博弈论揭示算法如何推高价格

想象一个小镇有两家小部件商。顾客偏爱便宜商品，商家因此得竞相降价。若商家私下合谋涨价，这种“操纵价格”行为长期违法，传统法律通过禁止此类密室交易维持公平价。但如今，各经济领域卖家越来越依赖“学习算法”定价——它们能根据市场新数据反复调价，虽不及人工智能的深度学习复杂，却可能出现意外行为。
传统监管靠查处明确合谋，可算法不会“私下串通”。2019年一项研究显示，算法无需编程就能“隐性合谋”：模拟市场中，两个简单学习算法通过试错学会报复——对方降价，自己就大幅降价反击，最终以“价格战威胁”维持高价，类似人类合谋中的隐性威胁。
有人提议用“不会表达威胁”的算法，可新研究表明这不够。计算机科学家借助博弈论（分析策略竞争的跨学科领域）发现，连优化自身利润的“良性”算法也可能坑买家。比如“无交换遗憾算法”，这类算法能确保“不后悔”——无论对手咋做，自己换任何策略（如总出布而非剪刀）都不会更好。2024年研究曾认为，这类算法竞争会达“均衡”（双方策略都是最佳回应，谁也不愿变），带来低价。
但当“无交换遗憾算法”遇上“无反应策略”（按固定概率随机定价，完全不回应对手）时，情况变了。研究发现，“无反应策略”会给高价分配极高概率，诱导前者也涨价。最终双方利润接近且达最高，形成均衡——谁都不愿换策略，买家只能承受高价，而双方并无合谋。
这种“无反应策略”看似无害，却能通过偶尔低价抢占市场、维持整体高价。且多种“无反应策略”遇上“无交换遗憾算法”都会导致高价。
监管者犯了难：禁“无交换遗憾算法”不合理（大家都用会降价）；“无反应策略”可能是电商卖家的自然选择，而“有点笨”（可能后悔）并不违法。有人建议只准用“无交换遗憾算法”，但现实中算法多样，监管难题未解。正如经济学家所说：没威胁或协议证据，监管者难判“价格不对”，这凸显了算法定价监管的复杂性。