自主学习型算法共谋的事前预防与监管*
作者：王健 吴宗泽 2021-08-30 15:51 新传播 【字号：大 中 小】
近年基于人工智能技术的自主学习型算法在信息推荐、动态定价情境下显现出如价格歧视、性别歧视等异常，逐渐引发学界对自主学习型算法问题的担忧。囿于自主学习型算法的不透明性及行为隐蔽性，往往难以在反垄断执法、司法层面对其予以及时、有效规制。因而须依据自主学习型算法自身特点构筑起合法、有效的事前管控路径，从技术监管、数据控制、算法审核等层面对自主学习型算法加以规制，及时遏止自主学习型算法共谋不当影响的出现和扩张。
（二）事实认定阶段存在的局限
在不考虑人为干预的情况下，自主学习型算法共谋事实上可以认作为一种默示共谋—算法在利益最大化目标的基础上依据供需关系、成本费用等市场信息独立作出近似或相同的预判并形成具有反竞争效果的协作，从而导致价格处于竞争水平之上引发市场的无谓损失。且为预防私自降价、增产等背离行为造成的利润损失，参与共谋的竞争者将凭借惩罚行为进行威慑以谋取共谋状态持续稳定。但与以往反垄断法所规制的默示共谋不同，自主学习型算法共谋因缺乏经营者客观协商与明示合作而难以直接为反垄断法调整。故在规制时常需借助证据规则深入分析自主学习型算法共谋形成的内核，以明确其中各类共谋的具体要件。
证据规则对于事实认定至关重要，是垄断协议禁止制度的核心之一。但自主学习型算法共谋等默示共谋行为由于目的要素的无形性、抽象性，其证明过程往往较其他合谋行为更为复杂。其原因一是共谋的合意形式具有隐蔽性，形式呈现出“去书面化”、多样化的特点；二是涉案的证据信息具有不对称性，即便是执法机构都难以收集到相应的直接证据；三是由于默示合谋与平行行为具有相似性，除是否存在意思联络、有无合理抗辩理由外并无区别。但意思联络证据又存在前述复杂性，故默示共谋的证明过程常常深受掣肘并进而成为实践中规制默示共谋的症结。
c4d032d1-1359-488d-9493-075c1cede8f9.jpg)