李书恒｜算法共谋的反垄断规制研究
李书恒
西南政法大学人工智能法学院卓越法治人才（法学新媒体方向）实验班学生
要目
一、算法共谋概述二、算法共谋垄断的类型化分析三、算法共谋规制的必要性四、反垄断法视角下算法共谋规制的困境五、算法共谋的反垄断规制优化路径结语
大数据时代来临，算法在市场竞争中发挥的作用愈发显著，部分经营者为获取利益，利用算法共谋所带来的排除、限制竞争效果试图“垄断”的问题引发学界关注。2021年2月国务院反垄断委员会发布《关于平台经济领域的反垄断指南》，对算法共谋的垄断性质确定基调。在明确算法共谋违法性的基础上，分析算法共谋的构成要件与对其进行反垄断规制的必要性，重新明确“共谋协议”的概念，合理认定算法共谋的主观合意，完善算法共谋的法律责任分配问题，以期为应对算法共谋垄断问题及优化其规制路径提供有益帮助。
随着现代信息技术的兴起与发展，包括算法在内的新兴科学技术对传统的生活生产方式产生了巨大影响。莱维汀教授认为：“在计算机科学领域，算法是一系列解决问题的明确指令，通过符合一定规范的输入，能够在有限时间内获得要求的输出。”由于算法运算具有快速性和批量性，只要在算法内输入精确定义的指令，便可以得到最佳的结果和步骤，能够为使用者节省大量的资金、时间和资源，从而逐渐受到经营者们的青睐。
算法不仅是计算机科学的一个分支，而且与科学、商业等领域密切相关：点外卖时，外卖软件会根据你的消费习惯推送可能感兴趣的餐厅；外出旅行时，平台会根据以往的消费提供可能有倾向的住宿环境；网购时，网购平台会根据之前浏览的产品、购买记录推荐相类似的产品……算法的存在，提高了社会运转效率，使生活更加便捷。
经营者为在相关市场中增强竞争力、获得更高占比的市场份额，利用算法达成共谋，受到反垄断规制的案例层出不穷。2017年2月2日，欧盟委员会对华硕（Asus）、飞利浦（Philips）等公司展开反垄断调查。上述被调查的公司的线上零售商通过网络销售电子产品，但是他们并非根据市场环境对产品进行自主定价，而是通过计算机算法来定价，以期达到将产品的价格调整到与竞争对手相一致的目的。算法共谋在此表现为监测竞争者产品的价格变动，自主地维持价格在浮动范围内的一致。这种通过计算机算法限制了线上平台零售商自主定价能力的行为，涉嫌违反欧盟竞争法的相关规定。
2021年2月国务院反垄断委员会《关于平台经济领域的反垄断指南》第6条规定，“利用技术手段进行意思联络”和“数据和算法实现协调一致行为”均能构成横向垄断协议，第7条规定，“利用数据和算法对价格进行直接或者间接限定”构成纵向垄断协议。打破了认定算法共谋的形式障碍，但仍需进一步明确算法共谋的构成要件，为实践中正确认定其构成垄断从而进行惩处提供指引。
一、算法共谋概述
本文探讨的“共谋”是反垄断法意义上的共谋，指的是特定市场中两个或两个以上独立的经营者，采取协议、决定或其他形式，共同对产品或服务的价格、数量等进行控制，从而排除、限制竞争的行为。
算法共谋从本质上来说是一种以算法为工具的垄断协议，就其形式可分为明示共谋和默示共谋。明示共谋是指通过书面或口头等明确的协议方式去维持共谋的反竞争行为。默示共谋是指在没有达成正式协议的情况下，经营者心照不宣地采取一致行动，有意识地以实际合作来对外竞争。在默示共谋中，经营者并没有进行明确的意思联络，而是通过联合、把握市场，自发地产品价格的调整保持一致，达成共谋。经营者之间虽有共谋的意图，但没有明确的共谋协议。与明示共谋相比，默示共谋的达成难度更大。同时，默示共谋的隐蔽性加上算法本身的非物质性、易变性，给算法共谋的反垄断规制带来很大的障碍，更加需要重点关注。
二、算法共谋垄断的类型化分析
算法通过对竞争对手的信息掌握，抓取其价格数据与变动情况，依此调整自己产品的价格，与之趋同或浮动一致，由于算法本身所具有的隐蔽性，使共谋的达成更加容易。
随着互联网商业模式的创新与实践中的发展变化，算法为达成共谋提供了更多方式。实现算法共谋的方式繁多，对于共谋的反垄断规制是一大挑战。先就被广为使用的算法类型进行分析，确定其性质，进而有针对性地规制。
在传统的市场竞争中，若大部分竞争对手对发出的信号不予回复，则将会对优先调价的信号发出者造成利润减损的潜在威胁。利用算法实现信号共谋，是指经营者运用算法发出蕴含着相应的价格信息的特殊信号，按照事先输入的运算程式进行定价，释放调价信号后，利用算法捕捉竞争对手的反应，若竞争对手即时响应，并随之调价逐渐趋同，从而实现固定和提升商品价格之目的，达成共谋垄断。
首先，一方发出信号，另外一方可以全面迅速地掌握价格变动，降低了无法接收到信号的风险；其次，对于接收方是否回复此信号，发出方可以及时了解情况，并据此做出应对，保障自身利益；最后，信号发出方如果充分掌握市场变化，那么可以依据时间段来调整价格，当一类产品在特定时间内的销量固定，尝试对价格进行微调，不仅可以测试其他经营者的反应，同时对自身利益的影响轻微。共谋信号算法为经营者达成默示共谋提供了意思联络。
利用算法进行信号共谋，降低了共谋对象不予回应的潜在风险的同时也隐藏了经营者之间的明示沟通行为，难以被消费者和反垄断执法机构察觉。
人工智能是计算机科学的一个分支，能通过不断地训练学习、分析市场结构、经营主体并彼此交互，从而提高自身的预测能力与经营模式，随着经验积累自动提高性能，从特殊的训练样本中归纳出最佳函数，为经营者制定利润最大化的经营策略。在人工智能学习达到一定成熟度后，尽管双方的算法系统各不相同，也可能在机器的自主学习下达成共谋，实现垄断的结果。可以预见，在未来人工智能之间共谋的实现不需要算法间交流或与经营者保持一致的意图便可能达成，这将放大算法作为执行合意的工具的效果，从而使得不受干涉的自由经营与竞争走向垄断。
人工智能自主共谋正逐步发展成为当前乃至今后算法共谋反垄断规制的一大难点，一方面由于它的隐蔽性，使得现实的共谋协议无实体存在，加大了反垄断执法机关的调查难度；另一方面，在实践中无法断定是人工智能自主行为还是使用者暗箱操控，使得法律责任划分不明确。
算法能够通过对海量数据进行抓取与分析，根据市场供需环境的变化，即时对产品价格进行动态调整。动态定价源自经济学中的价格歧视，即同一商品对不同的消费者采取不同的销售价格，包括相同商品在不同销售周期定价不同，随商品库存变化和市场需求变化定价也随之变化等，利用市场需求和产品特定等因素，使用数理模型对产品定价的过程，都属于动态定价的内容。
在2016年，外国学者萨利勒·K·梅拉（SalilK.Mehra）以优步激增定价案为背景，规范性描述算法驱动的动态定价对反垄断法适用的影响。究其根本，动态定价算法是在一定的市场环境中，供需双方为达到平衡点而做出的价格调整。
大数据杀熟便是动态定价算法的表现形式之一，在这一领域内，多名经营者采用动态定价算法，默契地将商品价格定在每位消费者承受能力的上限，在市场条件不变的情况下，就会出现经营者之间价格趋同的现象，有达成横向垄断协议之嫌疑。
三、算法共谋规制的必要性
随着人工智能、机器学习等技术发展，算法广泛应用于网络交易领域，被广大经营者共识为能够起到迅速、有效分析处理数据的作用。然而，不当使用算法也会可能带来反竞争等危害效果。
在算法的辅助之下，一方面让经营者之间能更加容易在无实质协议的情况下达成或维持共谋状态，大幅降低了经营者达成和实施共谋的难度；另一方面利用算法技术进行共谋，放大监管者与被监管者之间的技术鸿沟，进一步增加了执法机关监管算法共谋的难度。算法共谋行为对市场竞争产生的影响不可一概而论，总体而言，算法共谋一般具有损害市场竞争，侵害消费者权益、延缓经济运行效率之效果。因此对算法共谋行为进行规制非常必要。
共谋行为会打破市场自由竞争的基础，算法的运用则会加剧共谋行为的反竞争风险。具有竞争关系的经营者通过算法共谋达成协议，为获得最大化的利益而上调产品价格，使得市场正常的竞争调节机制遭到损害。
优胜劣汰是市场的关键，而共谋威胁到优胜劣汰市场规律的正常运转，通过市场公平竞争并不断提高自身竞争力的经营者却因为没有参与共谋而面临被淘汰的风险，同时也减少了市场竞争对创新的刺激，同时使得市场效率降低。
由于营业活动的趋利性，达成共谋之后，可能会出现部分共谋者为获得更高利润从而在共谋进行中作出违背共谋的行为，打破共谋结构。同时算法具有预测、评估、监测和分析等功能，当共谋者之中有人违背了共谋行为，极大可能将会第一时间被发现，同时遭受来自其他经营者的报复。这迫使部分本难以达成共谋的经营者也具有了达成共谋的要求。
经营者通过算法对数据的进行挖掘，从而洞悉、预测对消费者的需求，甚至预测市场的需求，进行价格调整。不论经营者使用哪一种算法制定销售策略，其提供的广告投放、对象定位都是依据消费者的个人需求。算法提升了消费需求的精准度，提供更为优质的服务或者产品，有利于消费者选购符合自己需求的产品。
经营者对消费者个人消费数据的掌握，是通过收集分析消费者在购物时的偏好、检索中的信息数据而得来的，在预设算法时，将非市场价格决定因素放在靠前位置，比如消费者的支付意愿、购买能力、消费习惯以及对平台的信任度，而将传统定价方式考量的供求关系、边际成本放在靠后的位置。在推送产品时，往往会选择趋近消费者预期支付的最高价格的产品，实现在保障售出情况下的收益最大化。
相对于传统的共谋来说，算法共谋的经营者已经从“握手谈笑”的形式转变成“心照不宣”，从形式上看，这种共谋已超出了反垄断执法机构的监督范围。从消费者层面来看，如若经营者通过算法共谋的形式，设定了高于产品价值的价格，最终还是由消费者来承担范围价差，损害了消费者的利益。
四、反垄断法视角下算法共谋规制的困境
近些年已有诸多企业因实施算法共谋而接受反垄断处罚，学界亦呼吁重视算法共谋规制问题。市场经营者以及反垄断执法机构必须了解复杂的算法逻辑，了解新的市场竞争模式，更好地探讨新的竞争背景下的竞争法规，以期维护互联网市场的公平竞争秩序。
传统反垄断法多以人的竞争行为作为规制内容，算法较之传统的共谋行为，具有自主学习性强、人为控制介入程度低等特征，超出了旧有的协同行为范畴。国务院反垄断委员会发布的《关于平台经济领域的反垄断指南》作为原则性指引，对算法共谋构成垄断的具体标准认定尚不明晰，为在反垄断法视角下规制算法共谋带来困扰。
我国现行反垄断法将经营者之间的“排除、限制竞争的协议、决定或者其他协同行为”认定为“垄断协议”。剖析为经营者达成合意、通过协商、存在限制竞争的内容三个要素。
然而，算法的应用使得共谋的达成更加巧妙且复杂。有学者认为意思联络是垄断协议必需的构成要件之一。如果两个或两个以上的企业没有意思联络，而先后实施相同或一致的行为，便不能认定它们达成垄断协议。同时有学者认为默示共谋虽然没有意思联络，仅有达成共谋的意图，但切实造成了排除、限制竞争的后果，应该受到反垄断法的规制。
默示共谋中亦存在意思联络，经营者提供算法释放共谋信号的行为，就类似于向市场上不特定的其他经营者（也可以是提供算法锁定的特定经营者）发出一种由算法加密且仅能通过算法解密的要约，当其他经营者通过算法接收后释放回馈信号，即是一种要约承诺，双向的信号交流可视为控制者之间的交流，可适当周延“垄断协议”概念，认定为违法行为，不受法律保护。
在算法共谋之中，算法作为计算机程式，具有非物质性、可变性，甚至一些计算机算法还可能包括关于经营者产品或服务的重要商业秘密，加之算法纷繁多样，处理与解析起来难度大。尤其在人工智能算法自主形成的共谋中，算法共谋可能并不是由经营者或者开发者实施的，而是由算法在不断的自我迭代后在经营者不知情的情况下实施的，经营者没有下达明确的指令达成共谋或者甚至不存在共谋意图，甚至经营者主观上排斥共谋的形成也不无可能。
这些问题为算法共谋的追责带来法律与技术上的双重困境。
综上，算法共谋的主观意图认定存在两大难点：一是由于算法的种种特性，很难从中认定各经营者之间存在意思联络；二是随着互联网技术的发展，如何证明算法自主实施的共谋行为具有人的意志性。
对于算法规制的根本在于找到正确的主体接受法律的问责。随着人工智能的发展，传统的归责机制已经不再适用，在算法共谋下，达成共谋的主体不仅包括经营者、算法的开发者，甚至包括计算机算法本身。目前对于算法共谋的责任主体认定困难的原因，主要是由于现行的法律对于计算机算法的权利能力与行为能力并没有规定。不可否认，计算机算法是由人类研究开发使用的，开发者并不一定是出于垄断或者达成共谋的意图出发，此时如果让计算机算法的设计者或者使用者来承担责任，那就必须证明开发者或者使用者具有共谋的意图，并且达成了共谋。
此时将如何对二者进行责任的分配？这就需要更进一步的讨论。但是在人工智能算法自主形成共谋之中，计算法自主的实施共谋行为这时，如果让计算机算法来承担责任，那么开发者和使用者将免于处罚，但前提是计算机算法是否能够成为反垄断法上的责任主体。算法共谋引起了一系列法律责任承担的问题，这需要根据具体的情形进行责任分配的进一步讨论。
五、算法共谋的反垄断规制优化路径
算法技术的发展对市场经济亦有一定的推进作用，但亦不能成为反垄断法的灰色地带，对于算法共谋出现的问题，反垄断法理论应当与时俱进，适应新时代的需求。
算法共谋具有反竞争性，严重损害了消费者的利益，同时对经济运行的效率产生影响。明确算法共谋的构成要件是认定其构成垄断并对其惩处的必要前提。在反垄断法领域，垄断行为的构成要件一般包括主体要件、主观要件、行为要件及结果要件，而算法共谋作为一种特定的垄断行为，具有总的共性也有其特性。
算法共谋的属性决定了参与主体是两个或两个以上的经营者。但算法开发者的地位亦不可忽视，一般情况下，算法是由拥有特殊专业知识的IT服务提供商开发并交付经营者使用，也即算法共谋领域内的经营者（使用者）一般还对应至少一位算法开发者。
在算法共谋中，若算法开发者在研发时明知经营者的共谋意图，那么应当认定该算法开发者同为算法共谋的主体。同时，基于算法开发的模式—通过计算机语言实现特定的功能，而若是开发前文提到的共谋信号算法，在没有其他特殊原因介入的情况下（如教学、试验需要等），基本可以推定算法开发者知晓经营者的共谋与垄断意图，这在其知晓算法欲实现的功能时便可以了解。
还需要强调的是，这里的经营者应当作广义理解，不以商事主体资格的取得为形式要件，只需考察行为人是否有“经营”行为。
现阶段仍不宜将算法作为反垄断法的责任主体，因为算法不具有权利义务，不具有负担不利益的可能性，算法本身既不能对受损害方进行实质意义的补偿即负担民事责任，也不能被反垄断执法机关课以行政责任。但是，考虑到人工智能的法律主体地位仍有争议，对于人工智能算法的责任担当仍有讨论空间。
笔者认为人工智能算法不宜成为责任主体，因为即便目前称之为人工智能算法，不过它更多的是强调算法的自我迭代与优化，其依然缺乏意思自治与自由，即无自我意思表示，不具责任能力。
算法共谋的主观意图指的是共谋主体在主观上有限制、排除竞争的目的。为达成在相关市场的垄断而进行算法共谋，此时算法使用者就具备了主观意图上垄断的构成要件。若算法开发者在开发时已经知道或应当知道算法使用者的共谋意图，那么算法开发者在主观上已经具备主观意图的构成要件。算法从本质上来看是计算机程式，没有人类的“神经”，更没有自我意识，其行为和意识层面所谓的“思想”都是人类赋予的，所以算法不具备达成共谋的主观要件。
对于算法共谋的认定，需要有行为的产生和合意的达成，形成时间的确定极其重要。经营者在互相竞争中的正常商业往来达成的合意，可以通过信息交流与意思联络来推导，但是对于算法共谋的形成时间不能以此认定。
在结构较为简单的市场中，经营者很容易观察到竞争者的行为。在这种市场中，经营者之间少量的信息交换或不易被察觉的意思联络，此时算法共谋极易形成。尤其在寡头垄断市场，经营者之间不需要信息交流便可以达成合意，同时也难以发现。可能形成于造成垄断竞争效果之前的一段时间内的每个节点。在这种情况下，算法共谋成立应该以其释放共谋信号后的第一次行为一致化完成为准，可以具体展开为“算法A释放共谋信号—算法B接收信号并释放共谋信号—算法A收到算法B反馈—算法A、B行为开始一致化”，当第一次协调行为完成后，可以认定算法A、B的经营者行为属算法共谋构成垄断，因为在一致行为作出前，单独的释放与接收共谋信号均不会影响市场，不足以造成垄断效果。
根据我国反垄断法规定，只要达成具有排除、限制竞争习惯的协议且不具有正当性即违反反垄断法。垄断协议的成立只要求具有限制竞争的效果，而不要求具有实质性。
对于具有促进效果的信息交换行为的数据分享等行为，便不宜认定其构成垄断，当发现经营者利用算法进行共谋，应当将是否具有排除、限制竞争的可能性作为考量的结果要件，与传统的垄断行为结果要件一致。
实践中涉嫌算法共谋构成垄断的经营者往往以“共谋的达成是机器（程式）自主运算的结果”为由进行抗辩，意在以此将其主观因素与客观结果相互剥离。但对于由企业编写并使用的算法，所谓的算法自主行为背后是企业设定特定条件和运算程式而实现，可以认为算法仅是企业实施共谋行为的路径，究其本身并不具有自由意志和自主达成共谋合意的可能。
一是未进行意思联络的算法参考是否认定为共谋意图。在市场竞争中，市场主体参考其他企业运用算法达成共谋后调整呈现的价格指标，进而选择性改变自己的算法对产品价格进行调整等，只是对市场数据进行分析后的应对，算法只是用来加工数据的高效工具，甚至这种对市场价格的敏感性与及时应对，其主观上是积极参与并追求市场竞争的，不宜认定该类行为具有与被参考企业的共谋合意。
二是个体行为是否认定为集体意思。经营者运用算法实现共谋，当企业经营者在运用算法实现共谋的过程中，实际执行主体是企业员工，考量到员工行为为执行职务，且最终共谋达成的可能受益者为企业，因此应将员工的个体行为认定为企业的共谋意思，亦与民法典第1198条等现行法律条文的立法目的相符，一方面有利于法秩序的一致，另一方面也更能有效防范企业受益后“推诿责任”“寻找替罪羊”的现象频繁发生。
在通过算法达成共谋的情形中，参与各方之间的意思联络通常搭载于算法程式进行，抽象化的信号交流与传统的意思联络形式大相径庭。采取不同程式逻辑的算法间的信号交流，因其思维路径相异，相较于同路径算法更加难以直接推定其达成“协同一致”行为。基于此，合理利用所能取得的间接证据推定共谋意图，对于规制算法共谋垄断行为极为重要。
间接证据在欧美国家的法律体系中作用明显，采取间接证据推定的方式来认定默示共谋的存在，为我国反垄断执法机构认定算法共谋垄断的合意提供有益借鉴。已有学者对用以证明默示共谋的间接证据进行归纳总结，从性质上可区分为沟通证据、行为证据和经济证据。沟通证据指的是经营者之间就算法共谋达成进行的互动交流，具体形式包括但不限于在传媒软件上进行信息意见交换等；行为证据指的是经营者各自通过算法程式运转，操纵产品价格的行为表现，核心表现为产品价格的追随现象或趋同结果；经济证据指的是经营者之间共同利用经济手段在共同分析市场条件的变动，主要表现为共筑市场壁垒或划分市场等。
在算法共谋中，经营者之间交流的证据很难被反垄断执法机构发现，甚至经营者会刻意地拒绝进行非算法上的互动交流以对抗反垄断执法机构的调查。算法间的信号交流属于行为证据，如前文所述，调查算法本身就有着法律上与技术上的双重难题，反垄断执法机构可将经济证据作为认定经营者之间共谋意图的关键点。
通过对市场条件变动的研究，分析经营者之间作出行为的合理性，并且将合理原则作为对共谋行为竞争效果的辅助分析。此外，反垄断执法机构还可充分运用“举证责任倒置”，要求被调查的经营者就价格趋同行为和运用算法的背后逻辑作出合理解释，若无则依据经营者没有办法对价格趋同的行为进行合理解释来推定他们之间存在共谋的意图。
法律责任就是行为者实施的行为所应该承担的具有强制性的法律后果。对于算法共谋法律责任的合理分配是反垄断法规制算法共谋的重要一环，只有将法律责任分配合理，反垄断法的规制才能起到威慑作用。线性分析算法共谋的实现过程，算法的开发者处于算法共谋行为的前端，应当为算法设计的逻辑负责，需要充分考察算法技术本身是否合法，承担维护算法运行的正当性的责任，并时刻关注算法运行中可能产生的技术偏在，可归纳为算法开发者承担对算法技术的解释责任。算法的使用者处于算法共谋行为的末端，应当为自己的主观意图负责，使用者受制于技术原因，对算法技术不具有事实控制力，对算法运行的结果是否与本意相符不具有决定性影响力，可归纳为算法使用者的责任主要考量其主观意图，间接辅以算法运行结果为证。
以下按照算法共谋的参与主体主要分成三类：算法、算法开发者、算法使用者，进行归责探讨。
技术问题造成的损害责任应在技术层面寻求相应的解决，分析算法共谋的流程是厘清算法共谋产生的技术原因的关键。
算法从根本上说，并不具有权利能力，更无法进行意思表示，不具有行为能力，无法成为法律主体承担责任，故其在算法共谋不具有承担责任的可能性；即便是在人工智能法学领域人工智能的主体尚且存在争议，人工智能算法在算法垄断中不能为自己谋取利益，且一直受到算法开发者与使用者的支配、监测，不具有独立性，也不应承担责任。
线性分析算法共谋的实现过程，算法的开发者处于算法共谋行为的前端，应当为算法设计的逻辑负责，需要充分考察算法技术本身是否合法，承担维护算法运行的正当性的责任，并时刻关注算法运行中可能产生的技术偏在，可归纳为算法开发者承担对算法技术的解释责任。算法的使用者处于算法共谋行为的末端，应当为自己的主观意图负责，使用者受制于技术原因，对算法技术不具有事实控制力，对算法运行的结果是否与本意相符不具有决定性影响力，可归纳为算法使用者的责任主要考量其主观意图，间接辅以算法运行结果为证。
算法开发者，是指利用计算机语言设计、编写算法并利用算法获益的经营者。此处的利用算法获益主要是指出售、出租算法的直接获益。
算法开发者的法律责任分配，与算法运行关系密切。算法运行过程大致为:构建基于历史数据的模式—编码的形成—搜集并提供算法输入的相关数据—适用既定的算法程序—基于数据分析链条预测结果及建议。而人们暂时还难以控制算法运行的过程，人工智能算法能够在不断的自我迭代与自我编写中优化自身，越优秀的人工智能算法拥有着越丰富的可能性，即人工智能算法的运作有着“黑箱效应”，使得算法很难与其开发者时刻保持意图一致。算法一旦转付他人，人工智能算法再次更新后，算法开发者不再对该算法有着完整的了解，丧失对其的全面控制，让算法开发者为算法自主更新后运行的结果“买单”是不公平的。如果一味地追开发者的责任，难以真正地达到对算法共谋进行规制、维护市场竞争秩序的目的。
算法开发者相较于使用者而言，对于算法运行的逻辑更为了解，应当对算法运行的全过程负责。算法开发者设计开发算法时，在其预见或应当预见算法具备自主实施共谋的可能的范围内，采取了合理的措施预防、阻止算法共谋的发生，便无需对其设计的算法在脱离其控制后自主达成的共谋承担法律责任。算法开发者监测算法行为，若发现算法有促成共谋之嫌，应当立即向双方协调说明，并及时采取技术手段予以阻止，视情况向监管部门报告。此时，算法的开发者作出对算法技术设计的合法性的证明，同时尽到对算法运行过程的监管义务，可以主张尽到解释责任并依此抗辩。
算法使用者，是指利用算法提升经营效率的经营者。算法开发者可以同时是算法使用者。利用算法实现共谋的经营者对使用特定算法与否具有直接的支配权，对算法产生的共谋垄断效果持积极的追求态度，目的在提升经济收益，理应承担法律责任。但也有例外，前文所述的人工智能算法“黑箱效应”：使用者从开发者处接手人工智能算法后，倘若其自我迭代进化出共谋功能，要求对算法并不具有专业认识的使用者承担责任并不公平，故只要使用者尽到合理的注意义务，对算法进行定期维护或检测，在发现异常后及时送检或报告主管单位则应当视为其不具有责任。
我国反垄断法中对于垄断行为的法律制裁方式为单罚制，即主要对进行垄断行为的法人进行处罚，并未将经营者的董事、监事、高级管理人员等纳入其中，但在算法共谋中，不仅经营者本身要作为算法共谋的责任主体，经营者的主要负责人也应作为算法共谋的责任主体。原因在于法人虽是拟制独立主体，独立承担责任，但依据公司法相关规定，董事、监事、高级管理人员等应当依法从事经营管理、尽勤勉忠实义务，参与或明知却放任算法共谋垄断行为的发生，显然未尽相应义务，因此应当承担民事责任。
我国反垄断法第四十六条规定了经营者的行政责任。为剥夺算法共谋的非法所得，可以对经营者本身进行一定数额的罚款，一方面可以剥夺算法共谋所获得的不正当利益，另一方面也具有制裁和威慑作用。
目前我国并未对经营者的主要负责人进行行政处罚，但是世界其他国家早已有相关的个人法律责任规定。在美国，任何员工、董事或者雇员违反谢尔曼法第1条可能面临高达100万美元的罚款；在欧盟，欧委会对经营者进行罚款，各成员国可对高管作出罚款，德国、荷兰、法国等均做出了规定；在英国，违反竞争法的个人将承担不限额的罚款，同时竞争与市场监管局可申请取消其董事资格；在澳大利亚，同样包括取消董事资格的规定。
针对算法共谋中经营者的主要负责人，应当承担相应的行政责任，主要以罚款、向侵害对象赔偿损失为主。
法施于人，虽小必慎。在反垄断法的框架下明确了上述的算法共谋协议性质、合意认定、责任分配问题之后，反垄断执法人员采取何种方式对算法共谋实现规制，将是至关重要的一环。
算法属现代信息技术领域，尚未与传统的法学教育接轨，尽管已有法学院开展人工智能法学等新型信息技术与法学交叉课程的教学，但此部分法科生大多还暂未进入到司法实务领域。监控算法共谋对反垄断执法人员提出了持续学习、更新观念的高要求，各地反垄断执法机构应当针对反垄断执法人员进行针对性的业务培训，普及相关知识，填平由于专业壁垒所带来的信息鸿沟。如此一来，反垄断执法人员能在一定程度上规避因为技术落后原因造成的监管疏漏，监控经营者的算法共谋行为，并进行较为精准的识别。
算法具有对大数据进行抓取识别的功能，如果监管机构不具备相应的互联网技术能力，则很难对企业的行为展开竞争分析。反垄断执法机构可与工信部、国家统计局等部门合作，设计出一套专用于反垄断监管的算法，一方面可以向市场投放少量反共谋的专项干扰数据，破坏算法共谋者的活动，另一方面可以捕获经营者释放的算法共谋信号与反馈，快速留存经营者之间涉嫌通过算法共谋达成垄断的证据，在提高监控准确性的同时极大程度上减轻反垄断执法人员的工作压力。
在传统司法活动中，对法律以外的专业领域内容进行认定或分析时，向具有资质的司法鉴定机构或具有专门知识的人申请鉴定或咨询是惯例，算法是计算机领域的专业知识，故可以尝试引入司法鉴定，由专业人员向司法人员作出分析，阐释特定案件中算法的功能，即将计算机语言逆向编译为人类语言，供司法人员理解，可以有效帮助司法人员对算法是否具有共谋性、垄断性作出认定。
反垄断执法机构应当明确谦抑审慎原则，为反垄断司法提供指引。以保护和促进市场竞争为第一目的，保持适中的执法力度，维护法律尊严的同时不能过度打压经营者积极性，在抑制垄断和鼓励技术发展之间寻求平衡，充分发挥算法在推进经济发展和科技进步中的正向作用。
结语
大数据时代，人们不断发掘算法在竞争中的优势，经营者对算法的探索运用逐步深入。算法技术具有双面性，在提高效率、增强竞争力的同时也对市场秩序造成一定威胁，给反垄断监管带来了新的问题。
科技的进步优先于监管的完善，及时分析我国反垄断法在规制算法共谋目前面临的困境，包括现有框架下算法共谋的协议性质难以明确、主观意图难以证明、法律责任难以分配等问题，加强反垄断法对共谋规制构思的完善，首先通过对共谋中“协议”概念的明确，其次通过对共谋主观合意的认定，最后完善共谋的法律责任分配问题。在此基础上，充分发挥反垄断法的规制作用，认识并降低新兴技术应用带来的风险，以期实现维护市场秩序、促进自由竞争的立法目的。
往期精彩回顾
马寅宵｜网络竞争综合治理研究—以“互联网专条”为中心的网络竞争政策构建
张芷维 邢恩铭｜解释论下私密信息的界清与保护——以实定法秩序概念的谱系化为进路
上海市法学会官网
http://www.sls.org.cn