运筹学和管理科学研究所 信用:Pixabay/CC0公共域 机器学习和人工智能非常适合帮助公司和营销人员根据实时动态定价来监控和定价
但是新的研究已经确定了人工智能在这一领域可能产生的一些意想不到的后果
机器学习算法并不总是考虑卖方控制之外的因素，比如竞争对手的价格
研究人员发现，如果人工智能算法设定长期价格，垄断价格效应是可能的，本质上是在市场上创造一个串通定价环境
这对政策制定者来说是一个挑战，因为研究人员表明，独立的人工智能定价算法可以产生超竞争的市场结果
这项研究将发表在1月份的《市场营销科学》杂志上，作者是加州大学圣地亚哥分校的卡斯滕·汉森和卡尼什卡·米苏拉以及莱斯大学的马莱什·派
研究人员研究了竞争性在线零售商使用机器学习算法设定实时价格的环境
研究人员补充说，越来越多的文献提出了这种算法可能引发串通定价行为的担忧
作者随后对此文献做出了贡献，并发现独立算法，在不观察竞争性价格的情况下，可以导致超竞争性价格
机器学习算法使定价实验自动化，以学习利润最大化的价格
研究人员表示，独立公司使用这些算法的市场结果取决于短期定价实验的质量
“我们能够证明，在我们的价格实验具有高信息价值(低噪声)的地方，来自独立算法的竞争对手的价格无意中变得相互关联，随着时间的推移，价格变得超竞争，”米苏拉说
“这意味着，使用人工智能进行定价的后果可能会在特定市场中造成价格串通的氛围，从而导致垄断定价效应
" “现实世界的影响相当广泛，”汉森说
“机器学习算法依赖于潜在的定价实验数据的信息价值，并非所有影响市场结果的变量(如竞争对手的价格)都可以被这些系统获得
我们的结果为机器学习算法在定价时不太可靠提供了指导
" 派表示:“我们认为，这种模式的识别为管理者和政策制定者带来了新的实际问题。”
“监管机构未来面临的挑战将是平衡
在追踪竞争对手的价格时，对设定串通价格的算法存在反垄断担忧(例如
g
通过隐含的报复威胁)
派继续说道，“在这里，我们表明，即使算法明确地不考虑竞争对手的价格，类似的影响也可能发生。”
他们将需要考虑算法能够识别和跟踪的范围之外的因素，同时努力确保竞争性定价不总是意味着相同的垄断性定价结构
"
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
