算法定价与AI“串通”:反垄断领域的新挑战
张一苇
原创文章
2019/02/28

本文由智堡翻译,原文为公开版权内容,内容仅代表作者观点,不代表智堡的立场和观点,译文仅供教育及学术交流目的使用。

原文标题:Artificial intelligence, algorithmic pricing, and collusion,作者:Emilio Calvano, Giacomo Calzolari, Vincenzo Denicolò, Sergio Pastorello,发表日期:2019年5月13日,原文链接:https://voxeu.org/article/artificial-intelligence-algorithmic-pricing-and-collusion,译者:张一苇

原文2019年2月3日首发于经济与政策研究中心 (CEPR) 政策门户网站VOX。

摘要

反垄断部门担忧,在电商行业使用愈加普遍的自主定价算法,可能会学会相互“串通”。本文利用人工智能在控制环境中提供的定价算法实验,证明了即使是相对简单的算法,也能系统地学会采用复杂的串通策略。最令人担忧的是,它们可以在事先不知道自身运作环境、无法互相交流、也没有专门被设计或受指示要与彼此串通的前提下,学会通过试错相互串通。

正文部分

还记得上次网购的经过吗?你所支付的价格,大概率不是由人类来决定的,而是由软件算法决定的。早在2015年,亚马逊上就已有超过三分之一的卖家采用了自动定价,自那之后这一比例肯定还在攀升——随着供应统包定价系统 (turnkey pricing systems) 的再定价软件行业的增长,即使是业务规模最小的卖家,现在也能承担得起算法定价。

与航空公司和酒店等企业长期使用的传统收入管理系统不同(在这些系统中,程序员事实上依然肩负着做出策略选择的责任),如今如雨后春笋般出现的定价程序比它们更加“自主” ('autonomous')。这些新算法采用了与人工智能 (AI) 程序相同的逻辑,后者最近在复杂的战略环境中,如围棋或国际象棋等博弈中,取得了超人的成绩。也就是说,算法只需由程序员指定其行动的目的——赢得比赛,或者实现利润的最大化。不需要向算法传授游戏的规则与玩法,它自己会从经验中学习。在训练阶段,算法通过对模拟环境中的克隆场景进行积极的实验,在可选的策略方案中更频繁地采用业绩最佳的策略。在这个学习过程中,算法几乎或完全不需要来自外部的指导与干预。一旦学习完成,算法就能立即投入运作。

本篇为免费文章,请登录后阅读完整内容
登录后添加评论...