算法合謀與反壟斷①

劉曉婷

一、背景

算法這一術語在日常生活中隨處可見，但至今還是缺乏一個明確且大眾普遍認同的定義。我們可以說，算法是按照有規律的排列順序來完成某一特定任務。根據OECD在《算法與合謀:數字時代的競爭政策》報告中指出:“算法是一種明確、精確的簡單操作列表，他們機械地、系統地應用于一套令牌(tokens)或對象中(例如棋子、數字、蛋糕成分的配置等)。”其中，令牌是從輸入到輸出的過程。算法的表現形態是多樣的，例如文字、圖表、符號或者其他任一機器可以解析的程序。隨著計算機迅速的發展，現代社會已經進入“互聯網＋”的時代，很多產業或者研究都與計算機緊密結合，這也就恰好與算法對計算機的高要求不謀而合，構成兩者相互促進、相互發展的狀態。計算機借助算法可以更快更準確地做出推理判斷，算法可以利用計算機使程序更加完備。在隔離情感等主觀因素后，算法做出的決策會更加客觀、精確，尤其是在比較復雜的問題中。

算法目前的應用非常廣泛，例如在政府部門或者互聯網企業中，其中在后者的運營中甚是常見。越來越多的企業利用大數據的收集、算法的設定來預測行業發展方向、消費者對于產品的青睞狀態、根據競爭者的報價實時更新自我定價或者通過深度學習優化策略。舉例來說，在線商家數年來一直利用自動定價算法對商品價格進行實時監控，電商平臺一般情況下也默許其通過動態定價去區分市場，在旅游業、酒店預訂、體育和娛樂業中，這種現象頻頻出現。價格算法同時也會主導貨物的在線銷售——根據可用庫存和預期需求來優化價格。在 Amazon上售賣的 Peter Lawrence的著作《The Making of a Fly》曾因為定價算法導致售價飛漲，一家書商的算法將價格設定為另一家的0.9983倍，第二家維持價格是第一家的1.270589倍，在這樣控制失衡的算法運作中，最終使得書籍價格達到23，698，655.93美元。

另外，近年來隨著人們越來越重視保險，算法在保險行業也得到推廣運用。例如，好事達保險公司(Allstate)使用的“市場因素”算法，就通過測定用戶購買保險前比價的可能性來優化自己的價格。這種算法的使用并沒有得到更大的推廣，因為它促使了偏離風險的選擇性定價方式，使得保費范圍可能從標準價格的90%達到800%。

二、算法的概述及案例

算法在實際操作過程中可能被用于各類反競爭的行為中，而在各類行為中最矚目的就是“算法合謀”，它是指將算法作為合謀的條件，促成之前沒有出現過的或者以前不可能出現的新式合謀。一旦競爭者之間利用算法達成合謀的意圖，就有可能導致損害消費者權益的情況。一般情形下，有利于合謀實現的算法類型包括四種，分別是監督算法、平行算法、信號算法以及自我學習算法。

(一)監督算法

在監督算法中，算法被用作合謀的便利工具時，首要任務就是監督競爭者或者說是合謀者的行為。利用算法可以收集獲取競爭者的信息、偏離合謀目的的任何可能行為的數據，一旦確定其背離合謀或者做出對合謀不利的行為時，算法就會觸警并且及時做出應對方案。在整個監督過程中，算法的困境就在于全方位收集對方數據，只有在數據完備，能夠確定對方確實做出背叛行為時，算法才能采取報復措施，否則就會造成“誤傷”，對后期的合謀產生不利影響。一些比價網站利用某種技術從網頁上抓取各類相似產品的信息，這樣得到的數據是被割裂的，對于最終認定對手實際做出背離合謀可能會呈現不確定。因此，在這種監督算法下，合謀者之間需要提前設定背離合謀的行為界限，一旦算法檢測到越界，就會在極短時間內做出報復措施，也即任何企業一旦被發現背離，就會導致價格戰。合謀者之間行為如果一直處于界限之內，算法就會使合謀達成更具可能性，便于合謀協議。

(二)平行算法

在平行算法中，企業之間為了避免頻繁的協商市場定價或者產量等，會將決策自動化，達成“有意識的平行行為”，這種算法在酒店、機票預定中會被應用地廣泛一些。企業間分享定價算法，算法在運用過程中會充分考慮市場變化因素，從而使定價更加優化，這也就避免了合謀者之間被發現合謀進行反競爭的概率。如果行業中大部分企業利用行業間確定好的定價算法實施跟隨某一行業領導者，其負責設置將價格固定在競爭水平之上的動態定價算法，這種情況下合謀的可能性就會大大提升。

(三)信號算法

在信號算法中，由于企業間的規模不同，制定的運營策略不同，就會產生差異化產品，合謀的基礎性條件構建不完整，就會導致合謀的概率縮小。為了避免容易被發現的明示合謀，企業間可以通過發送某種合謀信號或者單邊價格展現等行為，使其他企業有所察覺，對類似性產品的價格等達成默示合謀。在實際發送信號算法中，對首發企業是存在不被接受的可能性的，一旦它發送的信號算法或是合謀意圖沒有被其他企業發現或者發現后拒絕合謀，就會影響首發企業的銷量或者利潤。首發企業為了避免產生這種對己不利的情形，就會利用信號算法發送消費者不易察覺而潛在合謀者能夠理解的信號信息，比如企業可以在消費者不易察覺的時間悄悄改動價格，這對產品銷量不會產生太大影響，但是競爭對手的算法可能就會準確識別為合謀的信號，繼而雙方或者多方間就利用信號算法完成合謀。

(四)自我學習算法

在自我學習算法中，算法利用這種目前最為復雜的方式進行機器學習和深度學習，在這種自我學習背景下，甚至不需要競爭者之間達成合謀的具體算法就可能達到合謀的結果。也就是說，算法具有強有力的預測力和分析力，在對市場和消費者對產品青睞變化分析后，根本不用介入人力的合謀意圖，算法自動在競爭者之間達成合謀。而算法在合謀后繼續學習，經過反復試錯會在彼此間達成合作性均衡，以此來穩固合謀的基礎。這也就是意味著，在自我學習算法中，合謀一旦達成，消費者的利益在很大程度上就會被損害。不同于上面幾個算法，企業是被動地達成合謀，是否需要承擔違法責任也需進一步分析。

2015年底，Uber用戶Spencer Meyer代表他自己以及類似情況的乘客，在美國紐約南區聯邦地區法院向Uber聯合創始人提起反壟斷民事集團訴訟，主張那些利用Uber定價算法的司機之間達成了合謀，限制司機之間的價格競爭，損害包括原告在內的Uber乘客的利益。原告認為，司機與Uber就車費的收取達成協議時，已經清晰地認識到其他所有的Uber司機都已經同意收取由Uber設置的同樣的車費，這也就在司機之間達成了減少價格競爭而統一獲益的合謀，存在“一致的合謀動機”，由縱向的合謀協議導致司機之間形成橫向的合謀。目前該案仍在仲裁程序中，Uber的定價算法下發生的這一情況究竟是否構成合謀，仍需司法機關的進一步調查核實。

三、算法給競爭執法帶來的挑戰

算法對于競爭執法主要分為兩部分，其一是基于現有反壟斷規則之內的算法行為，另一種是現有規則之外的算法行為。對于前者來說，算法合謀并沒有對競爭執法產生更大的挑戰，執法部門仍然可以根據現有的反壟斷規則對可能由算法構建的合謀進行規制。當算法達成默示合謀時，即不需要企業間或者相關人員頻繁溝通，算法通過自我學習就可以達到合謀時，才是對競爭執法帶來的最大挑戰。

根據前文分析，算法在自我學習達成默示共謀后，還可以再進一步深化學習，借以鞏固合謀的基礎，也就是使得合謀更加具有持續性，從而擴寬寡占份額的適用范圍。算法作為一個橋梁可以減少競爭對手之間頻繁的溝通，便利非競爭均衡的達成。實際上，算法的理性度遠遠超過人類，它可以綜合分析各種市場因素、消費者心理、產品銷量等快速且精確地做出應對競爭對手的措施。因此，有理由相信算法在自我深度學習過程中仍然可以基于收集到的大數據做出對己方更有利的合謀信號，并且將合謀基礎穩固發展。雖然目前算法的默示合謀發展還未處于高速發展中，但競爭執法部門需要考慮一旦算法引發的默示合謀具有普遍性，最終導致消費者的權益受到侵害，那么目前的反壟斷規則是否還能繼續在新的技術下發揮作用。

從競爭法目前的規則來看，認定競爭者之間存在合謀的前提條件就是“協議”。但是對于協議的界限，各國并沒有統一的觀點。在算法達成的默示合謀中，沒有明示合謀那樣明顯，一旦有競爭者之間頻繁的溝通等，就可以認定其之間有可能存在某種共謀協議，但是默示共謀中，沒有企業或者相關人員的參與，只是借助程序分析數據，通過自己的預測能力自動達成共謀，可能在達成共謀時，競爭者還未察覺。那么在這種情況下，原有反壟斷法律規則中的“協議”范圍是否還能適用，有無必要進行擴張等問題需要引起競爭執法部門的思考。一些教授認為，目前規范的橫向協議的方法可能太過于形式主義，無法處理有違法可能性的企業間的相互依賴關系。狹義、機械地看待協議范圍已經不適應現在的科技發展趨勢，應該對“協議”的認定采用更為寬泛的解釋。但與此同時，競爭法規范標準的寡占行為這一建議面臨質疑，比如波斯納法官在一起案件中便提出警告，在法律上將默示合謀和明示合謀同等對待是危險的做法。

最后一點值得競爭執法部門注意的問題便是反壟斷責任的范圍。一般來說，在機器人賣家實施的反競爭行為的責任者包括機器人承擔責任、操控機器人的人類承擔責任或者沒有責任方。顯然，一旦壟斷行為發生，沒有責任方是不能說服民眾的，它可能會使得算法達成的默示共謀中沒有責任方，任由消費者權益受損害的結果惡化。那么前兩者是否可以成為算法默示合謀的責任方，在多大范圍內承擔責任等問題需要進一步探索。如果由機器人即算法本身來承擔責任，那么會不會導致對互聯網行業的干預過于激進，側面壓制了技術的進步?當然反壟斷執法機構如果對算法程序認定責任后能夠確保消費者的權益以及技術的創新，此種責任認定是可以被接受的，但是事實情況并非如此，競爭執法機構對其執法能力并未表現出足夠自信，不能確定如果對算法程序認定責任會不會對創新產生“寒蟬效應”。另一方面，如果認定責任方是操控機器人的人類即算法程序的設定者，那么競爭執法部門也要考慮人類所能控制的算法行為的范圍。算法的程序是人類設計的，但設計者是否有意創造算法去損害消費者的權益?達成合謀后繼續加深程度的部分是否仍舊應由設計者承擔?責任是否可以分配給設計算法程序的個人，利用算法的個人以及合謀達成的對方等等一系列責任分配都應該由競爭執法部門在算法發展中探索。

四、對算法合謀的應對之策

我國一般對互聯網的發展采取謙抑性反壟斷政策，一方面要鼓勵支持新興的互聯網行業，促進產業向高精尖方向發展，另一方面又要對互聯網行業的限制競爭行為保持警惕。之所以對互聯網行業采取較為溫和的態度，是基于互聯網行業快速發展的現狀和市場快速的更新替換能力。在互聯網行業，技術的更替升級非常頻繁，在反壟斷案件結束之前，被指控行為人甚至可能已經被市場淘汰了。所以在這種大背景下，對算法產生共謀的反壟斷策略不能太過于激進，需要在技術創新和消費者福利之間找到一個平衡點。

(一)市場研究與市場調查

對特定行為進行反壟斷干預的前提是存在競爭者之間合謀對競爭產生了負面影響，有可能會損害消費者的權益。在這種情形下，算法產生的合謀如果隱蔽性良好，沒有明顯證據證明合謀的發生或者消費者權益受到損害，競爭執法部門就可以采用市場研究或者市場調查的方法，事先搜集算法程序的設計規則，實際產生的算法合謀以及消費者確實的權益損失。市場調查與市場研究的區分點就在于執行力的層面不同，前者的力度顯然會更強一些，一旦在調查中顯示反競爭的算法合謀成立，競爭執法機構就將介入救濟；而在市場研究中，采取的方法更為溫和，只是對疑似行為進行判斷，它在很多情況下是市場調查的前提。

(二)規范算法透明度與可問責性的措施

各界對算法產生的合謀提出設計者將算法程序半公開甚至全部公開，使公眾對于算法的運營更加了解，以此減小默示共謀的概率。例如德國總理默克爾曾號召Facebook和Google等企業公開披露其專有算法，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”。她的這一觀點獲得部分人的支持，民眾有知道自己購買產品的算法程序的知情權，否則又將出現“The Making of a Fly”類似的情況。不過算法公開在實際操作過程中較難實現，特別是對于黑箱算法，高透明度的要求很難完成，而僅僅公開算法的源代碼，對于提升算法透明度未有太大幫助。退一步講，即使算法可以被公開，那么具體由哪一部門或者由幾個部門聯合行動可以去監督算法，這本身是對人力物力的考驗，也是對執法機構技術水平的挑戰，不過隨著執法水平的不斷提升，算法的透明度會隨之提升。

(三)承諾與可能的救濟措施

在算法即將達成共謀或者剛剛達成共謀時，競爭執法部門可以通過特定算法阻攔合謀的產生或者繼續，例如通過構建新的監督算法讓合謀企業做出承諾，減少達成的概率。這有些類似侵權行為中避風港原則的通知下架，只是主體換作是執法機構，它可以考慮利用救濟措施設置特定的遵循或監督程序，如果在監測過程中發現反競爭的行為出現，就可以用通知下架的方式告知有關企業。在這一措施中，對于執法部門的要求較高，既需要涉及針對算法合謀的監督算法，又要對監督算法不斷更新，以滿足應對原有算法合謀下自我深度學習的速度。有很多專家指出這種做法不具有可行性，不過在互聯網不斷發展的當下，競爭執法部門也應該提升自己的執法能力。