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。
（四）面向市场结构的事前预防与监管路径设计
前文提到，在产品同质性较强、市场结构较固定的市场较容易出现自主学习型算法的平行行为。对这类市场重点进行市场监控，将有助于对垄断风险的事前控制以及对垄断行为的事后管控。但由于市场信息的不对称性、监管技术的滞后性，反垄断执法者采用传统手段难以及时、准确的识别出自主学习型算法共谋行为。且即便识别出违法行为，也难以将证据线索及时加以提存、固定。因此借助技术手段对商品价格、供需关系等市场结构信息加以实施、动态的监管是极为必要的。
1.市场风险监测措施 一方面反垄断执法机构应当依托于大数据、云计算、数据加密等技术主动建立起一套高效、稳定、安全的市场风险监测系统，对行业信息、舆情信息等数据源及时地收集、分析。另一方面可以适时地要求被监管主体接入反垄断执法机构的市场风险监管系统，借助区块链技术实时提存、固定数据以防止数据的篡改、伪造。当然，由此形成的数据量也对数据质量、处理能力提出相当的要求。因而由政府部门、执法机构、行业协会主导进行数据流程规范化指引，逐渐形成结构化、系统化的数据格式是极其必要的。此举将使得数据清洗难度、数据处理时长大幅降低，从而提高市场风险监管系统的可应用性。此外，各地区监管机构间也应当探讨数据共享的可实践性，为统合监管奠定必备基础。[28]州仲裁委等机构基于区块链技术搭建的“仲裁链”，一定程度上可以供各地区监管机构借鉴。但各节点均安全、可信的情况下采用区块链技术是否经济、效率，采用其他数据加密技术是否可行值得进一步讨论。
[28]杨东：《监管科技：金融科技的监管挑战与维度建构》，《中国社会科学》，2018年第5期。
c4d032d1-1359-488d-9493-075c1cede8f9.jpg)