定價演算法在當今經濟中發揮著重要作用。但一些專家擔心，如果不加以仔細檢查，這些程式可能會在無意中學會歧視少數群體，並可能串通人為抬高價格。現在一項新的研究表明，一種可以追溯到古羅馬的經濟工具可能有助於抑制這種非常現代的擔憂。
演算法目前在像亞馬遜這樣的技術密集型企業中為整個產品線定價，併為包括優步和Lyft在內的網約車服務全天候計算費用。這些程式可能並不總是僅僅依賴供需資料。演算法有可能利用大量的消費者個人資訊來計算公司如何精確地向個人提供他們最渴望的產品——並在這樣做的同時最大化利潤。
在過去的幾年裡，一些研究表明，定價演算法可以學會根據不同消費者獨特的購買歷史或偏好提供不同的價格。一些研究表明，這種被稱為“個性化定價”的策略可能會無意中導致演算法為弱勢少數群體設定更高的價格。例如，經紀人經常向種族和族裔少數群體收取更高的利率，一個可能的因素是人們的居住地：程式可能會針對競爭較小的地區。其他研究表明，在某些實驗條件下，這些演算法可以學會相互串通，以制定價格壟斷方案。
支援科學新聞事業
如果您喜歡這篇文章，請考慮透過以下方式支援我們屢獲殊榮的新聞事業： 訂閱。透過購買訂閱，您正在幫助確保未來能夠繼續提供關於塑造我們當今世界的發現和思想的具有影響力的報道。
當演算法採用這種策略來追求最大利潤時，專家們通常將這些程式激進的方法稱為“貪婪”。多年來，政策制定者和科技高管一直試圖平衡演算法邏輯固有的貪婪性與其決策的人類水平公平性。北京清華大學的研究人員在二月份線上釋出的一項新的預印本研究可能提供了一個令人驚訝的簡單解決方案：它表明，價格控制——這是監管商業最古老和最基本的工具之一——可以很容易地用於防止可能由貪婪定價演算法造成的經濟歧視，同時仍為使用這些演算法的公司保持合理的利潤。
官方實施的價格控制與經濟本身一樣古老。它們最基本的形式是對賣家被允許對特定商品或服務收取的費用設定上限或下限。從理論上講，它們透過阻止市場領導者形成壟斷和操縱價格來促進公平並保護小型企業。在過去的幾年裡，這種曾經很常見的監管工具重新引起了人們的關注，部分原因是網約車公司使用了“高峰”定價策略。這些企業可以利用特定區域在特定時間的需求來調整價格，以便司機（和公司）儘可能多地賺錢。例如，這種方法有時會導致從機場到城鎮或城市的乘車費用飆升至數百美元，並引發了要求加強監管的呼聲。一位要求匿名的優步發言人表示，該公司堅持支援當前策略，因為“價格控制將意味著……司機收入降低和可靠性降低。”（早些時候分別提到的Lyft和亞馬遜在出版時未回覆置評請求。）
但最近，對價格控制概念的興趣重新抬頭，這受到創紀錄高通貨膨脹率的推動。當 COVID-19 迫使許多美國企業倒閉時，美國聯邦政府透過刺激支票和小企業貸款來彌補損失。這些貨幣注入導致了價格通脹——控制通脹的一種方法是聯邦政府簡單地限制公司可以收取的價格。
清華大學新論文的作者尋求科學證據，證明這種控制不僅可以保護消費者免受演算法價格歧視，還可以使使用這些數字工具的公司保持合理的利潤。研究人員還想了解價格控制將如何影響生產者和消費者的“剩餘”。在這種情況下，剩餘是指交易雙方從交易中獲得的全部貨幣收益。例如，如果一件商品的真實價格是 5 美元，但消費者能夠以 3 美元的價格購買到它，那麼消費者的剩餘將是 2 美元。
“由於越來越多的消費者資料的可用性，個性化定價已成為當今許多行業的常見做法，”清華大學研究生、研究合著者徐人哲說。“因此，設計有效的監管政策以平衡消費者和生產者之間的剩餘至關重要。” 徐和他的同事提供了正式的數學證明，以展示價格控制如何在理論上平衡消費者和使用人工智慧演算法的賣家之間的剩餘。該團隊還分析了先前發表的定價研究中的資料，以瞭解此類控制如何在現實世界中實現這種平衡。
例如，在 2002 年德國基爾市研究人員進行的一項經常被引用的研究中，他們衡量了消費者購買零食的意願：在公共海灘上的一罐可樂或在渡輪上的一片磅蛋糕。作為實驗設定的一部分，參與者在從甕中抽取標記球以確定他們實際將被提供的價格之前，先說明他們願意為商品支付的價格。如果他們最初的出價較高，他們將能夠購買零食；否則，他們將失去機會。實驗表明，與傳統的簡單調查個人等方法相比，這種情況——參與者知道他們在分享期望價格後將收到隨機選擇的出價——使買家更願意透露他們願意支付的真實價格。但該實驗對未來研究（如新的清華論文）的部分價值在於，它生成了一個關於真實人們在現實情況下的“支付意願”（WTP）的寶貴資料集。
當由人而不是隨機數生成器設定成本時，提前瞭解消費者的 WTP 可以讓賣家個性化定價——並向賣家知道願意支付更高價格的那些人收取更多費用。當定價演算法透過從大型科技公司（例如搜尋引擎運營商或社交媒體平臺）收集有關個人或群體的資料來估算個人或群體的 WTP 時，它們也獲得了類似的優勢。“演算法定價的目的在於從消費者特徵的高度精細資料中精確評估消費者的支付意願，”徐說。為了測試價格控制在現實世界中的潛在影響，研究人員使用了 2002 年研究中的 WTP 資料來估計此類控制將如何改變賣家和買家剩餘之間的權衡。他們發現，實驗蛋糕和可樂賣家從他們對消費者 WTP 的瞭解中獲得的優勢，將被對被認為合法的價格範圍的簡單控制所消除。與此同時，價格控制不會阻止賣家賺取利潤。
然而，這種力量平衡也帶來了一些缺點。透過在演算法（或者，在基爾實驗中，在演算法規則下運營的賣家）和消費者之間實現更公平的剩餘分配，範圍約束會抑制所有參與者實現的總剩餘。出於這個原因，許多經濟學家認為，此類法規會阻止形成真正的市場均衡——即供需匹配且消費者可以即時獲得準確價格的點。與此同時，一些行為經濟學家認為，價格控制可能會諷刺性地激發市場領導者之間更多的串通，他們試圖將價格儘可能地固定在給定的限制範圍內。“例如，網際網路和電力公司在可以的時候會收取過高的費用，因為它們實際上是壟斷企業，”亞利桑那州立大學金融學副教授 Yuri Tserlukevich 說，他沒有參與這項新研究。
然而，對於當今許多演算法定價代理來說，這種價格壟斷的擔憂並不那麼重要。這是因為大多數現代定價演算法仍然缺乏彼此有效溝通的能力。即使它們可以共享資訊，也很難預測當要求 AI 程式與另一個設計截然不同的演算法進行通訊時，它的行為方式。阻止價格壟斷串通的另一件事是，許多定價演算法被設定為以“當前偏差”進行競爭——這意味著它們僅重視當前的收益，而不是考慮可能源於當前行為的未來收益的潛力。（在許多方面，考慮未來收益的演算法也可以被描述為貪婪演算法的一種型別，儘管它們選擇不斷降低價格而不是提高價格。）具有當前偏差的 AI 通常會快速收斂到公平、有競爭力的定價水平。
歸根結底，演算法的行為只能像程式設計師設定的那樣合乎道德。透過稍微改變設計，演算法可能會學會串通和操縱價格——這就是為什麼研究價格控制等約束很重要。清華大學計算機科學與技術系副教授、新研究的合著者崔鵬說，有“幾個研究方向是開放的”。他建議未來的工作可以集中在價格控制將如何影響更復雜的情況，例如隱私限制限制公司訪問消費者資料或只有少數公司占主導地位的市場等場景。更多的研究可能會強調這樣一種觀點，即有時最簡單的解決方案是最有效的。