想像一個城市有兩個小玩意經銷商。顧客更喜歡便宜的工具，因此商家必須競爭以確定最低價格。他們對微薄的利潤不滿意，一天晚上在一家煙霧繚繞的酒吧見面，討論一個秘密計劃：如果他們一起提高價格而不是競爭，他們就可以賺更多的錢。但這種被稱為串通的故意操縱價格行為長期以來一直是非法的。工具經銷商決定不冒險，每個人都會享受便宜的工具。
一個多世紀以來，美國法律一直遵循這一基本模式：禁止此類後門交易，並且必須維持公平價格。如今，事情沒那麼簡單了。在經濟的各個領域，賣家越來越依賴稱為學習算法的計算機程序，這些程序會根據有關市場狀況的新數據反複調整價格。這些通常比支撐現代人工智能的“深度學習”算法簡單得多，但仍然容易受到意外行為的影響。
那麼，監管機構如何確保算法設定公平的價格？他們的傳統方法行不通，因為它依賴於尋找明顯的同謀。 “算法當然不會互相喝酒，”他說。 亞倫·羅斯，賓夕法尼亞大學計算機科學家。
經過一個 在2019年的論文中被廣泛引用 他表明，算法可以學會隱式串通，即使它們沒有被編程為這樣做。一組研究人員在模擬市場中將兩個版本的簡單學習算法進行比較，然後讓他們探索不同的策略來增加利潤。隨著時間的推移，每種算法都通過反複試驗學會瞭如何在對方降低價格時進行報復，從而導致自己的價格大幅下跌。最終的結果是在價格戰的相互威脅的推動下價格上漲。
這種隱含的威脅也是許多人為勾結案例的基礎。因此，如果你想確保公平定價，為什麼不要求賣家使用本質上無法發出威脅的算法呢？
在 最近的論文羅斯和其他四位計算機科學家展示了為什麼這可能還不夠。他們已經證明，即使看似良性的優化自身利潤的算法有時也會給買家帶來糟糕的結果。 “你仍然可以通過從外部看起來合理的方式獲得高價，”他說。 娜塔莉科琳娜是與羅斯一起工作的研究生，也是這項新研究的共同作者。
並非所有研究人員都同意這一發現的含義，很大程度上取決於您如何定義“合理”。但它揭示了算法定價的問題是多麼微妙，以及監管是多麼困難。
