阳江信息港假设一下，一个骑手最多有十几个订单，这意味着20多个取送餐任务节点，而路径规划的各种可能已近天文数字。人工智能算法在纵横交错迷宫般的路径规划中，可以敏锐地选择“最优解”。
随即，“预计配送时长28分钟”的字眼，显示在了下单人的手机里，也出现在骑手的派单中。但几乎没有人在意28分钟是怎么来的，于是，一场在规定时间内的赛跑拉开了。
然而，最近的一篇报道中，描绘了骑手在系统算法的驱使下疲于奔命讨生活的场景。由此，算法“霸权”、平台责任和劳动力市场转型这几个关联话题引爆了舆论。那么，在平台严苛的配送和评价体系中，算法到底扮演着怎样的角色？作为智能工具的算法，又能否赋予人性的温情色彩？
打开任意外卖平台下单，系统会自动显示预计送达时间。一些平台甚至会推出准时宝、准时达PLUS产品，来保障配送时效。这背后，是算法在发挥作用。
广州觅数科技（Alfred数据室）CTO邬国林介绍，算法，就是一套用系统数据解决问题的方案，而深度学习算法则可以通过积累的大数据，准确预测出一个结果。
例如，一个新的订单进来后，算法就开始快速运转：首先系统会预估新订单派送大致需要的时间，然后给附近的骑手“打分”，参考指标包括骑手到餐厅取餐时间、骑手在途订单数量（这些订单是否快接近完成）、订单的紧急程度、所有订单目的地的相互距离（比如骑手已有5个订单，新增一个订单是不是增加更长的跑腿距离）等，根据分值的高低确定谁来分派。
骑手接单、派送，在这一过程中，系统会依据历史订单时长，为即将开启的配送掐好秒表。
邬国林介绍，假设从A到B点的配送有3个历史订单数据：1公里、2公里、3公里内配送时间分别为15、30、45分钟，系统推算配送时间是“距离*15”，即每公里数乘以15分钟。再假设一名2公里用时20分钟，另一名3公里用时25分钟，原有的算法模型会作出相应调整，配送时间设定为“10 +距离*5”。新的模型下，超过1公里配送距离，时间都将缩短。
“这是一个在线学习的过程，每新增一个订单数据，参数都会有所调整，算法模型的目标都是损失函数最小化，即算法预测的时长与历史数据时长的总差值最小化。”邬国林说，预测是为了更好地拟合历史数据。
现实中，骑手无论是主动还是被动选择狂飙、逆行、闯红灯，缩短了实际送餐时间，算法根据更多的短时长数据，再次缩短了预计配送时间；骑手为了不超时而缩短时间，数据的累积又促使算法对新订单预估的配送时间也在缩短，循环往复。“只是到底是谁先缩短了时间，现在已经难以探究了。”邬国林说。
而算法具体是如何完成这一整套复杂计算的，各家有不同的“解题思路”，这也成了其“核心竞争优势”。一家外卖算法团队负责人在一次公开演讲中表示，为了尽可能“快”，甚至专门研究过骑手在去低楼层和高楼层时的时间速度，因为有无电梯和立体楼层都会影响时间。
最终，该平台实现“从下单到外卖送达只有28分钟”。也就是在这个“时间折叠”的过程中，最终引爆了外界对外卖平台算法的质疑。
这是否意味着，算法应该为“时间折叠”承担责任？
邬国林认为这并不客观。“假如骑手集体延长配送时间，算法也会更改自身的参数去拟合新的数据，但显然，这种情况不会发生。”
在中国社科院科学技术和社会研究中心主任段伟文看来，如果平台和用户都只关心尽快完成订单，在这样一个复杂系统中，算法所发挥的更多是过程与效率的计算功能，骑手只作为系统中的一个要素而存在，如同机器中的一个冰冷零件。
不可回避的是，外卖时间相对集中，这就注定必须在短时间内完成任务：外卖平台想在尽可能短的时间内分配更多订单，骑手同样也想派送尽可能多的订单，而用户也想尽早收到外卖，似乎陷入了一个无解的循环。
这恰如春运时候的火车运力，是一个客观存在的矛盾。邬国林说，二者有诸多相似之处，都是使用调度算法去提高系统的运行效率，列车需要合理调度以运送更多的旅客，外卖调度系统也需要合理调度骑手以运送更多的订单。
不同点在于，列车是有规定时速的，所以调度系统再发达，都是有一个最大运送能力的天花板，超出的部分，旅客只能往后延，毕竟铁路公司只有一家；外卖中的延时或许是一种办法，但在市场的竞争中，最终还是被人为加速。
邬国林觉得，有必要再深入追问一下，外卖平台是否已明知配送时间越缩越短？如果知道，在骑手路上争分夺秒已近不顾安危的情况下，为什么没有作出调整？
“算法不能异化为控制人的工具。”清华大学法学院教授劳东燕也对此表示，表面上看起来，这是算法在发挥作用，但更深层次，则是资本与企业的价值观驱动。
“系统是死的，人是活的”，在平台的回应中提到。那么，如何用更加人性化的措施，让系统不再那么“冰冷”？
邬国林认为，算法是人设计的，程序员在设计算法的时候，应尽可能增加各种不可控因素的考虑，让算法以更加弹性更加人性化的方式去处理，如何让外卖平台更加具有人文关怀，更应该从完善外卖平台监管的角度入手。
劳东燕则指出，与传统的雇佣关系相比，松散的骑手与平台之间居于弱势地位，算法架构的搭建，应该通过一个外力进行约束和规制，如果有足够证据表明，有很多骑手不得不违规上路，甚至会危及生命，那还应该对企业施加惩罚性措施，“所谓的‘代码空间自治’，无异于推行丛林规则”。
技术之外，还有更多需要考虑的地方。暨南大学法学院教授刘颖建议，企业可通过加强对骑手的薪资和福利保障，降低超时处罚力度等。同时，他也认为，尽管技术的发展必然带来新的社会问题，我们不能因噎废食。与所有技术一样，算法只能是人们更美好生活的工具。提高效率只是算法的功能之一，使算法服务于人民对美好生活的向往才是目的。
在经历此次舆论争端后，平台方以延长5分钟或者8分钟的方式“降速”，并增加了如铺设智能取餐柜、改进奖励模式、为骑手家庭及子女提供医疗教育等措施，让算法之外增加人性化与温情。当然，承诺之后将如何落地，也考验着平台。
■延伸
看似更懂你的算法，也应有更严格监管
在劳东燕看来，骑手只是“算法囚徒”的一种表现，其实我们很多人都困在系统里，只有程度的差别。
举个例子，用户在刷一些短视频时，平台会一直推送用户感兴趣的内容。这背后，运行的就是推荐算法：平台对每一条视频的点赞、转发、评论，以及有没有看完这条视频，看完这条视频以后，有没有进到作者的主页里面看其他的视频。
但这种看似“更懂你”的内容分发算法，会让用户沉迷其中，不知不觉刷了一两个小时大量同质化的内容，同时，也会让用户失去接触不同事物的机会，无形之中，形成了“信息茧房”。
“这比外卖平台的算法更棘手，也更难以解决。”劳东燕说，推送算法还取决于用户自己的选择问题，每个人自己刷小视频，实际上这是自己的选择，很难说让你应该看这个不应该看那个，但法律是不是可以提出一些原则性的指引？
段伟文也对此表示，随着人工智能和大数据的发展，防范技术滥用正成为一项课题，算法决策应用应更严格监管；在算法越来越多元的当下，尽量避免使用一种算法，而是多种不同类型的推荐算法并重。
【南方日报记者】郜小平
【统筹】张志超 吕虹
