假設一下，一個騎手最多有十幾個訂單，這意味著20多個取送餐任務節點，而路徑規劃的各種可能已近天文數字。人工智能算法在縱橫交錯迷宮般的路徑規劃中，可以敏銳地選擇“最優解”。

隨即，“預計配送時長28分鐘”的字眼，顯示在了下單人的手機里，也出現在騎手的派單中。但幾乎沒有人在意28分鐘是怎么來的，于是，一場在規定時間內的賽跑拉開了。

然而，最近的一篇報道中，描繪了騎手在系統算法的驅使下疲于奔命討生活的場景。由此，算法“霸權”、平臺責任和勞動力市場轉型這幾個關聯話題引爆了輿論。那么，在平臺嚴苛的配送和評價體系中，算法到底扮演著怎樣的角色？作為智能工具的算法，又能否賦予人性的溫情色彩？

打開任意外賣平臺下單，系統會自動顯示預計送達時間。一些平臺甚至會推出準時寶、準時達PLUS產品，來保障配送時效。這背后，是算法在發揮作用。

廣州覓數科技（Alfred數據室）CTO鄔國林介紹，算法，就是一套用系統數據解決問題的方案，而深度學習算法則可以通過積累的大數據，準確預測出一個結果。

例如，一個新的訂單進來后，算法就開始快速運轉：首先系統會預估新訂單派送大致需要的時間，然后給附近的騎手“打分”，參考指標包括騎手到餐廳取餐時間、騎手在途訂單數量（這些訂單是否快接近完成）、訂單的緊急程度、所有訂單目的地的相互距離（比如騎手已有5個訂單，新增一個訂單是不是增加更長的跑腿距離）等，根據分值的高低確定誰來分派。

騎手接單、派送，在這一過程中，系統會依據歷史訂單時長，為即將開啟的配送掐好秒表。

鄔國林介紹，假設從A到B點的配送有3個歷史訂單數據：1公里、2公里、3公里內配送時間分別為15、30、45分鐘，系統推算配送時間是“距離*15”，即每公里數乘以15分鐘。再假設一名2公里用時20分鐘，另一名3公里用時25分鐘，原有的算法模型會作出相應調整，配送時間設定為“10 +距離*5”。新的模型下，超過1公里配送距離，時間都將縮短。

“這是一個在線學習的過程，每新增一個訂單數據，參數都會有所調整，算法模型的目標都是損失函數最小化，即算法預測的時長與歷史數據時長的總差值最小化?！编w國林說，預測是為了更好地擬合歷史數據。

現實中，騎手無論是主動還是被動選擇狂飆、逆行、闖紅燈，縮短了實際送餐時間，算法根據更多的短時長數據，再次縮短了預計配送時間；騎手為了不超時而縮短時間，數據的累積又促使算法對新訂單預估的配送時間也在縮短，循環往復?！爸皇堑降资钦l先縮短了時間，現在已經難以探究了。”鄔國林說。

而算法具體是如何完成這一整套復雜計算的，各家有不同的“解題思路”，這也成了其“核心競爭優勢”。一家外賣算法團隊負責人在一次公開演講中表示，為了盡可能“快”，甚至專門研究過騎手在去低樓層和高樓層時的時間速度，因為有無電梯和立體樓層都會影響時間。

最終，該平臺實現“從下單到外賣送達只有28分鐘”。也就是在這個“時間折疊”的過程中，最終引爆了外界對外賣平臺算法的質疑。

這是否意味著，算法應該為“時間折疊”承擔責任？

鄔國林認為這并不客觀?！凹偃珧T手集體延長配送時間，算法也會更改自身的參數去擬合新的數據，但顯然，這種情況不會發生?！?/p>

在中國社科院科學技術和社會研究中心主任段偉文看來，如果平臺和用戶都只關心盡快完成訂單，在這樣一個復雜系統中，算法所發揮的更多是過程與效率的計算功能，騎手只作為系統中的一個要素而存在，如同機器中的一個冰冷零件。

不可回避的是，外賣時間相對集中，這就注定必須在短時間內完成任務：外賣平臺想在盡可能短的時間內分配更多訂單，騎手同樣也想派送盡可能多的訂單，而用戶也想盡早收到外賣，似乎陷入了一個無解的循環。

這恰如春運時候的火車運力，是一個客觀存在的矛盾。鄔國林說，二者有諸多相似之處，都是使用調度算法去提高系統的運行效率，列車需要合理調度以運送更多的旅客，外賣調度系統也需要合理調度騎手以運送更多的訂單。

不同點在于，列車是有規定時速的，所以調度系統再發達，都是有一個最大運送能力的天花板，超出的部分，旅客只能往后延，畢竟鐵路公司只有一家；外賣中的延時或許是一種辦法，但在市場的競爭中，最終還是被人為加速。

鄔國林覺得，有必要再深入追問一下，外賣平臺是否已明知配送時間越縮越短？如果知道，在騎手路上爭分奪秒已近不顧安危的情況下，為什么沒有作出調整？

“算法不能異化為控制人的工具?！鼻迦A大學法學院教授勞東燕也對此表示，表面上看起來，這是算法在發揮作用，但更深層次，則是資本與企業的價值觀驅動。

“系統是死的，人是活的”，在平臺的回應中提到。那么，如何用更加人性化的措施，讓系統不再那么“冰冷”？

鄔國林認為，算法是人設計的，程序員在設計算法的時候，應盡可能增加各種不可控因素的考慮，讓算法以更加彈性更加人性化的方式去處理，如何讓外賣平臺更加具有人文關懷，更應該從完善外賣平臺監管的角度入手。

勞東燕則指出，與傳統的雇傭關系相比，松散的騎手與平臺之間居于弱勢地位，算法架構的搭建，應該通過一個外力進行約束和規制，如果有足夠證據表明，有很多騎手不得不違規上路，甚至會危及生命，那還應該對企業施加懲罰性措施，“所謂的‘代碼空間自治’，無異于推行叢林規則”。

技術之外，還有更多需要考慮的地方。暨南大學法學院教授劉穎建議，企業可通過加強對騎手的薪資和福利保障，降低超時處罰力度等。同時，他也認為，盡管技術的發展必然帶來新的社會問題，我們不能因噎廢食。與所有技術一樣，算法只能是人們更美好生活的工具。提高效率只是算法的功能之一，使算法服務于人民對美好生活的向往才是目的。

在經歷此次輿論爭端后，平臺方以延長5分鐘或者8分鐘的方式“降速”，并增加了如鋪設智能取餐柜、改進獎勵模式、為騎手家庭及子女提供醫療教育等措施，讓算法之外增加人性化與溫情。當然，承諾之后將如何落地，也考驗著平臺。

■延伸

看似更懂你的算法，也應有更嚴格監管

在勞東燕看來，騎手只是“算法囚徒”的一種表現，其實我們很多人都困在系統里，只有程度的差別。

舉個例子，用戶在刷一些短視頻時，平臺會一直推送用戶感興趣的內容。這背后，運行的就是推薦算法：平臺對每一條視頻的點贊、轉發、評論，以及有沒有看完這條視頻，看完這條視頻以后，有沒有進到作者的主頁里面看其他的視頻。

但這種看似“更懂你”的內容分發算法，會讓用戶沉迷其中，不知不覺刷了一兩個小時大量同質化的內容，同時，也會讓用戶失去接觸不同事物的機會，無形之中，形成了“信息繭房”。

“這比外賣平臺的算法更棘手，也更難以解決。”勞東燕說，推送算法還取決于用戶自己的選擇問題，每個人自己刷小視頻，實際上這是自己的選擇，很難說讓你應該看這個不應該看那個，但法律是不是可以提出一些原則性的指引？

段偉文也對此表示，隨著人工智能和大數據的發展，防范技術濫用正成為一項課題，算法決策應用應更嚴格監管；在算法越來越多元的當下，盡量避免使用一種算法，而是多種不同類型的推薦算法并重。

【南方日報記者】郜小平

【統籌】張志超 呂虹