本文主要是介绍人工智能算法共谋的内涵 对算法有不同的分类方式，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
算法（algorithms）是一系列精准的操作列表，它们机械地、系统地应用于一套令牌（tokens）或对象（objects）中（例如棋子、数字、蛋糕配方等）。令牌的初始状态是输入，终极状态是输出。算法的表现形式多种多样，可以是文字、图表、数据代码等，其核心就在于创建抽象的问题模型和明确的求解目标，而后根据具体问题选择不同的模式和方法完成算法设计。简言之，算法是一系列用以解决问题的、明确的计算机指令。
根据不同的标准，对算法有不同的分类方式。为了便于对算法共谋反垄断法规制路径的探讨，笔者比较倾向于oecd对人工智能算法分为监控式算法、平行式算法、信号式算法和自我学习式算法的“四分法”。
其一，所谓“监控式算法”（monitoring algorithms），是指通过对目标进行锁定，利用网络抓取技术，收集目标数据，完成对目标监控的一系列指令。在这一算法之下，发出指令的主体是人，算法只是工具，人具有完全的决策权和控制权，算法是人的意志的体现。
其二，所谓“平行式算法”（parallel algorithms），是指在对目标数据进行收集和监控的基础上，设计一系列决策自动化的指令，实现对已收集数据的自动反馈。在这一算法之下，发出指令的主体仍然是人，但是人通过设计自动决策的指令，一定程度上实现决策权的“让渡”，使得算法具有某种程度上的“自由裁量权”。
其三，所谓“信号式算法”（signaling algorithms），是指在对已收集数据进行反馈的基础上，自发形成的一种发出信号、处理信号，最终实现动态平衡的一系列指令。相较于前两种算法，信号式算法对于信号的处理过程是自发的，人类并不可控。
其四，所谓“自我学习算法”（self-learning algorithms），是指利用人工智能中深度学习和自我认知等技术，自发对目标主体的数据进行监控、收集、预测并作出决策的一系列指令。在这一算法之下，人类的决策权被“剥夺”，算法通过自我学习实现了自主决策。
“共谋”（collusion）最初是美国反托拉斯法上的术语，我国《反垄断法》上称之为“垄断协议”（monpoly agreement），欧盟竞争法上称之为“限制竞争协议”（restrictive agreement），而一度被人们广泛接受的、源于德国法上的“卡特尔”（cartel）术语也是垄断协议的意思。所谓人工智能算法共谋，主要是指利用人工智能算法技术，从事对市场竞争产生影响的协同行为。此处，对于市场竞争的影响既包括促进、增强竞争的积极影响也包括排除、限制竞争的消极影响，具体取决于不同算法共谋行为各自不同的内在运行机理。
这篇关于人工智能算法共谋的内涵 对算法有不同的分类方式的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
