Mặc dù Lin Yuan nhận mức lương cao tại chi nhánh Zijin của Good Team, công việc của anh vẫn chỉ là lắp ốc vít. Tuy nhiên, trong quá trình thực hiện các bài kiểm thử, thông qua việc xem xét các báo cáo kết quả kiểm thử trước đó, Lin Yuan nhận ra rằng các thuật toán AI liên quan đến dịch vụ giao hàng luôn được cải tiến liên tục. Dù cho hiện nay các thuật toán này có hoạt động không mấy hiệu quả trong ngành giao hàng đi nữa, ít nhất thì Good Team vẫn đang nỗ lực để tối ưu hóa chúng.

Điều này thực sự khá dễ hiểu; bởi vì trong chuỗi kinh tế của ngành giao hàng, đã không còn khía cạnh nào có thể cắt giảm chi phí nữa. Với mức giá giao hàng hiện tại và áp lực từ dư luận xã hội, các doanh nghiệp không dám tiếp tục giảm lợi nhuận của các tài xế giao hàng nữa. Mặc dù họ đã thuê ngoài nhiều lập trình viên, nhưng cũng không thể dựa hoàn toàn vào họ; bởi nếu hệ thống phần mềm gặp sự cố nghiêm trọng, hậu quả sẽ rất lớn.

Làm sao để khiến các nhà đầu tư kiếm ít tiền hơn? Chỉ cần báo cáo tài chính không tốt, giá cổ phiếu sẽ giảm mạnh, và CEO cũng có thể phải từ chức.

Hay là yêu cầu khách hàng phải trả thêm hai đồng khi đặt hàng? Điều đó có thể được suy nghĩ đến, nhưng khách hàng ngày nay cũng không phải là người ngốc; họ hoàn toàn có thể từ chối dùng dịch vụ giao hàng nếu muốn.

Vậy thì phải làm thế nào? May mắn thay, phần mềm và máy móc không thể “nói chuyện”, vì vậy họ chỉ có thể bóc lột chúng mà thôi.

Lin Yuan chỉ có thể đùa trong lòng rằng đây chính là hình thức áp bức có hệ thống mà sinh vật carbon áp đặt lên sinh vật silicon… (Tất nhiên, nếu sinh vật silicon thực sự tồn tại.)

Sau khi xem kỹ các báo cáo kiểm thử của Good Team và kết hợp với kinh nghiệm của bản thân trong công việc giao hàng, Lin Yuan đã hiểu rõ hơn về những rào cản trong việc ứng dụng công nghệ AI trong ngành giao hàng.

Chẳng hạn, vấn đề phân phối đơn hàng – việc phân phối đơn hàng có thể xảy ra do một số nhà hàng phục vụ chậm, hoặc do khả năng cá nhân của tài xế không đủ tốt để giao hàng kịp thời, hoặc do các tình huống bất ngờ khác. Từ góc độ kiểm soát chi phí vận hành, giải pháp tốt nhất chính là hệ thống tự động nhận diện và phân phối đơn hàng một cách tự động.

Quá trình này nên diễn ra một cách êm thầm, không cần sự can thiệp của con người; như vậy công việc của các quản trị viên trang web sẽ trở nên dễ dàng hơn.

Tất nhiên, mục đích không phải là để giúp các quản trị viên làm việc dễ dàng, mà là để giảm số lượng nhân viên quản lý. Thật đáng tiếc…

Những người mở cửa hàng, nấu ăn, và giao hàng đều không phải là robot. Nếu tất cả đều là robot thì mọi chuyện sẽ dễ dàng hơn nhiều… B

Sự sống dựa trên cơ sở cacbon không chỉ không thể được kiểm soát chính xác bằng các chương trình máy tính mà còn không thể liên lạc trực tiếp với hệ thống phía sau trong thời gian thực. Nếu như dự đoán rằng một món ăn nào đó sẽ không kịp chuẩn bị xong, robot nấu ăn có thể cảnh báo trước, nhưng người đầu bếp rõ ràng không thể dự đoán chính xác và cũng không thể gửi thông điệp ngay lập tức cho hệ thống phía sau.

Bởi vì trong não bộ của những sinh vật dựa trên cơ sở cacbon, rõ ràng không có các bộ phận truyền thông như WiFi; phương thức giao tiếp giữa chúng vẫn quá chậm và thô sơ.

Ngay cả việc giao tiếp giữa Lin Yuan và hệ thống tính toán cũng bị hạn chế bởi điều này – hệ thống có thể thu thập dữ liệu qua mắt của Lin Yuan, nhưng không thể in ra kết quả xử lý đó qua tay anh ta. Ngay cả khi Lin Yuan muốn cho phép hệ thống sử dụng tay chân của mình, anh ta cũng biết rằng cấu trúc cơ thể con người chắc chắn không thể sánh kịp tốc độ của máy in, huống chi là tốc độ truyền thông qua WiFi.

Nói một cách đơn giản, chính “yếu tố con người” đã khiến thời gian phục vụ mỗi món ăn trở nên không thể dự đoán được. Tương tự, khả năng giao hàng của từng nhân viên giao hàng trong ngày cũng không thể biết trước được. Và tất nhiên, hành động của những người đặt hàng cũng vậy.

Dù vậy, Lin Yuan vẫn cảm thấy rằng chính sự không thể dự đoán được này mới là điểm đẹp của sự sống dựa trên cơ sở cacbon.

Anh ta nhớ lại cô gái ngốc nghếch kia đã pha cho mình ly trà sữa. Nếu mọi thứ đều được lập trình sẵn, thì loài người sẽ mất đi những khoảnh khắc “đẹp đẽ” khiến tim bỗng nhiên đập nhanh hơn.

Nhưng không phải tất cả những yếu tố không thể dự đoán được đều mang lại tác động tích cực; trong bối cảnh công việc của con người, AI chính là lựa chọn tốt nhất để xử lý những yếu tố không chắc chắn đó. Về cơ bản, đây chính là việc sử dụng ưu thế của sự sống dựa trên cơ sở silic để bổ sung cho những hạn chế của sự sống dựa trên cơ sở cacbon.

Tuy nhiên, từ những bản ghi thử nghiệm của Good Team, Lin Yuan nhận thấy rằng các kỹ sư của Good Team đã thiết kế ra những hệ thống dựa trên cơ sở silic nhưng hiệu quả của chúng vẫn còn hạn chế. Do tính không thể dự đoán được của những người phục vụ, giao hàng và đặt hàng, các thuật toán AI gặp phải vấn đề “thiếu dữ liệu mẫu”, vì vậy việc chúng có thể hoạt động chính xác là điều không thể.

Điều này giống như việc bạn cố gắng giải một bài toán mà một số điều kiện đã bị ẩn đi; việc bạn có thể giải được bài toán đó hay không thực sự là điều khó có thể xảy ra.

Vì vậy, Lin Yuan hoàn toàn hiểu được sự bất lực của Good

Mặc dù chỉ cần thời tiết thay đổi một chút thôi, lượng đơn hàng và hiệu quả giao hàng cũng sẽ bị ảnh hưởng. Những ngày lễ nghỉ cũng thường xuyên gây ra những rắc rối không mong muốn. Tuy nhiên, dựa trên dữ liệu lịch sử, lượng đơn hàng được ước tính vẫn khá ổn định.

Về việc tối ưu hóa lộ trình và phân công đơn hàng thì càng dễ hiểu hơn; đó chính là giúp các tài xế giao hàng thuận lợi hơn, nâng cao hiệu suất lao động trong mỗi đơn vị thời gian và tăng lợi ích cho toàn bộ chuỗi kinh tế.

Từ những báo cáo kiểm thử chi tiết, Lin Yuan nhận thấy rằng Hào Đoàn đã dành khoảng tám mươi phần trăm nỗ lực của mình vào việc tối ưu hóa lộ trình và phân công đơn hàng. Bởi vì so với tổng số đơn hàng trong một khu vực, những vấn đề liên quan đến lộ trình và phân công đơn hàng thực sự phức tạp hơn nhiều.

Nếu so sánh một đơn hàng giao hàng với một hành trình đi từ điểm A đến điểm B, thì đối với thuật toán phân phối, nhiệm vụ của mỗi tài xế chính là xác định một tập hợp các lộ trình đi lại hợp lý. Nhiệm vụ của thuật toán là sắp xếp tập hợp các lộ trình này một cách thông minh.

Nếu chỉ xét riêng việc điều hướng, vấn đề này có vẻ khá đơn giản. Nhưng thực tế, đơn hàng giao hàng khác với hành trình đi lại thông thường; tài xế cần phải lấy đồ ăn trước, vì vậy lộ trình sẽ trở thành A → B → C: tài xế cần phải từ điểm nhận đồ ở A đến địa điểm của cửa hàng ở B, sau đó mới giao đồ đến tay khách hàng ở C.

Thời gian hoàn thành giai đoạn từ A đến B bị ảnh hưởng bởi vị trí của cửa hàng B và tốc độ phục vụ của họ. Vị trí của cửa hàng B không thể đơn giản được xác định chỉ dựa trên khoảng cách trên bản đồ điện tử; nếu cửa hàng nằm trong trung tâm mua sắm, tài xế còn phải xem xét vấn đề đậu xe và leo lầu nữa.

Giai đoạn từ B đến C còn phức tạp hơn nữa, bởi vì số lượng khách hàng nhiều hơn nhiều so với số lượng cửa hàng, và họ cũng được phân bố rộng rãi hơn. Tài xế phải đối mặt với nhiều vấn đề như leo lầu hay việc có thể vào được các khu dân cư hay không.

Một đơn hàng giao hàng đã phải đối mặt với rất nhiều vấn đề, và mỗi tài xế chắc chắn không chỉ có một đơn hàng duy nhất, mà là nhiều đơn hàng cùng lúc. Từ góc độ thuật toán, vấn đề này càng trở nên phức tạp gấp bội, bởi vì thuật toán cần phải xem xét đến tất cả các tài xế.

Nếu coi mức độ phức tạp tổng thể bằng ký hiệu O lớn, và mức độ phức tạp của mỗi đơn hàng bằng ký hiệu o, thì O = o × số lượng đơn hàng của mỗi tài xế × tổng số lượng tài xế.

Nhưng vấn đề chưa dừng lại ở đó. Bởi vì các đơn hàng khác nhau m