IT EN
Login
Autenticazione studente

Accedi per la prima volta a questo portale?
Utilizza il seguente link per attivare il tuo utente e creare la tua password personale.
»  Crea / Recupera Password

ERC Advanced Grant al Prof. Emilio Calvano per il progetto AI-Comp

Il Prof. Emilio Calvano ha vinto un ERC Advanced Grant del valore di 1.9 milioni per il progetto AI-Comp, un grande risultato per lui e un grande orgoglio per il nostro Dipartimento. Il progetto è stato finanziato con lo scopo di studiare l'impatto dell'intelligenza artificiale sui mercati. 

Con sempre più frequenza, le scelte di consumo di famiglie e consumatori sono mediate da algoritmi che apprendono autonomamente a guidarne le scelte e a plasmare i termini degli scambi. Accademici, professionisti e policy maker concordano sul fatto che applicare l’Intelligenza Artificiale in contesti di mercato crea valore facilitando le interazioni economiche. Tuttavia, il fatto che gli algoritmi sono tipicamente addestrati a massimizzare il profitto d’impresa crea preoccupazioni sul piano della tutela della concorrenza e della tutela dei consumatori.

Questa proposta fissa un importante primo passo di un programma di ricerca articolato su Intelligenza Artificiale e Concorrenza. Metodologicamente, questi progetti combinano ingredienti di economia e informatica, e mirano ad analizzare algoritmi alla frontiera della tecnica. La proposta è strutturata in tre progetti organici focalizzati su due importanti classi di algoritmi di intelligenza artificiale. La prima classe, algoritmi di “fissazione dei prezzi” contiene strumenti utilizzati dai commercianti di beni e servizi per fissare i prezzi al dettaglio.

Poiché algoritmi di diversi commercianti possono finire per incontrarsi ed interagire tra loro in un mercato comune, è possibile che possano imparare a soffocare la concorrenza e dunque aumentare i prezzi a scapito dei consumatori. Il progetto si pone l’obiettivo di studiare il processo di apprendimento di questi schemi collusivi allo scopo di proporre potenziali rimendi di carattere normativo. La seconda classe, i sistemi di raccomandazione, contiene algoritmi onnipresenti che suggeriscono prodotti e contenuti ai consumatori in base al loro comportamento passato. Ad esempio, Amazon.com utilizza i sistemi di raccomandazione per decidere cosa mettere in vetrina nelle pagine dei risultati di ricerca o per suggerire altri prodotti a cui l'utente potrebbe essere interessato. Una delle componenti del progetto si prefissa di sviluppare ed applicare una metodologia per valutare se sistemi di raccomandazione siano pro-competitivi o anti-competitivi. Nello specifico, ci si prefigge di studiare come le aziende reagiscono endogenamente ai sistemi di raccomandazione in termini di prezzo, design del prodotto e decisioni di ingresso/uscita dal mercato.