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。
除前述提到证据获取及行为预判层面的不足外，部分学者认为我国反垄断法未对“协议”的具体含义作出规定是自主学习型算法共谋缺乏可规制性的原因。他们认为我国《反垄断法》仅仅在第13条以原则性规定对“垄断协议”概念进行界定，即便辅以例举性规定仍不足以明确垄断协议的具体构成要件。在此情况下无法认定自主学习型算法共谋是否属于反垄断法中“垄断协议”所指情形，为自主学习型算法共谋的认定过程造成阻碍。为此应当通过立法扩张“垄断协议”概念、弱化“协议”形式要件，从而为规制自主学习型算法共谋留出实施空间。[18]但我国反垄断法中关于“垄断协议”的概念已经较为模糊，仅仅对其排除、限制竞争的反竞争效果予以明确。因而此条事实上已为法律解释留有余地，法院或反垄断执法机构可以通过目的解释等方法进行释明。近期发布的《〈反垄断法〉修订草案（公开征求意见稿）》也反映出这一态度—草案将我国现行《反垄断法》第13条第2款上升为“统领”第二章垄断协议内容的一般性条款，有效消弭现有规范体系的结构性缺陷，使得法院、反垄断执法机构在认定垄断协议时更具裁量空间。
当然通过制定法律、法规、指南等方式对“垄断协议”概念予以补充、说明将有助于提升规制自主学习型算法共谋等新兴垄断协议行为的现实可操作性，但这并不足以支撑其必要性。因而现有反垄断法制度框架在证据条件明晰的情况下仍能够有效规制自主学习型算法共谋，但规制困境的根源仍在于证据收集、提存、固定过程的障碍。然而以往依靠反垄断执法机构等主体被动进行信息收集、整理、固定的做法难以弥补上述缺陷，尤其是对于算法训练样本、价格变动记录、数据获取接口等自主学习型算法的核心信息根本无法做到有效、全面收集。因此只有引入事前预防与监管措施对此类核心信息预先进行针对性提存、分析、管控，才能占据主动并对其予以有效、合理规制。
[18]周围：《算法共谋的反垄断法规制》，《法学》，2020年第1期。
c4d032d1-1359-488d-9493-075c1cede8f9.jpg)