大數據時代算法共謀的法律困境與規制建議

陳 沛

一、問題的提出

隨著人工智能和數字化技術的廣泛應用，數字經濟的發展趨勢不可逆轉，大數據時代已然到來。數字經濟環境下，大數據(運算對象)、算法與算力(云計算)互為支撐，共同構筑了以數字經濟為核心的生產要素與生產方式，也對數字經濟領域的市場秩序與競爭格局帶來了重要變革。一方面，企業可以利用已掌握的大數據對市場情況進行深度分析與處理，指導其定價策略、營銷策略等，獲得競爭優勢并提升市場力量；另一方面，數據多元化開發和利用也釀成數據權屬、信息安全、個人隱私、企業間的數據流動和利益分配等問題。[注]參見詹馥靜、王先林：“反壟斷視角的大數據問題初探”，載《價格理論與實踐》2018年第9期，第38頁。當各種隱憂開始凸顯，算法共謀也逐漸進入大眾的視野，并成為了近年反壟斷規制的重大難題。牛津大學教授阿里爾·扎拉奇在《算法的陷阱》一書中談到：“算法會達成共謀，這種共謀有更多不同層次的形式，它更狡猾，隨著算法的形式不同而越來越隱蔽難辨?！盵注][英]阿里爾·扎拉奇、[美]莫里斯E.斯圖克：《算法的陷阱：超級平臺、算法壟斷與場景欺騙》，余瀟譯，中信出版社2018年版，第13頁。當算法開始共謀并對市場結構和市場秩序產生反競爭效果時，當企業濫用算法達成數字化卡特爾(Digital Cartels)以獲得壟斷利潤時，我們的反壟斷法體系和權威必然受到挑釁。而圍繞算法共謀，我們現行的反壟斷法體系能否對其進行有效的法律認定和判斷？能否利用現有的反壟斷規制措施對其回應與遏制？在具體規制中又應當遵循何種價值取向？采取哪些具體措施？本文將遵循以上基本分析路徑展開，試圖揭開算法共謀的神秘面紗。

二、算法共謀概述

(一)算法共謀的內涵與產生原因

作為大數據的核心技術之一，算法(Algorithms)在現代商業活動中的應用非常廣泛，一般是指企業通過一套明確、精確的簡單操作列表進行數據收集、加工、分析，并通過這些數據分析消費者偏好和競爭對手的策略，從而設計新產品、流程和業務策略。[注]See D.D. Sokol, R.Comerford. Antitrust and Regulating Big Data. 23 George Mason Law Review(2016):1129～1134.隨著爬蟲等機器人技術的運用與大數據影響下市場透明度的提升，當一個企業調整自己產品的定價時，競爭對手得以在極短的時間內察覺并隨之做出調價，這一過程看似沒有達成意思聯絡，但實際上經營者都清楚彼此間的相互依存關系，最終實現價格共謀。簡單說，算法共謀(又稱“算法合謀”，Algorithmic Collusion)可以理解為兩個或兩個以上相互競爭的企業為達到壟斷利潤最大化而共同利用算法實施的合謀或策略行為。[注]本文討論的是反壟斷意義上合謀的概念，合謀是指特定市場中兩個或兩個以上獨立的經營者，采取協議、決定或其他形式，共同對產品或服務的價格、數量等進行限定，從而排除、限制競爭的行為。參見孟雁北：《反壟斷法》，北京大學出版社2017年版，第97頁。共謀可以分為明示共謀(Explicit Collusion)與默示共謀(Tacit Collusion)。明示共謀指通過明確的協議(無論書面或口頭)的方式達成的反競爭合謀；默示共謀也稱默契共謀，指毋需明確的任何協議、決定或意思聯絡，共謀雙方通過認可相互依存關系，而自發地、心照不宣地維系合謀，形成反競爭的合作。當前，通過算法達成的共謀多以默示的形式展示。

由于數據的易得性與算法本身的特殊功能，為了避免被市場淘汰或維持市場份額，企業往往會依賴算法隨時捕捉消費者的偏好以及其他競爭對手的定價策略，并將自己的定價維持在與其他競爭者同等水平，以此來維持或提高競爭優勢。據歐盟委員會在2017年10月發布的電子商務行業最終報告統計，超過2/3的電子商務經營者都在使用定價算法跟蹤競爭對手。[注]See Final Report on the E-commerce Sector Inquiry, Report From the Commission to the Council and the European Parliament, http://ec.europa.eu/competition/antitrust/sector_inquiry_final_report_en.pdf,Oct.5,2017．最后訪問時間：2019年6月10日。為什么大量的經營者樂于利用算法達成共謀，主要原因還是在于市場的過度透明。大數據時代，數據的大量生產與使用極大地增強了市場的透明度，消費者得以比較同類產品的價格、品質等產品競爭力從而做出更優的選擇，與此同時，大量公開易得的數據喂養了智能算法，使得企業通過算法監視、預測和分析競爭對手目前或未來的價格，實現對競爭對手定價的跟蹤，這為協同定價(Price Coordination)創造了條件。因此，市場越透明則越有可能強化企業共謀的穩定性，越有利于共謀的達成和實施。[注]參見曾雄：“數據壟斷相關問題的反壟斷法分析思路”，載《競爭政策研究》2017年第6期，第49頁。

(二)算法共謀的分類

算法共謀理論的提出者Ariel Ezrachi教授區分了四種有利合謀的算法類型，包括：信使類合謀(Messenger)、軸輻類合謀(Hub and Spoke)、預測類合謀(Predictable Agent)與自主類合謀(Autonomous Machine)。[注]參見[英]阿里爾·扎拉奇等：“人工智能與合謀：當計算機抑制了競爭”，焦海濤譯，載韓偉主編：《數字市場競爭政策研究》，法律出版社2017年版，第340～364頁。總結區別如下表：

表一 算法共謀四種形式的主要區別

1.信使類合謀。顧名思義，信使類合謀指計算機或算法承擔信使的角色，完全依據人類設定的計劃而執行命令。在這類合謀中，人類是卡特爾的操縱者，算法只是幫助人類實現意志的被動的工具。在“美國政府訴Topkins案”、“美國政府訴航空運價發布公司案”中，競價算法類的排名工具、訂票程序事實上成為了經營者達成排除競爭的共謀的溝通工具，從本質上講它與其他的工具并無不同。

2.軸輻類合謀，即中心輻射式合謀。同一市場的經營者共同約定使用同一個定價算法，這個定價算法給出的價格將成為各經營者公認的市場價格。若軸輻足夠大，加上算法研發者(通常是軸心經營者)作為“軸”的幫助，極易達成全行業的合謀導致價格上漲，產生限制競爭的效果。[注]參見李振利、李毅：“論算法共謀的反壟斷規制路徑”，載《學術交流》第7期，第74頁。類似地，行業中大部分經營者若依賴某一頭部企業的算法，當該企業使用將價格固定在競爭水平之上的動態定價算法，這種情況下合謀也很可能會達成。[注]2015年發生的“Meyer v. Uber”一案就是典型的軸輻共謀代表案例。2015年，Uber的用戶Meyer指控Uber推出的定價算法導致了其與平臺內司機的共謀。在算法推出前，Uber平臺內的司機擁有獨立定價權，為了爭奪客戶常常開展價格戰。在有了Uber算法以后，算法統一協調價格(包括基準車費、何時上調價格、在哪一區域，什么時間段上調價格與調整幅度等)，它連接起作為“輻”的所有司機，并支撐起了整個合謀。實際上每個司機并沒有就價格展開競爭，而是基于Uber的算法收費，這一過程中司機與平臺、司機之間極易形成反競爭的合謀。參見陳永偉：“用規制人的思路規制算法”，http://m.eeo.com.cn/2019/0422/354102.shtml，最后訪問時間：2019年5月2日。

3.預測類合謀。預測類共謀指計算機算法盡管由不同企業研發，但設計相似，其被用于監督市場活動，并能理性地實施價格跟隨行為。[注]參見李振利、李毅：“論算法共謀的反壟斷規制路徑”，載《學術交流》第7期，第75頁。在這一場景下，定價算法充當經營者的代理人身份，實時監控對手定價，并在被代理人授權的價格范圍中調整自己的定價。每一經營者研發自己的算法，但也清楚對手研發類似的算法，彼此增強了依賴程度，容易導致默示共謀產生反競爭效果。這類合謀一般通過信號算法(Signalling Algorithms)達成，若某平臺對一產品降價，如果該平臺的競爭對手通過信號算法迅速捕捉數據并也隨之降價，則可有效剝奪競爭對手通過降價行為帶來的銷量增加，先降價平臺的潛在競爭優勢也難以建立。久而久之，首先降價的平臺便沒有動力去維持或持續降價，競爭對手通過使用相似算法更易達成默示共謀。當每個企業都不大可能從其競爭舉措中獲利時，市場通常更容易受協同行為損害。[注]參見[英]阿里爾·扎拉奇等：“人工智能與合謀：當計算機抑制了競爭”，焦海濤譯，載韓偉主編：《數字市場競爭政策研究》，法律出版社2017年版，第354頁。

4.自主類共謀。這類算法能自動收集行業中的數據并進行自主的深度學習(Deep Learning)，并能依其自身判斷調整價格，尋找優化利潤的途徑，毋需依賴研發者的指令。這一情形下，算法極大地智能化，隨時根據市場環境變化作出調整價格的判斷，在某種程度上其做出的行為不一定完全符合其開發者的意圖。當市場上運行的智能體擁有類似的思維時，它能夠更容易預測和理解其他類似智能體的行動，共謀的能力便會得到強化，比如，經營者設定算法的目標為利潤最大化、市場行為優化，算法會自主執行其認為的最優策略，以實現目標。這一情形下，形成合謀決策的主體不是人類，而是通過自主學習獲得相似思維的“智能體”。

(三)算法共謀的特征與危害

1.共謀達成的隱蔽化。大數據時代，競爭者之間的共謀形式呈現隱蔽化的趨勢，從早期的當面磋商，到書面協議的約定，再到電話網絡的溝通，進而演化到算法之間的意思聯絡，共謀的形式隨著數字化技術的更新而不斷迭代，越來越呈現出無感和難以辨識的特征，其中默示合謀成為了算法共謀隱蔽化的代表。默示合謀的產生主要原因在于：大數據時代帶來了海量的數據資源、便利的信息交流工具以及日益精進的數字化技術，這些因素都極大地提高了市場的透明度，企業的任何“風吹草動”都能在極短時間內被競爭對手窺探察覺進而采取相應的適應競爭(Meeting Competition)[注]參見周圍：“價格差別待遇的抗辯事由探析——以‘適應競爭’抗辯為中心”，載《法律適用》2013年第4期，第104頁。的策略。因此，在這種情況下，率先采取競爭措施的經營者喪失時間上的“先發優勢”，獲利機會隨著其他競爭者反應速率的提升而明顯減少。當經營者們都認為自己不大可能從降價、提升產量等競爭性措施中獲利時，他們采取協同行為以維持現有利益的可能性無疑會增加。[注]鐘原：“大數據時代壟斷協議規制的法律困境及其類型化解決思路”，載《天府新論》2018年第2期，第69頁。算法共謀的隱蔽化不僅諷刺性地傷害了消費者的權益，而且為反壟斷執法增加了難度與壓力。

2.算法執行的智能化。智能化表現在壟斷協議從人的“共謀”過渡到了算法的“共謀”，在事實上弱化了人的意志而強化了算法的主動性。正如赫拉利所說，“無意識但具備高度智能的算法可能很快就會比我們自己更了解我們自己?！盵注][以]尤瓦爾·赫拉利：《未來簡史:從智人到神人》,林俊宏譯，中信出版社2017年版，第361頁。在傳統共謀的認定上，除主體由多個獨立的經營者構成、客觀上造成了排除限制競爭的效果外，各競爭主體的主觀意思一致性必不可少。[注]參見孫晉、李勝利：《競爭法原論》，武漢大學出版社2011年版，第53頁。當算法具備自主判斷和學習能力后(如預測類共謀算法、自主類共謀算法)，其開展自動定價甚至自主達成和實施壟斷協議并非不可實現。由此，算法在事實上具備了自主學習能力和自我意識，并在一定程度上存在不受人類控制的可能性。它會依照經營者的終極意圖(但不一定是經營者的臨時指令)并綜合市場環境，通過相互依賴以及相互的自我意識對數據進行篩選、分析、判斷，得出是否調價、是否調整銷售量的理性結論。[注]正如專家指出，算法實際上在控制合謀性結構方面可能比人類做的更好，因為它們在發現價格變化方面更為精確，可以消除非理性因素，降低和某策略被錯誤行為所削弱的可能性。See Mehra, S. K., Antitrust and the Robo-Seller: Competition in the Time of Algorithms, Minnesota. Law Review (2015), Vol. 100, http://www.minnesotalawreview.org/wp-content/uploads/2016/04/Mehra_ONLINEPDF1.pdf. 最后訪問時間：2019年6月11日。市場上越多算法具備這種能力，其行為路徑也越發類似甚至趨同，客觀上更易憑其“智力”達成共謀，價格也越可能向壟斷水平發展。針對這類情況，有學者提出擔憂：機器學習(尤其是無監督學習)結果的不可控性使人工智能不同于以往的技術，其中必會蘊含更大的風險和不確定性。[注]參見鄭戈：“算法的法律與法律的算法”，載《中國法律評論》2018年02期，第69頁。

3.定價調整的高頻化。區別于傳統的協同行為，依賴算法定價的企業在價格調整上展現出高度的動態化。定價算法類似于金融理財中的智能投顧產品，均由其控制者輸入一定的初始條件、閾值與期待結果等指令，由算法自動執行該指令并即時調整定價。在執行過程中，算法的參考因素多樣且動態變化，比如競爭對手商品的價格、一定時間內的市場銷量等。算法需要實時監測并自動作出修改，而傳統的協同行為的達成有賴于競爭雙方通過各種形式的磋商，意思聯絡的形成往往會滯后于市場狀況的變化。因此，定價算法能夠利用既定的規則，反復多次共同變動商品價格，其頻率之高、速度之快、反應之迅速，已遠超過去的傳統方式。[注]參見施春風：“定價算法在網絡交易中的反壟斷法律規制”，載《河北法學》2018年第11期，第115頁。

三、算法共謀的反壟斷法困境

大數據時代算法共謀具有隱蔽化、智能化和定價高頻化的特征，對當前壟斷協議的規制和執法提出了新的法律挑戰。其中最大的挑戰在于法律如何規制算法，解決算法帶來的主體性流失、權利損害等問題，[注]參見鄭戈：“算法的法律與法律的算法”，載《中國法律評論》2018年02期，第68頁。更細化來說，目前的反壟斷法體系能否對其進行法律認定和判斷，以及能否利用現有的反壟斷規制措施來應對新型的合謀形式。本文認為，在回答上述問題之前，我們有必要區分兩種類型的算法相關行為，一種是基于目前的法律框架可適用的行為，如“信使類算法合謀”，較為典型的是2015年美國司法部(DOJ)訴Topkins一案。[注]2015年，DOJ發現某商家的電子商務主管Topkins利用算法在亞馬遜電商平臺上從事固定價格銷售行為。Topkins和其合謀者同意使用特定的算法為特定的海報產品進行定價，從而實現固定、增加、維持、穩定商品價格，使得合謀者的商品價格及其變動能夠保持一致。DOJ向地方法院對Topkins等提起了重罪指控，最后被指控者認罪并繳納了罰款。See DOJ. Former E-Commerce Executive Charged with price Fixing in the Antitrust Division’s First Online Marketplace Prosecution, Press Release by the Department of Justice on Monday,2015,Accessed November,2017.http://www.justice.gov/atr/public/press_releases/2015/3 13011. 最后訪問時間：2019年6月11日。轉引自曾雄：“數據壟斷相關問題的反壟斷法分析思路”，載《競爭政策研究》2017年第6期，第49頁。在此案中，合謀通過協商達成，算法的作用實際是合謀的工具，屬于信使類算法合謀。對于這類合謀盡管涉及算法證明其違法行為較為復雜，但相關機構仍可以利用現行的反壟斷分析框架和規則進行執法或司法裁判。[注]美國司法部反壟斷司認為具備以下三個要件即可構成共謀：a)共謀行為產生及持續時間；b)共謀行為的主觀明知故意；c)共謀行為嚴重影響了州際貨物/服務貿易或發生在州際貨物/服務貿易的交易過程中。https://www.justice.gov/atr/case-document/file/628891/download，最后訪問時間：2019年5月2日。另一種主要體現在無意思聯絡的默示共謀中，尤以預測型共謀與自主型共謀最難規制。盡管這類共謀的實際案例目前不多，但未來隨著算法技術的深化其數量無疑會擴張。這一類型超出了目前反壟斷規則范圍的行為，將給競爭執法帶來真正的挑戰。因此，默示合謀類的協同行為將是下文討論的重點。

(一)默示共謀類的壟斷協議難以認定

通過上述分析，默示共謀的競爭者之間雖無意思聯絡但客觀上造成了排除妨礙競爭的效果，理應受到反壟斷法的規制。但現行法律通常將識別競爭者之間的“協議”作為反壟斷法反對共謀結果的前提條件。我國現行的《中華人民共和國反壟斷法》(以下簡稱《反壟斷法》)將壟斷協議界定為：“排除、限制競爭的協議、決定或者其他協同行為?！痹摋l規定壟斷協議的核心是聯合、共謀，方式包括協議、決定或者其他協同行為。如果兩個或兩個以上的企業沒有意思聯絡，而先后實施相同或一致的行為，不能認定它們達成壟斷協議。[注]商務部條法司編：《反壟斷法理論與中外案例評析》，北京大學出版社2008年版，第53頁。也有學者認可意思聯絡是壟斷協議的構成要件之一。[注]參見孫晉、李勝利：《競爭法原論》，武漢大學出版社2011年版，第53頁。若按上述邏輯，現行的《反壟斷法》僅規制明示合謀，無法規制默示合謀。

面臨的困境可能包括：

首先，反壟斷法意義上的合謀要求競爭者之間存在意思聯絡(無論該種聯絡是書面或口頭)并能將意思聯絡以協議、決定或其他行為的形式固化，雖然大部分案件中“協議”或者“合意”的內涵已被廣義解釋，但監管者通常仍然以有形、明確的“協議”作為處理合謀的證據。若沒有“證據”，反壟斷法不宜干預。這樣就會導致共享定價算法這類默示合謀行為很難認定經營者之間存在反壟斷法意義上達成的協議，從而難以納入規制范疇。

其次，當前的反壟斷法理論和制度構建更多是以傳統工業時代為背景，其規則并沒有適時調整以適應大數據時代的特征。[注]參見鐘原：“大數據時代壟斷協議規制的法律困境及其類型化解決思路”，載《天府新論》2018年第2期，第69頁。因此對于算法之間進行快速而復雜的相互交流，反壟斷法也很難將其視為競爭法下的經營者思想交流而相似對待。即使監管部門認定算法交流(Algorithmic Communication)屬于經營者思想交流的輔助，但在參考具體的法律標準、固定證據等方面是很困難的，并且有可能被認定為過度的擴大解釋或類推解釋。

此外，我國《反壟斷法》將壟斷協議分為橫向壟斷協議與縱向壟斷協議。但算法改變了合謀形成所需要的市場條件，使合謀對市場結構的依賴性減弱。[注]參見蔣力：“算法合謀的反壟斷法分析”，武漢大學2018年碩士學位論文，第31頁。算法合謀可能無法直接適用橫向與縱向的二元分類，比如上文提到的軸輻類合謀，軸心經營者與其上下游經營者(輪緣經營者)分別達成多個相互平行的縱向協議，但輪緣經營者之間實際上存在橫向的共謀。這類共謀行為因為同時具備了縱向壟斷協議與橫向壟斷協議的特征而表現出復雜性。

(二)默示共謀的反壟斷責任難以體現

壟斷協議的構成要件一般包括主體要件、主觀要件與損害后果。默示共謀在客觀上達到了排除限制競爭的效果，但由于主體與主觀要件不適格或不匹配，難以被現行反壟斷法覆蓋成為規制的對象。

1. 誰應當承擔默示共謀的責任主體

在傳統的壟斷協議規制框架中，毫無疑問，主體都是具有權利能力和行為能力并能承擔責任的法律主體，比如自然人、法人或其他經濟組織。盡管理論界越來越多學者認為行業協會也應該納入卡特爾主體形態，但并不影響卡特爾的主體是市場上的經濟組織的判斷。我國《反壟斷法》第12條也通過概括的方式對經營者予以界定，并將經營者和行業協會作為壟斷協議成立的主體要件。[注]參見王曉曄主編：《中華人民共和國反壟斷法詳解》，知識產權出版社2008年版，第80頁。而無論是經營者還是行業協會，它們的權利能力、行為能力以及責任能力在法律中有清晰的界定。反觀算法，雖然是默示共謀的直接參與者，但其本質上是一套計算機編程，又如何具備法律意義上的人格屬性，并承擔相應的法律責任？

我們現有的法律規則由行為模式與法律后果組成。具體到反壟斷規制體系中，首先界定是由經營者實施了排除限制競爭的行為，我們的反壟斷法才得以發揮作用，給予處罰和懲治。但這一預設的前提需要行為主體具備責任能力。無論作為現實的“人”的自然人或作為擬制的“人”的法人及其他組織，其承擔責任都有自身的法律基礎。但算法是一套智能化的工具，某種意義上可視其具有行為能力，但倘若認定其具有責任能力而對其施加處罰，無疑是荒謬的。反之，如果算法通過自主學習實施了壟斷行為，但該行為并非出于設計者之手或其本意，一味地將所有責任歸諸于設計者，似乎也不甚合理。

OECD在一份《算法與合謀》的報告中指出，隨著人工智能技術的進一步發展，算法與人之間的聯系會不斷變弱，算法作出決定以及自動定價的能力，與受益于算法自動決策的個人與企業的責任問題，將日益突出。[注]See Algorithms and Collusion: Competition Policy in the Digital Age, Report of the OECD (2017), http://www.oecd.org/competition/algorithms-collusion-competition-policy-in-the-digital-age.htm.最后訪問時間：2019年6月10日。在此背景下，需要考慮人類所控制的算法行為的范圍，比如區分算法不違反設計人的意圖(但違反具體指令)從事限制競爭行為與算法違反設計人的意圖與指令從事限制競爭行為的情形；當算法的設計者、算法的利用者與算法的受益者相分離時，其責任如何分配以及最終劃定責任承擔形式。

2. 如何界定主觀意圖

如前文所述，算法合謀的隱蔽化和智能化導致了協同行為主觀要件的模糊性。很多情況下，反壟斷執法機構無法判斷特定壟斷行為的指令究竟是算法利用者還是算法本身下達的，由此帶來了法律責任認定上的困境。

事實上，算法主導下的默示合謀存在這樣一個悖論：“依現行反壟斷法律體系，對合謀的證明必須要存在意思聯絡的證據(通常以協議作為證據)，但從界定上講，它又意味著并不存在此類證據。”[注][美]基斯·N.希爾頓：《反壟斷法——經濟學原理和普通法演進》，趙玲譯，北京大學出版社2009年版，第61～62頁。因此，反壟斷法理論與實踐對默示合謀的違法性證明持謹慎態度，不會輕易地去認定數家企業之間的合謀意思聯絡。有學者提出，經營者之間雖然沒有明確訂立排除、限制競爭協議，但十分默契、“心有靈犀”，通過協同一致的行為來事實上排除、限制市場競爭，也屬于反壟斷法所規定的壟斷協議的范圍。[注]參見張穹：《反壟斷理論研究》，中國法制出版社2007年版，第110頁。該觀點將默示合謀視為一種協同行為對待，但未提出協同行為的證明手段，而算法主導的默示合謀增加了證明的難度。

進一步講，默示合謀的證明實質仍然是圍繞協同行為而展開，本質問題仍然是證明協議或證據的存在，只不過這類協議和證據通常不是明示的協議和決定，而是有意識的協調行動(Conscious Parallelism)。但倘若某類默示合謀根本不存在意思聯絡，而是通過算法自主學習達到與其他算法行為一致的水平，那么對其屬于協同行為的證據便無從談起。

還有一種情況，部分算法并非為排除、限制競爭而設計，僅僅是企業作為解消費者偏好、積累市場信息和消費數據的工具，企業自始至終的唯一目的是以此擇選最優經營策略獲取利潤和競爭優勢。算法在運行過程中持續學習和改進，采取的行為最終產生了排除、限制競爭的效果。在該等情形下，沒有反競爭意圖或人類意思聯絡也可能出現反競爭效果，那么此時是否存在可供問責主體？如果有，究竟是人類還是算法才是真正意義上的過錯方？

四、對算法共謀的規制建議

通過以上分析，我們不難發現當前的反壟斷法律體系對于規制算法共謀(尤其是默示共謀)表現出其局限性：一方面默示共謀能否被認定為壟斷協議存在爭議，另一方面即使默示共謀被認定為壟斷協議，對其行為主體的歸責問題也是一個法律難點。但新技術的應用場景不應成為反壟斷的法外之地，對其治理也要與時俱進，逐步邁入法治化的快車道。

(一)壟斷協議的擴大化解釋

當前執法機構將算法合謀視為卡特爾的判斷路徑仍然遵循識別競爭者之間的“壟斷協議”這一前提條件，客觀上仍要求具有達成“共謀”、“協同”的有效證據。這一操作難以適應大數據時代數字經濟的屬性特征和市場競爭的現實情況，不免將壟斷協議的內涵狹隘化。實踐中，協議的概念也許不能指導更多細微的交流形式，它們是否應該落在競爭規則應用的范圍內。例如像單邊公開宣示價格的傳遞信號機制被看作一種達成公共政策的邀請，但是如果在某種情況下等同一種協議，在現行的司法體制下這種判斷方法將受到質疑。[注]參見李振利、李毅：“論算法共謀的反壟斷規制路徑”，載《學術交流》第7期，第79頁。那么為了規制算法共謀，我們是否應該重新考慮協議的定義？例如，前文提到的共享算法，經營者之間沒有直接就價格進行固定或限制，即使動態定價算法根據市場條件的變化最終導致價格一致的結果，經營者完全可以以技術交流為抗辯理由脫離反壟斷法的規制。因此應當延伸合謀協議的概念，只要能證明經營者之間存在合意，且共享算法與一致行為有直接的因果關系，那么共享算法的約定也應視為壟斷協議的特殊形式。對于默示合謀的行為，由于競爭者之間有合意無協商，認定上更為復雜(可能有賴先進的監管技術或算法予以識別)，但首先至少在概念上應明確此類行為屬于心照不宣地達成共謀協議，屬于反壟斷法規制的對象。

令人欣喜的是在本文成稿前，筆者發現日前公布的《反壟斷法》專家修改建議稿第15條[注]《中華人民共和國反壟斷法》專家修改建議稿第15條：“算法合謀及平臺軸輻合謀：經營者不得利用算法等技術手段達成本章禁止的壟斷協議。網絡平臺經營者不得組織或者協調平臺內的經營者達成本章禁止的壟斷協議?！県ttp://www.competitionlaw.cn/info/1138/26864.htm，最后訪問時間：2019年6月10日。已明確將算法合謀及平臺軸輻類合謀視為反壟斷法所禁止的壟斷協議。這說明立法者已充分認識到算法合謀給競爭市場和競爭秩序帶來的不利影響。但細究文本修改內容，尚存模糊有待解釋之處，比如：算法合謀的定義尚待明確，除軸輻類合謀外，前文所述的預測類共謀以及自主類共謀是否也納入規制范疇？規制的算法共謀行為是否僅限于網絡行為？如何規制線下共謀行為？基于此，有必要重新審視大數據時代算法合謀的反壟斷分析框架，并對數字經濟給出進一步積極的回應。但無論如何，壟斷協議的擴大化解釋應是未來競爭立法的重點之一。

(二)明確默示共謀的責任范圍

法理學強調違法行為的實施者應當承擔相應的否定性后果，即法律責任。[注]參見張文顯：《法理學》，法律出版社2007年版，第276頁。按此邏輯，在算法依設計者指示達成反競爭效果的情形，由其經營者承擔責任自不待言。關鍵問題在于算法通過自主學習超出其設計者的意圖或根本不受設計者的控制、指示情況下做出了反競爭行為，此時的責任主體如何確定？Mehra指出，有三種選擇：機器人承擔責任、部署機器人的人類承擔責任或者沒有責任方。[注]See Mehra, S. K., Antitrust and the Robo-Seller: Competition in the Time of Algorithms, Minnesota. Law Review (2015), Vol. 100, http://www.minnesotalawreview.org/wp-content/uploads/2016/04/Mehra_ONLINEPDF1.pdf. 最后訪問時間：2019年6月9日。第三種方案不能被視為可選方案，因為其直接排除了責任主體，使得卡特爾的達成不需要有人為其負法律責任。機器人承擔責任顯然也不具備可行性，因為其自始至終都屬于法律主體，不具備責任能力。即使已經被賦予“公民”身份的機器人索菲亞，就當前看來也不具備法律意義上的獨立人格和獨立責任。那么，能承擔責任的只有算法的設計者或實施者。有人從經濟學“激勵相容條件”的理論出發提出了相反的觀點。[注]參見陳永偉：“用規制人的思路規制算法”，http://www.eeo.com.cn/2019/0422/354102.shtml，最后訪問時間：2019年6月9日。該觀點認為應當“規制算法”，規制的路徑是設法調整算法的輸入目標，使其運作的目標與運用者的目標保持一致，從而達到理想一致的結果。事實上這種觀點未免過于樂觀：首先算法具備“黑箱”的特征，人類難以保證擁有強大的自主學習能力的算法時刻保持著與其運用者一致的目標，更無法審查算法的計算過程是否脫軌；其次即使雙方的目標保持一致，也無法證明該特定目標對于整個競爭市場和競爭秩序會產生正外部性；再者，該觀點理解的“規制”具有片面性。從法學角度來看，規制一般包含三層要素，即制定規則和標準、監督合規情況、對違法主體實施法律制裁。[注][英]科林·斯科特：《規制、治理與法律：前沿問題研究》，安永康譯，清華大學出版社2018年版，第67頁。但上述觀點僅強調了設定算法目標指導算法的行為，并未展開對違法行為發生后歸責過程的討論，實則回避了算法行為一旦產生危害后法律責任主體的確定問題。

因此有人提出，算法經常披著自動化決策的外衣，給人以不可規制的假象，但其實算法都是人的意志設計，只是留有一些可調參數可以被規制和引導。[注]參見姜野：“算法的規訓與規訓的算法：人工智能時代算法的法律規制”，載《河北法學》2018年第12期，第152頁。歸根結底，算法只是一種工具，背后起決定作用的還是人類。這種觀點可能對于那些毫無壟斷目的的經營者顯得不夠公平，但仍有一定道理。算法不是憑空產生，企業是算法的控制者與使用者，本應對算法擁有完全的控制能力，即使算法超出企業的意圖，但也不應判斷違反其本意。概言之，算法是卡特爾的直接參與者，企業成為了卡特爾的幕后參與者，起到了間接作用。當“未牽繩的寵物”咬傷他人時，其主人必然要負賠償責任。當然人工智能是否需要一套獨立于自然人行為能力和責任能力的獨立規則，這有賴于對其設計原理、與人(設計者與使用者)的互動模式以及它作出決策的自主程度等因素的綜合考量與研究，相信未來會有一套現行自然人和法人概念無法得出的權責規則對算法專門規制。[注]參見鄭戈：“算法的法律與法律的算法”，載《中國法律評論》2018年02期，第70頁。

(三)規制的具體措施建議

首先，應慎用直接管制措施。典型的直接管制措施如強制算法公開。德國總理默克爾就認為“算法應該公開，從而讓利益相關群體意識到：當算法非透明時，可能扭曲我們的感知，限制我們所能獲得的信息的廣度?！盵注]南方周末：“‘后真相’時代，新聞如何把關？”，http://static.nfapp.southcn.com/content/201702/20/c289393.html，最后訪問時間：2019年5月5日。但是簡單地公開算法源代碼可能并非提升透明度的充分手段，社會公眾和執法部門似乎也沒有相應的專業能力去理解和驗證算法的反競爭性。從企業的角度思考，在大數據時代算法往往成為了企業重要的競爭工具甚至是獲得競爭優勢的關鍵因素。企業往往將算法視為自身的商業秘密進行保護。要求企業強制公開算法未免矯枉過正，不僅違反了《反壟斷法》的立法宗旨，損害了企業創新的積極性，從長遠看也不利于公共福祉。另一種較為典型的是直接價格管制。若硬性地設置價格管制壁壘，不僅會阻礙創新，也可能通過在數字市場中給合謀創造合作的基礎而導致更高的價格。[注]Algorithms and Collusion: Competition Policy in the Digital Age, Report of the OECD (2017), http://www.oecd.org/competition/algorithms-collusion-competition-policy-in-the-digital-age.htm. 最后訪問時間：2019年6月12日。事實上，治理技術壟斷的最好辦法并非政府事無巨細地使用“看得見的手”。[注]需要說明的是，筆者僅反對政府對市場經濟進行直接干預的行為，并不反對政府應當對算法共謀進行有效監管和規制。

其次，可以明確算法禁止采集的范圍。監管部門可以通過柔性的操作指南、發布典型案例、技術指引等手段，具體列舉算法不應涉入的范疇(該范疇可能容易影響定價或導致價格歧視等不正當競爭行為)，以此來確保算法定價上的公平合理。美國參議院議員在今年4月提出了《2019算法問責法》(Algorithmic Accountability Act of 2019)，要求對自動化決策尤其是高風險算法進行影響性評估。該法案將涉及生物特征等敏感信息的算法、系統性監測大型的公共場所的算法等[注]基于該法，由于算法的新穎性以及性質、范圍、內容和目的，對消費者個人信息隱私和安全帶來高風險的算法，帶來歧視性后果的算法，基于個人的工作表現、經濟狀況、健康、個人偏好、地理位置和行為軌跡而作出影響個人權利的算法，涉及相當數量消費者的宗族、膚色、政治觀點、宗教、工會身份、生物數據、健康、性別、性傾向、犯罪記錄、逮捕記錄的算法，系統性檢測大型的公共場所的算法將被認定成高風險算法。朱朱：“算法規制的美國徑路：《算法問責法》簡介”，https://mp.weixin.qq.com/s/-k4Qbust1P6on6rlPdJi0g，最后訪問時間：2019年6月10日。列為高風險自動決策系統(High-Risk Automated Decision System)，需要額外進行嚴苛的影響性評估。我國可對這類“準負面清單”式的操作模式加以關注、借鑒。

另外，監管部門應充分運用監管科技(Regtech)，以此消除對算法的信息不對稱。由于算法本身非常復雜，且帶有極強的技術色彩，依靠傳統的反壟斷執法經驗或工具必然無法識別隱蔽的算法共謀特性。在反壟斷規則缺失的情況下，執法部門在評估算法是否存在限制競爭的風險時會更為復雜和困難。筆者建議，執法機構應當配備具備相應技術和知識的監管人員，通過監管科技(比如監管類算法)來實時檢驗和監測企業的定價算法，以技術應對技術，以此提升跟蹤監管能力。[注]在該等情況下，企業需要以備案的形式向監管部門提交定價算法，但不意味著監管部門將算法向社會披露。比如，監管機構可以設計算法能夠識別企業頻繁地交換信息、企業同時或幾乎同時宣布提價、企業同時發生商業策略的重大變化等異常情況，據此并綜合其他因素作為確認其達成默示共謀的有力證據。

結 語

大數據在驅動經濟增長、為消費者帶來公開透明的市場環境之余，一定程度上助長了企業利用算法達成壟斷的風險。本文就大數據時代下的算法共謀相關問題進行了梳理和研究，其中反映出了大數據時代下算法共謀的隱蔽化、智能化、定價高頻化的特征，以及當前反壟斷體系應對的局限性和滯后性，隨后提出規制算法共謀的建議。雖然本文討論的很多算法可能帶來的反競爭風險尚未出現，是否有必要針對算法共謀問題進行反壟斷法的規制仍存爭議，但我們仍應當密切關注算法在市場中的實際應用狀況以及可能引發的問題，尤其是在動態市場和動態競爭中所引發的默示共謀的不利后果。在“算法也應具備良好的價值倫理”呼聲日高的今天，法律應有所作為，對其充分關注、有效引導并適當規范。