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。
被动调查一般指反垄断执法机构应第三方举报或垄断行为人自愿报告，而实施的反应性行为。从垄断行为人自愿报告的角度看，局限性体现在垄断行为人自愿报告动机不强烈和对自主学习型算法共谋具体行为不了解两方面。由于反垄断执法机构缺乏对经营者的事前管控，使得垄断行为人存在较大操作空间对数据、代码等内容进行隐瞒。进而反垄断执法机构或因证据收集成本过高、证据收集周期过长等原因无法及时、有效对其行为予以规制，造成我国现行反垄断法在对该类行为威慑效果上的缺失。在此情况下，垄断行为人通常不会有足够的动机向反垄断执法机构自愿报告其行为。另一方面，自主学习型算法本身的不透明也阻碍了设计者、使用者对于算法的实际控制。如优步（Uber）、爱彼迎（Airbnb）等一些既有的价格歧视案例也表明，设计者、使用者即便在透明程度稍高的不纯粹自主学习型算法场景下也很难做到对自主学习型算法的充分控制。
就第三方举报的角度而言，尤其需要注意到普通消费者举报条件的不足。目前自主学习型算法多应用于动态定价行为，其交易相对人通常为普通的独立消费者。前文优步（Uber）价格歧视的例子就反映出普通消费者难以意识到价格歧视等问题的存在，因而无法及时维护自身合法权益。但即便某些消费者偶然发现此类问题，也难以搜集到足够的证据进行举报。另一方面，我国个人信息保护方面的法律法规对基于自动化分析、决策的数据使用场景亦未作出规定，这也使得相关主体或因解释权、救济权的缺失而无法及时维权。欧盟《通用数据保护条例》在第12、13、14、15及22条对基于自动化分析、决策的数据使用场景作出相关规定，但在应用层面可能仍不足够。例如个人信息处理目的、个人数据接收方种类等信息应以何种方式向数据主体提供？在缺乏事前数据管控规范化指引的情形下，此类信息可能由于内容复杂、提示隐蔽等原因在实际操作中被消费者所忽视。
c4d032d1-1359-488d-9493-075c1cede8f9.jpg)