A teoria dos jogos explica como os algoritmos podem aumentar os preços

A versão original de esta história apareceu em Revista Quanta.

Imagine uma cidade com dois comerciantes de widgets. Os clientes preferem widgets mais baratos, por isso os comerciantes devem competir para definir o preço mais baixo. Insatisfeitos com os seus escassos lucros, eles reúnem-se uma noite numa taberna enfumaçada para discutir um plano secreto: se aumentarem os preços juntos em vez de competirem, ambos poderão ganhar mais dinheiro. Mas esse tipo de fixação intencional de preços, chamada conluio, é ilegal há muito tempo. Os comerciantes de widgets decidem não arriscar, e todos os demais podem desfrutar de widgets baratos.

Durante mais de um século, a legislação dos EUA seguiu este modelo básico: proibir esses acordos de bastidores e manter preços justos. Hoje em dia, não é tão simples. Em amplas áreas da economia, os vendedores dependem cada vez mais de programas de computador chamados algoritmos de aprendizagem, que ajustam repetidamente os preços em resposta a novos dados sobre o estado do mercado. Muitas vezes, eles são muito mais simples do que os algoritmos de “aprendizado profundo” que alimentam a inteligência artificial moderna, mas ainda podem estar sujeitos a comportamentos inesperados.

Então, como podem os reguladores garantir que os algoritmos estabeleçam preços justos? A sua abordagem tradicional não funcionará, pois depende de encontrar um conluio explícito. “Os algoritmos definitivamente não estão bebendo uns com os outros”, disse Aaron Rothcientista da computação da Universidade da Pensilvânia.

Ainda um artigo amplamente citado de 2019 mostrou que os algoritmos podem aprender a conspirar tacitamente, mesmo quando não foram programados para isso. Uma equipe de pesquisadores colocou duas cópias de um algoritmo de aprendizagem simples uma contra a outra em um mercado simulado e depois permitiu que explorassem diferentes estratégias para aumentar seus lucros. Com o tempo, cada algoritmo aprendeu, através de tentativa e erro, a retaliar quando o outro cortava os preços – baixando o seu próprio preço numa quantidade enorme e desproporcional. O resultado final foram preços elevados, apoiados pela ameaça mútua de uma guerra de preços.

Ameaças implícitas como esta também estão na base de muitos casos de conluio humano. Então, se você quiser garantir preços justos, por que não exigir que os vendedores usem algoritmos que são inerentemente incapazes de expressar ameaças?

Em um artigo recenteRoth e quatro outros cientistas da computação mostraram por que isso pode não ser suficiente. Eles provaram que mesmo algoritmos aparentemente benignos que otimizam para seu próprio lucro podem, às vezes, produzir resultados ruins para os compradores. “Você ainda pode obter preços altos de maneiras que parecem razoáveis ​​​​vistas de fora”, disse Natalie Colinaum estudante de pós-graduação que trabalha com Roth e é coautor do novo estudo.

Nem todos os pesquisadores concordam com as implicações da descoberta – muito depende de como você define “razoável”. Mas revela quão sutis podem ser as questões em torno da precificação algorítmica e quão difícil pode ser sua regulamentação.