ALGORITI ZA KUPANGA BEI HULA NJAMA — BILA KUTISHANA

Upangaji wa bei unazidi kukabidhiwa mifumo inayojifunza. Ugunduzi mmoja maarufu unatia wasiwasi mamlaka za ushindani: programu rahisi za ujifunzaji kwa kuimarishwa (reinforcement learning), kila moja ikifunzwa tu kuongeza faida yake yenyewe katika soko la kuigwa la kampuni mbili, huishia kutoza bei za juu sana ya kiwango cha ushindani. Utafiti muhimu wa 2020 wa Emilio Calvano na wenzake katika American Economic Review ulienda mbali zaidi. Baada ya kulazimisha programu moja kushusha bei kwa kipindi kimoja, waliona mshindani naye akishusha, kisha zote mbili zikirudi kwenye bei zao za zamani. Walitafsiri hili kama “mfumo wa zawadi na adhabu”: ukinishushia bei nalipiza kisasi, kwa hiyo udanganyifu haulipi kamwe.

Tafsiri hiyo, wanaandika Kauê Lopes de Moraes na Rodrigo De Losso wa Chuo Kikuu cha São Paulo, ndiyo iliyoyapa matokeo uzito wa kisera. “Bei ambazo ni za juu tu ni zao bandia; bei zinazolindwa kwa kulipiza kisasi ni kartel.” Swali lao ni finyu: je, kweli kuna utaratibu wa adhabu?

Kwanza rudia, kisha gandisha

Waandishi walijenga upya soko la Calvano: kampuni mbili, bei 15 zinazowezekana, kila programu ikiwa jedwali la thamani (Q-learning ya kijedwali) linalokumbuka bei mbili zilizotangulia — hali 225 zinazowezekana. Walifunza jozi 1,024, kila moja hatua milioni 2. Matokeo yanajirudia: bei zinatulia kwenye fahirisi ya njama ya 0.668, ambapo 0 ni bei ya ushindani (Nash) na 1 ni bei ya ukiritimba.

Ndivyo ilivyo kwa mtindo ule maarufu. Lazimisha wakala mmoja kushusha bei, na katika jozi 1,013 kati ya 1,024 bei ya mshindani inashuka; katika 98.2% ya jozi zote mbili zinarudi kwenye bei zao za awali, kwa kawaida ndani ya vipindi vitano.

Kisha hatua muhimu: kugandisha programu zilizofunzwa, kuzima ujifunzaji, na kupima zinabeba nini hasa.

Bei baada ya kushushwa kwa lazima (juu) au kupandishwa kwa lazima hadi bei ya ukiritimba (chini), kwa jozi zilizofunzwa (kushoto) na kwa mawakala walioolanishwa na wageni (kulia). — Figure 3, Lopes de Moraes and De Losso (2026), arXiv:2610.21867.

Ukaguzi tano, hakuna mwadhibu

Mwelekeo hauna maana. Lazimisha wakala kupandisha bei yake hadi kiwango cha ukiritimba — hatua kuelekea kartel — na mshindani bado anashusha bei yake kisha anarejea, katika jozi 960 kati ya 1,024. Jibu linaloshughulikia ushirikiano sawasawa kabisa na usaliti si kanuni iliyobuniwa kuzuia usaliti.

Hakuna modeli ya mpinzani. Wakabili mawakala waliofunzwa na mshindani aliyepangwa ambaye kweli anaadhibu — anashirikiana hadi asalitiwe, kisha anacheza bei ya ushindani milele. Wakianzia katika ushirikiano, 77% ya mawakala wanamshushia bei ndani ya vipindi vinne na hawarejei kamwe.

Hakuna mantiki nje ya njia ya kawaida. Yakisomwa kama kazi za mwitikio, majedwali yaliyojifunzwa hayafuati sana majibu bora yenye mantiki (uwiano wa wastani wa daraja 0.18, kuanzia −0.70 hadi 0.84).

Kurejea ni kwa lazima. Katika jozi 914 kati ya 1,024, programu mbili zilizogandishwa zina kivutio kimoja kinachovuta hali zote 225 zinazowezekana. Zinarudi kwenye bei zao za kawaida kutoka popote, baada ya usumbufu wowote, kwa sababu yoyote — kama mpira unavyoviringika kurudi chini ya bakuli. Majedwali ya nasibu hufanya hili vibaya zaidi sana, kwa hiyo mafunzo kweli yanaongeza kasi na mahali; ila si uteuzi.

Si kikomo cha muundo. Waandishi walijenga kwa mkono kanuni halisi za adhabu — moja inayosamehe, moja isiyosahau kamwe — ndani ya jedwali lilelile la 225 × 15. Zote mbili zinafanya kazi. Uwezo upo; ujifunzaji haukuutumia.

Mazoea ya jozi

Kisha, jaribio la “mgeni”. Mweke wakala pamoja na mwingine kutoka mzunguko tofauti wa mafunzo, utaratibu uleule, ambao hawajawahi kukutana: fahirisi ya njama inashuka kutoka 0.669 hadi 0.134 — kuporomoka kwa 80%, huku 7.4% ya mioanisho ikipanga bei chini ya kiwango cha ushindani. Hata jozi zilizokuwa zimetulia kwenye bei ileile zinasambaratika. “Njama katika mazingira haya si mkakati alionao wakala; ni mazoea ambayo jozi inayadumisha.”

Fahirisi ya njama na mshirika wa mafunzo (buluu) na na mshirika asiyeonekana kabla (machungwa): 0.669 dhidi ya 0.134. — Figure 7, Lopes de Moraes and De Losso (2026), arXiv:2610.21867.

Mkengeuko ambao hakuna anayeujaribu

Waandishi wanathibitisha ukaguzi wa Calvano mwenyewe: kushusha bei kwa kipindi kimoja hakulipi katika 92% ya jozi. Lakini huo ni mkengeuko wa kijinga. Kukokotoa mkakati bora kabisa unaowezekana dhidi ya kila mshirika aliyegandishwa, kwa programu-tendaji ya kubadilika iliyo kamili, kunatoa faida zaidi ya 17.5% kwa wastani (hadi 93.7%). Mawakala 124 tu kati ya 2,048 tayari wanacheza jibu lao bora. “Mfumo huu unazuia tu mkengeuko ambao hakuna mboreshaji angeuchagua.”

Kwa nini? Kadiri utafutaji unavyofifia wakati wa mafunzo, kila jozi inatembelea korido finyu tu ya hali. Kila kitu kingine katika majedwali kinabaki karibu bila kufunzwa. Waandishi wanaita matokeo haya msawazo unaojithibitisha (self-confirming equilibrium) — imani zilizo sahihi kwenye njia iliyopitwa na zisizowahi kujaribiwa nje yake. Kuboresha gridi ya bei kutoka viwango 15 hadi 200, jambo linalotawanya mafunzo yaleyale kwenye hali nyingi zaidi, kunashusha fahirisi ya njama kutoka 0.64 hadi 0.23, kama picha hii inavyotabiri. Kwa jozi 5 zilizofunzwa sawasawa kwa kanuni ya kusimama ya Calvano, kila tokeo linashikilia, mkengeuko wenye faida ukipungua hadi 10.4%.

Bei bado ziko juu, dawa tofauti

Tatizo la mlaji haliondoki: bei zinabaki juu sana ya ushindani. Kinachobadilika ni utambuzi. Waandishi wanadai kwamba, bila tishio lenye masharti, jozi hizi haziendani vizuri na makundi ya kisheria yanayofanana na makubaliano — na kwamba kuvuruga mioanisho (mshiriki mpya, mzunguko, kufunza upya) kunaharibu ushirikiano wa programu zilizogandishwa. Pia wanatoa majaribio yao kama kiwango cha kabla ya kutumia mfumo wowote wa kupanga bei. Madai yao yanahusu Q-learning ya kijedwali katika soko hili moja; kama mawakala wa ujifunzaji wa kina wanajifunza vitisho halisi ni swali ambalo utaratibu wao umejengwa kulijibu, si kulidhania.