定价算法在当今经济中发挥着重要作用。但一些专家担心，如果不加以仔细检查，这些程序可能会在无意中学会歧视少数群体，并可能串通人为抬高价格。现在一项新的研究表明，一种可以追溯到古罗马的经济工具可能有助于抑制这种非常现代的担忧。
算法目前在像亚马逊这样的技术密集型企业中为整个产品线定价，并为包括优步和Lyft在内的网约车服务全天候计算费用。这些程序可能并不总是仅仅依赖供需数据。算法有可能利用大量的消费者个人信息来计算公司如何精确地向个人提供他们最渴望的产品——并在这样做的同时最大化利润。
在过去的几年里，一些研究表明，定价算法可以学会根据不同消费者独特的购买历史或偏好提供不同的价格。一些研究表明，这种被称为“个性化定价”的策略可能会无意中导致算法为弱势少数群体设定更高的价格。例如，经纪人经常向种族和族裔少数群体收取更高的利率，一个可能的因素是人们的居住地：程序可能会针对竞争较小的地区。其他研究表明，在某些实验条件下，这些算法可以学会相互串通，以制定价格垄断方案。
支持科学新闻事业
如果您喜欢这篇文章，请考虑通过以下方式支持我们屡获殊荣的新闻事业： 订阅。通过购买订阅，您正在帮助确保未来能够继续提供关于塑造我们当今世界的发现和思想的具有影响力的报道。
当算法采用这种策略来追求最大利润时，专家们通常将这些程序激进的方法称为“贪婪”。多年来，政策制定者和科技高管一直试图平衡算法逻辑固有的贪婪性与其决策的人类水平公平性。北京清华大学的研究人员在二月份在线发布的一项新的预印本研究可能提供了一个令人惊讶的简单解决方案：它表明，价格控制——这是监管商业最古老和最基本的工具之一——可以很容易地用于防止可能由贪婪定价算法造成的经济歧视，同时仍为使用这些算法的公司保持合理的利润。
官方实施的价格控制与经济本身一样古老。它们最基本的形式是对卖家被允许对特定商品或服务收取的费用设定上限或下限。从理论上讲，它们通过阻止市场领导者形成垄断和操纵价格来促进公平并保护小型企业。在过去的几年里，这种曾经很常见的监管工具重新引起了人们的关注，部分原因是网约车公司使用了“高峰”定价策略。这些企业可以利用特定区域在特定时间的需求来调整价格，以便司机（和公司）尽可能多地赚钱。例如，这种方法有时会导致从机场到城镇或城市的乘车费用飙升至数百美元，并引发了要求加强监管的呼声。一位要求匿名的优步发言人表示，该公司坚持支持当前策略，因为“价格控制将意味着……司机收入降低和可靠性降低。”（早些时候分别提到的Lyft和亚马逊在出版时未回复置评请求。）
但最近，对价格控制概念的兴趣重新抬头，这受到创纪录高通货膨胀率的推动。当 COVID-19 迫使许多美国企业倒闭时，美国联邦政府通过刺激支票和小企业贷款来弥补损失。这些货币注入导致了价格通胀——控制通胀的一种方法是联邦政府简单地限制公司可以收取的价格。
清华大学新论文的作者寻求科学证据，证明这种控制不仅可以保护消费者免受算法价格歧视，还可以使使用这些数字工具的公司保持合理的利润。研究人员还想了解价格控制将如何影响生产者和消费者的“剩余”。在这种情况下，剩余是指交易双方从交易中获得的全部货币收益。例如，如果一件商品的真实价格是 5 美元，但消费者能够以 3 美元的价格购买到它，那么消费者的剩余将是 2 美元。
“由于越来越多的消费者数据的可用性，个性化定价已成为当今许多行业的常见做法，”清华大学研究生、研究合著者徐人哲说。“因此，设计有效的监管政策以平衡消费者和生产者之间的剩余至关重要。” 徐和他的同事提供了正式的数学证明，以展示价格控制如何在理论上平衡消费者和使用人工智能算法的卖家之间的剩余。该团队还分析了先前发表的定价研究中的数据，以了解此类控制如何在现实世界中实现这种平衡。
例如，在 2002 年德国基尔市研究人员进行的一项经常被引用的研究中，他们衡量了消费者购买零食的意愿：在公共海滩上的一罐可乐或在渡轮上的一片磅蛋糕。作为实验设置的一部分，参与者在从瓮中抽取标记球以确定他们实际将被提供的价格之前，先说明他们愿意为商品支付的价格。如果他们最初的出价较高，他们将能够购买零食；否则，他们将失去机会。实验表明，与传统的简单调查个人等方法相比，这种情况——参与者知道他们在分享期望价格后将收到随机选择的出价——使买家更愿意透露他们愿意支付的真实价格。但该实验对未来研究（如新的清华论文）的部分价值在于，它生成了一个关于真实人们在现实情况下的“支付意愿”（WTP）的宝贵数据集。
当由人而不是随机数生成器设定成本时，提前了解消费者的 WTP 可以让卖家个性化定价——并向卖家知道愿意支付更高价格的那些人收取更多费用。当定价算法通过从大型科技公司（例如搜索引擎运营商或社交媒体平台）收集有关个人或群体的数据来估算个人或群体的 WTP 时，它们也获得了类似的优势。“算法定价的目的在于从消费者特征的高度精细数据中精确评估消费者的支付意愿，”徐说。为了测试价格控制在现实世界中的潜在影响，研究人员使用了 2002 年研究中的 WTP 数据来估计此类控制将如何改变卖家和买家剩余之间的权衡。他们发现，实验蛋糕和可乐卖家从他们对消费者 WTP 的了解中获得的优势，将被对被认为合法的价格范围的简单控制所消除。与此同时，价格控制不会阻止卖家赚取利润。
然而，这种力量平衡也带来了一些缺点。通过在算法（或者，在基尔实验中，在算法规则下运营的卖家）和消费者之间实现更公平的剩余分配，范围约束会抑制所有参与者实现的总剩余。出于这个原因，许多经济学家认为，此类法规会阻止形成真正的市场均衡——即供需匹配且消费者可以实时获得准确价格的点。与此同时，一些行为经济学家认为，价格控制可能会讽刺性地激发市场领导者之间更多的串通，他们试图将价格尽可能地固定在给定的限制范围内。“例如，互联网和电力公司在可以的时候会收取过高的费用，因为它们实际上是垄断企业，”亚利桑那州立大学金融学副教授 Yuri Tserlukevich 说，他没有参与这项新研究。
然而，对于当今许多算法定价代理来说，这种价格垄断的担忧并不那么重要。这是因为大多数现代定价算法仍然缺乏彼此有效沟通的能力。即使它们可以共享信息，也很难预测当要求 AI 程序与另一个设计截然不同的算法进行通信时，它的行为方式。阻止价格垄断串通的另一件事是，许多定价算法被设置为以“当前偏差”进行竞争——这意味着它们仅重视当前的收益，而不是考虑可能源于当前行为的未来收益的潜力。（在许多方面，考虑未来收益的算法也可以被描述为贪婪算法的一种类型，尽管它们选择不断降低价格而不是提高价格。）具有当前偏差的 AI 通常会快速收敛到公平、有竞争力的定价水平。
归根结底，算法的行为只能像程序员设置的那样合乎道德。通过稍微改变设计，算法可能会学会串通和操纵价格——这就是为什么研究价格控制等约束很重要。清华大学计算机科学与技术系副教授、新研究的合著者崔鹏说，有“几个研究方向是开放的”。他建议未来的工作可以集中在价格控制将如何影响更复杂的情况，例如隐私限制限制公司访问消费者数据或只有少数公司占主导地位的市场等场景。更多的研究可能会强调这样一种观点，即有时最简单的解决方案是最有效的。