Pricing software that keeps prices high may not be threatening anyone, a careful retest suggestsنرمافزار قیمتگذاری که قیمتها را بالا نگه میدارد، شاید کسی را تهدید نمیکند؛ این را یک بازآزمایی دقیق نشان میدهد
Simple pricing programs that learn on their own settle on high prices, and they look like they punish each other for cutting. Across 1,024 trained pairs, no punishment rule was found: pair each program with a stranger and the coordination drops by 80%.برنامههای ساده قیمتگذاری که خودشان یاد میگیرند، سر قیمتهای بالا به توافق میرسند و به نظر میرسد همدیگر را برای کاهش قیمت تنبیه میکنند. اما در بررسی 1,024 جفت آموزشدیده، هیچ قاعدهی تنبیهی پیدا نشد: وقتی هر برنامه را با یک «غریبه» جفت میکنند، میزان هماهنگی 80% کاهش مییابد.
ترجمهٔ ماشینی است؛ برای دقت به متن اصلی انگلیسی مراجعه کنید.
Why it matters
More and more shops, airlines and online sellers let software choose their prices. A famous earlier study suggested such software can learn to act like a secret price-fixing ring, threatening to retaliate against anyone who cuts prices. That matters legally, because punishing a rival to hold prices up looks like an agreement, and agreements can be prosecuted. This work agrees the prices stay high and shoppers still lose, but says the threat is probably not there: each program had simply become tuned to the one partner it practised with. If that holds for real systems, the useful action is changing which algorithms face each other, not hunting for threats. This was a computer simulation of very simple programs, so the pricing software used by real companies may behave differently.تعداد فروشگاهها، شرکتهای هواپیمایی و فروشندگان آنلاینی که تعیین قیمت را به نرمافزار میسپارند روزبهروز بیشتر میشود. یک پژوهش معروف قبلی نشان داده بود که چنین نرمافزارهایی میتوانند یاد بگیرند مثل یک حلقهی پنهان تبانی قیمتی عمل کنند و هر کسی که قیمت را کاهش دهد را تهدید به تلافی کنند. این موضوع از نظر حقوقی مهم است، چون تنبیه کردن یک رقیب برای نگه داشتن قیمتها در سطح بالا شبیه یک توافق به نظر میرسد، و توافقها قابل پیگرد قانونی هستند. این پژوهش جدید تأیید میکند که قیمتها همچنان بالا میمانند و مشتریان همچنان متضرر میشوند، اما میگوید احتمالاً تهدیدی در کار نیست: هر برنامه صرفاً با همان یک شریکی که با او تمرین کرده، همتنظیم (tuned) شده بود. اگر این نتیجه در سیستمهای واقعی هم صادق باشد، اقدام مفید تغییر این است که کدام الگوریتمها در برابر هم قرار میگیرند، نه جستوجو برای پیدا کردن تهدید. این پژوهش یک شبیهسازی رایانهای با برنامههای بسیار ساده بود، پس نرمافزار قیمتگذاری شرکتهای واقعی ممکن است رفتار متفاوتی داشته باشد.
Who's behind it: Kaue Lopes de Moraes and Rodrigo De-Losso.
Summary by the Lemma AI · how we grade