財經 北京新浪網 外賣江湖「時間摺疊」如何發生?業內人士解析

外賣江湖「時間摺疊」如何發生?業內人士解析

  原標題:外賣江湖「時間摺疊」如何發生?業內人士解析

  來源:南方日報

  「困在系統里的騎手」引發熱議,業內人士解析——

  外賣江湖「時間摺疊」如何發生?

  日前,一篇關注外賣騎手生存狀況的文章引發熱議,描述了騎手在系統演算法的驅使下疲於奔命討生活的場景。在平台嚴苛的配送和評價體系中,演算法到底扮演著怎樣的角色?作為智能工具的演算法,又能否賦予人性化的溫情色彩?

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

  「預計配送時長28分鐘」當這樣的字眼顯示在下單人的手機里,也出現在騎手的派單中,一場在規定時間內的「賽跑」隨即開始,騎手開始忙碌起來。

  我們不妨假設一下,這個騎手最多有十幾個訂單,也意味著有20多個取送餐任務節點,路徑規劃的各種可能已近天文數字,而人工智慧演算法,要從縱橫交錯的路徑規劃中選擇「最優解」,計算出來的時間就是28分鐘。

  騎手為了不超時想盡辦法,最終完成任務,而該平台也實現了「從下單到外賣送達只有28分鐘」。在這個「時間摺疊」的過程中,最終引爆了外界對外賣平台演算法的質疑。

  誰在縮短時間

  騎手為了不超時而縮短時間,數據的累積又促使演算法對新訂單預估的配送時間也在縮短,循環往複。業內人士感慨:到底是誰先縮短了時間,現在已經難以探究了。

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

  例如,一個新的訂單進來後,演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,然後給附近的騎手「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錶。

  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,原有的演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,演算法模型的目標都是損失函數最小化,即演算法預測的時長與歷史數據時長的總差值最小化。」鄔國林說,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,演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,數據的累積又促使演算法對新訂單預估的配送時間也在縮短,循環往複。「到底是誰先縮短了時間,現在已經難以探究了。」鄔國林說。

  而演算法具體是如何完成這一整套高複雜計算的,各家有不同的「解題思路」,這也成了其「核心競爭優勢」。一家外賣演算法團隊負責人在一次公開演講中表示,為了儘可能「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。

  被加速的系統

  假如騎手集體延長配送時間,演算法也會更改自身的參數,顯然這不可能。要追問的是,外賣平台是否明知配送時間越縮越短,騎手爭分奪秒已近不顧安危,還沒有作出調整?

  這是否意味著,演算法應該為「時間摺疊」承擔責任?

  鄔國林認為這並不客觀。「假如騎手集體延長配送時間,演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。」

  在中國社科院科學技術和社會研究中心主任段偉文看來,如果平台和用戶都只關心儘快完成訂單,在這樣一個複雜系統中,演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。

  不可迴避的是,飯點的外賣時間相對集中,這就註定必須在短時間內完成任務:外賣平台想在儘可能短的時間內分配更多訂單,騎手同樣也想派送儘可能多的訂單,而用戶也想儘早收到外賣,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,都是使用調度演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。

  不同點在於,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,旅客只能往後延,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,外賣平台是否已明知配送時間越縮越短?在騎手在路上爭分奪秒已近不顧安危的情況下,為什麼沒有作出調整?

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

  從系統中脫身

  技術的發展必然帶來新的社會問題,我們不能因噎廢食。經歷此次輿論爭端後,平台方以延長5分鐘或者8分鐘的方式「降速」,並增加了系列措施,如何落地值得期待。

  「系統是死的,人是活的」,某外賣平台的回應中這樣說。那麼,如何用更加人性化的措施,讓系統不再那麼「冰冷」?

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

  勞東燕也認為,與傳統的雇傭關係相比,鬆散的騎手與平台之間居於弱勢地位,演算法架構的搭建,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』,無異於推行叢林規則」。

  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等。同時,劉穎認為,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,演算法只能是人們更美好生活的工具。提高效率只是演算法的功能之一,使演算法服務於人民對美好生活的嚮往才是目的。

  在經歷此次輿論爭端後,平台方以延長5分鐘或者8分鐘的方式「降速」,並增加了如鋪設智能取餐櫃、改進獎勵模式、為騎手家庭及子女提供醫療教育等措施,能否讓演算法之外增加人性化與溫情值得期待。而承諾之後如何落地,也考驗著外賣平台。

  -建議

  看似更懂你的演算法

  該有更嚴格的監管

  在勞東燕看來,騎手只是「演算法囚徒」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,用戶在刷一些短影片時,平台會一直推送用戶感興趣的內容。這背後,運行的就是推薦演算法:平台對每一條影片的點讚、轉發、評論,以及有沒有看完這條影片,看完這條影片以後,有沒有進到作者的主頁裏面看其他的影片。

  但這種看似「更懂你」的內容分發演算法,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」。

  「這比外賣平台的演算法更棘手,也更難以解決。」勞東燕說,推送演算法還取決於用戶自己的選擇問題,每個人自己刷小影片,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,隨著人工智慧和大數據的發展,防範技術濫用正成為一項課題,演算法決策應用應更嚴格監管;在演算法越來越多元的當下,盡量避免使用一種演算法,而是多種不同類型的推薦演算法並重。