应对不公平动态定价的公平激励
机器学习
2024-04-24 v1 计算机与社会
摘要
利润最大化企业实施动态定价会引发需求公平性 concerns，即消费者群体对给定定价策略的需求反应存在差异。值得注意的是，动态定价可能导致买家分布不再反映底层人群的分布，这在社会上希望实现公平代表性的市场中可能具有问题。为解决这一问题，政策制定者可能利用税收和补贴等工具来调整基于其社会目标的政策机制。在本文中，我们探讨了利用 AI 方法来辅助此类干预策略的潜力。为此，我们设计了一个基本的模拟经济，在其中引入动态社会计划（SP）以生成旨在激励企业采用公平定价行为的企业税收日程，并利用所收集的税收预算来补贴处于欠representative 群体的消费。为涵盖各种可能的政策情景，我们将社会计划的学习问题形式化为多臂老虎机、情境老虎机，最终形式化为完整的强化学习（RL）问题，评估每种情况下的福利结果。为缓解在税率适用于较少发生的区间时保持有意义税率的难度，我们引入 FairReplayBuffer，确保 RL 代理在离散化的公平性空间中均匀采样经验。我们发现， upon 将所学习的税收和再分配政策部署后，社会福利优于公平性不可知的基准，接近于公平性感知基准的分析最优解（在多臂和情境老虎机设置下），在完整 RL 设置下则超过该基准 13.19%。
引用
@article{arxiv.2404.14620,
title = {Fairness Incentives in Response to Unfair Dynamic Pricing},
author = {Jesse Thibodeau and Hadi Nekoei and Afaf Taïk and Janarthanan Rajendran and Golnoosh Farnadi},
journal= {arXiv preprint arXiv:2404.14620},
year = {2024}
}