好的算法应保留“被打断的可能”

今年高考，AI志愿填报成为不少考生的“军师”。输入分数、地区和偏好，几秒钟便能生成一份看似科学的志愿方案。这样的推荐当然高效，却也容易把人生压缩成一套功利化、公式化的所谓“最优解”。一个反复搜索计算机专业的学生，未必只适合计算机；一个关注人工智能最前沿发展的人，也未必不会被历史、哲学或农学所影响。倘若平台仅仅沿着用户已经走过的路继续推荐，只会让选择越来越窄。

如果说志愿填报影响的是未来，那么另一群青年正被困在算法的“当下”。外卖骑手、网约车司机，他们的轨迹、时间和收入被系统精确到秒。这种“极致效率”让平台获益，却使劳动者疲于奔命。

算法的优化，需要从单纯追求“单量最大化”转向“人本最优化”。平台应引入更有温度的变量，比如在恶劣天气自动调整配送时限、为连续高强度工作的骑手设计合理休息机制，将安全与健康植入算法的底层逻辑。对于困在系统里的青年而言，最好的算法，不是最快的路线，而是一条有弹性、有人情味的安全道路。

真正好的算法，也应在精准之外保留“被打断的可能”。算法本质上是一种预测，而人最大的价值，恰恰在于不可预测。如果算法总是根据昨天定义今天，人终究会活成自己的历史数据。平台优化算法，不妨少一点“非猜中不可”的执念，多一点主动打开陌生世界的勇气，让用户能够关闭部分个性化推荐，也让推荐流里始终保留一些没有被计算过的偶然，让“反算法”成为一种可选择的机制。

好的算法，应当在精准之外，仍允许人走神、偏离与重来。一点刻意的失准，是技术对“人本位”的尊重，也是算法真正服务于人的开始。

（作者：许可欣 系华中科技大学新闻与信息传播学院本科生）