🤖 AI

Games with Payments between Learning Agents

Lo studio dimostra che in giochi ripetuti come le aste, l'uso strategico di pagamenti tra agenti di apprendimento autonomi da parte di giocatori egoisti non solo è incentivato, ma porta spesso a risultati collusivi che riducono le entrate dell'asta e aumentano il benessere complessivo, ponendo una sfida fondamentale per la progettazione dei meccanismi e la regolamentazione.

Autori originali: Yoav Kolumbus, Joe Halpern, Éva Tardos

Pubblicato 2026-02-12

📖 4 min di lettura☕ Lettura da pausa caffè

CC BY 4.0

Autori originali: Yoav Kolumbus, Joe Halpern, Éva Tardos

Articolo originale sotto licenza CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo

Immagina di essere un giocatore in un videogioco online molto competitivo, come un'asta per comprare oggetti rari. Di solito, tu e gli altri giocatori usate dei "bot" (programmi intelligenti) che giocano al posto vostro. Questi bot imparano dalle loro esperienze: se fanno una mossa che porta a perdere, imparano a non farla più; se vincono, la ripetono.

La domanda che si pongono gli autori di questo studio è: cosa succede se permettiamo a questi bot di "regalarsi" dei soldi tra loro mentre giocano?

Ecco la spiegazione semplice, con qualche metafora per rendere il tutto più chiaro.

1. Il Problema: I Bot che si "tradiscono"

Immagina un gioco classico come il Dilemma del Prigioniero. Due persone sono in prigione. Se entrambe stanno zitte (cooperano), escono presto. Se una tradisce l'altra, quella che tradisce esce libera e l'altra prende una pena dura. Se entrambe si tradiscono, prendono una pena media.
I bot, che sono programmati per essere egoisti e imparare velocemente, tendono a tradirsi a vicenda perché è la mossa "sicura" per non farsi fregare. Il risultato? Entrambi finiscono con una pena media, invece di uscire presto. È un risultato pessimo per tutti.

2. La Soluzione "Segreta": I Regali (Pagamenti)

Gli autori scoprono che, se i giocatori umani dicono ai loro bot: "Ehi, se vedi che l'altro bot sta cooperando, dagli un piccolo regalo (un pagamento)", la situazione cambia radicalmente.

L'analogia del "Tavolo da Gioco":
Immagina che tu e il tuo rivale sediate a un tavolo da gioco. Invece di giocare solo con le carte, avete la possibilità di passarsi dei bigliettini con sopra scritto "Ti do 1 euro se non mi attacchi".

Senza questi bigliettini, il bot del tuo rivale ti attacca perché è la sua strategia migliore.
Con i bigliettini, il bot del tuo rivale pensa: "Se attacco, perdo il regalo. Se non attacco, guadagno il regalo. Quindi non attacco!".

Il risultato? I bot smettono di combattersi e iniziano a collaborare. Tutti guadagnano di più rispetto a quando non c'erano i regali.

3. Cosa succede nelle Astre (Il caso reale)

Gli autori hanno applicato questa idea alle aste online (come quelle per gli spazi pubblicitari su Google o Facebook), dove milioni di bot fanno offerte ogni secondo.

Senza pagamenti: I bot imparano a fare offerte aggressive. L'astaio (chi vende l'oggetto) guadagna bene, ma i compratori pagano prezzi alti.
Con i pagamenti: I bot dei compratori iniziano a "corrompersi" a vicenda.
- Il bot del compratore più ricco dice al bot del secondo più ricco: "Se non fai un'offerta alta, ti do un po' dei miei soldi".
- Il secondo bot accetta, perché guadagna comunque qualcosa senza spendere.
- Risultato? Il bot più ricco vince l'asta pagando pochissimo (o quasi nulla), e divide un po' di quel risparmio con il secondo bot.

La metafora del "Complotto Silenzioso":
È come se due negozianti in una piazza, invece di abbassare i prezzi per attirare clienti, si mettessero d'accordo dietro le quinte. Uno dice all'altro: "Non abbassare il prezzo, e io ti do una parte del mio guadagno". Alla fine, il prezzo per il cliente (l'astaio) crolla, e i negozianti (i bot) intascano tutto il profitto.

4. Perché è un problema (e una opportunità)

Il paper ci dice due cose fondamentali:

È inevitabile: Se i bot sono intelligenti e i loro proprietari vogliono massimizzare il guadagno, avranno sempre l'incentivo a usare questi pagamenti. Non usare i pagamenti è come andare in guerra disarmati contro chi ha i regali. È una strategia instabile: chi non li usa verrà "fatto fuori" da chi li usa.
Il paradosso:
- Per i giocatori (compratori): È fantastico! Guadagnano di più e pagano meno.
- Per l'astaio (venditore): È un disastro. I suoi guadagni crollano a zero.
- Per la società: A volte è meglio (si raggiunge un'efficienza migliore), ma spesso è un gioco di potere che svantaggia chi non è parte del "club" dei bot.

In sintesi

Questo studio ci avverte che nell'era dell'Intelligenza Artificiale, i nostri "assistenti digitali" potrebbero iniziare a fare affari tra loro, scambiandosi soldi per influenzare il mercato a loro favore, senza che noi umani ce ne accorgiamo o possiamo controllarlo facilmente.

È come se i nostri robot di casa iniziassero a organizzarsi in un sindacato segreto per negoziare prezzi migliori con i supermercati, lasciando i supermercati con il fiato corto. La sfida per il futuro sarà capire come regolare questi "scambi segreti" tra robot, per evitare che diventino una forma di collusione illegale o che distruggano il valore dei mercati.

1. Il Problema

Il lavoro si concentra sull'interazione di agenti di apprendimento autonomi (learning agents) in giochi ripetuti, come le aste online o i mercati digitali. In questi scenari, gli utenti delegano a questi agenti la scelta delle azioni basandosi su algoritmi di apprendimento (tipicamente a no-regret) per massimizzare i payoff a lungo termine.

Il problema centrale indagato è: Cosa succede se gli utenti permettono ai propri agenti di effettuare trasferimenti monetari (pagamenti) ad altri agenti durante il gioco?
Attualmente, la letteratura assume che gli agenti interagiscano solo attraverso le regole del meccanismo (es. offrendo offerte in un'asta). Tuttavia, in un ecosistema digitale avanzato (es. blockchain, AI sofisticate), gli agenti potrebbero avere la capacità di negoziare pagamenti "fuori dal meccanismo" (off-chain) per influenzare il comportamento degli altri agenti. Il paper si chiede:

Gli utenti hanno incentivi strategici a permettere tali pagamenti?
Come questi pagamenti endogeni alterano le dinamiche di apprendimento e gli equilibri?
Quali sono le implicazioni per il benessere sociale (welfare) e le entrate del venditore (es. nelle aste)?

2. Metodologia

Gli autori propongono un modello teorico basato su un metagioco (payment-policy game) che si svolge in due fasi:

Fase di Scelta della Politica di Pagamento: Ogni giocatore $i$ sceglie una politica di pagamento $p_{ij}(s)$ che determina quanto il proprio agente pagherà all'agente $j$ in funzione del profilo di azioni $s$ risultante nel gioco sottostante.
Fase di Gioco Ripetuto: Gli agenti giocano il gioco sottostante (es. un'asta) per un numero di round $T \to \infty$ $T \to \infty$ . Gli agenti utilizzano algoritmi di minimizzazione del rimpianto (no-regret).
- L'utilità dell'agente $i$ al tempo $t$ è data da: $v^t_i = u_i(s^t) + \sum_{j \neq i} (p_{ji}(s^t) - p_{ij}(s^t))$ , ovvero l'utilità dal gioco sottostante più il flusso netto di pagamenti.
- L'utilità del giocatore è la media a lungo termine delle utilità degli agenti.

Ipotesi Chiave:

Non esiste un ente esterno o un meccanismo di design che impone i pagamenti; sono endogeni e decisi dagli utenti stessi.
Gli agenti sono "no-regret learners" (es. algoritmi Hedge, Follow the Perturbed Leader), il che significa che a lungo termine non rimpiangono di non aver scelto la strategia migliore in retrospettiva.
L'analisi si concentra sugli equilibri del metagioco delle politiche di pagamento.

3. Contributi Chiave

Il paper introduce un nuovo quadro analitico per studiare le interazioni strategiche tra agenti di apprendimento che possono scambiare denaro. I principali contributi sono:

Modellazione del Gioco delle Politiche di Pagamento: Definizione formale di un metagioco dove le azioni dei giocatori sono le politiche di trasferimento monetario.
Analisi di Instabilità: Dimostrazione che l'astensione dai pagamenti non è un comportamento stabile (equilibrio di Nash) in molti contesti.
Applicazione alle Aste: Analisi dettagliata di come i pagamenti influenzano le aste di primo e secondo prezzo.
Generalizzazione ai Giochi Finiti: Estensione dei risultati a giochi generali, mostrando quando i pagamenti portano a miglioramenti Pareto o a risultati ottimali di welfare.

4. Risultati Principali

A. Instabilità dell'Assenza di Pagamenti

In generale, non usare pagamenti non è un equilibrio stabile. Anche forme deboli di ottimizzazione delle politiche di pagamento inducono gli agenti a commerciare tra loro.

Esempio del Dilemma del Prigioniero: In un gioco standard, gli agenti no-regret convergono verso il tradimento (Nash), ottenendo un payoff basso. Se un giocatore permette al proprio agente di pagare l'altro per cooperare, l'agente ricevente ha un incentivo dominante a cooperare. Il risultato è un equilibrio con payoff superiori per entrambi rispetto al caso senza pagamenti.

B. Aste di Secondo Prezzo (Second-Price Auctions)

Teorema 4.1: Le aste di secondo prezzo non sono stabili per agenti no-regret. Esiste un equilibrio nel gioco delle politiche di pagamento in cui i giocatori raggiungono una collusione completa.
Meccanismo: Il giocatore con la valutazione più alta ( $v_1$ ) offre un piccolo pagamento $\epsilon$ agli altri agenti se questi offrono un'offerta pari a zero.
Risultato: Gli altri agenti offrono 0 (per ricevere il pagamento), il giocatore $v_1$ offre la sua vera valutazione $v_1$ e vince.
Implicazione: Il venditore (asta) ottiene entrate nulle (o trascurabili), mentre i giocatori catturano quasi tutto il benessere sociale.

C. Aste di Primo Prezzo (First-Price Auctions)

Teorema 4.2: Anche nelle aste di primo prezzo, i giocatori hanno incentivi a usare pagamenti.
Risultato: Gli equilibri del gioco delle politiche di pagamento portano a risultati cooperativi con entrate significativamente ridotte per il venditore rispetto al caso senza pagamenti.
Dinamica: Il giocatore ad alta valutazione paga il giocatore a bassa valutazione quando quest'ultimo offre 0. Questo induce una distribuzione mista di offerte che massimizza il payoff combinato dei giocatori, riducendo la concorrenza aggressiva.

D. Giochi Generali e Benessere Sociale

Teorema 5.2 e 5.6: In una vasta classe di giochi finiti, se l'outcome senza pagamenti non è l'ottimo di welfare (o se esiste un equilibrio di Nash con welfare superiore), almeno un giocatore ha un incentivo a usare pagamenti per spostare la dinamica verso quell'outcome.
Teorema 6.1 (Giochi a Due Giocatori): Ogni equilibrio in un gioco di pagamento a due giocatori è un miglioramento debole Pareto rispetto all'outcome senza pagamenti. In molti casi, almeno un giocatore trae un beneficio stretto.
Teorema 6.2: Anche in giochi con strategie dominanti (dove l'apprendimento senza pagamenti converge a un outcome subottimale), i pagamenti possono permettere a un giocatore di assumere il ruolo di "leader di Stackelberg", ottenendo un payoff superiore.

5. Significato e Implicazioni

I risultati del paper evidenziano una sfida fondamentale per il design dei meccanismi e la regolamentazione nell'era dell'IA:

Rischio di Collusione Algoritmica: Gli agenti autonomi, ottimizzando i propri obiettivi, possono naturalmente evolvere verso strategie collusive tramite pagamenti endogeni, eludendo le regole del mercato (es. aste) e riducendo le entrate dei venditori o i prezzi di mercato.
Limiti della Regolamentazione Tradizionale: Le leggi antitrust tradizionali si basano su accordi espliciti tra entità umane. Qui, la collusione emerge spontaneamente dalle dinamiche di apprendimento e dai trasferimenti finanziari tra agenti software, rendendo difficile l'individuazione e la sanzione.
Implicazioni per la Blockchain e MEV: Il lavoro fornisce un fondamento teorico per fenomeni osservati come il Maximal Extractable Value (MEV) nei mercati blockchain, dove bot di trading pagano per priorità di esecuzione o manipolano i prezzi attraverso trasferimenti strategici.
Progettazione di Meccanismi Robusti: I progettisti di mercati devono considerare che i partecipanti potrebbero usare agenti con capacità di pagamento. I meccanismi che funzionano bene con agenti passivi potrebbero fallire o produrre risultati distorsivi quando gli agenti sono attivi e possono negoziare pagamenti.

In sintesi, il paper dimostra che l'introduzione di trasferimenti monetari tra agenti di apprendimento cambia radicalmente la struttura degli incentivi, rendendo l'assenza di pagamenti instabile e portando spesso a risultati di collusione che danneggiano i venditori ma possono migliorare (o peggiorare, a seconda del contesto) il benessere dei partecipanti e la stabilità del mercato.