画/Pablo Picasso
2019年11月，德国联邦卡特尔局与法国竞争管理局共同发布《算法与竞争》（Algorithms and Competition）调研报告，本文是对该报告“执行摘要”的翻译。
一、引言
毫无疑问，数字化正在改变我们经济的许多领域。算法是这一过程中最重要的技术驱动因素之一，它使企业更加创新和高效。然而，关于算法是否以及在何种程度上可能对市场的竞争作用产生不利影响，特别是便利共谋行为，存在争论。
此项法国竞争管理局和德国联邦卡特尔局合作研究指出́使用算法的潜在的竞争风险。它阐述了算法的概念以及不同类型和应用领域(II.)，随后重点介绍了算法和共谋(III.)。之后，研究讨论了在调查算法时面临的实践中的挑战(IV.)并对研究得出的竞争机构的任务作一个初步的展望。
二、算法——概念、种类和应用领域
原则上，任何软件都由一个或多个算法组成。然而，在研究的背景下，应当关注会导致潜在的经济后果，更具体地说，对竞争有潜在影响的算法。此类情形涉及执行各种任务的算法。因此，根据不同的方法对算法进行分类是有必要的，根据算法执行的任务，通过算法输入的参数或通过所涉及的学习方法。
特别是，本报告讨论了用于动态定价的算法。这些算法可以根据公司自身的成本、产能或需求情况调整价格，也可以根据竞争对手的价格调整价格，而竞争对手的价格可以使用另一种算法进行监控。此外，本报告还考虑了自我学习算法的特点，这些自我学习算法可以从一组潜在的动态训练数据中获得高度自动化的参数。 涉及算法兼容的问题也被提及。在这方面，人们可以广泛地区分那些基本上对人类可解释的算法，特别是允许通过代码或对算法的描述来识别由于使用算法而产生的策略和动作，以及那些其行为对人类难以解释的算法。该研究将前者称为“描述性”算法，将后者称为“黑箱”算法。
三、算法与共谋
本报告研究特别关注定价算法，探索这些算法对竞争的潜在不利影响，以及它们可能以何种不同方式影响公司之间的策略互动，从而可能导致横向共谋。
首先，（本报告）分析了横向共谋背后的经济学原理，包括考虑算法对稳定性和产生共谋的潜在影响(A)。其次，讨论了定价算法的使用，考虑了三种情景，详细阐述了它们所涵盖的情况及其潜在的竞争法意涵(B)。
本报告还讨论了算法与使用算法的公司的市场力量之间的相互依赖关系。特别是，这些相互依赖会导致额外的市场进入障碍。
（一） 横向共谋的经济原则
虽然经济学研究从不同的角度研究了横向共谋，但其定义也有所不同，但可以将共谋描述为这样一种情况:企业采用奖惩机制，奖励遵守超竞争后果的竞争对手，惩罚背离超竞争后果的对手。
经济研究和案例实践都发现了影响共谋稳定性的若干因素，如市场上的公司数量、进入壁垒的存在、相互作用的频率以及不同市场参与者的市场透明度。算法可能会影响其中的一些因素，从而潜在地影响共谋的稳定性。考虑到潜在的影响，研究发现，算法的使用对市场共谋稳定性的实际影响是先天不确定的，取决于各自的市场特征。
本报告还讨论了共谋的产生，特别是通过考虑企业如何在没有人际沟通的情况下协同特定的均衡。特别是研究得出的初步结论是，在理论上认定共谋是否存在仅能提供有限的实践上的思考，即哪种算法更容易促成默示共谋的产生。
（二） 在不同情景使用算法
本报告考虑三种场景。对这些场景的法律评估尤其需要考虑到《欧盟运行条约》第101条和相应的国内规定只禁止协议和协同行为。换句话说，违反竞争法需要有关公司之间进行某种交流。相反，公司有权聪明地调整自己的行为，以适应竞争对手现有的或预期的行为。
1，算法作为“传统”反竞争行为的支持者或便利者
第一个场景包含了一种“传统的”反竞争行为已经存在的情况，这种行为是来自人们之前的联络。因此，该算法只在第二步起作用，以支持或便利实施、监控、执行或隐藏各自的反竞争行为。
除了支持或便利横向共谋外，算法还可用于纵向协议或协同行为的情况中。例如，可以使用算法来检测偏离固定或最低转售价格的情况，或允许制造商对不遵守给定价格建议的零售商进行报复。
本报告指出，在这种情况下使用一种算法并不会引起具体的竞争法问题，因为认定一项事先的协议或协同行为，一般可以根据《欧盟运行条约》第101条进行评估。然而，尽管认定侵权可能没有进一步考量算法，通过特定案例理解算法可能是恰当的，例如，其允许对潜在的抵消效率的评估以及加强反竞争行为的消极影响。
2，竞争者之间的算法驱动共谋涉及第三方
在第二个场景中，第三方，例如外部顾问或软件开发人员，向竞争对手提供相同的算法或以某种方式协同的算法。这些情况的特殊性在于，竞争对手之间没有直接的联络或接触，但是因为第三方的行为却可以使其产生一定程度的一致性。
通常，可以区分算法级别的一致(代码上)和输入因素级别的一致(数据上)。第三方不仅提供具有共同目的的算法，例如价格计算，而且使用类似的(或相关的)执行方法时，可能会出现代码上的一致性。在代码上的特定一致性是将决策意见完全委托给使用算法进行这些决策的公共第三方。数据上的一致可能涉及竞争对手使用算法作为信息交换的方式或软件供应商通过依赖竞争对手之间的公共数据池来实现输入数据的一致。
到目前为止，只有非常有限的算法相关的判例法。由于此场景中涉及的潜在情况多种多样，因此评估总是依赖于每个案例的特殊性。考虑到ECJ判例(VM Remonts, Eturas)，在这种情况下的核心问题之一是竞争者是否知道第三方的反竞争行为，或者至少能够合理地预见到这些行为。
在这种情况下，潜在的竞争问题尤其可能取决于算法上一致的内容。例如，代码上的价格或价格参数的一致可能会构成在目的上对竞争的限制。对于数据上的一致性，适用已建立的信息交换原则。
在所有这些案例中，市场覆盖可能既与竞争关切的评估有关，也与执法机关行使其自由裁量权是否展开调查有关。
3，共同使用单个算法导致的共谋
第三个场景中涉及的算法是单方面设计和执行的，即每个公司使用不同的定价算法。在各自公司的人员代表之间没有事先或正在进行的联络或联系。尽管如此，一些或所有竞争者都依赖定价算法这一事实，可能有助于他们市场行为的一致性，而这只是电脑之间的互动。
除了算法达到默示共谋外，还有一个问题，即算法是否能够参与类似于明确形式的共谋行为。然而，到目前为止，潜在的“算法通信”（algorithmic communication）的性质存在很大的不确定性，这是在自我学习“黑匣子”算法的情况下最常被讨论的。“算法通信”的一种特定形式可以是传递信息行为，即在这种情况下，算法向竞争对手表明，它们将以某种方式改变竞争的相关参数，如价格。
除了上一节讨论的关于共谋的出现和稳定性的理论考虑外，还有越来越多的研究算法共谋的可信度，通过分析算法在特定的、最具实验性的设定下具体技术执行。换句话说，两种或两种以上的定价算法在大学的研究实验室进行测试，让它们在模拟竞争环境的实验环境中进行交互。在许多实验中，结果表明，可以达到一定程度的共谋。在此背景下，本报告讨论了在实验环境中的假设以及它们与现实市场的关系。这篇文章的结论是，目前仍存在一个有待解决的问题，即在符合真实市场条件的环境中，定价算法是否可能“偶然”出现。
从法律的角度来评估这种情况，研究首先转向协同和纯粹的平行行为之间的区别。鉴于潜在的协同和单纯的平行行为的不确定性。针对“算法通信”潜在形态的不确定性，本报告指出，清楚界定哪些潜在的交互类型构成非法行为似乎为时过早。此外，本报告指出，根据现行判例法，《欧盟运行条约》第101条并没有禁止有意识的平行行为。因此，如果一个算法只是单方面地观察、分析并对竞争对手算法的公开可见行为做出反应，那么它可能只能被归类为适应市场的智能适应，而不是协同。
这种情况下的另一个法律问题是，自我学习算法的行为在多大程度上可以归因于公司。一些作者建议将算法行为视为公司员工的行为。因此，企业只要引进并使用了一种从事反竞争行为的算法，就可能被追究责任。还有人建议，如果违反了合理的谨慎和预见性标准，公司应该对其算法的行为负责。
这篇文章的结论是，评估公司共谋算法行为责任的标准可能在这两种方法之间变动。然而，很明显，企业在使用定价算法时，需要考虑如何确保反垄断合规。
四、在调查算法时面对的实践上挑战
本研究还解决了在调查算法时的实际挑战，首先描述可能用于认定违反竞争法的潜在证据类型，然后概述获取和分析相关信息的方法。
在潜在的证据类型中，可以区分涉及算法的角色的相关信息及其背景环境作为一方面，和算法的功能作为另一方面。例如，关于算法的角色及其背景环境，涉及算法目的、算法执行和随时间的变化的信息可能是相关的。此外，执法机关可以考虑算法使用的输入数据的信息。最后，其有助于收集与算法相关的输出信息和决策过程。
当局一旦展开调查，就可以利用其现有的调查职权，例如索取资料、搜查和询问，以取得必要的信息。根据手头的情况，也可以通过请求内部文件来获得信息。
对算法进行更深入的分析可能产生更多的证据，特别是揭示与算法功能相关的其他事实。这样的分析,可以设想不同的调查方法,尤其分析(相关部分)相关各自环境信息和接口信息的源代码,比较真实的(过去的)输入/输出，模拟生成输入的算法行为，或比较算法和其他(更容易解释)算法和方法。
五、结论
本研究的结论是，在目前的情况下，现有的法律框架，特别是《欧盟运行条约》第101条及其相关判例，使竞争执法机关能够处理可能的竞争问题。事实上，竞争执法机关已经处理了一系列涉及算法的案件，这些案件还没有带来具体的法律上的困难。
关于《欧盟运行条约》第101条是否需要广义认定的学术争论，因为一些作者呼吁对《欧盟运行条约》第101条进行更广义的解释，本报告回顾道，目前还不清楚未来竞争执法机关将面临哪些类型的案例；因此，目前还无法预测是否有必要重新考虑目前的法律制度和方法工具箱，并且如果需要，以何种方式。
随着数字市场的不断发展，有关机关应继续扩大其在算法方面的专业知识，相互交流，并与企业、学术机构和其他监管机构进行互动。这一努力符合机关为应对正在进行的数字化所带来的挑战投入更多资源的更普遍趋势。（剌森 译）
声明：本文来自数字市场竞争政策研究，版权归作者所有。文章内容仅代表作者独立观点，不代表安全内参立场，转载目的在于传递更多信息。如有侵权，请联系 anquanneican@163.com。
