亚马逊研究人员提出了新的AI技术来计算通货膨胀并改善随机试验

 
亚马逊表示正在应用人工智能和机器学习来计算通货膨胀率，并研究随机试验和实验的设计。在圣地亚哥举行的美国经济协会2020年会议上发表的两篇学术论文中，该公司的科学家详细介绍了他们的模型，这些模型可以学习产品特征和价格之间的相关性，还可以提供需要同时测量平均效果的实验蓝图和溢出。
第一篇论文“新商品，生产率和通货膨胀的衡量：使用机器学习来改善质量调整”将人工智能应用于上述通货膨胀率问题。正如亚马逊核心AI部门的副总裁兼首席经济学家帕特·巴哈里(Pat Bajari)以及这两篇论文的合著者所解释的那样，传统的计算通货膨胀率的方法有问题，表明商品价格几乎没有变化。一种解决方案是享乐定价，其中产品的价格被分解为可以独立比较的几个组成部分。
研究人员的算法通过确定产品功能和价格之间的关系，将产品价格因素化。例如，如果要对模型进行一年的数据训练，但要在一年后提供产品描述，则模型将根据较早的估值输出产品的价格。
Bajari说，亚马逊可以在内部使用它来分析业务趋势，第三方(如银行)可以将类似的模型应用于代表经济的产品，以观察实时波动。他补充说：“如果您查看一条产品线，那么在一年的时间里，80%的产品可能会消失。” “计算通货膨胀率时，通常是按年度衡量价格变化。但是，如果80%的产品不存在，则该测量可能是不准确的。”
另一篇论文涉及实验设计。类似于由制药公司进行的随机试验，其中一些受试者接受药物治疗而其他受试者则接受安慰剂(对照)，比较各种作用的结果。不幸的是，它们易于产生溢出效应，最终导致测试(例如药物)对控件(安慰剂)产生影响。
为了寻求补救措施，Bajari及其同事设计了一个框架，通过确保每个测试都有相关的控制措施来识别溢出效应。它描述了如何在单个实验中同时测量平均效果和识别溢出效应，并从双重随机化中进行了概括，同时提出了用于分析此类实验结果的统计技术。
Bajari表示，该方法可以部署在各种不同的环境中，包括电影推荐，乘车共享服务，短期财产租赁站点，购房站点，零售站点和求职站点。在亚马逊，它可能被用来确定需求高峰是否会影响整个产品类别或仅限于某些产品，可能会测试算法以根据最近的销售率计算在配送中心补货的产品数量和现货供应。
“这种溢出效应在标准医学药物试验中不会发生，因为一个服用新药的人不会影响另一个服用安慰剂的人的结果。但这是亚马逊和类似公司进行的许多实验的特征，在这些实验中，我们拥有复杂的反馈回路。” Bajari解释说。人们进行这类实验时，通常一次只能随机选择一个变量。我们希望进一步实现这一想法，我们使用多个随机化方法来学习供应响应，需求响应和平衡-所有这些目标都是为了不断改善客户体验。”