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、自主学习型算法共谋的规制困境
囿于前述自主学习型算法共谋表现形式复杂、行为依据模糊、主观意识弱化等特点，反垄断执法、司法层面难以对自主学习型算法共谋予以及时、有效的规制。此处分别就执法立案、事实认定两阶段所存在的局限，对自主学习型算法共谋现存的规制困境进行分析。
（一）执法立案阶段存在的局限
依据我国《反垄断法》第三十八条规定，目前反垄断调查可分为主动调查和被动调查两类。主动调查指反垄断执法机构依法定职权，对某一市场中涉嫌垄断的行为进行主动调查。这意味着在启动反垄断调查前，相关执法人员需要主动发掘、搜集相关线索以查明垄断行为的存在。就目前而言，搜集线索的主要路径包括新闻资讯、行业会议、市场调研等。考虑到自主学习型算法共谋行为发生时间不特定、表现效果不明显，事实上执法人员很难经由这些传统方法发现自主学习型算法共谋的相关线索。例如在动态定价算法场景下，自主学习型算法可在深夜不特定时段以高频变价行为发出共谋信号，在短时间内达成价格共谋。
c4d032d1-1359-488d-9493-075c1cede8f9.jpg)