XiaoMi-AI文件搜索系统
World File Search SystemCalvano
人工智能、算法定价和合谋* - IRIS
1 Calvano：博洛尼亚大学、图卢兹经济学院和 CEPR（emilio.calvano@unibo.it）。Calzolari（通讯作者）：欧洲大学学院、博洛尼亚大学、图卢兹经济学院和 CEPR（giacomo.calzolari@eui.ei）。Denicol：博洛尼亚大学和 CEPR（vincenzo.denciolo@unibo.it）。Pastorello：博洛尼亚大学（sergio.pastorello@unibo.it）。我们感谢编辑 Jeffrey Ely 和三位匿名审稿人提供的大量详细且有益的评论。我们还要感谢 Susan Athey、Ariel Ezrachi、Joshua Gans、Joe Harrington、Bruno Jullien、Timo Klein、Kai-Uwe Ku¨hn、Patrick Legros、David Levine、Wally Mullin、Yossi Spiegel、Steve Tadelis、Emanuele Tarantino 以及众多会议和研讨会的参与者（不具名）。非常感谢图卢兹经济学院数字主席计划提供的资金支持。
人工智能（AI）与竞争法
c. 另一方面，欧盟/英国反垄断规则对自学习定价算法的应用更加复杂。2021 年，CMA 发表了一篇题为“算法：它们如何减少竞争并损害消费者”的论文，其中概述了假设的损害理论，包括“自主默契勾结”。CMA 指出，“模拟研究表明，存在明显的理论担忧，即算法可以在没有任何明确沟通的情况下自主勾结。例如，Calvano 等人（2019 年）表明，在模拟中竞争的 Q 学习（一种相对简单的强化学习形式）定价算法可以学习对偏差进行惩罚的勾结策略，尽管是在稳定市场中经过多次实验之后”。然而，迄今为止，几乎没有直接适用的先例。
潜在内生性的基于IV的增强学习的渐近理论 *
1这是一部庞大的文献，我们指的是Hausman（1983），Imbens和Angrist（1994）和Chen等。（2005）用于线性模型中IV的理论分析，并参考Hansen（1982），AI和Chen（2003），Newey和Powell（2003）以及Chernozhukov等。（2007）用于在非线性模型中使用IV。有关识别问题和一般使用IV的审查，请参见Imbens（2014）。2个经济学家最近对在业务决策过程中使用RL感兴趣；参见，例如，Blake等。（2015），Calvano等。（2020），Cowgill和Tucker（2020），Li等。（2020）和Johnson等。 （2023）。 3因果RL的另一种方法是基于“定向无环图”（DAG）模型的。 但是，DAG方法需要详细的领域了解国家与行动之间因果关系的知识，从而使其不适用于复杂因果渠道的经济问题（Imbens 2020）。（2020）和Johnson等。（2023）。3因果RL的另一种方法是基于“定向无环图”（DAG）模型的。但是，DAG方法需要详细的领域了解国家与行动之间因果关系的知识，从而使其不适用于复杂因果渠道的经济问题（Imbens 2020）。
对算法建议的战略回应
∗我们感谢三名匿名裁判，部门编辑和副编辑的出色评论。We also thank Emilio Calvano, Axel Ockenfels as well as participants at the 2021 CESifo Economics of Digitization Workshop, the EEA-ESEM 2022, the ENSAI 2022 Economics Day Workshop as well as seminar participants at the TSE, CEU, UNLP, UPF, University of Zurich, University of Southampton, and University of Vienna for helpful comments and suggestions.作者感谢匿名公司赞助商访问本研究中使用的数据。使用维也纳科学群集（VSC）部分获得了所提供的计算结果。Garcia非常感谢这项研究是由奥地利科学基金（FWF）FWF-FG6部分资助的。瓦格纳（Wagner）感谢Oesterreichische Nationalbank周年纪念基金（项目18878年）的财政支持。出于开放访问目的，作者已通过公共版权许可将CC应用于此研究引起的任何作者接受的手稿版本。⊕奥斯卡尔大学维也纳维也纳大学经济学系1，奥地利A-1090维也纳A-1090。电子邮件：daniel.garcia@univie.ac.at
人工智能的规模和市场结构
1 弗吉尼亚大学和人工智能治理中心。这是 2024 年 4 月 4/5 日在布鲁塞尔举行的第 79 届经济政策小组会议上发表的论文的修订版。我们感谢 Susan Athey、Emma Bluemke、Emilio Calvano、Giacomo Calzolari、Claire Dennis、Avi Goldfarb、Doh-Shin Jeon、Aidan Kane、Pia Malaney、Sarah Myers West、Sanjay Patnaik、Nicholas Ritter、Max Schnidman、Eli Schrag、Rob Seamans 和 Joseph Stiglitz 以及两位匿名评论员的深思熟虑的评论和对话。任何剩余的错误都是我们自己的。Korinek 非常感谢新经济思维研究所创新、增长和社会中心 (INET-CIGS，拨款编号 INO21-00004) 的资金支持。Vipra 作为冬季研究员从人工智能治理中心获得了资金支持。该论文的早期版本以“基础模型的市场集中度影响：ChatGPT 的看不见的手”为标题发布。
人工智能对智能手机照片和卫星图像临时序列的影响：uma ab
原始接收： 23/11/2023 公共授权： 26/12/2023 Margareth Simões Doutora em Geografia Instituição： EMBRAPA Solos e Universidade do Rio de Janeiro (UERJ) Endereço： R. Jardim Botânico, 1024, Jardim Botânico，里约热内卢 – RJ，CEP：22460-000 电子邮件：margareth.simoes@embrapa.br Rodrigo Peçanha Demonte Ferraz Doutor em Ciências Ambientais Instituição：EMBRAPA Solos Endereço：R. Jardim Botânico，1024，Jardim Botânico，里约热内卢 – RJ, CEP: 22460-000 电子邮件: rodrigo.demonte@embrapa.br Patrick Calvano Kuchler Doutor em Ciências Ambientais Instituição: Universidade do Estado do Rio de Janeiro (UERJ) Endereço: R. São Francisco Xavier, 524, Maracanã, Rio de Janeiro – RJ, CEP: 20550-900 电子邮件：geocalvano@gmail.com Matheus Benchimol Ferreira de Almeida Doutor em Ciências do Meio Ambiente Instituição：EMBRAPA Solos Endereço：R. Jardim Botânico，1024，Jardim Botânico，里约热内卢 – RJ，CEP： 22460-000 电子邮件： mateusbenchimol@hotmail.com
数据经济中的数据联盟和监管 Lin William ...
本文之前以“数字平台和大数据时代的反垄断、监管和用户联盟”为名发表。我们感谢 Matthieu Bouvard（讨论者）、Sebastian Gryglewicz、Shota Ichishashi、Anthony Lee Zhang（讨论者）、Evgeny Lyandres、Michael Sockin（讨论者）、Leonard Treuren 和 Laura Veldkamp 的详细评论。我们还要感谢 Greg Buchak、Jacelly Caspedes、Emilio Calvano、Christopher Clayton、Hans Degryse、Thierry Foucault、Denis Gromb、Andrei Hagiu、Zhigeng He、Jing Huang、Shiyang Huang、Laurence Lescourret、Dan Luo、Roxana Mihet、Aniko Oery Christine Parlour、James Poterba、Raghuram Rajan、Huan Tang、Glen Weyl、Liyan Yang，以及金融人工智能和大数据研究论坛网络研讨会、卡尔加里大学哈斯凯恩商学院、ESSEC 商学院、2022 年牛津人工智能与金融市场会议、香港中文大学深圳、第四届大中华区金融会议、香港科技大学广州、IGP 年会、2022 年金融科技与数字金融国际会议、鲁汶大学、北京大学国家发展学院数字金融研究所金融科技研讨会和 2022 年耶鲁大学初级金融会议的会议和研讨会参与者提出的建设性反馈。何志恒和阮启红提供了出色的研究协助。该项目没有特别资助。本文表达的观点为作者的观点，并不一定反映美国国家经济研究局的观点。
垄断市场中的人工智能采用 Joshua S. Gans...
虽然经济学中已经探讨了有关人工智能采用的某些主题，包括其在劳动力替代中的作用（Acemoglu & Restrepo (2018)）以及在潜在地促进勾结（Calvano 等人(2020)），但很少有人关注人工智能的最新发展将如何影响企业的“核心”业务。也就是说，人工智能的采用将如何改变企业的价格和数量决策？通常，技术变化通过流程创新（降低生产的边际成本，从而降低价格和扩大数量）或产品创新（改善需求，从而导致价格上涨，数量含义不明确）来影响这些决策。绝大多数情况下，采用此类创新被认为对企业和消费者都有利，尽管也有例外（Bryan & Williams (2021)）。AI 采用的某些方面确实会对企业产生影响，例如标准创新。但从本质上讲，最近的 AI 发展是预测统计的进步——允许企业生成和使用以前无法获得的信息（参见 Agrawal 等人(2019)）。对于此类创新，采用的回报和对消费者福利的影响并不一定是简单的。在这里，我们探讨了一类典型的预测，这些预测 (a) 对大多数公司都有价值，并且 (b) 对这些公司做出的价格和数量决策有明确的影响。我们研究公司需求的预测。通过使用机器学习等 AI 方法收集更大的消费者数据集和更复杂的多特征需求预测模型，未来，公司可能能够在做出关键价格和数量决策之前准确、更提前地预测需求。这促使我们研究信息的改善将如何影响企业行为的理论。本文探讨了从不确定需求转向确定需求对单一垄断企业的影响。1 探索这一问题的技术挑战不是在采用人工智能后对价格和数量结果进行建模——这些结果沿着通常的教科书思路进行——而是在采用人工智能之前对这些选择进行建模。具体而言，正如几十年前所指出的那样（Mills (1959)），当面临需求不确定性时，企业的价格和数量选择变得具有挑战性，并且不会像教科书那样陷入单一维度。此外，不同的公司面临的信息环境也不同，这取决于相对于需求揭示的决策时机以及需求预测的时间范围。这引发了许多案例和场景，必须对其进行分析，才能全面了解人工智能的采用对公司选择的影响。