Ketika pembuat kebijakan ekonomi (economic policy maker) suatu negara mengambil keputusan, biasanya itu diturunkan dari suatu model empirik perekonomian untuk data yang tersedia di negara itu.
Model yang demikian akan diperlakukan sebagai satu-satunya model yang tersedia untuk digunakan di dalam pengambilan kebijakan.
Model ini akan diperlakukan sebagai model yang sudah terbebas dari masalah mis-spesifikasi (misspecification). Tidak ada lagi masalah uncertainty (ketidakpastian) di dalam pemilihan model karena modelnya hanya satu buah.
Namun di dunia yang penuh ketidakpastian (uncertainty) seperti di masa pandemi sekarang, sebuah model akan mudah sekali terjatuh ke dalam masalah mis-spesifikasi; ini masalah yang terkait dengan uncertainty di dalam pemilihan model.
Ketidakpastian di dalam pemilihan model seperti ini akan menghasilkan pemilihan kebijakan ekonomi yang kemungkinannya masih belum optimal bila kebijakan ekonomi tersebut hanya diturunkan dari sebuah model saja.
Disinilah peranan robust control yang bisa membantu perumusan kebijakan ekonomi.
Dengan berbekal robust control, perumus kebijakan ekonomi akan dihadapkan dengan sebuah menu pemodelan yang isinya lebih dari sebuah model perekonomian.
Dari masing-masing model di dalam menu itu akan diturunksn perumusan kebijakan ekonomi, sehingga akan terhidang sebuah menu kebijakan ekonomi.
Robust control yang akan berperanan memilihkan salah satu kebijakan ekonomi yang optimal dari menu kebijakan ekonomi yang terhidang tadi.
Adakah kaitan antara Robust Control dengan General Artificial Intelligence (AGI)?
Kontruksi teoritis pada Model-based Reinforcement Learning telah terkait dengan control theory. Di model ini intelligent agent hanya menangani satu buah penugasan untuk pembelajarannya.
Di dalam sistem baru yang dibangun oleh DeepMind untuk mencapai AGI, setiap intelligent agent akan menangani berbagai penugasan sekaligus untuk pembelajarannya. Ini akan menghasilkan menu hasil pembelajaran.
Pilihan pembelajaran untuk suatu penugasan pada agent dari menu tersebut akan optimal bila digunakan konsep optimasi yang ada di robust control, seperti halnya yang terlihat pada ilustrasi menu kebijakan ekonomi di atas.
Cepat atau lambat robust control akan berperanan di dalam pembangunan sistem yang bisa menghasilkan intelligent agent yang akan sesuai dengan tuntutan AGI.
Apa yang dicapai oleh DeepMind ini kelak akan berdampak pada cara sebuah negara akan merumuskan kebijakan ekonominya.
Kajian tentang robust control di dalam pemodelan ekonomi dipelopori oleh dua ekonom penerima Hadiah Nobel: Lars Peter Hansen dan Thomas Sargent.
Hansen ini murid bimbingan Sargent yang paling cemerlang. Hanya berbeda dua tahun ia sudah berhasil menyusul gurunya Thomas Sargent untuk menerima Hadiah Nobel di bidang Ilmu Ekonomi.
Hansen inilah yang melahirkan estimator terkenal bernama Generalized Method of Moments (GMM).
Berikut ini cuplikan dari referensi untuk memperlihatkan gambaran selintas tentang pemodelan perkonomian dengan robust control.
Robust control considers the design of decision or control rules that fare well across a range of alternative models. Thus robust control is inherently about model uncertainty, particularly focusing on the implications of model uncertainty for decisions.
To begin, define a model as a specification of a probability distribution over outcomes of interest to the decision maker, which is influenced by a decision or control variable.
Then model uncertainty simply means that the decision maker faces subjective uncertainty about the specification of this probability distribution.
A first key issue in robust control then is to specify the class of alternative models which the decision maker entertains.
A Simple Notebook 