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）共谋状态的稳定
算法共谋状态的稳定程度，通常取决于行为隐蔽程度高低、惩罚能力强弱、共谋弹性大小等因素。从行为隐蔽程度的角度看，一般情况下借助算法实施的合谋行为在达成价格、产量一致前往往依赖于事先约定、预设固定的参数或公式，其合谋意思表示较为外显、明确。此外，一些算法共谋常体现出明显的跟随性—如2011年亚马逊平台书商在销售《The Making of A Fly》图书时利用算法相互参照对方定价，进而陷入循环定价的窘境。[5]而自主学习型算法在达成共谋时通常不需要明确一致的公式、参数，且能够依据市场动态情况主动调整共谋价格并达成共谋合意，使得欲达成合谋的经营者在面对监管时保持较好的隐蔽进而维持共谋的稳定。目前多数算法共谋虽仍需要设计者、使用者经由某些外显的方式进行引导，但部分算法在实验室环境中已表现出一定程度的自主交流、协作能力。如Jacob等学者基于强化学习设计的算法“S++”可以基于预设的信号模块与其他算法（甚至人类玩家）在游戏中进行协作，并在多个测试中保持较高水平的性能。“S++”甚至会随着游戏复杂程度的提升而使用一些复合动作传递合作讯息，而人类玩家通常难以理解且不会采用这类复合动作作为传递讯息的方式。[6]这些复合动作若实施在实际市场情境下，则意味着自主学习型算法共谋的隐蔽性将进一步提升。
[5]施春风：《定价算法在网络交易中的反垄断法律规制》，《河北法学》，2018年第11期。
[6]Jacob W. Crandall and others,"Cooperating with Machine", Nature Communications,2018:3.
c4d032d1-1359-488d-9493-075c1cede8f9.jpg)