王 健 吳宗澤

大數(shù)據(jù)、云計(jì)算等技術(shù)的逐步成熟，使得復(fù)雜計(jì)算機(jī)算法在商業(yè)上的普及應(yīng)用成為可能。越來越多的企業(yè)開始使用計(jì)算機(jī)算法改進(jìn)產(chǎn)品的定價(jià)模型、服務(wù)策略并預(yù)測市場變化趨勢，商品定價(jià)也呈現(xiàn)出由統(tǒng)一定價(jià)模式逐漸過渡至差異化定價(jià)、動(dòng)態(tài)定價(jià)模式的傾向。歐洲委員會(huì)于2017年5月10日發(fā)布的《Final Report on E-Commerce Sector Inquiry》（《歐洲委員會(huì)：電子商務(wù)產(chǎn)業(yè)調(diào)查總結(jié)報(bào)告》）顯示，約有53%的受訪零售商表示會(huì)采取一定措施監(jiān)控競爭對手的在線價(jià)格，其中約67%的受訪零售商會(huì)選擇借助自動(dòng)化軟件來進(jìn)行價(jià)格監(jiān)控。①European Commission, Final Report on the E-Commerce Sector Inquiry, Commission Staff Working Document, SWD (2017) 154 Final, 2017．但在算法廣泛應(yīng)用的同時(shí)，近年Spencer Meyer v.Travis Kalanick、U.S.v.David Topkins等相關(guān)算法共謀案例也引發(fā)學(xué)界對算法反競爭效應(yīng)的思考?；谟?jì)算機(jī)算法的功能差異，學(xué)界大體將其劃分為信號算法、監(jiān)管算法、平行算法、預(yù)測算法四種。隨著人工智能技術(shù)的發(fā)展以及大數(shù)據(jù)、云計(jì)算等底層技術(shù)的成熟，自主學(xué)習(xí)型算法（Self-Learning Algorithms）如今也值得充分重視。雖然部分自主學(xué)習(xí)型算法在功能細(xì)分上仍不外乎前述信號、監(jiān)管、預(yù)測等，但由于機(jī)器學(xué)習(xí)等人工智能算法的輸出過程并不會(huì)有明確的行為依據(jù)（即代碼指令），其輸出過程即便對于設(shè)計(jì)者、使用者而言都如同“黑箱”一般不可獲知?？紤]到算法運(yùn)行方式的獨(dú)特性，需要將自主學(xué)習(xí)型算法較其他算法進(jìn)行單獨(dú)區(qū)分。

自主學(xué)習(xí)型算法依據(jù)人工智能技術(shù)使用程度的不同，可分為不純粹自主學(xué)習(xí)型算法與純粹自主學(xué)習(xí)型算法。不純粹自主學(xué)習(xí)型算法指設(shè)計(jì)者在設(shè)計(jì)算法時(shí)局部采用人工智能技術(shù)，如只在構(gòu)建市場價(jià)格預(yù)測模型時(shí)采用機(jī)器學(xué)習(xí)算法。從形成共謀的方式看，總體而言不純粹自主學(xué)習(xí)型算法僅部分采用人工智能技術(shù)，實(shí)際使用過程中還需要依賴使用者的具體操作。因此在不純粹自主學(xué)習(xí)型算法共謀情境下，不純粹自主學(xué)習(xí)型算法僅僅是作為使用者實(shí)施共謀行為的輔助工具，使用者對其的控制程度仍維持在較高水平。而當(dāng)市場信息透明度、算力水平達(dá)到一定程度的情況下，設(shè)計(jì)者則可在設(shè)計(jì)算法時(shí)整體采用人工智能技術(shù)生成相應(yīng)模型，這類整體采用人工智能技術(shù)的計(jì)算機(jī)算法可稱為純粹自主學(xué)習(xí)型算法。在純粹自主學(xué)習(xí)型算法共謀情境下，由于整體輸出過程均缺乏明確、可修正的行為依據(jù)，故此種共謀自主化程度較高且難以為使用者直接控制。純粹自主學(xué)習(xí)型算法在實(shí)際運(yùn)作時(shí)能夠借助分析歷史數(shù)據(jù)、反復(fù)試錯(cuò)等方式掌握更為復(fù)雜的合謀方式，通?？杉闲盘査惴ā⒈O(jiān)管算法、預(yù)測算法等算法的特點(diǎn)自主達(dá)成產(chǎn)量層面、競標(biāo)層面、銷售層面等不同于以往的壟斷形式。如在票務(wù)在線預(yù)訂平臺(tái)等市場信息透明度較高的市場，純粹自主學(xué)習(xí)型算法能夠在缺乏明確溝通的情況下通過發(fā)出價(jià)格信號、懲罰背離行為等方法主動(dòng)開展并維持價(jià)格共謀。又如在移動(dòng)出行平臺(tái)等算法相似度較高的市場，純粹自主學(xué)習(xí)型算法能夠基于消費(fèi)者畫像對不同消費(fèi)者采取差異化定價(jià)。有報(bào)告顯示，優(yōu)步（Uber）平臺(tái)曾在一段時(shí)期內(nèi)表現(xiàn)出向不常匹配平臺(tái)訂單的用戶設(shè)置更高價(jià)格的傾向（Surge Pricing）—即在各用戶所在地理位置相近的情況下，以往不常匹配平臺(tái)訂單的用戶所得到訂單價(jià)格將高于常匹配平臺(tái)訂單的用戶。①Le Chen, Alan Mislove and Christo Wilson, "Peeking Beneath the Hood of Uber", The ACM Conference, Japan, 2015．這些共謀情形將在一定程度上擴(kuò)大共謀市場范圍、提高市場進(jìn)入壁壘、產(chǎn)生行為歧視、降低消費(fèi)者福利，對市場公平競爭秩序、消費(fèi)者權(quán)益以及經(jīng)濟(jì)運(yùn)行效率等都構(gòu)成足夠威脅。

一、自主學(xué)習(xí)型算法共謀的特殊性

（一）主觀意識的弱化非自主學(xué)習(xí)型算法共謀多是由設(shè)計(jì)者、使用者等主體事先就如何達(dá)成共謀制定出策略機(jī)制，使得算法能夠在一定條件下執(zhí)行。從本質(zhì)上看，此類算法共謀與反壟斷法以往所規(guī)制的合謀行為并無不同。美國聯(lián)邦貿(mào)易委員會(huì)專員Ohlhausen就指出，“如果‘算法’這個(gè)詞能被任意一個(gè)人名所替換，則執(zhí)法機(jī)構(gòu)可以像處理以往其他反壟斷案件一樣處理這類算法共謀”。②Schwalbe Ulrich, "Algorithms, Machine Learning, and Collusion", SSRN Electronic Journal, 2018．而自主學(xué)習(xí)型算法共謀事實(shí)上是算法基于利益最大化的既定目標(biāo)，依據(jù)供需關(guān)系、成本費(fèi)用、產(chǎn)品產(chǎn)量、產(chǎn)品差異等相似的市場信息對價(jià)格設(shè)定、產(chǎn)量設(shè)置等行為自主作出近似或相同的預(yù)判。自主學(xué)習(xí)型算法的而設(shè)計(jì)框架并不需要明確的參數(shù)或公式作為實(shí)現(xiàn)共謀的基礎(chǔ)，設(shè)計(jì)者、使用者等主體通過算法設(shè)計(jì)環(huán)節(jié)對自主學(xué)習(xí)型算法施加影響的程度較其他算法類型更為有限。臉書人工智能研究院（Facebook AI Research, NY）的一篇研究報(bào)告就指出，強(qiáng)化學(xué)習(xí)算法并不需要算法設(shè)計(jì)者特定的設(shè)計(jì)就可以表現(xiàn)出一定程度的合作行為。倘若條件足夠理想，自主學(xué)習(xí)型算法將有可能僅僅在基礎(chǔ)設(shè)計(jì)框架下就自主衍生出平行行為。①Adam Lerer and Alexander Peysakhovich, "Maintaining Cooperation in Complex Social Dilemmas Using Deep Reinforcement Learning", Cornell U．Libr．, Working Paper, 2018:8．

就自主學(xué)習(xí)型算法的操作過程而言，其過程主觀意識的弱化程度亦極為明顯。如在共謀合作對象的選擇上，自主學(xué)習(xí)型算法多以價(jià)格信號或單邊公告的方式主動(dòng)進(jìn)行匹配，其選擇范圍較以往共謀類型更為廣泛、隨機(jī)、不特定。當(dāng)自主學(xué)習(xí)型算法自主性達(dá)到一定程度時(shí)，算法操作層面的控制程度將得到進(jìn)一步弱化：自主學(xué)習(xí)型算法能夠基于市場信息反復(fù)預(yù)測、評估并獨(dú)立作出信號、監(jiān)管及平行行為，當(dāng)合作行為產(chǎn)生的收益超出自主學(xué)習(xí)型算法所期望的閾值則會(huì)自主展開合作。設(shè)計(jì)者、使用者等主體的意志因無法直接參與共謀實(shí)施過程而難以得到具體體現(xiàn)，如何認(rèn)定各共謀參與者的合謀意思將變得更為困難。

（二）共謀狀態(tài)的穩(wěn)定算法共謀狀態(tài)的穩(wěn)定程度，通常取決于行為隱蔽程度高低、懲罰能力強(qiáng)弱、共謀彈性大小等因素。從行為隱蔽程度的角度看，一般情況下借助算法實(shí)施的合謀行為在達(dá)成價(jià)格、產(chǎn)量一致前往往依賴于事先約定、預(yù)設(shè)固定的參數(shù)或公式，其合謀意思表示較為外顯、明確。此外，一些算法共謀常體現(xiàn)出明顯的跟隨性—如2011年亞馬遜平臺(tái)書商在銷售《The Making of A Fly》圖書時(shí)利用算法相互參照對方定價(jià)，進(jìn)而陷入循環(huán)定價(jià)的窘境。②施春風(fēng)：《定價(jià)算法在網(wǎng)絡(luò)交易中的反壟斷法律規(guī)制》，《河北法學(xué)》，2018年第11期。而自主學(xué)習(xí)型算法在達(dá)成共謀時(shí)通常不需要明確一致的公式、參數(shù)，且能夠依據(jù)市場動(dòng)態(tài)情況主動(dòng)調(diào)整共謀價(jià)格并達(dá)成共謀合意，使得欲達(dá)成合謀的經(jīng)營者在面對監(jiān)管時(shí)保持較好的隱蔽進(jìn)而維持共謀的穩(wěn)定。目前多數(shù)算法共謀雖仍需要設(shè)計(jì)者、使用者經(jīng)由某些外顯的方式進(jìn)行引導(dǎo)，但部分算法在實(shí)驗(yàn)室環(huán)境中已表現(xiàn)出一定程度的自主交流、協(xié)作能力。如Jacob等學(xué)者基于強(qiáng)化學(xué)習(xí)設(shè)計(jì)的算法“S++”可以基于預(yù)設(shè)的信號模塊與其他算法（甚至人類玩家）在游戲中進(jìn)行協(xié)作，并在多個(gè)測試中保持較高水平的性能?！癝++”甚至?xí)S著游戲復(fù)雜程度的提升而使用一些復(fù)合動(dòng)作傳遞合作訊息，而人類玩家通常難以理解且不會(huì)采用這類復(fù)合動(dòng)作作為傳遞訊息的方式。③Jacob W． Crandall and others, "Cooperating with Machine", Nature Communications, 2018:3．這些復(fù)合動(dòng)作若實(shí)施在實(shí)際市場情境下，則意味著自主學(xué)習(xí)型算法共謀的隱蔽性將進(jìn)一步提升。

考慮到背離行為會(huì)造成共謀參與者的利潤損失，識別背離行為并及時(shí)作出反制的能力是達(dá)成共謀的必然要求。依托大數(shù)據(jù)、爬蟲等相關(guān)技術(shù)，現(xiàn)有算法也能在有限程度上滿足這一需求。比如采用“以牙還牙”（Tit-For-Tat）策略，共謀參與者能夠采用價(jià)格跟隨行為對私自調(diào)整定價(jià)或庫存的行為作出及時(shí)響應(yīng)。因而背離行為所能夠產(chǎn)生的利潤空間實(shí)際上已經(jīng)被大幅壓縮，共謀參與者間的監(jiān)管、懲罰行為在實(shí)際操作中僅僅是“威脅”意義上的存在。但簡單采取價(jià)格跟隨行為容易衍生出另一問題，即是背離行為發(fā)生后共謀參與者因無法及時(shí)返回合作而造成利潤損失。鑒于上述情況，如何在背離行為發(fā)生后及時(shí)返回合作關(guān)鍵對于自主學(xué)習(xí)型算法共謀而言則顯得更為關(guān)鍵。臉書人工智能研究院（Facebook AI Research, NY）近期提出，在信息流較為充分的情況下采用附條件的結(jié)果主義合作算法（Consequentialist Conditional Cooperation）對歷史信息進(jìn)行分析，可以有效避免背離行為發(fā)生后難以再次達(dá)成共謀的缺陷。①Alexander Peysakhovich and Adam Lerer, "Consequentialist Conditional Cooperation in Social Dilemmas with Imperfect Information", Cornell U．Libr．, Working Paper, 2018:2．具體而言，附條件的結(jié)果主義合作算法能夠基于歷史對局信息對對手行為、次回合收益進(jìn)行實(shí)時(shí)評估，當(dāng)合作行為預(yù)期產(chǎn)生的收益超出算法的期望閾值時(shí)則重新進(jìn)行合作。

（三）共謀情形的多樣算法共謀普遍需要共謀參與者共同就共謀行為的實(shí)施方式、實(shí)施條件等內(nèi)容達(dá)成一致，據(jù)此協(xié)調(diào)共謀行為并確保共謀狀態(tài)持續(xù)穩(wěn)定。因而算法共謀通常存在于直接競爭的經(jīng)營者之間，多以橫向合謀的形式出現(xiàn)。但在自主學(xué)習(xí)型算法共謀的情境下，共謀參與者往往能夠經(jīng)由互聯(lián)網(wǎng)平臺(tái)、開源數(shù)據(jù)庫、第三方設(shè)計(jì)者等各類主體達(dá)成共謀。其直接影響是達(dá)成共謀所需要的市場條件逐步降低、市場競爭者數(shù)量與形成共謀的關(guān)聯(lián)關(guān)系進(jìn)一步弱化，使得經(jīng)營者達(dá)成共謀的市場范圍趨于擴(kuò)張。②周圍：《算法共謀的反壟斷法規(guī)制》，《法學(xué)》，2020年第1期。囿于現(xiàn)階段并未出現(xiàn)特征較明顯的自主學(xué)習(xí)型算法共謀案例，故此處僅例舉相似情形以供參照。

1.基于第三方算法設(shè)計(jì)者或代理商的共謀情形由于自主學(xué)習(xí)型算法設(shè)計(jì)的專業(yè)化程度較高，故市場經(jīng)營者多會(huì)選擇將自主學(xué)習(xí)型算法設(shè)計(jì)任務(wù)外包第三方設(shè)計(jì)者或直接使用第三方代理商算法以降低經(jīng)營成本。如若多個(gè)存在直接競爭關(guān)系的經(jīng)營者均使用同一第三方設(shè)計(jì)者或代理商提供的自主學(xué)習(xí)型算法，算法架構(gòu)甚至代碼層面的相似則會(huì)促使自主學(xué)習(xí)型算法共謀的形成。這在相關(guān)的計(jì)算機(jī)算法實(shí)驗(yàn)中也有所體現(xiàn)，如附條件的結(jié)果主義合作算法在自我合作時(shí)會(huì)較與其他算法合作時(shí)獲得更好的收益率；③Alexander Peysakhovich and Adam Lerer, "Consequentialist Conditional Cooperation in Social Dilemmas with Imperfect Information"．“S++”算法在自我合作時(shí)除收益率更優(yōu)外，還表現(xiàn)出達(dá)成合作更快、維持合作更久等特點(diǎn)。④Jacob W． Crandall and others, "Cooperating with Machine"．在Eturas et al.v.Lietuvos Respublikos Konkurencijos Taryba案中，涉案旅行社均使用由第三方算法代理商Eturas提供服務(wù)的在線預(yù)訂系統(tǒng)。因在線預(yù)訂系統(tǒng)對折扣率的技術(shù)限制，各旅行社向消費(fèi)者提供的折扣率被強(qiáng)制保持在3%以內(nèi)。⑤HaVu, K． A． & Zupancic N．, "Case Comment: Collusion and Online Platforms in Eturas", 11, Competition Law Review, 2016．立陶宛競爭委員會(huì)認(rèn)為涉案旅行社通過默示的方式作出共謀的意思表示，間接達(dá)成價(jià)格層面的協(xié)同。即便Eturas作為不參與相關(guān)市場競爭的第三方算法代理商，其仍然應(yīng)當(dāng)為便利價(jià)格協(xié)同行為而受到處罰。⑥Eturas, C-74/14, ECLI:EU:C:2016:42．

2.基于開源數(shù)據(jù)庫的共謀情形接入自主學(xué)習(xí)型算法的市場信息相似與否以及特殊信息有無都將對自主學(xué)習(xí)型算法的評估、預(yù)測行為產(chǎn)生影響，從而阻礙共謀的形成。為進(jìn)一步促進(jìn)自主學(xué)習(xí)型算法共謀的形成，較為直接的方式是共謀參與者相互開源數(shù)據(jù)庫接口或共用某一開源數(shù)據(jù)庫。如西班牙國家市場與競爭委員會(huì)（CNMC）于2019年4月12日發(fā)布的報(bào)告稱，西班牙最主要的煙草批發(fā)商Logista基于其市場支配地位⑦煙草批發(fā)商Logista自2008年以來，全國范圍內(nèi)的市場份額長期維持在99%。搭建了可以每日發(fā)布煙草銷售相關(guān)信息的計(jì)算機(jī)應(yīng)用程序?；跓煵蒌N售相關(guān)信息的共享，與Logista簽訂分銷合同的各煙草制造商自2008年以來產(chǎn)品價(jià)格保持著高度一致。①Comision Nacional De Los Mercados Y LA Competencia，Expediente S/DC/0607/17 Tabacos，2019．該情形下的另一表現(xiàn)形式是預(yù)先就開源數(shù)據(jù)庫內(nèi)某一特殊信息進(jìn)行協(xié)調(diào)，以該信息作為共謀信號。如美國司法部就曾在Spencer Meyer v.Travis Kalanick案件調(diào)查報(bào)告中指出，美國各航空公司會(huì)依據(jù)美國航空票務(wù)信息發(fā)行公司（Airline Tariff Publishing Co.）向社會(huì)公開的機(jī)票發(fā)行起止日期進(jìn)行價(jià)格合謀。②Organization for Economic Co-operation and Development (OECD): Algorithms and Collusion: Competition Policy in the Digital Age,[2017-09-14], ．

3.基于平臺(tái)的共謀情形如今電商、網(wǎng)約車等領(lǐng)域的個(gè)體經(jīng)營者多會(huì)尋求平臺(tái)型企業(yè)進(jìn)行掛靠，以此減少經(jīng)營成本、增強(qiáng)市場競爭力。為避免經(jīng)營者間的惡性競爭，以優(yōu)步（Uber）、滴滴出行為代表的平臺(tái)型企業(yè)多會(huì)通過提供定價(jià)算法與經(jīng)營者縱向的達(dá)成價(jià)格一致。此類缺乏橫向溝通而經(jīng)由平臺(tái)型企業(yè)達(dá)成的共謀行為，被稱為軸輻共謀（Hub and Spoke Conspiracy）。軸輻共謀由隱蔽的橫向協(xié)議與若干外顯的縱向協(xié)議共同構(gòu)成，將傳統(tǒng)橫向協(xié)議、縱向協(xié)議二分法的界限變得模糊。由于軸輻共謀中處于輪輻的橫向協(xié)議往往缺乏直接證據(jù)，如何對其事實(shí)及違法性進(jìn)行認(rèn)定則變得更為棘手。③張晨穎：《壟斷協(xié)議二分法檢討與禁止規(guī)則再造—從軸輻協(xié)議談起》，《法商研究》，2018年第2期。

自主學(xué)習(xí)型算法在此基礎(chǔ)上衍生出的另一情形是附條件的價(jià)格歧視行為，如前文提到優(yōu)步（Uber）平臺(tái)曾在一段時(shí)期內(nèi)表現(xiàn)出向不常匹配平臺(tái)訂單的用戶設(shè)置更高價(jià)格的傾向。我國反壟斷法關(guān)于價(jià)格歧視的規(guī)定歸于濫用市場支配地位的行為，其實(shí)施主體是具有市場支配地位的經(jīng)營者。可附條件的價(jià)格歧視行為并不以實(shí)施者具有市場支配地位為要求，平臺(tái)型企業(yè)僅在數(shù)據(jù)信息充分的情況下即可實(shí)施。用戶信息控制情況與市場支配地位是否具有應(yīng)然關(guān)系、如何對平臺(tái)型企業(yè)市場支配地位進(jìn)行判斷，則使得軸輻共謀行為變得進(jìn)一步復(fù)雜化。

二、自主學(xué)習(xí)型算法共謀的規(guī)制困境

囿于前述自主學(xué)習(xí)型算法共謀表現(xiàn)形式復(fù)雜、行為依據(jù)模糊、主觀意識弱化等特點(diǎn)，反壟斷執(zhí)法、司法層面難以對自主學(xué)習(xí)型算法共謀予以及時(shí)、有效的規(guī)制。此處分別就執(zhí)法立案、事實(shí)認(rèn)定兩階段所存在的局限，對自主學(xué)習(xí)型算法共謀現(xiàn)存的規(guī)制困境進(jìn)行分析。

（一）執(zhí)法立案階段存在的局限依據(jù)我國《反壟斷法》第三十八條規(guī)定，目前反壟斷調(diào)查可分為主動(dòng)調(diào)查和被動(dòng)調(diào)查兩類。主動(dòng)調(diào)查指反壟斷執(zhí)法機(jī)構(gòu)依法定職權(quán)，對某一市場中涉嫌壟斷的行為進(jìn)行主動(dòng)調(diào)查。這意味著在啟動(dòng)反壟斷調(diào)查前，相關(guān)執(zhí)法人員需要主動(dòng)發(fā)掘、搜集相關(guān)線索以查明壟斷行為的存在。就目前而言，搜集線索的主要路徑包括新聞資訊、行業(yè)會(huì)議、市場調(diào)研等?？紤]到自主學(xué)習(xí)型算法共謀行為發(fā)生時(shí)間不特定、表現(xiàn)效果不明顯，事實(shí)上執(zhí)法人員很難經(jīng)由這些傳統(tǒng)方法發(fā)現(xiàn)自主學(xué)習(xí)型算法共謀的相關(guān)線索。例如在動(dòng)態(tài)定價(jià)算法場景下，自主學(xué)習(xí)型算法可在深夜不特定時(shí)段以高頻變價(jià)行為發(fā)出共謀信號，在短時(shí)間內(nèi)達(dá)成價(jià)格共謀。

被動(dòng)調(diào)查一般指反壟斷執(zhí)法機(jī)構(gòu)應(yīng)第三方舉報(bào)或壟斷行為人自愿報(bào)告，而實(shí)施的反應(yīng)性行為。從壟斷行為人自愿報(bào)告的角度看，局限性體現(xiàn)在壟斷行為人自愿報(bào)告動(dòng)機(jī)不強(qiáng)烈和對自主學(xué)習(xí)型算法共謀具體行為不了解兩方面。由于反壟斷執(zhí)法機(jī)構(gòu)缺乏對經(jīng)營者的事前管控，使得壟斷行為人存在較大操作空間對數(shù)據(jù)、代碼等內(nèi)容進(jìn)行隱瞞。進(jìn)而反壟斷執(zhí)法機(jī)構(gòu)或因證據(jù)收集成本過高、證據(jù)收集周期過長等原因無法及時(shí)、有效對其行為予以規(guī)制，造成我國現(xiàn)行反壟斷法在對該類行為威懾效果上的缺失。在此情況下，壟斷行為人通常不會(huì)有足夠的動(dòng)機(jī)向反壟斷執(zhí)法機(jī)構(gòu)自愿報(bào)告其行為。另一方面，自主學(xué)習(xí)型算法本身的不透明也阻礙了設(shè)計(jì)者、使用者對于算法的實(shí)際控制。如優(yōu)步（Uber）、愛彼迎（Airbnb）等一些既有的價(jià)格歧視案例也表明，設(shè)計(jì)者、使用者即便在透明程度稍高的不純粹自主學(xué)習(xí)型算法場景下也很難做到對自主學(xué)習(xí)型算法的充分控制。

就第三方舉報(bào)的角度而言，尤其需要注意到普通消費(fèi)者舉報(bào)條件的不足。目前自主學(xué)習(xí)型算法多應(yīng)用于動(dòng)態(tài)定價(jià)行為，其交易相對人通常為普通的獨(dú)立消費(fèi)者。前文優(yōu)步（Uber）價(jià)格歧視的例子就反映出普通消費(fèi)者難以意識到價(jià)格歧視等問題的存在，因而無法及時(shí)維護(hù)自身合法權(quán)益。但即便某些消費(fèi)者偶然發(fā)現(xiàn)此類問題，也難以搜集到足夠的證據(jù)進(jìn)行舉報(bào)。另一方面，我國個(gè)人信息保護(hù)方面的法律法規(guī)對基于自動(dòng)化分析、決策的數(shù)據(jù)使用場景亦未作出規(guī)定，這也使得相關(guān)主體或因解釋權(quán)、救濟(jì)權(quán)的缺失而無法及時(shí)維權(quán)。歐盟《通用數(shù)據(jù)保護(hù)條例》在第12、13、14、15及22條對基于自動(dòng)化分析、決策的數(shù)據(jù)使用場景作出相關(guān)規(guī)定，但在應(yīng)用層面可能仍不足夠。例如個(gè)人信息處理目的、個(gè)人數(shù)據(jù)接收方種類等信息應(yīng)以何種方式向數(shù)據(jù)主體提供？在缺乏事前數(shù)據(jù)管控規(guī)范化指引的情形下，此類信息可能由于內(nèi)容復(fù)雜、提示隱蔽等原因在實(shí)際操作中被消費(fèi)者所忽視。

（二）事實(shí)認(rèn)定階段存在的局限在不考慮人為干預(yù)的情況下，自主學(xué)習(xí)型算法共謀事實(shí)上可以認(rèn)作為一種默示共謀—算法在利益最大化目標(biāo)的基礎(chǔ)上依據(jù)供需關(guān)系、成本費(fèi)用等市場信息獨(dú)立作出近似或相同的預(yù)判并形成具有反競爭效果的協(xié)作，從而導(dǎo)致價(jià)格處于競爭水平之上引發(fā)市場的無謂損失。且為預(yù)防私自降價(jià)、增產(chǎn)等背離行為造成的利潤損失，參與共謀的競爭者將憑借懲罰行為進(jìn)行威懾以謀取共謀狀態(tài)持續(xù)穩(wěn)定。但與以往反壟斷法所規(guī)制的默示共謀不同，自主學(xué)習(xí)型算法共謀因缺乏經(jīng)營者客觀協(xié)商與明示合作而難以直接為反壟斷法調(diào)整。故在規(guī)制時(shí)常需借助證據(jù)規(guī)則深入分析自主學(xué)習(xí)型算法共謀形成的內(nèi)核，以明確其中各類共謀的具體要件。

證據(jù)規(guī)則對于事實(shí)認(rèn)定至關(guān)重要，是壟斷協(xié)議禁止制度的核心之一。但自主學(xué)習(xí)型算法共謀等默示共謀行為由于目的要素的無形性、抽象性，其證明過程往往較其他合謀行為更為復(fù)雜。其原因一是共謀的合意形式具有隱蔽性，形式呈現(xiàn)出“去書面化”、多樣化的特點(diǎn)；二是涉案的證據(jù)信息具有不對稱性，即便是執(zhí)法機(jī)構(gòu)都難以收集到相應(yīng)的直接證據(jù)；三是由于默示合謀與平行行為具有相似性，除是否存在意思聯(lián)絡(luò)、有無合理抗辯理由外并無區(qū)別。但意思聯(lián)絡(luò)證據(jù)又存在前述復(fù)雜性，故默示共謀的證明過程常常深受掣肘并進(jìn)而成為實(shí)踐中規(guī)制默示共謀的癥結(jié)。

為進(jìn)一步甄別合法的平行行為與違法的默示共謀行為，美國、歐盟常將間接證據(jù)引入事實(shí)認(rèn)定過程。間接證據(jù)證明規(guī)則目前在我國尚存在爭議，如有學(xué)者贊成使用間接證據(jù)和舉證責(zé)任倒置共同證明默示共謀行為，而有些學(xué)者則支持綜合間接證據(jù)證明默示共謀行為。但無論如何，間接證據(jù)證明規(guī)則的模糊一方面使得經(jīng)營者缺乏反壟斷規(guī)制的可預(yù)見性，無法就特定的間接證據(jù)類型進(jìn)行預(yù)先整理、留存。例如自主學(xué)習(xí)型算法訓(xùn)練樣本、數(shù)據(jù)接口等關(guān)鍵間接證據(jù)類型，其直接處于經(jīng)營者控制之下而難以為反壟斷執(zhí)法者調(diào)取收集。另一方面，如若反壟斷執(zhí)法機(jī)構(gòu)無法對特定間接證據(jù)類型進(jìn)行有針對性的、及時(shí)的收集整理，也會(huì)較大程度阻礙執(zhí)法工作的有效開展。而間接證據(jù)的收集過程亦存在局限，主要反映在代碼、數(shù)據(jù)兩個(gè)層面。就代碼而言，除代碼整體內(nèi)容、結(jié)構(gòu)、邏輯極其相似的特殊情況外，反壟斷執(zhí)法者通常難以僅依據(jù)代碼推斷出設(shè)計(jì)者或使用者的主觀惡意。尤其在純粹自主學(xué)習(xí)型算法共謀的情境下，即使沒有設(shè)計(jì)者預(yù)先針對性設(shè)置，自主學(xué)習(xí)型算法仍能夠依據(jù)利潤最大化的考量自主衍生出合作、懲罰等行為，由此反壟斷執(zhí)法者依據(jù)代碼對信息交流行為進(jìn)行推定的能力被大幅削弱。而在數(shù)據(jù)層面上，由于現(xiàn)行法律法規(guī)并未對算法訓(xùn)練樣本數(shù)據(jù)的使用、備份等內(nèi)容加以規(guī)定，故在實(shí)際調(diào)查中反壟斷執(zhí)法者極有可能無法對相關(guān)證據(jù)進(jìn)行及時(shí)完整的提存。數(shù)據(jù)、代碼層面證據(jù)的缺失，將影響責(zé)任主體的認(rèn)定。若是自主學(xué)習(xí)型算法在缺乏人為干預(yù)的情況下自主衍生出共謀行為，則應(yīng)認(rèn)定為是物的責(zé)任；若是設(shè)計(jì)者在設(shè)計(jì)、訓(xùn)練過程中刻意引導(dǎo)自主學(xué)習(xí)型算法傾向，則應(yīng)認(rèn)定為是設(shè)計(jì)者的責(zé)任；若是使用者在使用過程中通過開放隱蔽接口等方式人為營造數(shù)據(jù)層面的一致，則應(yīng)認(rèn)定為是使用者的責(zé)任。①楊立新：《民事責(zé)任在人工智能發(fā)展風(fēng)險(xiǎn)管控中的作用》，《法學(xué)雜志》，2019年第2期。而在數(shù)據(jù)、代碼層面證據(jù)缺失的情形下，設(shè)計(jì)者或使用者將有機(jī)會(huì)把責(zé)任歸咎于自主學(xué)習(xí)型算法本身。即便責(zé)任終究仍由使用者、設(shè)計(jì)者等主體承擔(dān)，但此時(shí)意味著該損害的直接原因?yàn)樽灾鲗W(xué)習(xí)型算法而非使用者、設(shè)計(jì)者等主體，歸責(zé)過程必會(huì)因此受影響，使用者、設(shè)計(jì)者等主體所承擔(dān)的責(zé)任將大幅減輕。

除前述提到證據(jù)獲取及行為預(yù)判層面的不足外，部分學(xué)者認(rèn)為我國反壟斷法未對“協(xié)議”的具體含義作出規(guī)定是自主學(xué)習(xí)型算法共謀缺乏可規(guī)制性的原因。他們認(rèn)為我國《反壟斷法》僅僅在第13條以原則性規(guī)定對“壟斷協(xié)議”概念進(jìn)行界定，即便輔以例舉性規(guī)定仍不足以明確壟斷協(xié)議的具體構(gòu)成要件。在此情況下無法認(rèn)定自主學(xué)習(xí)型算法共謀是否屬于反壟斷法中“壟斷協(xié)議”所指情形，為自主學(xué)習(xí)型算法共謀的認(rèn)定過程造成阻礙。為此應(yīng)當(dāng)通過立法擴(kuò)張“壟斷協(xié)議”概念、弱化“協(xié)議”形式要件，從而為規(guī)制自主學(xué)習(xí)型算法共謀留出實(shí)施空間。②周圍：《算法共謀的反壟斷法規(guī)制》，《法學(xué)》，2020年第1期。但我國反壟斷法中關(guān)于“壟斷協(xié)議”的概念已經(jīng)較為模糊，僅僅對其排除、限制競爭的反競爭效果予以明確。因而此條事實(shí)上已為法律解釋留有余地，法院或反壟斷執(zhí)法機(jī)構(gòu)可以通過目的解釋等方法進(jìn)行釋明。近期發(fā)布的《〈反壟斷法〉修訂草案（公開征求意見稿）》也反映出這一態(tài)度—草案將我國現(xiàn)行《反壟斷法》第13條第2款上升為“統(tǒng)領(lǐng)”第二章壟斷協(xié)議內(nèi)容的一般性條款，有效消弭現(xiàn)有規(guī)范體系的結(jié)構(gòu)性缺陷，使得法院、反壟斷執(zhí)法機(jī)構(gòu)在認(rèn)定壟斷協(xié)議時(shí)更具裁量空間。

當(dāng)然通過制定法律、法規(guī)、指南等方式對“壟斷協(xié)議”概念予以補(bǔ)充、說明將有助于提升規(guī)制自主學(xué)習(xí)型算法共謀等新興壟斷協(xié)議行為的現(xiàn)實(shí)可操作性，但這并不足以支撐其必要性。因而現(xiàn)有反壟斷法制度框架在證據(jù)條件明晰的情況下仍能夠有效規(guī)制自主學(xué)習(xí)型算法共謀，但規(guī)制困境的根源仍在于證據(jù)收集、提存、固定過程的障礙。然而以往依靠反壟斷執(zhí)法機(jī)構(gòu)等主體被動(dòng)進(jìn)行信息收集、整理、固定的做法難以彌補(bǔ)上述缺陷，尤其是對于算法訓(xùn)練樣本、價(jià)格變動(dòng)記錄、數(shù)據(jù)獲取接口等自主學(xué)習(xí)型算法的核心信息根本無法做到有效、全面收集。因此只有引入事前預(yù)防與監(jiān)管措施對此類核心信息預(yù)先進(jìn)行針對性提存、分析、管控，才能占據(jù)主動(dòng)并對其予以有效、合理規(guī)制。

三、自主學(xué)習(xí)型算法共謀的事前預(yù)防與監(jiān)管

對于自主學(xué)習(xí)型算法共謀這一新興共謀形式，應(yīng)當(dāng)明確其機(jī)理、剖析其特征。在此基礎(chǔ)上針對性地進(jìn)行環(huán)節(jié)設(shè)置，尋求合理、有效的規(guī)制路徑。

（一）自主學(xué)習(xí)型算法的實(shí)現(xiàn)原理不純粹或純粹的自主學(xué)習(xí)型算法目前大多是基于機(jī)器學(xué)習(xí)原理實(shí)現(xiàn)的，依據(jù)實(shí)現(xiàn)方法不同可粗略分為監(jiān)督學(xué)習(xí)（Supervised Learning）、無監(jiān)督學(xué)習(xí)（Unsupervised Learning）以及強(qiáng)化學(xué)習(xí)（Reinforcement Learning）三種。監(jiān)督學(xué)習(xí)的核心是通過輸入一定量帶有標(biāo)記（監(jiān)督信號）的訓(xùn)練樣本，由計(jì)算機(jī)自主分析并生成相應(yīng)的推斷功能。如在設(shè)計(jì)識別物體形狀的監(jiān)督學(xué)習(xí)算法時(shí)，設(shè)計(jì)者需要事先準(zhǔn)備一些標(biāo)記好形狀名稱的物體照片。監(jiān)督算法基于這些訓(xùn)練樣本生成出將所有輸入映射為相應(yīng)輸出的算法模型，并可對輸出內(nèi)容進(jìn)行簡單判斷。而無監(jiān)督學(xué)習(xí)的核心則是聚類，即將未標(biāo)記有特征的訓(xùn)練樣本依據(jù)劃分方法、層次方法等進(jìn)行聚類。再以識別物體形狀為例，假如在設(shè)計(jì)之初對訓(xùn)練樣本圖片未作標(biāo)記，則可直接通過無監(jiān)督學(xué)習(xí)算法對訓(xùn)練樣本進(jìn)行聚類。但由于缺乏對訓(xùn)練樣本的預(yù)先歸類，所以在輸出結(jié)果時(shí)算法無法依據(jù)確定的標(biāo)準(zhǔn)對其進(jìn)行衡量。強(qiáng)化學(xué)習(xí)的核心是在訓(xùn)練時(shí)重復(fù)試錯(cuò)（Learning Through Trial and Error），并在過程中給予算法一定量的刺激反饋以增強(qiáng)某種行為，如通過獎(jiǎng)勵(lì)正強(qiáng)化行為、通過懲罰負(fù)強(qiáng)化行為等。與非監(jiān)督學(xué)習(xí)不同，強(qiáng)化學(xué)習(xí)并非一種映射關(guān)系。如在線購物平臺(tái)進(jìn)行商品推薦時(shí)，非監(jiān)督學(xué)習(xí)算法可能會(huì)基于用戶以往的購物記錄推薦類似的商品。而強(qiáng)化學(xué)習(xí)算法由于在訓(xùn)練時(shí)會(huì)受到近期購物記錄的影響，會(huì)嘗試推薦不同的商品，并根據(jù)用戶點(diǎn)擊、瀏覽時(shí)間等數(shù)據(jù)的反饋進(jìn)而構(gòu)建出用戶購物偏好的模型。

在初步了解各算法實(shí)現(xiàn)的基本原理后，有幾點(diǎn)值得在探究自主學(xué)習(xí)型算法時(shí)注意。一是在構(gòu)建算法模型時(shí)，設(shè)計(jì)者使用、設(shè)置訓(xùn)練樣本的偏好會(huì)對算法模型的構(gòu)建產(chǎn)生影響。如在訓(xùn)練樣本上預(yù)先標(biāo)記人種、性別等參數(shù)，則很有可能使得動(dòng)態(tài)定價(jià)模型在構(gòu)建時(shí)產(chǎn)生人種、性別層面的歧視；二是隨著訓(xùn)練樣本模糊度的提升，算法往往需要更多的時(shí)間對數(shù)據(jù)進(jìn)行分析、建模。這意味著在設(shè)計(jì)如動(dòng)態(tài)定價(jià)算法等復(fù)雜算法時(shí)，設(shè)計(jì)者通常需要在本地預(yù)先對算法進(jìn)行長時(shí)間的訓(xùn)練；三是當(dāng)涉及強(qiáng)化學(xué)習(xí)算法時(shí)，設(shè)計(jì)者對于反饋的設(shè)置也將對算法模型的傾向產(chǎn)生影響。再以動(dòng)態(tài)定價(jià)算法為例，如若設(shè)計(jì)者對合作行為給予獎(jiǎng)勵(lì)（正強(qiáng)化）或?qū)Ρ畴x行為進(jìn)行懲罰（負(fù)強(qiáng)化）則很有可能使得算法模型體現(xiàn)出傾向于共謀合作的特征。這些特征對于自主學(xué)習(xí)型算法共謀規(guī)制框架的具體建構(gòu)有著較好的借鑒意義，尤其是在涉及去模型化的強(qiáng)化學(xué)習(xí)算法共謀類型時(shí)值得注意。如一項(xiàng)由英國牛津大學(xué)、美國加州大學(xué)伯克利分校、OpenAI實(shí)驗(yàn)室等機(jī)構(gòu)發(fā)起的聯(lián)合實(shí)驗(yàn)表明，即使在算法設(shè)計(jì)之初不預(yù)設(shè)合作相關(guān)的算法內(nèi)容，計(jì)算機(jī)算法同樣能夠基于利益最大化的需求而學(xué)習(xí)合作。①Jakob N． Foerster and others, "Learning with Opponent-Learning Awareness", Cornell U． Libr．,Working Paper, 2018:2．這類算法由于在設(shè)計(jì)之初并沒有明顯的功能設(shè)置、偏好設(shè)置，且在數(shù)據(jù)分析、處理過程中并不會(huì)提供決策的依據(jù)，對反壟斷執(zhí)法機(jī)構(gòu)而言無異于是不透明的“黑匣子”。對其分析應(yīng)當(dāng)從其相關(guān)特征針對性入手，例如供算法訓(xùn)練的訓(xùn)練樣本是否有偏好、反饋的設(shè)置是否有偏好等。

（二）面向算法內(nèi)容的事前預(yù)防與監(jiān)管路徑設(shè)計(jì)可針對算法本身或其結(jié)果進(jìn)行監(jiān)管。

1.算法透明措施自主學(xué)習(xí)型算法的實(shí)質(zhì)威脅并不在于其是否便利市場競爭者的共謀，而是它不確定的行為方式。如優(yōu)步（Uber）平臺(tái)設(shè)計(jì)激增價(jià)格算法的初衷，是通過價(jià)格的倍數(shù)激增以減少用戶的需求并增加司機(jī)的響應(yīng)數(shù)。但由于算法的不透明，優(yōu)步（Uber）平臺(tái)本身也沒有意識到激增定價(jià)模型會(huì)衍生出價(jià)格歧視的行為。這并不鮮見，愛彼迎（Airbnb）②Edelman Benjamin G． and M． Luca,"Digital Discrimination: The Case Of Airbnb．com", Harvard Business School NOM Unit Working Paper, 2014:3．、谷歌廣告平臺(tái)（Google Ads）①Sweeney Latanya, "Discrimination in Online Ad Delivery", Queue, 2013:3．同樣出現(xiàn)過類似情形?？紤]到上述問題，算法透明如今為許多學(xué)者、政治家所倡導(dǎo)。德國總理安格拉·默克爾就曾呼吁臉書（Facebook）、谷歌（Google）等大型互聯(lián)網(wǎng)公司公開其算法，否則用戶或?qū)?huì)因信息接受范圍縮小而感知失真。狹義的算法透明指披露算法的源代碼、訓(xùn)練樣本等基本算法要素，而廣義的算法透明則指運(yùn)用算法公開、算法審核等手段促成完整意義的算法透明。②沈偉偉：《算法透明原則的迷思—算法規(guī)制理論的批判》，《環(huán)球法律評論》，2019年第6期。因廣義的算法透明所指過于寬泛，此處論述僅限于狹義的算法透明。

算法透明很大程度上使得反壟斷執(zhí)法機(jī)構(gòu)對于算法設(shè)計(jì)者、使用者的可問責(zé)性和對算法的知情權(quán)得到滿足，同時(shí)也有利于在事后對自主學(xué)習(xí)型算法的決策過程、依據(jù)提出公平性和合理性的質(zhì)疑。尤其是在應(yīng)對算法代碼、架構(gòu)相似的特殊情形時(shí)，算法透明能夠便于反壟斷執(zhí)法者快速識別并及時(shí)對算法來源進(jìn)行核查。但即便不考慮商業(yè)秘密、社會(huì)秩序等問題，僅僅公開算法源代碼在多數(shù)情況下并不等于算法可知甚至也并不足以提高透明度：一是由于商用算法往往由多組算法模塊構(gòu)成，其復(fù)雜性本身便會(huì)給解釋工作造成難度；二是由于自主學(xué)習(xí)型算法決策依賴于特定數(shù)據(jù)環(huán)境，單純靜態(tài)地考察源代碼并不實(shí)際；三是由于代碼解釋周期普遍過長，并不符合反壟斷執(zhí)法實(shí)踐的需求。目前有學(xué)者退而求其次地提出算法整體設(shè)計(jì)應(yīng)實(shí)現(xiàn)模塊化，便于算法工程師逐一對其解釋、闡明。但其對于商業(yè)算法的設(shè)計(jì)有較高要求，實(shí)踐上可能存在一定困難，且算法迭代更新將會(huì)使得模塊趨于復(fù)雜從而難以保證模塊化解釋達(dá)到預(yù)期效果。因而就如何實(shí)現(xiàn)高效、可行的算法透明，目前仍待進(jìn)一步探索。

2.“黑箱”測試沿著前述算法透明化的思路，可以考慮由反壟斷執(zhí)法機(jī)構(gòu)牽頭設(shè)立算法測試、評估平臺(tái)，要求自主學(xué)習(xí)型算法的設(shè)計(jì)者或使用者在實(shí)際使用前進(jìn)行強(qiáng)制性的“黑箱”測試。在設(shè)計(jì)“黑箱測試”時(shí)可以采取對抗的形式去測試、識別出一些具有反競爭效果的算法特性，并將其作為禁止子集的一部分。即便未識別出具有反競爭效果的特性，也可以對是否存在人為修改、人為控制等運(yùn)行機(jī)制進(jìn)行識別。若算法具有以人為操作觸發(fā)共謀的傾向，則很大程度上意味著共謀合意的存在。反壟斷執(zhí)法機(jī)構(gòu)也可通過內(nèi)設(shè)或聘請的專家協(xié)助其審查自主學(xué)習(xí)型算法的細(xì)節(jié)部分。如此前美國司法部在調(diào)查亞馬遜（Amazon）等在線平臺(tái)時(shí)，就曾聘請反壟斷訴訟律師Ryan Shores協(xié)助審查。③Delrahim Makan: Data key to antitrust in digital markets, Global Competition Review Website[2019-11-11], ，最后訪問時(shí)間2019年11月13日．但即便排除技術(shù)層面的因素，目前“黑箱測試”可能尚不具有可實(shí)施性。一是從《著作權(quán)法》看，不屬于該法第22條所列合理使用情形的“黑箱測試”是否會(huì)構(gòu)成侵權(quán)？二是由于測試算法同樣不具有透明性，“黑箱測試”又是否會(huì)造成行政權(quán)力的不當(dāng)擴(kuò)張？④萬勇：《人工智能時(shí)代的版權(quán)法通知—移除制度》，《中外法學(xué)》，2019年第5期。三是算法版本迭代變更時(shí)，是否均需要進(jìn)行“黑箱測試”？經(jīng)營者在“黑箱測試”缺乏相關(guān)法律規(guī)定的情況下，往往會(huì)以商業(yè)秘密作為抗辯。因此在建立“黑箱測試”機(jī)制前可參考如《最高人民法院關(guān)于審理不正當(dāng)競爭民事案件應(yīng)用法律若干問題的解釋》中有關(guān)反向工程的條款，基于正當(dāng)性對“黑箱測試”予以一定豁免。與此同時(shí)還應(yīng)對算法披露的流程、方式進(jìn)行相應(yīng)約束，防止因算法內(nèi)容不當(dāng)泄露而造成對商業(yè)秘密、社會(huì)秩序的侵害。

除前述提到兩類行政層面的主動(dòng)審核外，還應(yīng)當(dāng)完善行業(yè)協(xié)會(huì)、消費(fèi)者層面的監(jiān)督制度。如行業(yè)協(xié)會(huì)可牽頭舉辦類似Pwn2Own、WCTF等賽事，以鼓勵(lì)公眾在現(xiàn)實(shí)條件下（即模擬現(xiàn)實(shí)條件而無需算法公開）參與算法的監(jiān)督和完善過程。

（三）面向數(shù)據(jù)來源的事前預(yù)防與監(jiān)管路徑設(shè)計(jì)由于動(dòng)態(tài)市場的復(fù)雜性，自主學(xué)習(xí)型算法通常需要極長時(shí)間的訓(xùn)練以建立模型。經(jīng)濟(jì)政策研究中心（CEPR）的一篇報(bào)告指出，自主學(xué)習(xí)型算法在僅為50*50的網(wǎng)格實(shí)驗(yàn)中便需要約500,000個(gè)周期才能實(shí)現(xiàn)收斂（可以理解為實(shí)現(xiàn)價(jià)格共謀狀態(tài)）。①Emilio Calvano and others, "Artificial Intelligence, Algorithmic Pricing and Collusion", Centre for Economic Policy Research Discussion Paper, No．13405, 2019:21．如若將該算法置于真實(shí)市場環(huán)境下，其需要的周期則會(huì)更多。除訓(xùn)練時(shí)長外，訓(xùn)練樣本量也有相應(yīng)的要求。美國東北大學(xué)研究人員在推導(dǎo)優(yōu)步（Uber）激增定價(jià)模型時(shí)，僅四周內(nèi)少量時(shí)段的數(shù)據(jù)量就達(dá)到2.1TB。②Le Chen,Alan Mislove and Christo Wilson,"Peeking Beneath the Hood of Uber"．如此的訓(xùn)練時(shí)長及訓(xùn)練樣本量，使得設(shè)計(jì)者根本無法實(shí)現(xiàn)自主學(xué)習(xí)型算法的實(shí)時(shí)訓(xùn)練。因此，設(shè)計(jì)者必然選擇轉(zhuǎn)向本地化的訓(xùn)練模式。

針對本地化訓(xùn)練模式的特點(diǎn)，反壟斷執(zhí)法者在前期市場調(diào)查階段應(yīng)當(dāng)要求相關(guān)主體保留一定時(shí)期內(nèi)的訓(xùn)練樣本（數(shù)據(jù)）并就其來源作出解釋。一方面，由于前期市場調(diào)查的隨機(jī)性、不確定性，自主學(xué)習(xí)型算法共謀的實(shí)施者難以及時(shí)對訓(xùn)練樣本作出修改、清理，從根本上保證了訓(xùn)練樣本的可審核性。反壟斷執(zhí)法者可以要求設(shè)計(jì)者解釋算法的構(gòu)造并在一定情況下選擇性地對這些訓(xùn)練樣本進(jìn)行測試，通過測試對訓(xùn)練樣本設(shè)置上的傾向性進(jìn)行進(jìn)一步審核。但在數(shù)據(jù)披露的基礎(chǔ)上還需要謹(jǐn)防干擾性披露的問題，即通過披露大量冗余、干擾性的數(shù)據(jù)以妨礙關(guān)鍵數(shù)據(jù)內(nèi)容的解釋。故反壟斷執(zhí)法機(jī)構(gòu)在抽檢、審核數(shù)據(jù)時(shí)可引入第三方機(jī)構(gòu)協(xié)助，以期審核過程有序進(jìn)行。另一方面，對數(shù)據(jù)來源的審查可以初步判斷出競爭者是否具有潛在的共謀意思以及其對市場信息對稱性的影響程度。數(shù)據(jù)的分享、使用本身并不當(dāng)然為反壟斷法所規(guī)制，但如成本價(jià)格、生產(chǎn)數(shù)量等關(guān)鍵市場信息則可以降低市場競爭不確定性進(jìn)而促進(jìn)共謀。對于此類關(guān)鍵市場信息的來源則必須予以關(guān)注，例如數(shù)據(jù)是否是由同業(yè)競爭者提供獨(dú)立接口獲得、數(shù)據(jù)內(nèi)容是否含有單邊公告信號、經(jīng)營者對關(guān)鍵市場數(shù)據(jù)是否予以必要防護(hù)等。如若確實(shí)存在前述問題，則可以很大程度上認(rèn)定共謀行為的存在。如歐盟《橫向合作協(xié)議指南》就價(jià)格、產(chǎn)量等信息作出規(guī)定，若經(jīng)營者間存在交換此類關(guān)鍵信息則可直接認(rèn)定為具有限制、排除競爭目的。

考慮到事前階段在認(rèn)定過程存在的缺陷，反壟斷執(zhí)法機(jī)構(gòu)可考慮適用“通知-刪除”等較為緩和的措施予以前期規(guī)制。但這些措施具有一定的執(zhí)法靈活性，應(yīng)當(dāng)在立法上相應(yīng)限制其處罰權(quán)以保障企業(yè)的合法權(quán)益。而我國反壟斷法在此方面尚不完善，僅《反壟斷法》第四十四條有一簡要表述。為兼顧執(zhí)法靈活性與處罰權(quán)力，美國聯(lián)邦貿(mào)易委員會(huì)（FTC）在作出處罰時(shí)需從如下方面證明相關(guān)主體的行為具有反競爭效應(yīng)：（1）可能會(huì)對消費(fèi)者造成重大損害；（2）消費(fèi)者無法合理避免該損害；（3）其行為的有利影響并不能抵消對消費(fèi)者、競爭環(huán)境的損害效果。③OECD: Algorithms and Collusion: Competition Policy in the Digital Age．這一標(biāo)準(zhǔn)是原則性、抽象性的，所以在限制處罰權(quán)的同時(shí)也一定程度上確保執(zhí)法的靈活。

如何保證數(shù)據(jù)管控措施得到有效執(zhí)行，很大程度依賴于相關(guān)法律法規(guī)的解釋、完善。我國目前與此較為相近的是《電子商務(wù)法》第31條關(guān)于電子商務(wù)平臺(tái)經(jīng)營者記錄、保存商品和服務(wù)相關(guān)信息的規(guī)定，其對信息的基本類型、保存時(shí)間都作出相應(yīng)要求。但在引入反壟斷法時(shí)，還應(yīng)注意對信息類型的具體說明以確保數(shù)據(jù)管控措施的可執(zhí)行性。如采用列舉式的方法指明數(shù)據(jù)來源信息、終端價(jià)格信息等常見的數(shù)據(jù)信息類型，再輔以概括式的描述保障執(zhí)法者自由裁量空間。此外還應(yīng)當(dāng)注意到此規(guī)定強(qiáng)調(diào)信息的完整性、保密性、可用性等原則，這一原則可為《反壟斷法》第52條所借鑒—即當(dāng)受調(diào)查經(jīng)營者以不當(dāng)方法致使披露信息不完整或不可用時(shí)也應(yīng)當(dāng)認(rèn)定為是拒絕、阻礙調(diào)查的行為。

（四）面向市場結(jié)構(gòu)的事前預(yù)防與監(jiān)管路徑設(shè)計(jì)前文提到，在產(chǎn)品同質(zhì)性較強(qiáng)、市場結(jié)構(gòu)較固定的市場較容易出現(xiàn)自主學(xué)習(xí)型算法的平行行為。對這類市場重點(diǎn)進(jìn)行市場監(jiān)控，將有助于對壟斷風(fēng)險(xiǎn)的事前控制以及對壟斷行為的事后管控。但由于市場信息的不對稱性、監(jiān)管技術(shù)的滯后性，反壟斷執(zhí)法者采用傳統(tǒng)手段難以及時(shí)、準(zhǔn)確的識別出自主學(xué)習(xí)型算法共謀行為。且即便識別出違法行為，也難以將證據(jù)線索及時(shí)加以提存、固定。因此借助技術(shù)手段對商品價(jià)格、供需關(guān)系等市場結(jié)構(gòu)信息加以實(shí)施、動(dòng)態(tài)的監(jiān)管是極為必要的。

1.市場風(fēng)險(xiǎn)監(jiān)測措施一方面反壟斷執(zhí)法機(jī)構(gòu)應(yīng)當(dāng)依托于大數(shù)據(jù)、云計(jì)算、數(shù)據(jù)加密等技術(shù)主動(dòng)建立起一套高效、穩(wěn)定、安全的市場風(fēng)險(xiǎn)監(jiān)測系統(tǒng)，對行業(yè)信息、輿情信息等數(shù)據(jù)源及時(shí)地收集、分析。另一方面可以適時(shí)地要求被監(jiān)管主體接入反壟斷執(zhí)法機(jī)構(gòu)的市場風(fēng)險(xiǎn)監(jiān)管系統(tǒng)，借助區(qū)塊鏈技術(shù)實(shí)時(shí)提存、固定數(shù)據(jù)以防止數(shù)據(jù)的篡改、偽造。當(dāng)然，由此形成的數(shù)據(jù)量也對數(shù)據(jù)質(zhì)量、處理能力提出相當(dāng)?shù)囊?。因而由政府部門、執(zhí)法機(jī)構(gòu)、行業(yè)協(xié)會(huì)主導(dǎo)進(jìn)行數(shù)據(jù)流程規(guī)范化指引，逐漸形成結(jié)構(gòu)化、系統(tǒng)化的數(shù)據(jù)格式是極其必要的。此舉將使得數(shù)據(jù)清洗難度、數(shù)據(jù)處理時(shí)長大幅降低，從而提高市場風(fēng)險(xiǎn)監(jiān)管系統(tǒng)的可應(yīng)用性。此外，各地區(qū)監(jiān)管機(jī)構(gòu)間也應(yīng)當(dāng)探討數(shù)據(jù)共享的可實(shí)踐性，為統(tǒng)合監(jiān)管奠定必備基礎(chǔ)。①楊東：《監(jiān)管科技：金融科技的監(jiān)管挑戰(zhàn)與維度建構(gòu)》，《中國社會(huì)科學(xué)》，2018年第5期。州仲裁委等機(jī)構(gòu)基于區(qū)塊鏈技術(shù)搭建的“仲裁鏈”，一定程度上可以供各地區(qū)監(jiān)管機(jī)構(gòu)借鑒。但各節(jié)點(diǎn)均安全、可信的情況下采用區(qū)塊鏈技術(shù)是否經(jīng)濟(jì)、效率，采用其他數(shù)據(jù)加密技術(shù)是否可行值得進(jìn)一步討論。

2.異常市場行為預(yù)警、調(diào)查措施除對一些基本的市場結(jié)構(gòu)信息進(jìn)行整理、分析外，反壟斷執(zhí)法機(jī)構(gòu)還應(yīng)當(dāng)借助人工智能等相關(guān)技術(shù)識別、監(jiān)測異常的市場行為。前文提到外顯、直接的壟斷協(xié)議、溝通線索等證據(jù)在自主學(xué)習(xí)型算法共謀的情境下極難獲取，此時(shí)尤其應(yīng)當(dāng)重視對間接經(jīng)濟(jì)證據(jù)的分析、提取。但間接經(jīng)濟(jì)證據(jù)由于其零散、關(guān)聯(lián)性較差的原因，通常難以形成清晰、完整的證據(jù)鏈條。美國聯(lián)邦第四巡回上訴法院在審理Brooke Group Ltd.v.Brown & Williamson Tobacco Corp.案時(shí)就指出，間接經(jīng)濟(jì)證據(jù)雖然也足以證明有意識的平行行為違法，但考慮到平行行為本身并不具有違法性，只有在間接經(jīng)濟(jì)證據(jù)達(dá)到相當(dāng)程度時(shí)才能認(rèn)定其違法。②Brooke Group Ltd．v． Brown& Williamson Tobacco Corp．, 509 U．S． 209(1993)．考慮到高頻價(jià)格變動(dòng)等異常的市場行為發(fā)生時(shí)間短、發(fā)生時(shí)間不確定等因素，采取傳統(tǒng)手段將很難察覺這類行為。因此反壟斷執(zhí)法機(jī)構(gòu)可以同樣采用人工智能等相關(guān)技術(shù)，對市場異動(dòng)進(jìn)行監(jiān)測、預(yù)警。在具體操作上，一方面可以考慮將此前已經(jīng)查處的案件材料相應(yīng)整合、提取，作為監(jiān)管算法的訓(xùn)練樣本。而另一方面對于一些較常見的間接經(jīng)濟(jì)證據(jù)類型，則可以考慮直接將其作為常規(guī)化的監(jiān)管目標(biāo)，例如相對固定的市場份額、市場價(jià)格的歧視、異常的市場價(jià)格變化幅度及頻率等。③William E． Kovacic, "Plus Factors and Agreement in Antitrust Law", 110 Mich． L． Rev．393, 2011:427．在識別出相應(yīng)的間接經(jīng)濟(jì)證據(jù)后，可以在貝葉斯模型的框架下結(jié)合市場結(jié)構(gòu)、市場特點(diǎn)、監(jiān)管經(jīng)驗(yàn)推斷出共謀的大致概率進(jìn)而有條件地展開針對性調(diào)查。為更有效識別、利用各類間接經(jīng)濟(jì)證據(jù)，反壟斷執(zhí)法機(jī)構(gòu)可設(shè)置專門小組以提升專業(yè)性。如美國聯(lián)邦貿(mào)易委員會(huì)就于2019年2月設(shè)立技術(shù)專門小組（Technology Task Force），以調(diào)查美國科技行業(yè)的反競爭行為。①FTC creates new task force to investigate tech sector[2019-02-26], ，最后訪問時(shí)間2019年12月18日．專門小組在日常調(diào)查活動(dòng)過程中可以以行政指導(dǎo)、建議等方式促進(jìn)競爭政策的有效實(shí)施，并在公平競爭審查過程中反推政策制定。

3.消費(fèi)者指導(dǎo)措施消費(fèi)者是市場經(jīng)濟(jì)活動(dòng)的重要組成部分，在反壟斷法中也占據(jù)相當(dāng)位置。在大數(shù)據(jù)、爬蟲技術(shù)高度發(fā)展的現(xiàn)在，消費(fèi)者同樣可以使用競價(jià)平臺(tái)等技術(shù)服務(wù)以減少市場信息的不對稱。當(dāng)使用競價(jià)算法的消費(fèi)者數(shù)量達(dá)到一定程度時(shí)，則消費(fèi)者可逐步獲得買方勢力并以此抵消經(jīng)營者使用算法所引致的負(fù)面福利效應(yīng)。②周圍：《算法共謀的反壟斷法規(guī)制》。且消費(fèi)者在使用過程中如若發(fā)現(xiàn)經(jīng)營者存在異常行為，則可以及時(shí)向有關(guān)部門舉報(bào)。美國聯(lián)邦貿(mào)易委員會(huì)消費(fèi)者保護(hù)局此前就為此設(shè)立了技術(shù)研究和調(diào)查辦公室（Office of Technology Research and Investigation），其一項(xiàng)重要職能就是為消費(fèi)者以及其他組織提供算法透明性等相關(guān)問題的指導(dǎo)。③FTC Office of Technology Research and Investigation, ，最后訪問時(shí)間2019年11月30日．

四、結(jié)語

即便純粹自主學(xué)習(xí)型算法在實(shí)驗(yàn)室環(huán)境下已表現(xiàn)出相當(dāng)?shù)哪芰?，但相較其他專門算法而言多數(shù)情況下并不會(huì)作出合作行為。且其運(yùn)行周期長、結(jié)果不穩(wěn)定等特點(diǎn)，使得設(shè)計(jì)者難以在控制結(jié)果的基礎(chǔ)上管理成本。故僅就目前技術(shù)條件而言，距離純粹自主學(xué)習(xí)型算法的實(shí)際應(yīng)用仍為時(shí)尚早。因而結(jié)合現(xiàn)有條件，依據(jù)自主學(xué)習(xí)型算法特點(diǎn)對各類不純粹自主學(xué)習(xí)型算法分環(huán)節(jié)、分對象予以事前預(yù)防和監(jiān)管是更加現(xiàn)實(shí)的，例如本文提到的對市場敏感信息的管控、對單邊公告信號的核查、對市場風(fēng)險(xiǎn)的監(jiān)測等。在各環(huán)節(jié)設(shè)計(jì)趨于完善時(shí)，即便確實(shí)出現(xiàn)純粹自主學(xué)習(xí)型算法共謀也不至于無從下手。此外，自主學(xué)習(xí)型算法共謀所涉及的民事責(zé)任認(rèn)定等問題也值得進(jìn)一步探究。如在純粹自主學(xué)習(xí)型算法共謀的情形下，設(shè)計(jì)者、使用者間的責(zé)任如何界定？又如在“傘形效應(yīng)”的情境下，未實(shí)際參與共謀但卻隨即提升商品價(jià)格的競爭者是否需承擔(dān)責(zé)任？消費(fèi)者又是否能夠向其請求賠償？為更好應(yīng)對自主學(xué)習(xí)型算法共謀，宜在數(shù)據(jù)層面、消費(fèi)者層面、民事責(zé)任層面等層面逐步協(xié)調(diào)、完善，結(jié)合經(jīng)濟(jì)學(xué)、計(jì)算機(jī)科學(xué)等專業(yè)知識逐步建立起有效、完備的算法共謀規(guī)制框架。