Het Centraal Planbureau (CPB) gaat de werkloosheid voorspellen met machine learning. Een tijdreeksmodel dat gebruikmaakt van deze vorm van kunstmatige intelligentie, levert betere prognoses op. Uit recent onderzoek blijkt dat hiermee ook de voorspellingen voor meer dan een jaar vooruit nauwkeurig zijn te voorspellen.
Dit blijkt uit de Macro-Economische Verkenning (MEV) die met Prinsjesdag is verschenen. Machine learning-modellen zoeken patronen in een dataset en maken op basis daarvan voorspellingen. Bijvoorbeeld een zogenaamde support vector regression (svr) kan het werkloosheidspercentage beter voorspellen. Vooral op de wat langere termijn zijn de voorspelfouten duidelijk kleiner dan die van het huidige ondersteunend model (BVAR).
Daarom gebruiken de rekenmeesters van het kabinet met ingang van deze MEV ook deze techniek om de werkloosheidsramingen van het lopend en komend jaar te ondersteunen. Deze tijdreeksmodellen zijn getraind op een specifieke taak (voorspellen van het werkloosheidspercentage) en meer niet. Het CPB kan ze bijvoorbeeld niet gebruiken om de effecten van beleid te bepalen en mee te nemen in de raming. De BVAR en machine learning-tijdreeksmodellen zullen de macro-economische modellen dus niet kunnen vervangen, maar ze helpen wel bij het vaststellen van de ramingen.