算法合谋与反垄断①

刘晓婷

一、背景

算法这一术语在日常生活中随处可见，但至今还是缺乏一个明确且大众普遍认同的定义。我们可以说，算法是按照有规律的排列顺序来完成某一特定任务。根据OECD在《算法与合谋:数字时代的竞争政策》报告中指出:“算法是一种明确、精确的简单操作列表，他们机械地、系统地应用于一套令牌(tokens)或对象中(例如棋子、数字、蛋糕成分的配置等)。”其中，令牌是从输入到输出的过程。算法的表现形态是多样的，例如文字、图表、符号或者其他任一机器可以解析的程序。随着计算机迅速的发展，现代社会已经进入“互联网＋”的时代，很多产业或者研究都与计算机紧密结合，这也就恰好与算法对计算机的高要求不谋而合，构成两者相互促进、相互发展的状态。计算机借助算法可以更快更准确地做出推理判断，算法可以利用计算机使程序更加完备。在隔离情感等主观因素后，算法做出的决策会更加客观、精确，尤其是在比较复杂的问题中。

算法目前的应用非常广泛，例如在政府部门或者互联网企业中，其中在后者的运营中甚是常见。越来越多的企业利用大数据的收集、算法的设定来预测行业发展方向、消费者对于产品的青睐状态、根据竞争者的报价实时更新自我定价或者通过深度学习优化策略。举例来说，在线商家数年来一直利用自动定价算法对商品价格进行实时监控，电商平台一般情况下也默许其通过动态定价去区分市场，在旅游业、酒店预订、体育和娱乐业中，这种现象频频出现。价格算法同时也会主导货物的在线销售——根据可用库存和预期需求来优化价格。在 Amazon上售卖的 Peter Lawrence的著作《The Making of a Fly》曾因为定价算法导致售价飞涨，一家书商的算法将价格设定为另一家的0.9983倍，第二家维持价格是第一家的1.270589倍，在这样控制失衡的算法运作中，最终使得书籍价格达到23，698，655.93美元。

另外，近年来随着人们越来越重视保险，算法在保险行业也得到推广运用。例如，好事达保险公司(Allstate)使用的“市场因素”算法，就通过测定用户购买保险前比价的可能性来优化自己的价格。这种算法的使用并没有得到更大的推广，因为它促使了偏离风险的选择性定价方式，使得保费范围可能从标准价格的90%达到800%。

二、算法的概述及案例

算法在实际操作过程中可能被用于各类反竞争的行为中，而在各类行为中最瞩目的就是“算法合谋”，它是指将算法作为合谋的条件，促成之前没有出现过的或者以前不可能出现的新式合谋。一旦竞争者之间利用算法达成合谋的意图，就有可能导致损害消费者权益的情况。一般情形下，有利于合谋实现的算法类型包括四种，分别是监督算法、平行算法、信号算法以及自我学习算法。

(一)监督算法

在监督算法中，算法被用作合谋的便利工具时，首要任务就是监督竞争者或者说是合谋者的行为。利用算法可以收集获取竞争者的信息、偏离合谋目的的任何可能行为的数据，一旦确定其背离合谋或者做出对合谋不利的行为时，算法就会触警并且及时做出应对方案。在整个监督过程中，算法的困境就在于全方位收集对方数据，只有在数据完备，能够确定对方确实做出背叛行为时，算法才能采取报复措施，否则就会造成“误伤”，对后期的合谋产生不利影响。一些比价网站利用某种技术从网页上抓取各类相似产品的信息，这样得到的数据是被割裂的，对于最终认定对手实际做出背离合谋可能会呈现不确定。因此，在这种监督算法下，合谋者之间需要提前设定背离合谋的行为界限，一旦算法检测到越界，就会在极短时间内做出报复措施，也即任何企业一旦被发现背离，就会导致价格战。合谋者之间行为如果一直处于界限之内，算法就会使合谋达成更具可能性，便于合谋协议。

(二)平行算法

在平行算法中，企业之间为了避免频繁的协商市场定价或者产量等，会将决策自动化，达成“有意识的平行行为”，这种算法在酒店、机票预定中会被应用地广泛一些。企业间分享定价算法，算法在运用过程中会充分考虑市场变化因素，从而使定价更加优化，这也就避免了合谋者之间被发现合谋进行反竞争的概率。如果行业中大部分企业利用行业间确定好的定价算法实施跟随某一行业领导者，其负责设置将价格固定在竞争水平之上的动态定价算法，这种情况下合谋的可能性就会大大提升。

(三)信号算法

在信号算法中，由于企业间的规模不同，制定的运营策略不同，就会产生差异化产品，合谋的基础性条件构建不完整，就会导致合谋的概率缩小。为了避免容易被发现的明示合谋，企业间可以通过发送某种合谋信号或者单边价格展现等行为，使其他企业有所察觉，对类似性产品的价格等达成默示合谋。在实际发送信号算法中，对首发企业是存在不被接受的可能性的，一旦它发送的信号算法或是合谋意图没有被其他企业发现或者发现后拒绝合谋，就会影响首发企业的销量或者利润。首发企业为了避免产生这种对己不利的情形，就会利用信号算法发送消费者不易察觉而潜在合谋者能够理解的信号信息，比如企业可以在消费者不易察觉的时间悄悄改动价格，这对产品销量不会产生太大影响，但是竞争对手的算法可能就会准确识别为合谋的信号，继而双方或者多方间就利用信号算法完成合谋。

(四)自我学习算法

在自我学习算法中，算法利用这种目前最为复杂的方式进行机器学习和深度学习，在这种自我学习背景下，甚至不需要竞争者之间达成合谋的具体算法就可能达到合谋的结果。也就是说，算法具有强有力的预测力和分析力，在对市场和消费者对产品青睐变化分析后，根本不用介入人力的合谋意图，算法自动在竞争者之间达成合谋。而算法在合谋后继续学习，经过反复试错会在彼此间达成合作性均衡，以此来稳固合谋的基础。这也就是意味着，在自我学习算法中，合谋一旦达成，消费者的利益在很大程度上就会被损害。不同于上面几个算法，企业是被动地达成合谋，是否需要承担违法责任也需进一步分析。

2015年底，Uber用户Spencer Meyer代表他自己以及类似情况的乘客，在美国纽约南区联邦地区法院向Uber联合创始人提起反垄断民事集团诉讼，主张那些利用Uber定价算法的司机之间达成了合谋，限制司机之间的价格竞争，损害包括原告在内的Uber乘客的利益。原告认为，司机与Uber就车费的收取达成协议时，已经清晰地认识到其他所有的Uber司机都已经同意收取由Uber设置的同样的车费，这也就在司机之间达成了减少价格竞争而统一获益的合谋，存在“一致的合谋动机”，由纵向的合谋协议导致司机之间形成横向的合谋。目前该案仍在仲裁程序中，Uber的定价算法下发生的这一情况究竟是否构成合谋，仍需司法机关的进一步调查核实。

三、算法给竞争执法带来的挑战

算法对于竞争执法主要分为两部分，其一是基于现有反垄断规则之内的算法行为，另一种是现有规则之外的算法行为。对于前者来说，算法合谋并没有对竞争执法产生更大的挑战，执法部门仍然可以根据现有的反垄断规则对可能由算法构建的合谋进行规制。当算法达成默示合谋时，即不需要企业间或者相关人员频繁沟通，算法通过自我学习就可以达到合谋时，才是对竞争执法带来的最大挑战。

根据前文分析，算法在自我学习达成默示共谋后，还可以再进一步深化学习，借以巩固合谋的基础，也就是使得合谋更加具有持续性，从而扩宽寡占份额的适用范围。算法作为一个桥梁可以减少竞争对手之间频繁的沟通，便利非竞争均衡的达成。实际上，算法的理性度远远超过人类，它可以综合分析各种市场因素、消费者心理、产品销量等快速且精确地做出应对竞争对手的措施。因此，有理由相信算法在自我深度学习过程中仍然可以基于收集到的大数据做出对己方更有利的合谋信号，并且将合谋基础稳固发展。虽然目前算法的默示合谋发展还未处于高速发展中，但竞争执法部门需要考虑一旦算法引发的默示合谋具有普遍性，最终导致消费者的权益受到侵害，那么目前的反垄断规则是否还能继续在新的技术下发挥作用。

从竞争法目前的规则来看，认定竞争者之间存在合谋的前提条件就是“协议”。但是对于协议的界限，各国并没有统一的观点。在算法达成的默示合谋中，没有明示合谋那样明显，一旦有竞争者之间频繁的沟通等，就可以认定其之间有可能存在某种共谋协议，但是默示共谋中，没有企业或者相关人员的参与，只是借助程序分析数据，通过自己的预测能力自动达成共谋，可能在达成共谋时，竞争者还未察觉。那么在这种情况下，原有反垄断法律规则中的“协议”范围是否还能适用，有无必要进行扩张等问题需要引起竞争执法部门的思考。一些教授认为，目前规范的横向协议的方法可能太过于形式主义，无法处理有违法可能性的企业间的相互依赖关系。狭义、机械地看待协议范围已经不适应现在的科技发展趋势，应该对“协议”的认定采用更为宽泛的解释。但与此同时，竞争法规范标准的寡占行为这一建议面临质疑，比如波斯纳法官在一起案件中便提出警告，在法律上将默示合谋和明示合谋同等对待是危险的做法。

最后一点值得竞争执法部门注意的问题便是反垄断责任的范围。一般来说，在机器人卖家实施的反竞争行为的责任者包括机器人承担责任、操控机器人的人类承担责任或者没有责任方。显然，一旦垄断行为发生，没有责任方是不能说服民众的，它可能会使得算法达成的默示共谋中没有责任方，任由消费者权益受损害的结果恶化。那么前两者是否可以成为算法默示合谋的责任方，在多大范围内承担责任等问题需要进一步探索。如果由机器人即算法本身来承担责任，那么会不会导致对互联网行业的干预过于激进，侧面压制了技术的进步?当然反垄断执法机构如果对算法程序认定责任后能够确保消费者的权益以及技术的创新，此种责任认定是可以被接受的，但是事实情况并非如此，竞争执法机构对其执法能力并未表现出足够自信，不能确定如果对算法程序认定责任会不会对创新产生“寒蝉效应”。另一方面，如果认定责任方是操控机器人的人类即算法程序的设定者，那么竞争执法部门也要考虑人类所能控制的算法行为的范围。算法的程序是人类设计的，但设计者是否有意创造算法去损害消费者的权益?达成合谋后继续加深程度的部分是否仍旧应由设计者承担?责任是否可以分配给设计算法程序的个人，利用算法的个人以及合谋达成的对方等等一系列责任分配都应该由竞争执法部门在算法发展中探索。

四、对算法合谋的应对之策

我国一般对互联网的发展采取谦抑性反垄断政策，一方面要鼓励支持新兴的互联网行业，促进产业向高精尖方向发展，另一方面又要对互联网行业的限制竞争行为保持警惕。之所以对互联网行业采取较为温和的态度，是基于互联网行业快速发展的现状和市场快速的更新替换能力。在互联网行业，技术的更替升级非常频繁，在反垄断案件结束之前，被指控行为人甚至可能已经被市场淘汰了。所以在这种大背景下，对算法产生共谋的反垄断策略不能太过于激进，需要在技术创新和消费者福利之间找到一个平衡点。

(一)市场研究与市场调查

对特定行为进行反垄断干预的前提是存在竞争者之间合谋对竞争产生了负面影响，有可能会损害消费者的权益。在这种情形下，算法产生的合谋如果隐蔽性良好，没有明显证据证明合谋的发生或者消费者权益受到损害，竞争执法部门就可以采用市场研究或者市场调查的方法，事先搜集算法程序的设计规则，实际产生的算法合谋以及消费者确实的权益损失。市场调查与市场研究的区分点就在于执行力的层面不同，前者的力度显然会更强一些，一旦在调查中显示反竞争的算法合谋成立，竞争执法机构就将介入救济；而在市场研究中，采取的方法更为温和，只是对疑似行为进行判断，它在很多情况下是市场调查的前提。

(二)规范算法透明度与可问责性的措施

各界对算法产生的合谋提出设计者将算法程序半公开甚至全部公开，使公众对于算法的运营更加了解，以此减小默示共谋的概率。例如德国总理默克尔曾号召Facebook和Google等企业公开披露其专有算法，认为“算法应该公开，从而让利益相关群体意识到:当算法非透明时，可能扭曲我们的感知，限制我们所能获得的信息的广度”。她的这一观点获得部分人的支持，民众有知道自己购买产品的算法程序的知情权，否则又将出现“The Making of a Fly”类似的情况。不过算法公开在实际操作过程中较难实现，特别是对于黑箱算法，高透明度的要求很难完成，而仅仅公开算法的源代码，对于提升算法透明度未有太大帮助。退一步讲，即使算法可以被公开，那么具体由哪一部门或者由几个部门联合行动可以去监督算法，这本身是对人力物力的考验，也是对执法机构技术水平的挑战，不过随着执法水平的不断提升，算法的透明度会随之提升。

(三)承诺与可能的救济措施

在算法即将达成共谋或者刚刚达成共谋时，竞争执法部门可以通过特定算法阻拦合谋的产生或者继续，例如通过构建新的监督算法让合谋企业做出承诺，减少达成的概率。这有些类似侵权行为中避风港原则的通知下架，只是主体换作是执法机构，它可以考虑利用救济措施设置特定的遵循或监督程序，如果在监测过程中发现反竞争的行为出现，就可以用通知下架的方式告知有关企业。在这一措施中，对于执法部门的要求较高，既需要涉及针对算法合谋的监督算法，又要对监督算法不断更新，以满足应对原有算法合谋下自我深度学习的速度。有很多专家指出这种做法不具有可行性，不过在互联网不断发展的当下，竞争执法部门也应该提升自己的执法能力。