Какво се случва, когато компаниите в дигиталните платформи за труд престанат сами да определят колко да плащат на работниците си и оставят това решение на самообучаващи се алгоритми? Изследователи от Техническия университет в Дармщат, Университета в Билефелд и Университета на Лазурния бряг са установили чрез компютърни симулации, че когато на пазара се конкурират само няколко компании, системите с изкуствен интелект могат да се „научат“ да определят много ниски възнаграждения, без да комуникират помежду си и без да са програмирани да се договарят.
Екип, ръководен от Майкъл Нойгарт, професор в групата по публични финанси и икономическа политика към Департамента по право и икономика на ТУ Дармщат, е изследвал дигитални платформи за труд като Amazon Mechanical Turk. Тези платформи играят ролята на посредник между компаниите и работниците, като предлагат възможност за възлагане на различни задачи и услуги – от разработка на софтуер и мултимедийно съдържание до преводи, въвеждане на данни и маркетинг.
В Германия т.нар. краудуъркинг, при който компаниите възлагат задачи на външни изпълнители чрез дигитални платформи, набира скорост. За много хора той представлява преди всичко допълнителен източник на доходи. Според проучване на Центъра за европейски икономически изследвания (ZEW), около 8,2% от компаниите в германската информационна индустрия са използвали краудуъркинг през 2020 г.
Когато AI определя възнаграждението
В разработения от изследователите модел компаниите оставят решенията за размера на предлаганите възнаграждения на т.нар. deep Q-networks (DQN). Това са самообучаващи се алгоритми, които използват подсилващо обучение.
DQN разчитат на невронни мрежи, способни да разпознават сложни зависимости въз основа на наличните данни и да извеждат решения от тях. Изследователите са комбинирали икономическо моделиране с методи от машинното обучение и са провели мащабни компютърни симулации.
Основният въпрос е бил дали алгоритмите могат самостоятелно да се научат да определят възнаграждения, които са по-ниски от нивото, до което би довела нормалната конкуренция между компаниите.
Ниски заплати без изрично споразумение
Симулациите показват, че при определени условия самообучаващите се алгоритми действително могат да доведат до възнаграждения, които са значително под конкурентното ниво. Когато на пазара се конкурират само няколко компании, заплатите могат да се доближат до равнище, характерно за ситуация, при която компаниите са се договорили помежду си да ограничат конкуренцията.
Това е пример за т.нар. алгоритмично координиране или „algorithmic collusion“. Предишни проучвания по темата са се концентрирали основно върху продуктовите пазари и върху възможността алгоритмите да се научат да поддържат изкуствено високи цени, подобно на компаниите при картелно споразумение.
Новото изследване пренася този проблем на пазара на труда и по-специално върху дигиталните платформи за работа. То се отличава и с използваната методология, тъй като вместо по-опростени форми на обучение с подсилване изследователите използват по-мощния подход deep Q-networks.
Ново предизвикателство пред регулацията на AI
Резултатите имат значение за политиките на пазара на труда и за защита на конкуренцията, както и за регулирането на дигиталните платформи и системите с изкуствен интелект. С нарастващата автоматизация на икономическите решения възниква все по-важният въпрос как функционират пазарите, когато алгоритмите самостоятелно определят заплати, цени или други условия по договорите.
„Изследването показва проблем, който може да придобива все по-голямо значение с автоматизирането на икономическите решения: компаниите може дори да не е необходимо изрично да се договарят за заплатите или цените“, коментира авторът на изследването Майкъл Нойгарт.
По неговите думи, при определени условия алгоритмите за машинно обучение могат самостоятелно да развият поведение, чиито пазарни резултати наподобяват резултатите от картелно споразумение.
Затова органите за защита на конкуренцията вероятно ще трябва да разбират по-добре кои характеристики на съвременните алгоритми за машинно обучение могат да благоприятстват появата на неконкурентни пазарни резултати. Проблемът обаче не се ограничава до дигиталните платформи за труд.
По същество същият въпрос възниква навсякъде, където алгоритми получават автономността да вземат икономически решения за цени, заплати или договорни условия.
