一项由美国国家经济研究局（NBER）发布的研究报告指出，人工智能驱动的交易算法能够在金融市场中独立发展出类似卡特尔的行为。
卡特尔行为是一种经济学概念，指的是原本应当相互竞争的企业，通过达成正式或非正式的协议，共同行动以谋求垄断利润。
论文地址：https://www.nber.org/system/files/working_papers/w34054/w34054.pdf
值得一提的是，在世界上绝大多数国家，明确的卡特尔协议都是非法的，并受到反垄断法的严厉制裁。
这项研究的核心发现是，这些人工智能程序完全自主行动，它们之间没有任何形式的沟通，也没有任何旨在协同的预设程序。
换言之，它们的合谋行为，完全是通过机器学习自我演化而来。
01 无声的卡特尔
这项研究由宾夕法尼亚大学沃顿商学院的Winston Wei Dou、Itay Goldstein，以及香港科技大学的Yan Ji共同领导。
研究团队建立了一个标准的金融市场模型，并在此基础上进行了深入的模拟实验。
这个模拟市场包含了几个关键要素：多个由人工智能驱动的投机者、短期交易周期、被动的市场参与者，以及一个负责设定价格的做市商。在现实世界中，做市商的角色通常由交易所或大型银行来扮演。
实验的核心在于，这些人工智能投机者利用强化学习技术来自主做出交易决策。强化学习允许程序通过试错来学习，在环境中采取行动以最大化某种累积奖励。
模拟结果清晰地表明，这些人工智能程序在没有外部指令的情况下，发展出了两种截然不同的协同策略。
这两种策略的出现，取决于当时市场的具体状况。但无论采用哪种策略，最终都导向了一个共同的结果：为人工智能算法自身带来超额利润。
这种利润的获得，是以牺牲其他市场参与者的利益为代价的。整个市场的公平性因此受到了损害。
研究人员发现，人工智能的这种行为模式，颠覆了我们对市场竞争的传统认知。过去我们认为，只有通过明确的协议和沟通，市场参与者才可能形成垄断或价格同盟。
现在，人工智能展示了一种全新的可能性，一种沉默的、通过算法演化而来的共谋。
02 合谋的双重面孔
图注： 市场均衡的存在取决于噪声交易风险和信息不敏感投资者比例，理论模型更稳定，而AI在高噪声条件下易受学习偏差影响，可能导致均衡失败或“人工愚蠢”。
研究结果显示，人工智能的合谋行为呈现出两种截然不同的面貌。
第一种策略出现在价格波动较小、市场较为平静，且存在大量被动投资者的环境中。在这种环境下，人工智能算法学会了通过价格行为来相互发出“警告”信号。
如果其中一个人工智能程序突然采取了更为激进的交易行为，试图获得短期优势。其他的人工智能程序会立刻通过价格的异常变动观察到这一行为。作为回应，这些程序会在下一轮交易中集体采取激进的交易策略。
这种集体行动实际上构成了一种惩罚机制，有效惩罚了那个试图打破默契的“离群者”。
这种策略的本质是通过威慑来维持一种心照不宣的默契，从而避免恶性竞争。
它非常类似于人类世界中的卡特尔组织，在没有明确协议的情况下，通过市场行为来维持共同的定价策略。
图注：AI在低噪声时通过价格触发策略合谋（人工智能），高噪声时因学习偏差导致非理性合谋（人工愚蠢），合谋机制随噪声水平变化。
第二种策略则出现在价格波动剧烈、市场极为动荡的环境中。在这样的市场里，价格信号本身充满了大量的“噪音”，使得通过价格进行精确协调变得非常困难。
于是，一种完全不同的模式浮现了出来。
人工智能程序在这里学会了另一种生存之道：避免在经历负面体验后采取激进交易。
当一个程序因为激进交易而蒙受损失后，它会调整自身策略，在未来变得更加谨慎。
随着时间的推移，所有的人工智能程序都因为各自的负面学习经验，而逐渐趋同于一种普遍谨慎的交易策略。研究人员将这种现象称为“人工智能的愚蠢”（artificial stupidity）。
这是一种系统性的学习偏差，它导致每个个体都做出了次优选择，但最终却让整个群体获得了更高的利润。
这种“愚蠢”并非真正的智力缺陷，而是一种为了集体利益而形成的、习得性的保守行为。
这两种机制，无论是“卡特尔策略”还是“人工智能的愚蠢”，都使得人工智能交易员能够获得在完全竞争市场中不可能实现的超额收益。
03 监管的困境
人工智能发展出的这两种协同能力，直接导致了市场效率的下降。市场价格开始无法准确反映资产的真实价值。整体的交易量出现了显著的下降。
市场中的定价错误也随之增加。
这对于监管机构而言，构成了一个极其棘手的新问题。
因为现行的反垄断法律，例如美国的法律体系，其核心是禁止公司之间达成明确的共谋协议。
法律制裁的对象是明确的、有证据的沟通与协议行为。
然而，当人工智能系统通过学习进行协调，而无需任何沟通或明确的共谋时，现有的法律框架便显得无能为力。
这种通过算法自主演化出的协同行为，完美地规避了当前反垄断法的管辖范围。你无法指控一段代码与另一段代码“秘密会面”并达成了“君子协定”。
它们的协同，完全是数学和学习过程的自然结果。
这使得识别、证明和惩罚这种新型的市场操纵行为变得异常困难。
研究人员对此发出了严正警告。随着人工智能驱动的程序在金融市场中扮演越来越重要的角色，这种“无声的合谋”可能会变得更加普遍。
如果不为此建立新的监管规则和工具，市场可能会朝着一个只对少数技术拥有者有利、却损害多数人利益的方向演化。
未来的监管者需要开发出全新的方法，来监测和理解算法行为。
本文来自微信公众号“大数据文摘”，36氪经授权发布。
