深思:外卖背后的人工智能算法揭秘

人工智能 算法
当一个行业可以以“流水线”的形式固定下来后,这个行业中,人的价值就被越来越弱化与微不足道,从身体、动作、时间、精力等,都被重复的机器与机械化流程给绑架。

知识积累带来规模递增,规模递增引发市场集中。

当一个行业可以以“流水线”的形式固定下来后,这个行业中,人的价值就被越来越弱化与微不足道,从身体、动作、时间、精力等,都被重复的机器与机械化流程给绑架。

而背后来指挥人的大脑与神经中枢,就是机器。

[[345056]]

我们很多人都点过外卖,当你下了单之后,恐怕最大的希望就是,以最快的速度送到你的手中——越快越好,在追求快的路上,永无止境……

其实,不止是消费者,外卖平台厂商对快的追求也是一样的。所以,尽可能的把所有流程固定下来,比如,一些主要的外卖平台,饿了么打造的“方舟”系统,美团打造的“超脑”配送系统等等,这些系统才是他们真正的大杀器与“秘密武器”。

这些通过高科技技术打造的人工智能外卖平台,既可以实时收集海量的配送数据,又可以通过人工智能机器学习算法,不断优化派单,压缩配送时间,提升配送效率。

技术革命带来的变革与进步是显而易见的,根据大数据统计,大部分外卖订单,都是3公里以内的送餐距离,从配送最长时限来看:

2016 年,3 公里送餐距离的最长时限是 1 小时;

2017 年,45 分钟;

2018 年,为 38 分钟;

2019,2020,这个时间还在不断压缩,再压缩……

[[345057]]

对于所有外卖平台公司来说,不断压缩的配送时间,就可以转化为同样数量的金钱。

根据美团公布的数据显示,2019 年第三季度,美团外卖的订单量达到 25 亿,每单收入比 2018 年同时期增加了 0.04 元,而与此同时,每单成本则同比节省了 0.12 元——这也帮助美团在 2019 年 Q3,多赚了整整 4 亿元。”

与此同时,骑手们也越来越变成了“外卖流水线工人”,他们的收入由计算机背后的算法所支配、统计、核算提成。

据了解,骑手的收入主要取决于四个方面:

1.接单量;

2.准时率;

3.差评率;

4.投诉率;

其中,准时率是主要的衡量指标。因为第三个指标差评率和第四个指标投诉率,产生的最主要原因往往是第二个指标准时率。

如果超时,系统会自动扣提成,接单量再大也是徒劳。据了解,某外卖平台,机器对人的评价与奖惩,就是一个个冷冰冰的数据:

“准时率低于 98% 一单扣一毛钱,低于 97% 一单扣两毛钱。”

不管是外卖背后的流水线作业,还是依靠大数据与人工智能系统算法,其实都是利用了资本与技术的垄断性优势,帮助平台方建立了信息数据优势,进而体现出了议价优势。

前段时间,一篇比较火的调查性文章《外卖骑手,困在系统里》引起了很多的关注与争议。

这篇文章揭示了“与生命赛跑”的外卖骑手所面临的困境:

他们的时间、收入及生命安全,被强大的算法锁定。为了“准时送达”,骑手们经常在钢铁洪流中超速、逆行、穿红灯……

这种情况下,就产生了一个矛盾的地方:

利用人工智能算法优化,不断合理优化配送路径,提升效率,无论是对消费者还是外卖平台,都是有利的事情,尤其是疫情的大背景下,更是凸显了这种利好。

从理论上来说,对于外卖骑手小哥们而言,节省了不必要的路程,缩短了时间,也是提高的收入。

但背后的代价,有多少人关注,多少人愿意再深层次的思考一下呢?

骑手的恶劣生存环境,被机器算法固定下来了倒逼与时间死神赛跑不短压缩配送时间……

毕竟,这些都是属于社会责任的范畴,不在人工智能机器算法的“特征统计”范围之内。但这些社会性问题,一点一点累积起来,会产生哪些负面效果与影响,有多少人认真思考过?

美国有个著名的反科技“斗士”——希尔多·卡辛斯基。

                  [[345058]]

他曾经在《工业社会及其未来》一文发出警告说:

“工业文明及其产生的后果,对于人类就是一场灾难。”

“人类太轻易得让自己陷入这样一种对机器强烈依赖的境地,以至于到了最后,他们没有别的选择,只能完全听从机器的决定。”

在这种背景下,智本社社长清和提出了这样的观点:

如果数据不私有化或未建立对算法的有效管控(注意前提),算法即剥削。

这个观点,还是非常值得思考的。

[[345059]]

我们不能只是享受高科技、人工智能带给我们的便捷,还要多考虑一下背后的安全与隐私问题,方为未雨绸缪之策。

 

责任编辑:姜华 来源: 今日头条
相关推荐

2020-10-12 11:03:16

技术资讯

2024-03-05 15:45:10

2021-03-10 15:49:20

人工智能遗传算法

2019-03-25 17:59:55

人工智能机器学习技术

2022-04-26 12:45:52

TikTok机器学习人工智能

2017-12-07 09:22:38

人工智能应用实践

2018-05-28 11:41:39

AR

2022-07-22 18:47:30

AIOmniverse

2021-01-27 11:56:45

AIops人工智能AI

2024-03-20 13:16:25

2022-02-04 23:22:56

人工智能算法医学

2022-02-19 23:05:19

人工智能算法核聚变

2019-09-02 15:00:23

人工智能机器人经济

2022-06-27 10:36:43

工业4.0人工智能

2021-08-22 15:09:02

人工智能机器技术

2021-11-11 14:49:42

人工智能AI

2018-12-28 09:45:29

2019-08-14 09:32:14

人工智能机器学习编程

2023-02-07 10:28:39

2023-12-05 14:46:58

人工智能
点赞
收藏

51CTO技术栈公众号