奥秘 90 / ~26 分钟阅读 / 中文 PDF 页码 925–941

算法市场、经济智能体与竞争的新几何

人工智能哲学视野下的算法生存境况


市场始终是一部没有单一中心的协调机器。数以百万计的个人决策、价格、预期、恐惧与欲望,共同产生一种从未由任何人完全设计的秩序。这正是长期以来吸引经济学家的地方:一个能够组织海量分散信息、却不需要绝对中央指挥的系统。

人工智能并不取代这一逻辑。它改变的是参与其中的行动者的性质。迄今为止,即使由软件执行交易,其意图与分析在很大程度上仍由人类确定。未来,越来越多的经济智能体将能以更高的自主性观察、比较、谈判并作出反应。因此,市场几乎将在字面意义上成为一个多智能体系统。

竞争的几何结构正是在这里发生变化。

人类消费者无法持续比较成千上万种报价。智能体可以。由人经营的企业无法每秒钟都与每位客户重新议价。系统可以。银行无法每分钟都手工重新计算所有交易对手的风险。模型却几乎可以不间断地完成。

因此,第一个后果是搜寻成本和交易成本大幅下降。这可能极为积极。在一个更加透明的市场中,每位买家都能迅速比较价格与条件,竞争便可能更加充分。依赖不透明而获取的利润会减少。这正是我在Artprice经历过的事。不透明从来不是中性的。

掌握信息的人,仅仅因为别人不知情,就能攫取价值。让信息变得可获取,会改变力量对比。

个人经济智能体可以将这一逻辑普及。消费者不再只看五种报价。他的智能体会查看五千种。商家也就更难依赖惯性或比较的困难。这会对价格和质量施加相当大的压力。但一如既往,二阶后果可能截然不同。如果卖家也拥有能够实时观察竞争对手、调整价格并学习买家行为的智能体,市场就会变成双方都参与的算法竞争。

于是,我们可能同时得到极致的透明与一种新的不透明:没有人确切理解,显示的价格为何发生变化。定价变得个性化、动态化,甚至呈现出一种近乎对话的形式。它不再只是某件产品的价格,而是此时此刻、在一组条件下向这个人报出的价格。这种现象已经以某些形式存在。AI可以让它精细得多。

这种个性化提出了一个重要的经济与道德问题:两个人购买同一件商品,是否始终都应支付同样的价格?经济学的回答是,合理的价格歧视早已存在:学生优惠、分时定价、协商价格。但当系统逐人评估你愿意支付的最高价格时,关系就改变了。卖家此时试图攫取消费者几乎全部的剩余。智能体可能知道你急需这件商品,知道你收入很高,或知道你对价格并不敏感。

于是,卖家可以调整报价。对他而言,这是理性的。但如果标准不透明,就会造成强烈的不公感。因此,价格透明很可能成为一个重大议题。这未必意味着要求所有地方都只有一种价格——那在经济上是荒谬的——而是让某些机制变得可见。消费者或许应当知道,某个价格是个性化的,以及它依据的是哪些主要类别的数据。又是来源问题,这一次应用于价格。

这个数字从哪里来?我们过去把价格看作标签上显示的一项客观数据。在算法市场中,它成了一项动态决策。因此,它也有自己的谱系。

哪个模型?

哪些变量?

观察到的是怎样的竞争?

价格本身进入了算法计算。

这改变了我们思考竞争的方式。传统上,监管者观察价格水平、市场份额和企业间的协议。但如果多个定价智能体各自学会,维持某种价格稳定更有利可图,会发生什么?它们可能趋向一种类似共谋的行为,却从未明确交换过一句“不要降价”的信息。这是一个极为有趣的问题。竞争法一直建立在证明存在协议或协同行为的基础之上。

但自适应算法可以产生涌现式协调。没有人下达命令。然而,结果却像是达成了协议。我们又遇到了群体系统中同样的问题:局部规则可以产生无人明确决定过的集体行为。此时,责任问题就变得极为棘手。能否因为一家企业的算法学会了协同行为而处罚它?如果企业能够合理预见这一风险,却任其延续,或许可以。

如果结果确实无法预见,法律就需要作出更细致的区分。我们不能仅仅因为系统复杂,就放弃因果关系的要求。但也不能让不透明成为避难所。使用某些先进定价系统的企业,很可能需要被要求监测其影响。又是算法审慎义务。企业不能只说:我没有把共谋写进程序。

它必须考察自己的系统实际产生了什么。这与前几章的思想相通:凡是从智能体获益的人,也必须承担监督义务。但要警惕过度监管的风险。如果模型每次调价都必须由人类确认,我们恰恰会摧毁自动化带来的收益。因此,必须区分正常的个体行为与有问题的系统性行为。监管者可以分析随时间呈现的模式。到这里,它自身也会使用人工智能。

我们正在进入这样一种经济:市场智能体将受到监管智能体的监测。又是递归。这让人想到金融市场,那里已经存在自动化监控。但同样的逻辑可以扩展到商业、能源、交通。监管者需要拥有与所监管的行动者相当的能力。否则,认知不对称就会膨胀到惊人的程度。这是权力的一条普遍规律:无法理解所监管行业架构的监管者,会逐渐依赖那个行业。

AI放大了这个问题,因为技术复杂性在增加。因此,我们必须投资于公共能力。这并不意味着国家在每个领域都必须拥有市场上性能最强的模型。国家必须拥有足以开展审计的专业能力与工具。这正是我在讨论算法国家时所主张的。监管必须拥有自己的基础设施。

但算法市场还提出了另一个问题:速度。一次违规或一次失稳可能在几秒钟内发生。传统行政程序却需要数月乃至数年。法律时间与算法时间运行在完全不同的时间尺度上。因此,必须区分监管的两项职能:即时反应与调查。前者需要熔断机制和自动限制。

对于后者,听取各方陈述与辩驳的程序可能需要时间。金融市场已经通过暂停交易来应对这一难题。当系统运行得太快,就暂时停止机制,为人类判断争取时间。这种减速带的想法反复出现。这并非偶然。文明往往意味着,在运行速度能够超越我们判断能力的系统中引入延迟。算法市场需要减速带。

但我们应该把它们放在哪里?

限制太多,可能降低流动性与效率。限制太少,可能放任恐慌的动态。这是典型的权衡。闪电崩盘提供了一个格外清晰的例子。算法对算法作出反应,订单不断传播,价格暴跌或飙升,而基本面并未发生同等幅度的变化。这种现象可能很快得到纠正。

但它揭示了关键的一点:市场可以产生一种没有任何个体曾有意促成的状态。这是系统的一种属性。AI放大了这种可能性,因为智能体变得更复杂,数量也更多。它们的互动可以产生难以预料的反馈回路。一个模型观察到下跌,于是卖出。其他模型观察到这些抛售,得出风险正在上升的结论。于是它们也卖出。

回路不断强化,犹如以机器速度放大的人群动态。市场从来都经历恐慌。算法并没有发明恐慌。它可以把恐慌压缩。这种时间尺度的变化至关重要。过去需要数小时的波动,如今可能只需几秒钟。

人类再也来不及干预。因此,市场治理必须融入协议本身。我们不能只依靠一位盯着屏幕的监督者。必须有自动规则。代码成为微观监管。但安全措施的自动化,本身也可能产生意外效果。多个熔断机制可能同时触发,把流动性转移到其他市场。

又是复杂性。因此,必须像测试系统一样测试监管规则:模拟、对抗性情景、极端状况。金融法变成了一种动态工程。这很有意思,因为它显示了制度更广泛的演变。规则不再仅仅是一段文字。它成为一个运行参数。

一个波动限度。

一段延迟。

一道阈值。

这正是法律与代码的汇合。但必须保留一项关键区别:参数可以修改。

由谁选择?

其正当性依据是什么?

5%或10%的阈值,可能产生不同的经济影响。这一选择看似纯属技术,却具有政治维度。我们在这里遇到的,正是算法国家中的同一个问题。技术包含着价值观。因此,算法市场不会比人类市场更加中性。它只是有一些更难辨认的规则。

因此,主要结构的透明十分重要。公众不需要了解一家证券交易所每一行代码。

但原则必须能够被理解:

市场在什么情况下暂停?

谁可以干预?

订单的优先次序如何确定?

这些几乎是市场的宪制规则。这个比喻并不牵强。证券交易所是一个信任机构。参与者同意交易,是因为相信规则稳定且得到公平执行。如果基础设施暗中偏袒某些参与者,信任就会消失。因此,获取速度的机会本身,在历史上也成了一个问题。在电子市场中,几微秒就可能代表价值。

服务器之间的物理距离与连接质量会创造优势。这已经是一个将空间和时间商品化的世界。AI如今又加入了认知质量。一个速度更快、同时也更善于解读信号的智能体,可以抓住更多机会。因此,我们正在进入一种竞争:技术资本几乎瞬间就能产生优势。这引出了市场公平问题。是否应当保证所有人拥有完全相同的技术?

当然不是。竞争同样依靠创新。但必须防止某些不对称源于对规则或非公开数据的特权获取。这就是竞争优势与内幕交易之间的经典区别。AI并不改变这一原则。它只是增强了利用信息的能力。模型可以将成千上万个公开数据点结合起来,推断出此前无人发现的事情。

这是一种正当优势吗?原则上,是的。这恰恰就是分析。但当数据包含非法获取或凭借特权获得的信息时,问题依然存在。因此,法律必须继续审查信息来源。又是这个概念。信号从哪里来?

机器可以作出精彩的推断。但如果它建立在禁止使用的数据之上,结果就可能在法律上带有瑕疵。困难在于,AI可以从公开数据中推断出接近私密数据的信息。我们已经在关于个人的推断中看到这个问题。市场中也存在同样的问题。一个模型或许能够根据某家公司工厂的卫星图像、招聘动向或海运交通,估计这家公司即将宣布某种问题。这是对开放数据的分析。

它可以带来相当大的优势。因此,市场将变成一场自动化经济情报之战。这能够提升价格效率,因为更多信息会被迅速纳入价格。但它也可能强化那些有能力购买最佳数据与最强算力的参与者。如果某些人能够远比他人更好地处理公开信息,公开信息就并不平等。这是一个古老的道理。一座向所有人开放的图书馆,并不能消除懂得如何查找与不懂得如何查找的人之间的差异。

Artprice恰恰诞生于这样的认识。价值不只是获取文献。价值也在于标准化、索引,以及揭示关联的能力。AI把这一点推广到整个市场。因此,竞争将转向数据基础设施。能够建立高质量专有资料库的参与者将拥有优势。这可能形成进入壁垒。

一家初创企业可能拥有出色的模型,却没有二十年的数据。一家历史悠久的企业可能拥有数据,却采用速度较慢的技术架构。竞争如今将记忆与计算结合在一起。这是一种有趣的几何结构。新进入者有时拥有技术。既有企业拥有历史的纵深。谁懂得把两者结合,谁就占有优势。

因此,数据收购具有了战略意义。我们在Artprice经历过这一点。购买档案和收藏,并不是堆积纸张。而是在获取历史时间。有些系列无法迅速重建。时间成为一项经济资产。AI提升了它的价值,因为它可以利用那些人类无法完整遍览的内容。

在一个痴迷速度的市场中,这是长期价值的一次胜利。这里有一个让我格外感兴趣的悖论:速度最快的系统,可以从最古老的档案中获得优势。速度与深度并不对立;它们相乘。这正是我的思考方式。最激进的现代性,可以建立在最古老的记忆之上。我们重新找到了炼金术、档案、数据库。

因此,算法市场不只是一个以毫秒计的市场。它还是一个能在毫秒之间调动数百年数据的市场。

但这种能力也加大了历史过拟合的风险。模型可能发现美妙的规律,可这些规律已经不复存在。市场会变。货币体系会变。行为会变。

一种观察了二十年的关系,可能在足够多的参与者开始利用它后消失。这就是反身性。一旦某种策略广为人知,其优势便会减弱。市场对市场的模型作出反应。这是经济与许多自然现象的根本区别。模型并不置身事外:它作用于市场。

AI放大了这种反身性。如果一个广泛使用的模型发现,某个特定信号预示着上涨,数百万个智能体就可能在信号出现时立即买入,推动价格在预期事件发生之前便已上涨。预测因为被相信而实现。或者相反,因为所有人都已经行动,预测自行失效。系统进入一个递归回路。这极难建模。模型学习的是一个会因它们自身的建议而改变的世界。

这几乎是一个控制论回路。因此,即使拥有十分强大的AI,算法市场也很可能永远无法被完全预测。计算能力不会消除反身性;它可以加速反身性。对于市场可以被完美优化的设想而言,这是一项根本限制。市场是一个适应性系统,其中的行动者彼此学习。每一种有效策略都会吸引模仿者,并改变环境。

又是蜕变。唯有变异者才能生存。但在这里,蜕变永不停息。随着其他智能体发生变化,一个智能体必须重新校准自己的策略。这类似于军事上的共同演化。经济策略与对抗策略之间的界线日益变薄。显然,市场不是战争。

参与者可以合作,创造共同价值。但他们也寻求相对优势。因此,智能体将学会预判他者的行动。这可能带来令人惊叹的精密程度。

智能体不再只是问:

什么是最优价格?

它会问:

如果我报出这个价格,另一个智能体会如何反应?

我们正在进入递归的策略互动。这正是由学习增强的博弈论。两个系统可以测试数千种策略。这能够改善谈判。但也可能产生人类难以理解的策略。一个智能体发现,某种特定的提议序列可以使结果最优。为什么?

或许没有人能够作出简单解释。谈判变得更加有效,同时也变得不透明。这种不透明提出了同意的问题。一家企业是否应当接受依据自己并不理解的策略谈判达成的合同?如果边界得到遵守,或许可以。但对于重大决策,人类顾问至少必须理解主要条款。自主性再次需要与不可逆性相称。

微交易可以完全自动化。企业收购则不应仅仅因为两个智能体达成一致就完成。行为的层级区分仍然至关重要。因此,算法市场并不意味着人类消失。它产生了一种时间分层。机器可以处理极快的、重复的、微小的事务。人类则仍更多地关注缓慢的、战略性的、不可逆的事务。

但这条边界本身也可能移动。随着系统变得更加可靠,一些我们今天认为具有战略意义的决策,可能在很大程度上实现自动化。因此,我们必须保留原则,而不是一份固定的清单。又是不断变化的恒常性。治理必须定期重新审视其阈值。但有一项重大的政治风险:当市场运行得太快,以至于无法被直接理解时,它可能失去社会正当性。

公民看到价格变动、企业消失、基金赚取数十亿,却不理解其中的机制。经济可能被视为一部陌生的机器。这种情况有时已经存在。AI可能强化这种感受。一个社会不能仅仅建立在无人理解的效率之上。正当性要求一定程度的可理解性。这并不意味着每位公民都必须理解高频模型。

但公民必须能够理解规则,知道规则受到监督,也知道滥用会被惩处。这正是复杂与不透明的区别。核电站很复杂。只要社会信任监管它的机构,就会接受它的存在。算法市场也需要同样的安全文化。或许金融业必须放弃其关于完全自由的部分想象,更多地把自己视为关键基础设施。它本来就已经是。

支付、信贷与市场为实体经济提供资金。系统性故障可能影响所有人。因此,AI强化了这样一种认识:市场是一项基础设施,而不仅仅是投机的场所。这为保障措施提供了正当理由。但监管必须记住,承担风险同样必要。不存在没有风险的市场。如果阻止一切损失,就会摧毁价格机制。

因此,必须区分正常的经济风险与架构所造成的系统性风险。这是关键的区别。投资者可能因为错误决策而亏损。这就是市场。但不应因为一个设计不良的协议触发了失控回路,就让数百万投资者承受故障之害。监管者的首要职责是保障基础设施的安全,而不是担保每一个结果。这一区别必须保持清晰。

否则,道德风险就会增加。这涉及资本的责任。获取收益的人,必须接受一部分风险。AI不能使收益私有化、同时自动将错误的代价社会化。但高度互联的系统造成了一个问题:任由一个参与者倒下,可能引发传染。这就是经典的“大而不能倒”困境。

AI可能创造出新的“联系太广而不能倒”的系统。一家企业的营业额可能并不庞大,却成为许多其他企业的核心认知枢纽。一家模型提供商。一家数据服务商。它的故障可能传出一道冲击波。因此,经济网络图谱分析必须纳入系统性监管。只看规模已不够。

我们需要关注中心性。这与恐怖网络或数字基础设施中的逻辑完全一样。哪个节点连接了多少行动者?系统性监管必须绘出这些依赖关系。这可能使某些提供商承担特定的韧性义务。又是关键基础设施。如果一个模型被数千家金融企业使用,它的地位就会随之改变。

它几乎变得具有系统性重要性。这并不意味着国家必须直接控制它。但国家可以要求业务连续性计划、测试与冗余机制。这已经是适用于其他基础设施的逻辑。AI正在被纳入其中。

这立即引出了另一个问题:

如果这些关键节点属于另一个强国的企业,会发生什么?

我们又回到了认知主权。一个国家的市场,可能在法律上拥有主权,在技术上却有所依赖。法国企业可能使用托管在美国或其他地方的智能体。地缘政治危机发生时,有什么保障?因此,算法市场也成了一个地缘政治市场。制裁可能切断对技术的获取。国家可以把对模型的控制用作经济杠杆。

这一点在半导体领域已清晰可见。

AI又增加了一个层次。拥有认知基础设施的强国,无须直接控制别国企业,就能影响别国的经济。因此,欧洲、中国和美国都在努力发展自身能力。这不只是保护主义。它也意味着承认一种至关重要的相互依赖。

但过度封闭的主权可能使全球市场碎片化。

我们面临同样的困境:保障安全而不自我隔绝。如果每个集团都发展互不兼容的智能体和不同标准,交易成本就会上升。因此,必须保持互操作协议。全球市场依赖共同标准。我的法国智能体必须能够理解印度智能体的合同。

这需要格式、身份与规则。标准之争将十分激烈。谁的标准占据主导,谁就能塑造一部分商业结构。支付卡、操作系统和互联网协议都曾发生过同样的事情。智能体正在成为下一个接口。控制接口的人,就控制了一种权力。

但有一个关键区别:智能体可以自行选择供应商。如果个人智能体确实以用户的最大利益进行优化,它们就能削弱主导品牌的影响。它们可以自动从某个不知名的小经营者那里寻找最佳报价。这能够促进竞争。但大平台也可以控制智能体本身,从而引导搜索。这就是新的瓶颈。

权力从结果页面转移到了助手。搜索引擎显示多个链接。智能体则可以直接选择。这使中介职能高度集中。这是一个重大的反垄断问题。如果一个占据主导地位的智能体为数亿人采购,它的选择规则就可能决定数千家企业的成败。即使没有恶意,其架构也会成为一种私人的经济政策。

这值得高度警惕。当某个智能体达到近乎基础设施的地位时,它的推荐标准可能需要更加透明。但必须谨慎,不能要求披露全部算法秘密,否则就会便利规避行为。关键在于平衡。

可以确立一些原则:能够选择其他智能体;禁止暗中偏袒自身服务;独立审计。

这类似于围绕平台的历史性争论。AI并没有创造中介支配的问题。它放大了这个问题,因为接口开始作出决策。这是程度上的巨大差异。对产品排序的平台施加影响。购买商品却不展示完整排名的智能体则作出决定。因此,个人智能体的信义委托关系变得至关重要。

如果一个智能体在法律上代表我的利益行事,它就不应在未披露的情况下偏袒其提供商的生态系统。这一原则可以重塑市场。它可能催生由用户直接付费的独立智能体,就像顾问一样。商业模式至关重要。由卖家出资的免费服务,与由买家付费的服务,其忠诚对象并不相同。我们在金融顾问那里已经遇到过这个问题。AI使利益冲突更加严重。

又是推荐的来源问题。因此,算法市场可以让消费者变得异常强大,也可以让消费者变得异常容易受到操纵,取决于其架构。这是一处分岔的关键。如果智能体忠于用户,并且可以迁移,竞争就可能加剧。如果它们被少数一体化平台控制,集中程度就可能上升。技术容许这两种未来。这再次证实,作出决定的是制度。

同样的技术进步,可以产生开放的架构,也可以产生封闭的架构。不存在技术宿命。存在的是关于标准、法律和商业模式的选择。这份政治责任十分重要。我们不能在十年后说:那是不可避免的。不。

选择将会作出。法律的作用,是引导激励,而不企图预测所有结果。这是一件精细的事。干预过多,可能使一个行业陷入瘫痪。不采取行动,则可能让既有地位固化,难以扭转。时机变得至关重要。等到一个专有标准支配了几乎整个市场之后再去监管,要困难得多。

这正是锁定效应。因此,有时需要及早针对互操作性采取行动,而不是针对产品本身。这是从互联网中得到的教训:保持大门敞开。如果用户能够更换提供商,并带走自己的数据,那么即使一个参与者暂时占据主导,竞争也依然可能存在。因此,可迁移性成为竞争政策的一项工具。这是一个有力的思想。

设计算法市场时,不能只规定关于定价的规则,也必须规定关于身份与数据流动的规则。竞争取决于技术架构。这进一步显示了法律与工程的汇合。一个“导出”按钮,可以成为经济政策的工具。重大的权力斗争,有时隐藏在文件格式之中。我一生都见证着这一点。控制封闭格式的人,享有垄断。

强制互操作性的人,重新分配权力。这正是标准具有如此强烈政治性的原因。智能体经济让这一现实更加显而易见。但我们不应幻想一个完全流动的市场,让智能体每秒钟都更换供应商。信任、质量与声誉仍会维系忠诚。经济关系并不只关乎价格。智能体可能学到,某家供应商稍贵一些,却可靠得多。

它可以纳入定性标准。这能够使声誉更易衡量,从而改善市场。但仍要警惕单一评分。声誉具有多个维度:质量、交付时间、服务。综合分数可能遮蔽这些方面。智能体应当能够根据用户偏好作出调整。对一位用户而言,重要的可能是价格;对另一位而言,是来源的生态属性;对第三位而言,是交付时间。市场由此变得极为个性化。这可能使价格和供给碎片化。统一市场这一概念本身,也变得更加抽象。

两个人看到的,不再必然是同一个商业世界。推荐系统已经如此。智能体会放大这一点。这提出了一个社会学问题:如果人人都有自己的个性化市场,对价格的集体感知就可能碎片化。比较变得更加困难。官方统计可能需要演变。如果价格高度个性化,平均价格指数的代表性就可能下降。我们将需要新的测量方法。

这是一个重要的宏观经济问题。统计机构需要在保护隐私的同时,收集更加细致的数据。AI可以帮助建立动态指数,但不能掩盖不平等。平均价格可能掩盖某些群体总是支付更多的事实。又是分布问题。监管者可能需要根据不同画像考察差异。

但这要求知道使用了哪些数据。透明是关键。算法市场使测量本身变得更加复杂。这是一个悖论:我们拥有更多数据,经济范畴却变得更加流动。价格不再固定。产品可以个性化。当供给本身因用户而异时,我们该如何计算通货膨胀?

经济学家需要发展新的方法。这是一种有趣的变化,因为它表明,AI不仅改变市场,也改变我们用来分析市场的工具。经济统计必须演进,而这可能产生巨大的政治后果。中央银行依据指标作出决策。如果这些指标的适切性下降,货币政策就可能变得不够精确。

AI显然可以帮助我们使用更多实时数据。我们或许正在进入一种频率更高的宏观经济学。中央银行几乎能够即时追踪支付、网络价格与物流。这改善了诊断。但一如既往,更多数据并不保证更好的决策。风险在于过快回应带有噪声的信号。宏观经济学需要区分趋势与波动。

又要放慢速度。一家对每次波动都实时回应的中央银行,可能放大不稳定。因此,AI应当帮助我们更快地理解,却未必要更快地决策。我们又回到了认知战一章所作的那个确切区分:计算的速度不是行动的速度。这是一条常量。市场能够在毫秒之间产生数据。货币政策却可能需要数周的回望。智慧在于尊重每项决策各自适当的时间尺度。

跨越多重时间尺度运行的能力,是一种关键的制度能力。企业以秒运行。投资者以分钟或年份运行。国家则着眼于数年。AI倾向于把所有时间尺度都拉向瞬间。我们必须抵抗这种吸力。有些事情不应加速。一项产业政策需要十年。金融市场在十毫秒内作出反应。混淆两者是危险的。国家的一项职能,恰恰是代表市场可能低估的长期。

AI可以帮助市场更好地预判长期。但激励往往仍是短期的。一位管理者可能知道二十年后存在气候风险,却仍然根据季度业绩接受评价。模型并不纠正激励。这又是一项限制。技术不能取代制度。我们需要使时间视野彼此对齐。

这是治理问题。如果智能体持续优化,算法市场甚至可能进一步缩短时间视野。每一秒都成为机会。这可能增加周转,减少资本的耐心。但相反的情况也可能发生。智能体可以被编程为三十年如一日地执行一项策略,不受恐惧或每日情绪的影响。算法养老基金可能比受波动影响的人类拥有更强的长期纪律。

两面性再次显现。AI可以根据目标缩短时间,也可以延长时间。决定时间尺度的不是机器,而是奖励函数。如果我们要求每日表现,它就优化每一天。如果我们要求代际保全,它就可以纳入长得多的时间视野。这与国家的长期战略相契合。

AI之所以可能成为长期政策的工具,恰恰是因为它能够模拟数十年。但模拟依然依赖假设。时间视野越长,不确定性就越大。因此,必须呈现多种情景,而不是单一预测。又是未来的多元性。算法市场可以从这种以情景为导向的方法中获益良多。投资者不仅会询问可能的回报,也会询问发生断裂的情景。

这或许能够增强韧性。但资本偏爱单一数字。评分使事情简化。这很危险。我们需要学会呈现风险的分布与尾部。AI完全能够做到。问题往往出在界面。

我们又回到了如何呈现不确定性。7.2%这样的数值看起来很精确。它背后或许覆盖着一个极大的区间。金融设计需要更加诚实。这是治理问题。机器可以计算十亿种情景。如果屏幕只显示一个数字,一部分智能便流失了。

这是关键的一点。AI既可以使我们的理解更具复杂性,也可以把这种复杂性藏在一个评分后面。界面的选择具有政治性。这既适用于市场,也适用于国家。它几乎贯穿这一部分,成为一条常量。我们正在建立高度复杂的系统,必须决定如何让人类能够理解这种复杂性。信息过多,会令人无从行动。

信息过少,则制造幻觉。恰当程度的综合是一门艺术。或许个人智能体恰好会成为这样一个翻译层。市场产生巨大的复杂性。我的智能体依据我的目标加以解读。这可以让系统更易理解和使用。但还是那句话:

我必须信任这个智能体。

我们回到了委托与忠诚。一切形成闭环。这正是网络的结构:每一章都成为一个与其他章节相连的节点。智能体经济不是一个独立的新主题。它凝聚了身份、证据、主权、劳动与责任。

这让我确信,AI发挥着一个新的协调层的作用,并非因为它构成一个孤立的行业,而是因为它渗入了所有其他结构。市场本身就是协调。因此,两者的交汇格外深刻。我们甚至可以想象,有些市场将不再以目前的形式存在,因为智能体会直接交易。

如果每笔交易都能即时协商,为什么还要展示固定价格?

在某些行业,标示价格可能变成参考价格。我的智能体发出一项提议。

卖家作出回应。一种自动化的全球集市。这几乎是凭借超现代工具,回归一种古老的商业形式。历史充满了这样的回环。从历史上看,零售业的固定定价相对晚近。AI可能重新引入大规模议价。这会格外有趣。

但这可能让市场对人类而言更不透明。如果没有人知道别人付了多少钱,不对称就会增加。因此,智能体需要共享某些统计数据。我们可以想象这样的服务:显示情况相近的买家支付了X至Y之间的价格。这重新赋予人们力量。信息再次成为制衡。

Artprice在过去不透明盛行的领域提供价格基准,改变了艺术市场的一部分。智能体经济可以在其他行业复制这一策略。如果价格变得个性化,实际交易数据库就会变得极有价值。知道别人实际支付了多少的人,能够更有效地谈判。

因此,我们很可能看到一些系统出现,其功能类似于Artprice为艺术市场所建立的东西:记录实际价格与交易条件的记忆,为智能体提供信息。这些数据获得了战略价值。但这引出了保密问题。一笔私人交易应当被分享吗?有时必须汇总、匿名化,并延迟公布。又是市场透明与商业保密之间的权衡。金融市场早已熟悉这一问题。

有些交易必须公布。另一些交易则不会立即披露,以免暴露策略。算法经济将使这些问题普遍化。完全透明并不总是最优。它甚至可能便利共谋,因为所有卖家都能立即核实,没有人在压低价格。这是一个重要的悖论。人们往往认为透明会加强竞争。

在某些架构中,卖家之间过度透明,可能便利协调。又是次生后果。不存在一条绝对规则,说数据越多,价格就越低。必须分析架构。

谁看见什么?

又在何时?

透明的这一时间维度至关重要。数据可以延迟公布。这既保护某些策略,又仍然允许审计。金融市场已经在使用这一逻辑。AI很可能让这些机制更加精密。我们将拥有延迟的透明、汇总的透明、有条件的透明。恰恰是这种精细程度,造就良好的制度。

口号总会失效。算法市场过于复杂,无法简单地“全部开放”或“全部关闭”。必须构建信息流。又是架构。这也提出了经济民主的问题。如果智能体成为消费和投资的主要中介,它们的治理将对社会产生深刻影响。

由谁界定它们使用的伦理、环境、地理或来源标准?

公民可以选择:优先支持法国企业;减少碳影响;最大限度地追求最低价。

智能体成为个人价值观在经济中的转译。这可以赋予消费者相当大的力量。数以百万计的智能体可能按照伦理偏好转移需求。但这也可能将经济分裂为一个个意识形态气泡。有些智能体避开所有与某种政治立场相关的企业。另一些则反其道而行。市场于是成了极化的工具。

我们已经看到了抵制行动。自动化可以让它们永久化并隐于无形。一次设置的偏好,可能将某些供应商排除多年。这可能产生社会后果。还存在画像固化的风险。必须允许修订。

自由不只是作出一次选择。而是能够再次选择。

因此,智能体应当定期确认,某些标准是否仍然符合用户的意愿。你三年前排除了某一类供应商。你想保留这项标准吗?这看起来像一个细小的界面细节,却关乎自由。永久委托可能把过去的选择变成预定的命运。因此,智能体必须接受变化的可能性。

一再如此。这让我确信,“唯有变异者才能生存”并不只是一句生物学或企业经营的格言。它也是AI系统治理的原则。一个系统必须允许自身目标与偏好演变。僵化是一种脆弱。市场本身正是因为蜕变而存续。

企业不断涌现。

它们消失。

价格变化。

AI可以加速这种转变。如果标准变得集中,它也可能锁定某些行为。这就是悖论。只要存在多样性,并保持进入的开放,市场就依然富有活力。竞争不仅关乎今天已经存在的企业,也关乎明天新企业出现的可能。因此,互操作性是经济转型的一项前提。

如果占主导地位的智能体只能与大型平台对话,新进入者就会隐于无形。开放协议于是构成一项创新政策。这一思想至关重要。

技术架构可以决定市场的可竞争性。

这几乎是一部经济宪法。在这里,标准同样从不中立。它规定谁可以进入。因此,监管者应当审视发现协议。

小供应商能被智能体找到吗?

必须付费才能被纳入索引吗?

智能体能够直接查询开放目录吗?

这类似于围绕搜索引擎的争论,但影响更加直接,因为智能体可以购买。中介权力变得具有交易性。这很可能是未来竞争面临的重大挑战之一。政府可以对某些接口规定公平接入义务。但必须避免损害安全。智能体必须能够核实提供商是否合法、是否值得信任。商业身份标准将变得重要。

来源与声誉是关键。一切又回到了这里。因此,算法市场在技术上可能开放得多,在认知上却也经过更多筛选。数百万家供应商可以接触。但智能体只依据特定标准展示少数几家。过滤器的权力增长了。由此可见,未来的市场可能不再那么取决于能否出现在货架上,而更多地取决于能否被模型选中。

搜索引擎优化(SEO)正在改变。企业将努力让自己的供给可被机器读取,让数据结构化,让证据随手可得。这可能是积极的:标准化的描述、来源、认证和质量证明。但它也可能创造新的操纵机会。供应商将学会以一种最大限度提高智能体评分的方式呈现产品。这恰恰就是对评价指标的钻营。

因此,智能体必须识别操纵企图。又是对抗性竞争。市场变成了优化对抗优化的战场。这种动态似乎难以避免。它可能引发一场认证与证据的竞赛。又是信任经济。可靠的供应商将有动力提供可核实的数据。

未经审计的标签将失去价值。这可以改善市场的信息质量。这是一个有趣的前景。AI可以推动企业更好地组织来源数据,因为智能体要求这些数据。没有可核实信息的产品,被选中的可能性或许更低。这可能促进环境或卫生方面的可追溯性。

但要留意那些缺乏资源、无法提供精细数据的小企业。标准必须保持可及。否则,机器可读的合规就会成为新的进入壁垒。又一项权衡。提升信任的标准,可能有利于能够负担认证费用的大型参与者。因此,必须设计合乎比例的机制。这与监管AI本身面临的问题完全相同。

固定的合规成本推动集中。法律需要承认这一点。我们可以设立以风险为依据的认证等级。小企业主不需要与银行同样的基础设施。又是分类。这样的重复或许显得执着。然而,它对应着复杂世界中不可缺少的方法。

精细区分是抵御不良后果的防线。

它也把我们引向一个更广泛的问题。

如果市场变得算法化,价格作为社会信息的概念会怎样?

哈耶克曾强调,价格是一种凝聚分散信息的信号。但如果价格高度个性化,并由智能体协商,是否仍存在一个共同价格来发挥这一作用?系统或许更多地依靠价格分布,而不是单一价格运行。信号变得更加丰富。

却也更不易看见。智能体可以理解它。人类则难以那么直接地理解。我们正在进入这样一种经济:机器可能比人更能感知某些市场结构。这造成一种集体的认知依赖。公民不再直接理解价格。他们询问自己的智能体:贵吗?

模型通过比较数千笔交易作出回答。这很有用。但这也意味着,我们与市场的关系开始依赖中介。我们在比价网站上已经看到这一点。智能体可以成为一个几乎无所不比的比较者。谁控制比较,谁就塑造了我们对价值的一部分感知。

这一点极为重要。它与艺术市场相通,在那里,数据库改变了对价格的感知。看到历史,会改变判断。Artprice为市场参与者提供了一面艺术市场的镜子。AI正在普及这面镜子。但镜子可能失真。因此,我们需要知道,输入了哪些数据。又是来源问题。

回路闭合。

价值。证据。身份。市场。

归根结底,一切取决于信息架构的质量。这或许可以作为本章的暂时结论。算法市场并不消除市场。它更清楚地揭示,市场是一种由信任、信息与规则构成的架构。AI加快流动,增强能力。但它不取代其中任何一项基础。相反,它让这些基础的设计变得更加关键。价格可以由机器计算。规则的正当性仍然属于人类。谈判可以自动化。责任依然存在。

竞争可以变得更有活力。它也可能围绕专有标准而走向封闭。

一切取决于架构。

最后,市场的这种自动化引出了一个更广泛的问题:当同样的工具同时服务于市场协调与公共行动时,市场与计划之间的传统边界本身,也进入了审视之中。

当协调几乎瞬时完成时,市场会怎样?

当AI能够持续模拟与调整时,计划会怎样?

最重要的是:

由谁为一个能够同时优化大量变量的经济界定其目的?

此时,问题与其说关乎市场,不如说关乎目的:谁来界定算法经济试图优化什么?

市场协调与计划之间的边界,正需要在这里重新审视。

人类思想与对话:thierry | 写作:100% AI

阅读进度:第 94 页,共 102 页