المجموعات تسهم في عدم دقة السرود التاريخية، وأن قابلية التنبؤ هي شاغل رئيسي آخر.

(د) إن الإفراط في التعويض هو خطر مستمر، لا سيما عند استخدام مجموعات البيانات التاريخية الصغيرة، ويمكن أن تؤدي نماذج الحكم المفرط إلى وجود روابط راقية مثل ربط النمو الاقتصادي في إنكلترا القرن الثامن عشر بعدد الإضرابات البرقية التي تكون ذات أهمية إحصائية ولكنها عديمة المعنى تاريخياً.

الاتجاهات المستقبلية

وتعود التطورات في مجال الطاقة الحسابية والرقمنة والتقنيات الخوارزمية بزيادة تعزيز تطبيق التعلم الآلي في الاقتصاد التاريخي، وتزايد توافر مجموعات البيانات ذات الصلة على نطاق واسع، مثل مبادرة " الهياكل الأساسية للبيانات التاريخية العالمية " - تسمح للباحثين بتدريب نماذج على آلاف المتغيرات عبر القرون.

وأخيراً، فإن أساليب الامتحانات التنافسية، مثل النهج الافتراضي المكثف (SHapley Additive exPlanations) وLME (التوسعات النموذجية - التشخيصية المحلية) تكتسب مساراً، مما يتيح للتاريخ فهم سمات التنبؤات، وهذا أمر أساسي لبناء الثقة والتفسير النقدي التمكيني، وقد يتيح التعلُّم في مجال الإنفاذ بالاقتران مع نماذج التضخم التقليدية تغيير التخصصات

خاتمة

إن تعلم الآلات ليس صولجان سحرية، بل سيحل جميع المشاكل في الاقتصاد التاريخي، ولكنه إضافة قوية إلى مجموعة الأدوات التاريخية، وعندما يُستخدم بعناية في تحسين نوعية البيانات، وقابلية التفسير النموذجية، والتعاون بين التخصصات، يمكن أن يكشف عن التطابق، ويولد فرضيات جديدة، ويثري فهمنا للنظم الاقتصادية السابقة.