智慧手機App連結的「優步景觀」：人類學、演算法與彈性工作觀

文：劉子愷

總部設於美國舊金山的優步（Uber），於2010年6月正式在蘋果公司ios商店上架優步行動應用程式（app），以手機app為服務平台，透過智慧手機內建的無線網路與GPS衛星定位功能，透過地圖搜尋工具查詢所在位置，提供乘客隨選叫車服務和信用卡電子付費，優步也以app作為中介平台接觸司機，而不是透過面對面的接觸，提供司機即時載客訊息、每趟收入和工作獎勵消息。

優步強調自己是靠演算法（algorithms） 而成立的科技公司，而不是一家交通運輸公司或計程車公司：優步塑造了共乘服務和共享經濟的論述和意象，以科學演算法的邏輯為繁忙的都市提供即時交通訊息，即時預測分析在特定時段中可能搭車乘客的熱點區域，並以浮動費率為基準，讓有需要在交通尖峰時段搭車的人或想搭乘較高級車款的人付較貴的車資，也可透過即時數據的分析以減少城市街道上沒有載客的優步車輛數，以提高優步司機的載客率。

優步服務模式帶動了即時數據化的智慧城市願景，以及改善城市交通的美夢。優步的全球在地化所營造之美夢——全球各地利用app形式叫車和載客的服務——其背後的現實景況，是否非如同中國共享單車的亂象和泡沫化？此種形式，也引發優步是否合法的爭議、優步與優步司機間的持續抗爭、以及如何界定優步公司和司機之間的工作契約關係的爭議。

布萊德・史東（Brad Stone）所著的《Uber與Airbnb憑什麼翻轉世界》（The Upstarts: How Uber, Airbnb and the Killer Companies of the New Silicon Valley are Changing the World, 2017），描述優步是一間仰賴大數據和演算法運作的公司，它的出現是為了滿足美國乘客被長期漠視的搭車需求。舊金山長期以來刻意限制計程車牌照的發放數量，維持在1500張左右，以確保全職計程車司機能賺到可以維生的基本收入，這也造成供需失衡，在市區尖峰和週末離峰時間往往有一車難求的情況，透過手機app即能便捷地叫到車。優步成立之初推出的UberCab的手機app系統，之後為了與計程車服務做出區隔，定位優步不是職業計程車服務，改推出比傳統計程車車資便宜百分之二十五的UberX手機app系統，以及提供車資費率較貴的禮車和豪華轎車的Uber Black服務。

要是說優步是即時通訊科技運用於交通服務上的創新，倒不如說優步是結合人與app科技而形成的多層次連結的科技社會網絡，透過演算法科技的連結，提供設計和管理行動應用程式平台的優步公司、全球各地的政府部門、優步駕駛、乘客、車輛、行車數據的即時交通網絡，然而，這樣的科技社會網絡就如同「優步景觀」（Uber-scape）一般 ，一個結合數據（data）／內容（content）、合法／非法爭議、彈性工作／枷鎖工作併存、以及相互衝突的工作觀所形成的優步景觀。這個概念是我延伸自Arjun Appadurai《消失的現代性：全球化的文化向度》（Modernity at Large: Cultural Dimensions of Globalization）一書對於「景觀」（scape）的說法。

人類學、演算法與民族誌

近年以來，人類學家開始關注演算法如何影響社群間的人際互動，以及演算法與特定社群的文化和價值觀的關聯性。人類學家尼克・希弗（Nick Seaver）的民族誌研究即是以設計開發出Beats Music和其它音樂推薦的應用程式的人為主體，他們如何看待音樂推薦應用程式背後的演算法則，他們又如何看待演算法與音樂社群文化間的關係。這類的音樂app允許用戶在線聆聽音樂資料庫和探索新發行的歌曲和新藝人，也提供用戶不同音樂類別的推薦歌單，並能儲存用戶個人搜索歷史的功能。針對演算法進行民族誌研究是一項挑戰且亟待突破的研究領域，尼克・希弗（2017）曾提出「演算法成為當事人觀點的專有名詞」（algorithms as an emic term） 。

演算法作為現代科技與人的關係，已超越由James Gibson和Donald Norman所倡議的“affordance”（可供性或符擔性）的研究取向，該取向是探究人與科學技術或技術物之間的相對互動關係。希弗的觀點不是將演算法看待成固定不變的科技產物，而是許多人參與其中涉及不同的實踐行動而產生的演算法則，他建議將演算法看成是複數呈現的，演算法民族誌研究則是探究參與設計開發出演算法的多重互動過程，而非人與科技、或人與科技物在技術層面或人類感官層面的互動而已。

尼克・希弗談論「文化中的演算法」（algorithms in culture）和「演算法作為文化」（algorithms as culture）時，舉了一個具體例子。演算法不是文化，但它卻受到文化的塑模，演算法就如同固著於河流底層的石頭，石頭不是水流的一部分，但它不斷受到水流的沖刷，而石頭也會讓水流產生波紋或漩渦；固著於河底的石頭不是一成不變的物體，石頭性質受到外在環境而改變，因此「…機器學習系統〔演算法〕會根據使用者的活動或傾向而有所改變，開發演算法的工程師在程式的科學代碼中，也會納入用戶的傾向」。