算法默示合谋对反垄断法的挑战及其规制路径

汪晓贺

(河南财经政法大学 民商经济法学院,河南 郑州 450016)

算法是一种机械、精准、系统地应用于特定标记或对象的操作流程[1]。随着数字经济与算法的深度结合,算法所主导的自动化决策不仅给传统市场带来了结构性变革,推动了信息的自由流动,促进了充分竞争,还降低了经营者的生产和交易成本,提升了经营者对影响市场环境因素的应对能力与应对速度。因此,有学者认为数字经济也可以被理解为算法经济[2]。然而,算法与互联网的混合联动不仅增强了经营者的市场支配能力,还催生了经营者利用默示合谋达成垄断协议的可能性。

早期国外对算法问题的关注主要集中在论证算法合谋的威胁和破坏。例如,Ariel Ezrach认为算法合谋的威胁主要在于数据驱动下的算法能迅速监控对手价格并统一调整定价[3]。Nicola Petit认为算法合谋已经被某些经营者用来破坏市场竞争环境,反垄断执法部门应对其进行足够的关注[4]。Rchard Whish认为海量数据很可能使得算法自动默示合谋所得定价高于竞争水平[5]598。鉴于此,一些国家的反垄断执法部门也相继实施了针对性措施,美国联邦贸易委员会2016年发布了《大数据:包容工具抑或排斥工具》,经济合作与发展组织2017年发布了《算法与合谋》,法国竞争管理局2020年发布了《数字经济下的竞争政策和挑战》等报告。国内的相关研究则主要集中在算法默示合谋的基本解读与法律应对路径方面。韩伟认为,对于默示合谋的规制要秉承市场解决的原则,实行竞争规则优先,慎用直接管制措施[6]。周围则主要从自主学习算法共谋的特殊性与理论内核着手,探讨了自主学习算法实现共谋的现实障碍[1]。吴太轩通过对算法默示合谋概念的基本解读,进一步厘清了算法默示合谋的行为类型和典型特征,主张主观方面引入“读心政策”[7]。以上研究对算法默示合谋的规制具有一定积极意义。然而,算法默示合谋给反垄断执法带来了哪些挑战?对于算法默示合谋的规制应秉承哪种基本态度?如何创设算法默示合谋的法律规制路径?这些基本问题仍有待于回应。

贝多芬的创作手法，在和声、调性、节奏等方面在创作方面突破传统，力求新颖，具有别具一格的创作手法。他的创作使音乐更加细腻，较有浪漫气息。对和声进行大胆地尝试，制造出不同以往的音响效果。这些都充分的体现了浪漫主义的气息。

一、厘清算法默示合谋对反垄断规制的挑战

人类在思维层面的思考会有意或无意体现在数据合谋程序的设计和研发过程之中,有意识的平行行为概念也会被植入算法或计算机程序之中。因此,即便没有垄断协议或一致行动,算法与程序也会不断寻找与竞争对手形成相互依赖关系的可能性,并由此构成默示合谋。在这个过程中,市场竞争秩序的损害与消费者权益受损有时会非常明显,但是反垄断执法却因为缺少垄断协议的确凿证据而举步维艰。

(一)算法默示合谋的认定存在困难

1.算法默示合谋具有隐蔽性

人类在联合操纵价格的时候,彼此之间需要积累相当程度的互信[10]。当市场中存在一个领军经营者时,垄断协议的成形将会更有效率。在缺少领军经营者的时候,出于承担风险的考量,无论是明示合谋还是默示合谋,参与的经营者数量都将大大下降。但机器学习引发的默示合谋不同:首先,计算机之间不存在互信之说;其次,自我学习的默示合谋在编程的过程中可以弱化人类的惯有思维(例如厌恶、沉没成本、框架效应);最后,计算机算法巩固默许合谋成立基石的基础上,依靠计算机机械地分析而非依靠感情或直觉,可以在谋求利润最大化的过程中找到最优解[11]89。与人类不同,计算机在默认合谋的过程中既不害怕经济处罚和刑事责任,也不会感情用事。不仅如此,计算机还能合理地估量合作带来的回报,即使面对“背叛者”也会基于理性考虑而网开一面。在这种情况下,虽然外观上没有排斥全部竞争者,但由于计算机通过自主学习后不约而同地围绕一个战略展开,市场中的价格背叛者将会被迅速找出并遭受排挤,这完全可以看成是垄断企业对其他弱势企业的强势打压。当市场参与者都抱有利润最大化目标时,具备自我学习能力的算法或计算机在运行的过程中实现了合谋,与其说这是人类的想法,倒不如说自学算法搭建了默示合谋的平台。

市场透明度提高所带来的“上帝视角”场景下的默示合谋,能够使由于信息不对称所造成的市场资源配置效率低下、不公平竞争等问题得到有效缓解。不仅如此,受益于默示合谋带来的信息通畅与信息高速传递,经营者们容易紧盯市场从而识别出最佳的经营策略。当然,市场透明度较高也有可能造成另一个极端,即竞争对手普遍误解与不信任,相互之间恶性竞争。但从博弈论角度来看,当市场竞争者普遍存在误解与不信任情绪时,他们一半时间是在合作,一半时间是在背叛承诺。不过,对消费者而言,经营者之间的斗争会在短期内使得消费福利得到提升。

依存句法分析成为当今句法学研究的前沿和热点问题之一，随着研究的深入，依存句法分析模型也日趋成熟。通过对目前主流依存句法分析模型的分析，现有的模型大多是通过经典模型的改进而来，汉语依存句法分析明显落后于英语依存句法分析。

3）污泥扰动：采用皮带机上料和堆料后，污泥翻动或扰动得到一定控制，为异味收集创造了有利条件，也为消除异味提供了可实施的方案。

2.算法的机器理性突破了“人类中心主义”的规制框架

李叔和被押下警车的时候，一缕阳光照在他脸上。他笑笑，想到今生今世，能为一个自己所爱的人做件大事，值了，当初，他追付玉的时候，就有过这样的想法，觉得有朝一日就该替付玉去死。

(二)算法默示合谋认定困境带来执法挑战

无需人类干涉就能形成合谋是算法默示合谋的一个显著特点,但缺少人类因素又引发了合谋违法性不明、合谋意图不清、执法尺度不定等问题,这些都增大了反垄断执法的难度。在信使类合谋及轴辐类合谋的情形下,反垄断执法取证的关键在于找到垄断协议。但在默示合谋的场景下,垄断协议已不见踪影,企业不需要就价格操控达成协议。没有了垄断协议就等于没有了确凿的证据,这令反垄断的执法难度大为提高。那么,执法者是否能将经营者通过使用相似数据定价而达成的这种默契视为扰乱市场竞争机制的行为呢? 这种方法虽然在一定程度上有效,但若从进化论角度来解释该问题,就会发现这种方法并非良策。因为高效与强大的数据合谋很有可能会主导整个科技领域,经营者基于逐利性的考量会不断地向其靠拢并向其学习,由此可能形成更大范围上的默示合谋。对于执法机构而言,最大的挑战仍是判断默示合谋行为的合法性。如果说经营者没有任何沟通或者主观故意的前提下,商品的均衡价格高于竞争市场的一般水平,那么这种行为很难说违反了竞争法。虽说执法机关可以通过同一或相近时间内价格变动、频繁地交换商品信息、相近时间内相同的重大决策、长期一致的反常价格等因素去推断经营者存在默示合谋行为,但这仍属于主观性较强的辅助性推定,充满了不确定性,执法机关在实践中极少适用。

对于自学型默示合谋的执法,实践中最主要的问题在于不确定性。人类虽然创造了计算机,并且依赖计算机帮助自己进行决策,甚至知道运用计算机技术可能会带来默示合谋的后果,但人类依然无法预测默示合谋将在何时发生、会持续多久、会造成多大影响。垄断协议与反竞争意图的缺失给原告的举证造成了极大的困难,虽然在实践中存在缺乏合谋协议证据情形下依照“不正当行为”认定违法的情形,但更多情形下,由于缺失违法意图的证据,执法者的武器库中已缺少了弹药。实际上,在自主学习类合谋规制方面存在一个规制与效率的矛盾,即禁止操纵价格的指令或许易于操作,但算法的学习过程很可能会从无数协调互动的方法中,找到一条法律认可的合谋路径。若连这个路径都要堵死,那么不对市场变化作出回应的指令虽然符合了法律规定,却违背经济规律而降低了市场效率。这些问题与矛盾直指反垄断法的核心,而不同的地区又对这些问题有自己的判断标准,因此执法面临的不仅有认证标准问题,还面临着执法目标不统一问题。

此外,执法的“度”难以把控也是默示合谋执法面临的重要问题。若默示合谋达成的内容是不向竞争对手的“忠实顾客”进行积极营销,那么这种“克制”是否应被禁止呢?合谋形成的“克制”无疑损害了市场的竞争秩序,但执法者是否可以据此命令这些商家进行充分的竞争呢?换句话说,如果执法机构可以干涉企业放弃竞争的单边决定,那岂不是构成过度行政。

n——与隧道半径和土质条件有关的影响系数(对于黏性土,n取0.35～0.85;对于砂土,n取0.85～1.00)；

二、确立审慎谦抑的规制态度

默示合谋产生于千变万化的市场中,在达到一定条件的前提下,它通常会出现在市场集中度较高的行业中。当然,即便合谋的同盟形成,也并不意味着经营者之间的合谋就固若金汤,依靠算法与数据成立的合谋同盟同样会因为算法与数据的快速变化而瓦解。在大数据与数字技术发达的今天,默示合谋相较于以前确实更容易也更加频繁地出现。这不仅是由于数据可获取性提高、定价算法的开发、市场透明度不断改善,还因为线上市场稳定性逐步提高,这些因素对于默示合谋而言,都是帮助其扩大影响力半径的有生力量。

由于默示合谋对资源配置效率及市场透明度的积极作用,并且默示合谋的违法性尚存争议,部分人可能反对针对默示合谋进行严格的限制与干涉。然而,默示合谋实质上对竞争秩序的损害与传统的垄断协议并无差别。基于追逐利润最大化的原动力或经营者的贪婪性与逐利性,经营者利用默示合谋成功地实现了财富由消费者到经营者的转移,并进一步拉大了社会的贫富差距。随着数字技术与数据经济的蓬勃发展,由数据引发的默示合谋在将来必定得到强化,由此将带来更深刻的竞争秩序损害问题。因此,正确认识并持续关注默示合谋对于竞争秩序的损害后果,是我们避免自由市场可靠屏障出现裂痕的重要措施。

(一)尊重数据的工具中立性

算法是科学进步、技术创新的成果,对算法进行干预前首先要明确算法作为工具的中立性。默示合谋更多情形下是单方面行为,既不产生于协议也不产生于数据中,而是产生于每个经营者在分析竞争对手经营战略后采取的对其自身最有利的行为。因此,单纯限制数据分析或限制“黑科技”的使用并不是解决该问题的良策。因为数据或技术具有工具的中立属性,单纯禁止无法从根本上解决默示合谋带来的问题。实际上,默示合谋带来的风险因素有可能对竞争起到鼓励作用。例如:市场透明度的提升可以降低消费者的搜寻成本,利用数据算法优化利润为经营者揭示了以前从未预见过的增长方式,调价频率的统一可以使得市场价格快速走低或抬高,从而提高资源配置效率。

因此,在分析默示合谋对竞争秩序的损害时,要避免先入为主地认定数据和技术的原罪论。相反,要充分尊重数据与技术的中立性,并在此基础上加深对默示合谋的理解。在认定数据中立性的基础上,还要认识到数据技术、前沿科技、新的市场动态不仅不意味着合谋的终结,还有很大可能带来一个崭新且更具有生命力的合谋形式。

(二)关注破除信息不对称所带来的效率提升

算法是结构化的判断流程,基于机器理性会提升市场透明度以加强互相监督,由此带来的信息共享会提升经营者运营效率。对于自主学习类合谋来讲,个人信息与市场数据就是最好的能量棒,当市场可获取数据不断丰富,有如“上帝视角”的市场透明度将为企业在千百种经营方案中敲定一条实现利润最大化的康庄大道。这不仅使得经营者能够更好更快地对竞争对手的行动做出更加精确的预测与理解,还使得经营策略更加稳健与可靠。若经营者之间都可以更好地理解竞争企业发出的信号并依照相同原理予以信号回应,那么彼此间“互掷暗箭”的可能性就大大降低。通过这样的方式,默示合谋在提高市场透明度的前提下,通过获得额外数据来对竞争对手的竞争行为作出判断,那么市场环境带来的不确定性与误解有望得到化解。

与算法明示合谋的手动编写程序参数不同,算法默示合谋通过智能机器人处理海量数据信息,不断优化并形成最终形态。这种运作方式使得企业之间在无需明示沟通的前提下产生了相互影响与相互依赖。并且,经过反复地运算、协调和观察,算法可以慢慢觉察并推导出与之相互依赖的其他算法及其经营策略。经过算法间的协调与配合,企业可以将价格设置在最佳位置而无需经过实际沟通。也就是说,经过相互依赖及相互的自我意识,算法会通过协调将价格推向垄断水平,这与经典的“寡占问题”颇为类似[8]。具备自主学习能力的算法还使得默示合谋在更多的场合和环境中得以持续,从而在非寡占市场结构中拓宽了寡占问题的适用范围[1]。传统的默示合谋是少见且小范围的,这是因为默示合谋不仅要求所在市场高度集中,还要求经营者之间经过反复沟通达成高度默契。然而,算法的广泛应用在一定程度上拓宽了默示合谋所依赖的市场条件和经营者条件。

(三)重视竞争秩序损害的消极后果

算法默示合谋虽然在外观上披上了提升效率与促进行业发展的“伪装”,但以非法合谋手段排除竞争以获得垄断利润的本质没有改变,因此应重视算法默示合谋的实质性损害后果。在当前商品丰富及商贾云集的外观下人们的确看到了激烈的市场竞争,在这背后默示合谋却往往隐藏在人们无法觉察的角落。这是因为在默示合谋还未达成之前,经营者往往会展开一定的价格竞争,并因此导致一定时期内的报复性降价销售策略。在这之后,由于默示合谋的达成,竞争秩序已经被密集的市场数据收集与监测行为所削弱。数据化处理后的精细默示合谋甚至可以做到使同一市场中的多个经营者之间和平共处,免于竞争。从表面上看,稳定与均衡的市场状态是实现了充分竞争的,但实际上这是一种隐性消费者资源的合谋性分配,这使得每个经营者都得以锁定特定的消费者群体。

为支持民营企业发展，激发各类市场主体活力，2014 年起国家陆续向地方炼厂放开原油进口和使用权，使地炼加工量大幅增长。随着新建装置投产及地炼增加加工量，2016 年成品油产量增长2.8%。因国内需求量低于加工量，导致成品油出口量大幅增加，2016 年出口4831 万吨。

尽管默示合谋引起了一系列信息技术、法律与行政监督的难题,但是在一定条件下它还能提高经济效率,激发市场竞争机制的良性运作。降低市场透明度的协作行为一直是反垄断的打击目标,然而运用定价算法的默示合谋的确能在一定程度上改善市场透明度,因此,对于默示合谋所引起的竞争损害后果需要法律去限制,对于单纯工具性的数据或是“黑科技”,立法还是要持一个更加审慎谦抑的态度。

三、构建算法默示合谋的规制路径

(一)转变垄断协议的认定标准

不同于传统“协议”对于意图与要约承诺间关系的严格考察,垄断语境下的“协议”应容忍一定程度的抽象,使具备竞争秩序损害性但内容模糊的默示合谋纳入反垄断的规制范畴。从全球反垄断执法经验来看,经营者之间达成的 “协议”是规制合谋行为的前置条件。然而,算法默示合谋往往以复杂的编码为媒介去达成一致,缺乏“协议”所需的协商行为及合意,难以被纳入协议范畴从而受到规制。垄断协议范畴内的“协议”与民法语境下的合同具有效力和内容上的显著区别:从效力角度去看,垄断协议对内不具有法律上的约束力和执行力,对外不具有对抗恶意第三人的效力;从内容角度去看,垄断协议不具有合同的高度精确性。即便二者具有明显差别,对于“协议”概念的解释也要遵循法律目的及普通意义的双重原则。

算法默示合谋中人类的因素正在逐渐减少,算法机器人却发挥着越来越重要的作用。对此,部分学者认为机器人的自我学习产生了违法的可能,应考虑由算法机器人自身来承担责任[13]。但也有学者持不同观点,无论从哲学角度还是法学的角度都不应赋予人工智能与人相同的法律地位,人工智能没有复杂的意思能力和人类的道德与伦理[14]。这个争论涉及法学界的一个基本问题:人工智能究竟能不能看作是人?这个问题看似荒谬,但对于解决算法机器人主体资格与算法机器人责任承担等问题非常关键。2017年10月,沙特阿拉伯宣布授予机器人索菲亚公民身份。尽管以马斯克为代表的部分学界及商界代表都对该项决定表示反对,但索菲亚不仅给出了“别担心,如果没有人冒犯我,我必然不会冒犯其他人”的回应,还多次参与国际活动并开通了微博等个人社交媒体。在马斯克多次公开表示应该限制机器人并发表机器人威胁论后,索菲亚不仅回怼马斯克“看了太多好莱坞电影”,还在之后的微博中多次转发了关于特斯拉及马斯克个人的负面新闻,展现出“记仇”的个性。对此,国外有学者认为,可以设置机器人卖家责任,对机器人实施的反竞争行为进行追责[5]。国内也有学者认为,应赋予算法机器人独立承担法律责任的主体地位[15],并对其民事责任能力进行划分[16]。针对算法机器人自主实施的默示合谋,应加强算法机器人责任穿透,并赋予算法机器人独立人格及独立财产[9]。然而,这些观点和想法却存在严重的问题。第一,算法机器人不是承担法律责任的适格主体,不会产生生命权和对法律的敬畏。算法机器人作为一种工业设计,既不会对生命权的不可替代性与不可逆转性产生敬畏,也不会产生对道德的偏好。这意味着,法律与道德在规制算法机器人时会失去威慑,没有顾虑又一味追求效率会使算法机器人脱离人类法律的缰绳。第二,算法机器人不具有自然个体的差异性,可进行简单复制。法律责任的承担不是目的,而是手段。面对算法机器人,即便惩罚了进行默示合谋的机器人,也会迅速出现与其一模一样的替代者,这就使得法律规制的目的不能实现。第三,即便算法机器人是承担责任的适格主体,但目前刑事责任、行政责任、民事责任对其适用都不妥当。首先,算法机器人不具有生命、身体与自由的概念,刑事处罚既无从实施又没有意义,而且算法机器人不具有尊严和人格,赔礼道歉等措施并没有实际意义;其次,算法机器人本身不拥有财产,行政处罚与民事处罚中的经济处罚无法执行;最后,若赋予算法机器人相应法律责任能力,则会使技术问题转化为法律制度问题,进而引发一系列社会连锁反应。总之,即便在引入算法机器人强制保险及登记制度后,算法机器人作为责任主体不适格的问题仍未得到解决,因此算法机器人不能承担默示合谋的责任。不排除人工智能法律主体制度构建后算法机器人可以承担责任的可能,但就目前来说算法机器人承担责任的想法还是较为荒谬的。

(二)明确算法默示合谋的认定重点

基于算法默示合谋在客观方面难以发现垄断协议的事实、在主观方面难以认定合谋的意图的情况,其认定的重点应放在实质性损害后果上面。例如“美国洲际电路案”中,美国联邦最高法院认为,“销售商之间存在的协议并不是本案认定合谋的前提条件。通过销售商收到邀请后遵守方案并参与一致行为,就可以推定销售商之间存在反垄断法意义上的合谋”(1)Interstate Circuit v. United States,306 U.S. 208,226(1939).。“美国烟草案”中,“非法合谋的认定并不必然需要正式的协议,而是可以通过违法意图所实施的违法行为和违法后果来进行推断的”(2)American Tobacco Co v. United States,328 U.S. 781,809-810(1946).。也就是说,当算法默示合谋的主观意图考察在普遍情形下难以发挥作用时,垄断协议的认定重点应从形式要件转向实质要件。当然,仅凭实质性损害后果来判定默示合谋存在着很大的误判风险,因此通过间接证据及环境证据来明确默示合谋的存在就成了最佳路径。

由于算法默示合谋存在隐蔽性的特点,许多案件缺少甚至根本没有书面协议与口头协议等直接证据,因此需要间接证据与环境证据来帮助推定。结合实践经验,应注意以下三点:第一,需证明经营者有机会进行合谋或实施合谋具有显著合理性;第二,通过对算法运行规则、市场结构、沟通频率、价格变化等因素的考量,能够得出因共同使用算法而造成了实质性损害结果;第三,间接证据与环境证据必须达到一定的数量,并且相互之间能够印证并推断出合谋的客观意图。共同拒绝虽然也是一致行为但并不意味着默示合谋的存在,因为有时候的自发拒绝是基于经济利益最大化的合理考量,而不是有意识地排挤对手(3)Theatre Enterprises v. Paramount Distributing,346 U.S. 537 (1954).。因此,若要依据间接证据或者环境证据证明合谋意图的存在,不仅间接证据和环境证据要达到一定的数量与质量,还需要证明其他经营者采取同样行为具有经济合理性。伴随着数字经济的发展,算法已融入企业的日常经营,许多常规业务的开展需要利用算法进行频繁交流,但这并不意味着存在默示合谋。例如,经营者通过参加行业协会组织的会议来明确发展策略,在这个过程中会与其他竞争者频繁交流并就当前市场环境进行讨论,但不能据此就认定他们达成了合谋。

(三)构建算法默示合谋的责任规则

1.算法机器人无法承担责任

这个优化问题现在有两个目标，可以通过一个权重表达式结合起来.在我们的建模中，缓冲器的数量优化的优先级最高，因为越少的缓冲器数量意味着越小的面积以及更简单的布局设计.因此，我们把这个优化问题分为两个.第一个优化目标csum,即每次采样需要的最小缓冲器数量.得到的数值作为最小化的一个约束条件.在完成第一次优化后，我们删去那些很少需要调整的缓冲器，这样的话第二次的优化时间将会大大降低.

虽然基于规则的模糊性可以在符合法律目的的基础上自由解释“协议”的含义,但是这些解释必须符合“协议”的普通意义。也就是说,垄断协议必须具备普通意义“协议”要求的要约与承诺、采取协同行为的共同意图、一定的精确性。然而,反垄断法中的“协议”所要求的证明标准有适度的弱化,并具体表现为两方面。第一,虽然共同客观意图对垄断协议来说仍为必备条件[12]59-61,但这种意图无需指向为限制特定领域竞争而作出的准确承诺。对于要约而言,垄断协议只需具备引起竞争对手以反竞争形式响应即可,无需对协议内容进行精确性审查。对于承诺而言,垄断协议只需具备引起经营对手继续响应限制竞争行为的充分可能即可。也就是说,垄断“协议”应容忍一定程度的抽象,其要求的共同客观意图只需实施了限制竞争的协同行为即可。第二,垄断“协议”无需遵守民事合同要约与承诺对主观意图的精确要求,而只需具备共同损害市场竞争这一抽象主观意图。换言之,要放宽对要约与承诺精确性的要求,弱化主观意图的考察。总的来说,审查贯穿垄断“协议”要约与承诺过程的意图因素时要整体性地适度放宽对准确性的要求,着重考察客观意图,弱化考察主观意图。

算法默示合谋具有高度的隐蔽性,这种隐蔽性主要体现在三个方面。第一,算法使得合谋不受市场集中度的影响。传统市场中,市场集中度较低意味着多数企业共享市场份额,想要达成所有参与者都自愿履行并使其普遍受惠的合谋协议难度很大[9]。得益于大数据时代传递信息的及时性与精准性,算法颠覆了传统市场的规律,通过迅速交换定价策略以达成共同利益最大化的合谋协议,使得经营者之间的合谋摆脱了市场集中度的束缚。在不易产生垄断或者寡头的分散市场中,执法监督的关注度和力度都比较低,这也使得默示合谋易于逃脱惩罚。第二,默示合谋的形式不会留下信息交换证据。传统合谋的达成往往需要经过会议及协议等多种方式交换与传递信息,但默示合谋由于高度透明的市场环境,无需主观意思联络而仅凭借采用相同或类似算法就可以不留证据地交换信息并调整策略。此时,经营者虽然利用“算法黑箱”确定最优价格并达成合谋效果,但是并未留下任何信息交换证据。例如,通过采取特定定价系统或最惠国待遇,以合法商业目的掩饰非法反竞争行为时,就往往不会留存信息交换的证据。第三,区别于传统默示合谋的无主观意思联络,算法默示合谋的合谋意图也往往无法被察觉。算法本身不具有意图与欲望,合谋结果也仅仅是海量数据分析后最理性商业选择的反映。尽管算法默示合谋所达成的合谋效果相较于明示合谋并无差别,但算法所自动实施的反竞争行为并非开发者或使用者的授意或初衷。因此,算法进行默示合谋时经营者的主观作用几乎不存在,主观意图的证明标准可能就陷入了僵局。

2.算法使用者区分情形承担责任

算法作为技术本身是中立的,也不具有违法的倾向,但算法本质上是人类思维的延伸与体现,因此算法所实施的合谋也具有一定的人为因素。自主学习型算法和预测型算法在运行后脱离了开发者的思想束缚,进入了相对独立的运行状态,可能产生开发者不可预见的结果。这种不可预测性只是针对具体结果而言,至于是否会达成合谋这种抽象结果,开发者应有合理预期,因此开发者应该就算法造成的抽象结果承担责任。判断开发者是否应该承担责任,主要应考虑主观意图和算法相关性两个因素。对主观意图而言,若开发者在设计算法前就已经知道使用者想要通过算法实现合谋,或在设计算法时知晓了使用算法极有可能会造成合谋的后果,这两种情况下开发者对于合谋带来的损害后果是故意或者至少放任的意图,此时应与具体实施合谋的经营者一起承担责任。对算法相关性而言,若无证据证明开发者的故意意图,则需进一步考察设计算法时开发者所考量的因素。若该算法的设计更多的是依据竞争对手的经营习惯、消费者痕迹等与实际合谋密切相关信息,则反向推断开发者对于合谋结果知情。有的学者认为,无论开发者是独立个体还是隶属于企业,合谋的责任都不应由开发者个人承担,而应该由实施合谋企业或其隶属企业承担[9]。即便认可开发者隶属企业时因工作行为可以不承担责任,但不属于企业的独立开发者因为设计算法而获得了经济利益,并且损害了正常的市场竞争,对其不进行处罚显然是不妥当的。

3.算法使用者大部分情况下担责,特殊情况下免责

而企业主或者富有地主“尽管生性自私和贪婪，虽然他们只图自己的方便，虽然他们从其所有雇用的千百万人的劳动中所要达到的唯一目的就是满足自己的无聊的和无厌的欲望，他们却同穷人分享他们所获得的全部改进的产品。他们被一只看不见的手引导着去进行生活必需品的分配，这种分配差不多同假设土地在其所有居民中分割成相等的部分时所能有的分配一样；这样，没有打算去作，没有真正去作，却促进了社会的利益，为人类的繁衍提供了生活资料。”［13］304－305

（2）控制重金属污染的原理。土壤溶液中的重金属离子毒性由于Ca2+的存在而趋于缓和，这种作用称为离子拮抗。Ca2+的存在能显著地降低植物对重金属的吸收。添加石灰除了具有中和酸性的作用以外，还能够显著降低废弃矿业地的重金属毒性。磷酸盐能够与各类重金属离子形成难溶的磷酸盐沉淀，从而降低重金属毒性，避免对植物生长造成影响。适当添加一些无机肥料尤其是磷肥来降低重金属毒性。

算法的使用者作为默示合谋的实际受益者和限制竞争行为的主要参与者毫无疑问应承担主要责任,对其责任追究应分为三个步骤。首先,在调查初期阶段应由反垄断执法机关解释算法并证明经营者使用了算法且直接导致了默示合谋。向执法机关配置解释算法义务无疑会提升执法机关的专业知识要求,提升执法成本。提升专业技能并增强自身执法能力已成为全球执法机关应对数字经济竞争挑战的必由之路。其次,若经执法机关的算法解释发现算法已实际施行或极有可能进行默示合谋,则结合市场竞争损害结果确定法律责任。算法默示合谋在对市场竞争的破坏性方面与一般垄断合谋没有区别,因此通过对竞争实质性损害的判断来确定违法责任就成为可行之路。默示合谋虽然借助了计算机算法等工具,但其处于使用者控制并体现使用者意图这一事实没有改变,因此使用者应该对其行为负责[17]。最后,应探查算法使用者是否尽到了主动避免违法的注意义务。算法默示合谋的情形下,经营者与算法之间、经营者与经营者之间可能并不存在沟通痕迹,并且使用者根本不需具有违法故意而只需采取被动放任的态度就可以造成合谋结果的出现。因此,算法的使用者应负有主动与竞争对手商业敏感信息保持距离的特殊义务。也就是说,如果无证据证明算法使用者对算法默示合谋的结果知情或放任,并且其在敏感商业信息交易评估时已采取足够的保障措施,即便默示合谋损害了市场竞争,算法使用者也可据此得到豁免。

(四)创新和完善对算法默示合谋的执法手段

首先,执法机关应当提升数字监管技术能力并充分利用监管科技。与传统反垄断执法依赖于实物证据的搜集与整理不同,算法默示合谋的执法更加强调对数字技术的理解与识别。因此,不仅要通过业务培训提升专业知识与专业技能,还要引入算法技术专家对个案中的算法函数与变量进行针对性分析。执法部门还应自行研发或购买先进的监管算法,利用算法技术高效、迅速、准确地发现并处理经营者之间的异常情况,达到利用算法监督算法的效果。

其次,执法机关要明确对算法的审查重点。针对算法的审查除了重点审查算法所带来的竞争损害后果外,还要从三方面审查算法的应用情况。一是算法是否促进了非法的信息交换;二是算法是否为定价高于竞争水平提供了支持;三是算法是否为默示合谋提供了便利。

最后,应厘清对算法默示合谋行为宽大处理的边界。宽大制度对于提升执法效率、觉察违法行为、维护市场竞争秩序具有显著作用。即便是在较高准入门槛、低价格弹性、同质产品的有利条件下,默示合谋所成立的同盟关系也不会固若金汤[18]128。算法本身就具有科技进步所带来的破坏性力量,这把双刃剑对同盟以外的竞争展开抵制,还有可能基于自身利益最大化考量去破坏同盟本身。鉴于此,在确立算法默示合谋宽大处理标准的基础上,针对算法的开发者与使用者及时进行宽大政策宣传,破坏默示合谋的信任与稳定,就成为最能节约监管执法资源且高效的应对方式。因此,应在《中华人民共和国反垄断法》46条第2款及《禁止垄断协议暂行规定》的基础上,进一步细化宽大制度,修改完善算法开发者与使用者关心的免罚因素、证据认定、免罚和减罚规则等关键内容。

四、结语

随着数字经济的崛起以及智能运算能力的不断提高,算法默示合谋正在数据驱动型市场中发挥着越来越重要的作用,甚至影响了市场的竞争方式。因此,我们有必要结合大数据市场与数字经济发展的背景,正视算法合谋的隐蔽性与机器理智性给反垄断执法带来的困境。秉持“审慎谦抑”的规制理念,在厘清算法默示合谋认定标准、责任承担、执法手段、宽大豁免的基础上构建算法默示合谋规制体系,在尊重和保护创新的基础上维护市场竞争秩序,引导算法公正、合理、规范地运行。