De belastingbetaler was onvoorspelbaar, maar nu is er AI

Stephan Zheng ontwikkelde een artificiële econoom, die het meest eerlijke belastingstelsel uitdacht. De ‘AI Economist’ van techbedrijf Salesforce knobbelde een wonderlijk fiscaal regime uit dat de welvaart harder laat groeien én tegelijkertijd de kloof tussen arm en rijk kleiner maakt dan welk ander belastingmodel dan ook.

‘De kunst van belastingen’, grapte Jean-Baptiste Colbert (1619-1683), schatkistbewaarder van de Zonnekoning en postuum de naamgever van het bekende jasje, ‘is de gans zo te plukken dat je zo veel mogelijk veren, en zo min mogelijk gesis krijgt’. Dat is geen koud kunstje. Als belastingen te laag zijn, heeft de staat te weinig geld voor goede scholen, ziekenhuizen, wegen en andere belangrijke zaken. Zijn de belastingen te hoog, dan loont het nauwelijks om te werken. Ergens tussen deze extremen ligt een optimum, maar waar? Daarover breken economen zich al sinds mensenheugenis het hoofd.

Uit onverwachte hoek is er nu hulp: uit die van artificiële intelligentie (AI). Het Amerikaanse techbedrijf Salesforce denkt met zijn zelflerende machines een doorbraak te hebben gevonden in een van de hardnekkigste problemen van de economie: wat is de ideale belastingpolitiek? Het team achter de AI Economist van Salesforce knobbelde een wonderlijk fiscaal regime uit dat welvaart harder laat groeien en tegelijkertijd de kloof tussen arm en rijk kleiner maakt dan welk ander belastingmodel dan ook. Nederlander Stephan Zheng, die bij Salesforce leiding geeft aan het AI Economist-programma, vertelt vanuit San Francisco over zijn onderzoek.

Stephan Zheng (33) studeerde wiskunde en theoretische natuurkunde aan de universiteit Utrecht, met als specialisme de zogeheten ‘supersnaartheorie’, een verklaring over het ontstaan van de kosmos. Voor zijn door Robbert Dijkgraaf begeleide masterscriptie over ‘exotische dualiteit’ – een wiskundige techniek – in de supersymmetrische kwantumveldentheorie won hij in 2011 de Lorentz Afstudeerprijs voor Theoretische Natuurkunde. Na tussenstops aan Harvard en Cambridge én na zijn promotie in 2018 aan het California Institute of Technology ging hij werken voor de onderzoekstak van de Amerikaanse softwaregigant Salesforce, de grootste werkgever in techstad San Francisco.

De afgelopen jaren verblufte kunstmatige intelligentie de wereld al door de mens voorbij te streven in bijvoorbeeld schaken, Go en StarCraft, maar Zheng en zijn collega-onderzoekers wilden iets bedenken dat niet een spelletje, maar de hele wereld zou veranderen. Ze richtten hun vizier op de groeiende inkomenskloof in de Amerikaanse samenleving, een kwaal die de afgelopen jaren niet alleen de economische kansen, maar ook de gezondheid van Amerikanen aan de onderkant van de inkomenspiramide heeft geschaad.

Het belastingmodel van Zheng en zijn collega’s resulteerde in een opmerkelijke symbiose tussen kapitalisme en socialisme. Vergeleken bij een samenleving waarin helemaal geen belastingen bestaan – het droombeeld van libertariërs – resulteerde Zhengs belastingmodel bijvoorbeeld in slechts 11 procent minder productiviteit, bijna twee keer zo goed als het huidige Amerikaanse belastingbeleid. Daar stond bovendien een verkleining van de inkomensongelijkheid met 47 procent tegenover, waarmee de AI Economist zelfs een van ’s werelds meest egalitaire belastingmodellen is, dat dat van de Franse econoom en Piketty-geestverwant Emmanuel Saez, ruimschoots verslaat.

Computers zijn schaakgrootmeesters en pokerkampioenen al de baas, nu willen jullie ook economen van de troon stoten. Waarom?

‘Bij veel complexe vraagstukken, zoals de groeiende ongelijkheid of de vraag hoe je de economie het best draaiende houdt tijdens een pandemie, komt veel menselijk gedrag bij kijken. Traditioneel gezien is dat gedrag heel moeilijk te modelleren voor de economie als geheel. Je moet namelijk niet alleen nabootsen wat de invloed van een bepaalde belastingkeuze van de overheid is, maar ook wat de dikwijls onverwachte manieren zijn waarop de inwoners van een land erop reageren. Dankzij onze AI Econoom kunnen we daar veel realistischer voorspellingen over doen.’

Ze hopen met hun vondst van nut te kunnen zijn voor beleidsmakers. ‘Om volledig transparant te zijn hebben we ervoor gekozen om onze software openbaar te maken, en geen intellectueel eigendom aan te vragen voor ons onderzoek. Want belastingen zijn een sociaal-economisch probleem, en sociaal-economisch beleid is uiteindelijk van iedereen.’

De ganzenkunde waarover Jean-Baptiste Colbert sprak is op zichzelf al lastig genoeg, maar voor hun AI Econoom moesten Zheng en zijn collega’s ook een manier vinden om een van de belangrijkste valkuilen uit de economische wetenschap te vermijden, de zogeheten Lucas-kritiek. Deze kritiek van de Amerikaanse econoom Robert Lucas komt erop neer dat de voorspellende waarde van economische modellen vaak bedroevend is, omdat ze nu eenmaal gebaseerd zijn op de wereld van gisteren. Zodra een regering of centrale bank nieuw beleid introduceert – hogere belastingen bijvoorbeeld, of lagere rente – passen burgers, bedrijven en vakbonden hun gedrag daarop aan, waardoor de wereld verandert en de modellen dus niet meer kloppen.

‘Verdubbelen de belastingen bij wijze van spreken’, zegt Zheng, ‘dan gaan mensen misschien massaal verhuizen, of minder werken. En als de belastingen dalen, dan kopen ze misschien toch die nieuwe auto of computer, wat ook weer goed is voor de productiviteit van de economie.’

Om de Lucas-kritiek te omzeilen bedachten Zheng en zijn collega’s een simulatie van de economie. Daarin verzamelen vier kunstmatig intelligente ‘arbeiders’ hout en stenen om aan elkaar te verkopen of om huizen mee te bouwen – de een met meer succes dan de ander. Voor hun werk krijgen ze geld, en over dat geld betalen ze belasting.

Het unieke aan de simulatie is dat niet alleen de arbeiders, maar ook de belastingheffer in de simulatie een zelflerende machine is, in een soort paso doble van kunstmatige intelligentie. Daardoor kan de belastingheffer continu inspelen op de slinkse manieren waarop de arbeiders fiscaal hun snor proberen te drukken, met een steeds effectiever belastingbeleid als resultaat.

Technisch gezien was deze onophoudelijke interactie een flinke kluif, zegt Zheng. ‘Bij schaken, Go en andere spellen blijven de regels steeds hetzelfde. Maar in ons geval worden de regels van het spel voortdurend aangepast – alsof het schaakbord groeit en krimpt, of een paard opeens tien stappen vooruit mag zetten – omdat de overheid reageert op het gedrag van de werknemers, en vice versa. Dat maakt het heel moeilijk.’

Zoals computerprogramma’s de afgelopen jaren schaak- en Go-grootmeesters van het bord veegden met soms bizarre zetten – achter elkaar een koningin en loper offeren bijvoorbeeld, of de koningin naar een uithoek van het bord verbannen – zo was het ideale belastingmodel waarmee de AI Econoom op de proppen kwam al even tegenintuïtief. Weliswaar vielen de hogere inkomens in het model onder een hoger belastingtarief dan de middeninkomens – tot zover alles normaal – maar in de belastingschijf van de middeninkomens gold weer een lager tarief dan voor de laagste inkomens. Het resultaat is dus een belastingstelsel dat noch progressief is – de rijken betalen meer belasting dan de armen – noch regressief – de armen betalen meer belasting dan de rijken – maar een soort bastaardvorm tussen die twee in. Met dien verstande dat het stelsel zo veel welvaart opleverde, dat de lagere inkomens extra veel geld terugkregen van de belastingen, waardoor de ongelijkheid slonk.

‘Dat maakt het zo interessant, want het toont de flexibiliteit van ons AI-systeem ten opzichte van de versimpelde modellen van de economie. Wij proberen niet ouderwets alles vast te leggen in wiskundige formules, tot het gewenste gedrag van de arbeiders aan toe, maar geven het kunstmatige brein achter de AI Econoom complete vrijheid binnen de grenzen van de simulatie. Dat levert ook veel realistischer gedrag op.’

Tegelijkertijd: zelfs een kleine economie als Nederland telt al bijna 9 miljoen mensen met een baan of bedrijf, terwijl jullie model gebaseerd is op slechts 4 ‘werknemers’. Hoe kan jullie simulatie dan de werkelijkheid nabootsen?

‘Dat is een terecht punt. Wat wij tot nu toe gepubliceerd hebben is een kleine simulatie, waarmee we wilden laten zien hoe je kunstmatige intelligentie op twee niveaus op elkaar kunt laten inspelen, waarbij overheid en werknemers zich steeds aan elkaar aanpassen. Dat is een heel moeilijk probleem, en wij zijn waarschijnlijk de eersten in de economie die dit voor elkaar hebben gekregen. De volgende stap is dat we onze simulatie uitbreiden.’

Dat het universum van de AI Econoom zo piepklein is, zonder werklozen, gepensioneerden, ziektes, erfenissen, milieuvervuiling en tal van andere zaken, is niet het enige probleem. Dat zegt Roxana Mihet, universitair docent financiën aan de universiteit van Lausanne, tegen de Volkskrant per mail. Mihet leidde onlangs een discussie over hun AI Econoom tijdens een conferentie over kunstmatige intelligentie van het Amerikaanse National Bureau of Economic Research, waar Nobelprijswinnaars als Joseph Stiglitz en Paul Milgrom tot de eregasten behoorden. ‘De meest interessante paper die ik het hele jaar heb gelezen’, zo bestempelde ze het onderzoek tijdens de discussie. Ze prijst Zheng en zijn collega’s om de vernuftige manier waarop ze de Lucas-kritiek weten te omzeilen, en noemt hun AI Econoom ‘een geweldige eerste stap in het benutten van technologieën zoals machinaal leren om complexe economische problemen op een apolitieke manier op te lossen’.

Een tekortkoming vindt Mihet dat simulaties met kunstmatige intelligentie soms tot onverwacht gedrag leiden waar in de verste verte niets menselijks in te bespeuren valt. Ze verwijst naar het door Elon Musk opgerichte onderzoekslab OpenAI, dat zelflerende bots vorig jaar honderden miljoenen keren verstoppertje liet spelen. De winnende strategie voor de verstoppende bots bleek uiteindelijk om zich te omringen met objecten en die met quasi-magische krachten in een fractie van een seconde zo hermetisch vast te zetten dat de zoekers in het spelletje hen eenvoudigweg niet meer konden bereiken. Inventief, maar voor gewone stervelingen niet erg realistisch, grapt ze.

Op vergelijkbare wijze probeerden de arbeiders in Zhengs simulatie hun belastingafdracht te drukken door in het ene jaar expres minder geld te verdienen dan het jaar ervoor, een strategie die waarschijnlijk weinig mensen zouden volgen. Bij verstoppertje hebben dit soort grillen nog iets charmants, schrijft Mihet, maar bij economisch beleid kunnen ze potentieel alarmerende gevolgen hebben.

Beleidsmakers kunnen we ter verantwoording roepen als hun belastingplannen slecht uitpakken, bij een algoritme is dat lastiger. Wat blijft er over van politieke rekenschap als niet mensen maar machines de oplossingen leveren?

Zheng: ‘Daar zijn we heel duidelijk over in ons onderzoek: het is niet onze bedoeling om de mens buitenspel te zetten. Burgers moeten altijd het laatste woord hebben. De AI Econoom vormt slechts een middel om aanbevelingen te doen, maar het is altijd aan mensen om doelen en voorwaarden te stellen.’

Zijn er nog andere maatschappelijke problemen waarbij de AI Econoom te hulp zou kunnen schieten?

‘In principe zou ik zeggen: bij alle problemen [lacht]. En dat is niet helemaal een grap: ik denk bij veel, zo niet alle economische problemen waar menselijk gedrag en marktwerking aan te pas komen. Niet alleen bij belastingen, maar ook bij het milieu of de coronapandemie. Met simulaties zou je misschien veel sneller en nauwkeuriger, bijna als een soort weersvoorspelling, de economische gevolgen in kaart kunnen brengen van de coronamaatregelen en hoe mensen daarop reageren. Ik denk dat we de kracht van kunstmatige intelligentie nog veel te weinig benutten.’