第五章 人工智慧與競爭執法
第二節 科技執法
科技執法並非取代人類的判斷價值，而是透過機器所提供的預測數據，減少 執法者因爲預測能力不足而誤判的可能性，當然就算AI 能夠在司法審判過程中 計算出更準確的預測數據，也不意味我們應該將審判權交給 AI，因為法律學上 數字本來就不是唯一的考量，多數正義判決也難以彌補罕見個案中的冤抑。不過 相同的事件，AI 與法官有著許多不同的觀察角度，相比 AI 較注重被告過去可以
doi:10.6342/NTU202003608
75
被量化的風險數據，法官可能更重視被告在審理過程中的表情變化，這讓AI 的 預測能力完全可以與人類互補，在競爭執法上AI 能夠成為將案件進行風險分類 的利器，促使執法者優先關注高風險的個案，並透過數據即時進行違法性的判斷，
進而維護整體的公平性。
針對AI 衍生的限制競爭行為，競爭執法更需要科技協助。公平交易委員會 2019 年針對演算法的委託研究報告即指出，其銳利的執法工具在「結果導向」與
「就源法遵」上，前者為執法者發現訂價演算法的商業市場出現超競爭水平價格 時，可以立即介入並加以干涉演算法運作的機制；後者為確保使用演算法的事業，
清楚知道從啟動購買或設計的階段開始，事業就應該為演算法未來可能會衍生的 競爭法問題，負起相對應的法律責任124。
科技監理在穩定金融市場秩序上已經有相對成熟的進展，各國金融監理機構 也相當重視 AI 科技帶來的改變，依照科技監理的主體可以區分為法遵科技
（RegTech）與監理科技（SupTech）。法遵科技的定義是：「受監理之金融機構 為符合法令遵循要求與報告所發展出的各種金融科技應用」;監理科技定義為：
「金融監理機關的金融科技應用」125。因此，展望AI 民主化時代的到來，隨著 AI 科技在各領域的深化應用，法遵科技與監理科技將不只是金融業才熟悉的名 詞，而會成為跨領域的競爭執法利器。
另一方面，由於控制權的分散有助於市場競爭，因此，去中心化的理念可以 與反托拉斯法互相結合，具體手段或許可以透過區塊鏈，讓區塊鏈上的智慧合約 受到公眾所監管，同時確保其交易符合競爭執法機構要求的公平性。此外，由於 國際間針對AI 的管制密度不一，對於傾向嚴格管制 AI 的國家而言，或許也將會 面臨難以跨國進行競爭執法的困境，反觀區塊鏈則沒有國界的限制，其甚至能夠
124 陳和全、陳志民，前揭註 61，頁 207。
125 臧正運（2018），〈試論金融監理科技的分析框架與發展圖像〉，《管理評論》，37 卷，4 期，
頁 21。
doi:10.6342/NTU202003608
76
超越各國法律維護所有交易的公平性。因此，我們應該重視區塊鏈在競爭執法上 所扮演的角色，如此競爭執法機構才有可能在AI 民主化時代，兼顧市場競爭與 消費者權益。
一、監理科技
當我們的消費習慣會被AI 轉化成價格歧視問題時，則擁有消費者購物數據 的金融業者，在競爭法上似乎就有被妥善監理的必要。不僅如此，在AI 被廣泛 運用在所有領域以前，金融業就已經因為許多科技上的創新，讓產業生態圈出現 許多變革，並促使金融監理科技獲得前所未有的重視。從而，關於AI 民主化下 的競爭執法模式，或許也能夠從現行的金融監理科技中，找到相似且適合的相關 解決方案。
金融監理科技的興起大致上可歸結於「後金融危機時代的監理格局演變」、
「不斷攀升的監理與法遵成本」及「資訊科技的進步與使用成本的降低」等三大 因素126。此與AI 正在帶來的經濟體制變革有高度相似性，甚至可以說金融其實 就是AI 民主化首當其衝的領域，從科技業不斷嘗試進入金融領域提供服務開始，
直到滿懷危機意識的金融業在科技服務上持續加溫，最後引導整個金融監理格局 改變。未來隨著AI 導入到更多不同的領域，任何產業主管機關都有可能會遇到 目前國際金融監理機構所面臨的問題，以金融領域為例，將有助於我們探討未來 AI 民主化下的監理科技。
在目前的金融領域中，監理科技能夠類型化主要風險的態樣，強化主管機關 的監理能力，深化跨國法制與監理協調，並制定「以風險為基礎」（Risk-Based）、
「以資料為導向」（Data-Driven）的政策與措施 127。在各種監理的面向中，最常
126 同上註，頁 22。
127 同上註，頁 23。
doi:10.6342/NTU202003608
77
被使用的技術，則可以大略分為「機器學習」、「資料分析」（Data Analytics）、
「視覺化」（Visualization）及能將監理流程與溝通予以數位化的技術；技術應用 則環繞著「偵測」（Detection）、「預測」（Prediction）與「自動化」（Automation）
等三大功能128。
AI 民主化時代的競爭執法架構或許應該以結果導向為核心，具體可以透過 監理科技來強化競爭執法機構的數據判讀能力，並針對高風險事業所提出的數據 加以分析，從中判斷出個案的競爭法風險層級。由於AI 可以進行非監督式學習，
不需要加上人工標籤就可以進行數據分析，以零售業為例，只要將數千種商品的 價格與銷售量變化資料交給AI 處理，人類不用幫碗與筷子加上互補品標籤，AI 也能學習到二者是互補品關係。因此，導入AI 的監理科技就能夠自行學會觀測 特定的市場，並對市場出現的異常狀況即時示警，促使競爭執法機構以風險資料 為導向，因應不同的市場即時進行科技執法。
二、法遵科技
由於競爭執法機構可以透過監理科技所提供的風險數據，加強對高風險事業 的關注，因此，事業隨時都有可能需要向競爭執法機構說明其AI 決策的理由。
然而，AI 的決策模式經常被稱作「黑盒子」（Black Box），原因在於 AI 不像是 具有思想、感情的人類一般，可以清楚說明其為何如此決定的理由，一般稱此為
「不可解釋性」（Inexplicability）129。當我們逐漸仰賴智慧系統時，科技也應該 提供值得信賴的理由；尤其在某些特定的應用領域中，對於AI 提供的預測結果，
128 臧正運（2019），〈台灣發展監理科技之芻議〉，《存款保險資訊季刊》，32 卷，4 期，頁 52-53。
129 黃銘傑（2019），〈人工智慧發展對法律及法律人的影響〉，《月旦法學教室》，200 期，
頁52。
doi:10.6342/NTU202003608
78
我們更看重的是AI 在金融、醫學、軍事、災害預防以及其他關鍵性企業決策中，
本來應該有的論理過程，從而，可解釋人工智慧（Explainable AI，簡稱 XAI），
成為近年來的研究重點130。
因此，法遵科技或許會著重在 XAI 的開發上，未來事業必須能夠以數據的 收集與分析為基礎，適時向競爭執法機構解釋其作為或不作為的原因。不過XAI 目前仍然有許多技術上的障礙需要克服。特別在深度學習扮演的角色日趨重要後，
新的AI 應用已經省略了許多機器學習過程，而更依賴多層神經網路運算的結果。
例如在語音辨識的應用領域，原本可能需要分別運用辨識語言特徵的聲學模型、
與處理文法特徵的語言模型，現在則可以將兩個模型融合成單一神經網路，成為
「端到端」（End To End）模型 131。由於端到端模型通常會省略其中邏輯推理的 過程，也就是在原始資料與預測結果間只有直覺性的反應，讓AI 可以更迅速地 運算預測結果，但是卻難以解釋其結果形成的原因。
此外，建立就源法遵制度，在競爭執法上可以進一步強化市場的健全程度，
透過法遵科技自動上傳數據給競爭執法機構，能夠讓市場資訊被更有效的管理，
事業也可以控制未來要面臨的法律風險，同時為其創新降低法律上的不確定性。
例如在事業推出新的客製化服務前，能將差別訂價的AI 先提供給競爭執法機構，
並透過法遵科技說明創新對於市場競爭的影響，以降低未來違反競爭法的可能性。
這雖然不代表競爭執法機構會為事業的價格歧視背書，但是有望讓法遵科技隨著 創新服務一起發展，進而建立更完善的市場管理機制。
況且針對法遵科技的 XAI 開發，不只能運用在科技執法上，也可以進一步 改善事業與消費者之間的緊張關係。相較於深度學習如黑盒子般讓事業無法解釋 決策理由，XAI 則被賦予打開黑盒子的重任，並有機會降低消費者資訊不對稱的
130 徐宏民，〈美國國防部也在用「可解釋的智慧技術」是什麼？〉，檢自：https://www.digitimes.
com.tw/col/article.asp?id=1157（最後瀏覽日：2020/08/12）
131 古明地正俊、長谷佳明（著），沈鄉吟、郭漢遜（譯）（2020），前揭註 3，頁 50-51。
doi:10.6342/NTU202003608
79
問題，讓消費者體驗獲得一定程度的改善，進而減少消費糾紛的產生。XAI 也是 創新的服務，在需要情境理解的場景中協助人類進行判斷，例如執法者需要運用 數據分析來進行適法性的判斷時，深度學習或許只能夠提供機率數值，但是具備 XAI 後 AI 就能夠進一步說明數值的意義。換言之，事業針對法遵科技進行開發，
或許不只是費用的支出增加而已，也有可能從中獲得新的商機，進而為市場帶來 正向的循環。
三、區塊鏈
反托拉斯法的最終目標是要提高消費者的福利，其主要是透過對壟斷信心的 去中心化來實現此一目標，因此反托拉斯才被稱之為「反信任」（Anti-Trust）；
例如休曼法分成二大部分，其一在於禁止事業透過整合資源實現非法的中央集權，
其二在於防止事業濫用中央集權的市場力消除競爭者；而區塊鏈存在的理由正好 也是去中心化132。
儘管目標相似，反托拉斯與區塊鏈仍然是以不同方式，來防止有害的集中，
反托拉斯是透對反競爭行為的懲罰，區塊鏈則是透過讓其核心功能的去中心化；
反托拉斯是透對反競爭行為的懲罰，區塊鏈則是透過讓其核心功能的去中心化；