算法共谋的法律定位:存粹工具、超级工具抑或法律主体?

本人合著论文推介：Guan Zheng and Hong Wu, ‘Collusive Algorithms as Mere Tools, Super-tools or Legal Persons’ (2019) 15(2–3) Journal of Competition Law & Economics 123.

在人工智能时代，算法被广泛应用于商业定价实践，由此引发的共谋问题对反垄断法提出了严峻挑战。我们认为，现行反垄断法中关于默示共谋的规则本身就存在争议，而算法技术的普及使这些规则的局限性进一步暴露。尽管美国、欧洲及其他地区的学者和实务界人士已注意到这一问题，但在很大程度上未能厘清其具体表现、根源及有效的法律应对方案。为此，我们在本文中提出一个核心论点：继续将算法视为企业的存粹工具已不再合适，机器学习算法作为“超级工具”和“法律主体”的独特特征，可能不可避免地在反垄断法中制造两条新的“裂隙”。

就既有法律框架而言，《谢尔曼法》第一条和《欧盟运行条约》第一百零一条均禁止企业达成固定价格协议。然而，对于寡头市场中企业通过默示共谋所产生的超竞争价格，法院长期以来采纳了特纳教授的理论，认为寡头市场中企业之间的相互依赖是其理性行为的自然选择，从而承认了默示共谋的合法性。这一立场在反垄断法中造成了一道公认的“裂隙”：具有相同反竞争效果的行为，因是否存在“协议”而获得截然不同的法律评价。按照特纳的逻辑，默示共谋的合法性建立在两个前提之上，即寡头市场结构与企业的理性行为。然而，当算法介入定价时，这两个前提都可能发生根本性变化。

第一条新“裂隙”与算法的“超级工具”特征相关。人类有限的信息收集和分析能力，使得默示共谋在传统认知中只能发生在寡头市场。在非寡头市场中，由于企业数量较多、市场集中度较低，单个企业的价格变动通常不会被竞争对手察觉，因此缺乏维持超竞争价格的条件。但算法在信息收集、分析和快速反应方面的超强能力，可能从根本上颠覆这一认知。算法能够敏锐地捕捉销量的微小变化以发现价格偏离，能够通过编码价格战威胁来建立有效的惩罚机制，甚至能够迅速获取新进入者的信息并即时调整价格以降低潜在竞争者的进入动力。这意味着，即便在非寡头市场中，超竞争价格也可能通过算法辅助的默示共谋得以实现和维持。此时，法院认可默示共谋合法性的理论根据——寡头市场结构——已不复存在，反垄断法由此出现新的缺口。

第二条新“裂隙”源于机器学习算法的自主性与不可控性。传统法律假定工具所产生的结果应当能够被使用者预见和控制，企业的理性行为是其自身意志的体现。然而，机器学习算法尤其是深度学习算法中存在的“黑箱”机制，使得用户和设计者都无法准确理解和预测算法的全部输出。当算法在很大程度上脱离了企业的控制而自主运行时，它们便不再具有工具的性质，而更接近于法律主体。从伦理学角度看，无论是康德所强调的理性能力，还是洛克所界定的思维与反思能力，机器学习算法所展现的独立于用户的“意识”都在相当程度上符合人格主体的要件。在此情形下，法院无法再通过逆向工程来推断企业的共谋意图，企业与算法之间的工具关系也不再成立，现行法律中以工具与使用者的逻辑关系为基础的规则因此丧失了适用根据。

面对这两条新“裂隙”，我们认为，对算法施加刚性限制或全面禁止均非良策，因为算法在降低信息不对称、帮助消费者寻找合适产品和降低生产成本等方面具有显著的竞争优势。同时，在民法、刑法等基本法律部门尚未明确赋予机器学习算法法律人格之前，在反垄断法中率先承认其法律主体地位也并不妥当。因此，我们提出了一种以市场结构为导向的监管方案：在出现持续超竞争价格的非寡头市场中，依据技术和经济标准对使用算法的企业征收一定费用。这一方案本质上是对算法定价所产生的竞争负外部性征收庇古税。征收的费用将以补贴形式用于激励潜在竞争者尤其是中小企业以略高于竞争水平的价格进入相关市场，从而恢复被削弱的市场定价机制的功能。在具体制度设计上，费用征收应遵循比例原则，综合考虑企业的销售额、市场份额、市场地位和算法设计等因素，并由竞争主管机构根据技术发展和市场结构的变化进行周期性调整。

我们深知，科技每一次重大进步都必然带来商业范式的变革，而回应这种变革是立法者的永恒课题。法律自诞生以来便建立在有限理性的人类行为模式之上，而人工智能时代的到来要求立法者重新审视这一基本前提。算法作为超级工具和法律主体的双重特征所引发的反垄断法“裂隙”，不仅需要在每一个具体场景中寻找补救措施，更需要立法者思考一套整体性的解决方案——其治理原则或许不再以人类行为模式为基础，而应转向以代码为基础。