自主学习型算法共谋的事前预防与监管*
2021-08-30 15:51 来源：深圳社会科学
一、自主学习型算法共谋的特殊性
（一）主观意识的弱化
非自主学习型算法共谋多是由设计者、使用者等主体事先就如何达成共谋制定出策略机制，使得算法能够在一定条件下执行。从本质上看，此类算法共谋与反垄断法以往所规制的合谋行为并无不同。美国联邦贸易委员会专员Ohlhausen就指出，“如果‘算法’这个词能被任意一个人名所替换，则执法机构可以像处理以往其他反垄断案件一样处理这类算法共谋”。[3]而自主学习型算法共谋事实上是算法基于利益最大化的既定目标，依据供需关系、成本费用、产品产量、产品差异等相似的市场信息对价格设定、产量设置等行为自主作出近似或相同的预判。自主学习型算法的而设计框架并不需要明确的参数或公式作为实现共谋的基础，设计者、使用者等主体通过算法设计环节对自主学习型算法施加影响的程度较其他算法类型更为有限。脸书人工智能研究院（Facebook AI Research, NY）的一篇研究报告就指出，强化学习算法并不需要算法设计者特定的设计就可以表现出一定程度的合作行为。倘若条件足够理想，自主学习型算法将有可能仅仅在基础设计框架下就自主衍生出平行行为。[4]
就自主学习型算法的操作过程而言，其过程主观意识的弱化程度亦极为明显。如在共谋合作对象的选择上，自主学习型算法多以价格信号或单边公告的方式主动进行匹配，其选择范围较以往共谋类型更为广泛、随机、不特定。当自主学习型算法自主性达到一定程度时，算法操作层面的控制程度将得到进一步弱化：自主学习型算法能够基于市场信息反复预测、评估并独立作出信号、监管及平行行为，当合作行为产生的收益超出自主学习型算法所期望的阈值则会自主展开合作。设计者、使用者等主体的意志因无法直接参与共谋实施过程而难以得到具体体现，如何认定各共谋参与者的合谋意思将变得更为困难。
[3]Schwalbe Ulrich,"Algorithms, Machine Learning, and Collusion", SSRN Electronic Journal,2018.
[4]Adam Lerer and Alexander Peysakhovich,"Maintaining Cooperation in Complex Social Dilemmas Using Deep Reinforcement Learning", Cornell U.Libr., Working Paper,2018:8.