決策智能技術浪潮襲來，數智商業領域如何變革？來聽聽三位專家怎么說（1）

近年來，伴隨著廣告主的需求變化和相關技術發展，計算經濟學理論、博弈論和人工智能技術被越來越多地應用到廣告拍賣機制、投放策略中。

決策智能在商業場景中的意義逐漸凸顯。用戶看到的每一次商品展現、商家的每一次廣告出價、平臺的每一次流量分配，背后都有龐大且復雜的決策智能做支撐。

這些動作的目標在于優化用戶購物體驗，讓廣告投放的決策過程更加智能，同時讓廣告主、媒體在平臺實現長期繁榮。廣告主希望在有限的資源投入下最大化營銷效果，平臺希望能夠建立更好的生態。然而流量環境、其他參競廣告形成的競爭環境的復雜性、以及廣告投放策略中出價、目標人群、資源位、投放時間等變量的巨大組合復雜度，使得最優廣告投放策略的計算與執行充滿了挑戰。

這些問題如何解決？效益最大化的目標具體如何分解？這些有關于決策智能的重要議題，也是領域內的研究者和從業者最關心的。

為了深入探討「數智商業場景中的決策智能」這一主題，近日，阿里媽媽博見社聯合機器之心，邀請到了北京大學鄧小鐵教授、中科院蔡少偉研究員和阿里媽媽 CTO 鄭波老師三位領域內的資深學者和專家，展開了一系列主題分享。

以下為鄧小鐵教授、蔡少偉研究員、鄭波老師的主題分享內容，機器之心在不改變原意的前提下進行了整理。

鄧小鐵教授：計算經濟學的幾個最新研究進展

我今天粗糙地介紹一下計算經濟學，這是一個很有歷史的研究領域，最早可以追溯到 1930 年。后來的計算經濟學從另外一個角度出發，將經濟學變成計算，之前的計算經濟學就是通過計算做經濟學研究，這次講一講其中的思路。

我們從計算的角度來考慮經濟學，有幾個主要關鍵問題：首先是優化，機器學習都是優化，從中可以看到很多優化體系。優化之后，還有一個問題叫做均衡，以前我們做計算經濟學是從計劃經濟的思路去做的，但當時也有一派是從世界****做發展中國家的發展，他們給發展中國家定計劃，從優化投入產出的思路展開。從計算角度算均衡會是很困難的問題，所以出現了一個概念，叫做可計算的一般均衡（Computable general equilibrium）。

最近，我們也越來越多可以看到動力學系統，因為這個世界很多東西并不是均衡的狀態，特別突出看到均衡的場景是在數字經濟活動中，其中包括經濟學層面的東西，比如定價。在數字經濟中，每時每秒都可以看到交易數據和價格波動。我們可以清清楚楚看得數據的變化，而不是一年過去之后再把經濟數據統計出來。

計算經濟學的整個框架下還有很多東西。每一個經濟主體都要優化，它們共同博弈的不動點即是均衡。平臺也會博弈均衡這件事情，特別是互聯網廣告平臺，做廣告的人到平臺上來，將廣告要通過平臺、媒體發放出去。對于媒體，要把廣告位置提供出來，利用自身對某一類人群的吸引力。對于平臺，要想的是如何將大家的興趣更好地匹配。阿里媽媽作為國內最大的廣告平臺，同樣面臨著博弈均衡的問題，需要安排好各方面利益，以實現社會效益最大化，同時也實現機制設計最大收益。

我們可以從三個角度來談優化。

首先是經濟智能體刻畫的問題。很多機器學習的東西都寫成優化的問題，比如怎樣用機器學習的方法算出來制約的約束條件，包括有些環境中的約束條件。

在非完全信息下，有很多條件是未知的，原來的經濟學考慮不了如此復雜的東西，比如博弈對手的效益函數是什么、博弈對手的策略空間是什么、博弈對手都有哪些，非完全信息也是非常重要的對經濟活動的刻畫。

很多假設可以刻畫非完全信息，比如經濟人知道對手的效益函數、約束以及其他各種信息。關于彼此的效益函數有一個 common knowledge：我們知道 distribution。但這個 distribution 怎么來的呢？這就走進入機器學習范疇：為什么 player 要告訴彼此、告訴我們它知道什么？針對這些，在計算角度上就有一些很合理的問題。

博弈動力學，這是計算經濟學的第三步。從實體經濟的經濟學來講，很多活動是經過了 6000 年演化發展過來的，是大家慢慢地博弈，直到均衡。在數字經濟中，想一下子到達均衡會是很大的挑戰。

廣告平臺優化是阿里媽媽在做的事情。我們講了這么多難的計算任務，什么時候能夠做好呢？在單參數的情況下，已有的理論能夠支撐，但是多參數怎么做到，理論上還沒有現成的定義。

很重要的一點是，整個經濟學體系已經建好了，但經濟學用到互聯網中會產生一個很大的缺陷 —— 它是靜態的。大家肯定知道，業界的事情不是靜態的，比如說「雙十一」大促會產生很多挑戰，如何設計紅包的價格，根據市場已知模型如何建立這些東西，這些成為了今天計算經濟學重要的挑戰：一是近似求解優化，一是均衡計劃，一是平臺競爭動力學。

近似計算的難度很大，我們最多知道的均衡的解可以算到三分之一，最多是 33% 的錯誤率，跟最優相差 33%，所以均衡計算確實挺難的。自動設計方法論、隱藏對手模型學習，是這方面的框架，這里都是跟信息容量相關的東西。

另外就是與市場上的未知對手博弈。我們要考慮至少兩個 company，建立一個模型來設計它們之間的博弈，這里都是單調的，并不知道所有的信息。根據已知的信息看市場的波動、價格設計變化，我們基于此設計一個隱函數的優化模型，用機器學習方法做分析。

多方認知次序的先后給我們帶來博弈的認知層次。近年來，一些研究討論了很多一價拍賣為什么比二價拍賣好。Myerson 假設所有人知道所有人的價值分布，發展了一套最優拍賣理論，但我們實際上不知道公共知識。我們自己的研究是從另外一個角度來考慮的，出發點是沒有先驗的共同知識，把原來用的概率方法建立 Myerson 最優拍賣理論的假設放棄掉。

在沒有這套拍賣均衡的基礎假設的環境下，最優解可以如何實現均衡？可以發現，泛化一價拍賣收益是跟 Myerson 相等的。這里應對買家以最優效益為目標公布的價值分布，賣家設計的 Myerson 最優收益，等價于它已泛化一價拍賣的期望拍賣收益。

最終的結論是，Myerson 和 GFP 是等價的，它們要比 VCG 要好，但是在 IID 情況下是相等的，Symmetric BNE 和 GSP 也是等價的。

計算經濟學用到的另外一個概念是馬爾可夫博弈，一種在動態環境下的博弈，特別是無窮輪博弈求解的問題。我們對問題從三個方向進行了處理：一是為計算做了有理化的簡化，把目標限制在近似解；二是用時間折現率保證無窮輪收益的收斂性；三是數學上的分階段求以及將策略不同輪的變化局限在一輪的變化。如此，無窮求和的難點得以克服。

我們進一步在馬爾可夫博弈的應用方面簡化了計算的難度。對于比特幣的共識機制的設計，有清晰的馬爾可夫獎勵分析，而且講了一個很好的故事。按照機制設計規定，大多數人支持它就是對。但后面發現，大多數支持并不保證經濟學上的安全，有四分之一的人通過自私挖礦攻擊就可以推翻多數原則。

遠見挖礦策略：「螳螂捕蟬，黃雀在后」

對于數字經濟設計環節的問題，我們最新的工作是可以用 Insightful mining Equilibrium 克服，用遠見挖礦的策略實現最優，最后是馬爾科夫博弈的構架，形成了馬爾科夫獎勵過程，增加一個認知層級，從誠實礦池、自私礦池，再越過一個層級，達到遠見礦池的結果。

同樣地，許多互聯網公司要處理動態的東西而非靜態的東西，如今世界經濟學不再是以前的經濟學，此外還通過數學使得機器學習方法論和博弈論緊密結合在了一起。我們因此克服了只能處理靜態經濟學的情形，演進到了能夠處理動態的情形。