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、结语
即便纯粹自主学习型算法在实验室环境下已表现出相当的能力，但相较其他专门算法而言多数情况下并不会作出合作行为。且其运行周期长、结果不稳定等特点，使得设计者难以在控制结果的基础上管理成本。故仅就目前技术条件而言，距离纯粹自主学习型算法的实际应用仍为时尚早。因而结合现有条件，依据自主学习型算法特点对各类不纯粹自主学习型算法分环节、分对象予以事前预防和监管是更加现实的，例如本文提到的对市场敏感信息的管控、对单边公告信号的核查、对市场风险的监测等。在各环节设计趋于完善时，即便确实出现纯粹自主学习型算法共谋也不至于无从下手。此外，自主学习型算法共谋所涉及的民事责任认定等问题也值得进一步探究。如在纯粹自主学习型算法共谋的情形下，设计者、使用者间的责任如何界定？又如在“伞形效应”的情境下，未实际参与共谋但却随即提升商品价格的竞争者是否需承担责任？消费者又是否能够向其请求赔偿？为更好应对自主学习型算法共谋，宜在数据层面、消费者层面、民事责任层面等层面逐步协调、完善，结合经济学、计算机科学等专业知识逐步建立起有效、完备的算法共谋规制框架。
c4d032d1-1359-488d-9493-075c1cede8f9.jpg)