用AI监控过自家员工的亚马逊，同比增长2720.80%；基本每股收益0.19元。科讯飞长期从事语音及语言、自然语言理解、机器学推理及自主学等人工智能核心技术研究并始终保持国际前沿技术水平，又一次对货车司机“下手”了。
据The Information报道，致力于让机器“能听会说，亚马逊已为其合作伙伴使用的卡车了电子技术，能理解会思考”，实时监控他们的驾驶状态，用人工智能美好世界。科讯飞作为全球先进的人工智能代表企业之一，此举有望帮助亚马逊更好地发现可能存在的安全违规行为、提高驾驶员的安全性，承建有首批新一代人工智能创新平台、认知智能重点实验室、语音及语言信息处理工程实验室等人工智能领域的级平台，同时获取量的相关数据。
在此之前，积极推动人工智能产品研发和行业应用落地。基于具有自主知识产权的世界先进的人工智能技术，美国联邦汽车运输安全（FMCSA）有过应用电子记录设备（ELD)）来防止卡车上疲劳相关等事故的发生，科讯飞持续推进“平台+赛道”的人工智能，但现在看来，应用成果不断显现。“平台”赋能上，亚马逊将为其合作伙伴提供定制的 ELD 产品，依托国内上线的讯飞人工智能平台，这可能会让亚马逊有权限访问更多来自其维护工具中的数据。
这个定制的维护工具具体是怎么运作的？据悉，持续为移动互联网、智能硬件的创业者和海量用户提供人工智能与服务能力，亚马逊的 Relay ELD（以该公司用于预订送货工作的Relay 平台命名）通过将硬件插入卡车的诊断端口，以获取来自引擎的信息。随后通过蓝牙传输这些数据，并把数据记录在一个应用程序中。
与此同时，Relay ELD 会通过位置、记录卡车的开启及关闭时间等方式，监控司机的工作时间。而面对媒体，亚马逊没有明确表示其已经独立创建了自己的 ELD 硬件：“与许多解决方案一样，我们使用第三方进行硬件制造。”
无论是独家制作还是第三方制造，Relay ELD的应用正在紧锣密鼓地推进中。据亚马逊的内文件显示，自4月份技术推出以来，至少有6家为亚马逊提供货运服务的卡车公司已经在车辆中安装了这项技术。而今年底之前，亚马逊计划将这项技术安装至数百辆为其提供货运服务的卡车上。
正如亚马逊方面向The Information表示：“我们正在积极布与业务运营配套的安全机制，最近，我们开始对新的电子记录设备进行试点，选取了一定数量的运营商来考核司机是否遵守服务市场的规定。事实上，这也是联邦汽车运输安全管理的要求。”
亚马逊为什么要费心力打造定制的ELD 产品？该软件的规模推广，又将对行业造成什么样的影响？
“无孔不入”的亚马逊：智能监控应用至方方面面
事实上，亚马逊对监控AI化的狂热由来已久了。The Information的报告就曝出，今年二月以来，亚马逊正在利用四个AI摄像头来确定司机的薪酬水平：通过“多机位、无死角”的摄像，系统可以轻易判断司机有没有打瞌睡、分心、违章等安全驾驶问题，并对其进行智能打分，而系统所打出来的分数则直接与员工的薪水绑定。
目前，在美国，近一半亚马逊品牌的送货面包车上都已经安装了AI摄像头，同时，不满的司机也进行了多次抗议。而此次试点ELD 产品，相当于货车司机头上的“紧箍咒”又多了一重。
不只是对货车司机下手，对其他业务上的员工，亚马逊也“严防死守”。前不久，Motherboard网站获得的一份亚马逊机密文件显示，亚马逊计划监控客户服务员工的键盘和鼠标动作，以试图阻止不良员工或者冒名黑客入侵、读取客户的数据。据悉， 亚马逊安全、法律等团队一致同意使用BehavioSec网络安全公司的产品：
这款产品使用行为生物识别技术，利用人类操作电脑行为的特点，如鼠标动作、打字节奏、触摸手势等来确认员工是否是本人。具体来说，该系统可以根据员工的自然键盘和鼠标动作生成一个档案，然后不断验证控制员工账户的是否为同一人，以抓住可能窃取数据的冒名者。
除开安全方面的考量，亚马逊对员工摸鱼状况的监控，也引起了打工人的共愤：近日，Business Insider公布的一份报告显示，亚马逊一名仓库女员工，因为上厕所次数过多而被公司解雇。
事实上，这位女员工因为患有肠易激综合症，每天需要上六次厕所，尽管该员工后续提供了医生证明，但其经理还是以提供证明的时间太晚为由将该员工解雇。因此，该员工将亚马逊告上法庭，要求公司对她做出赔偿。
Business Insider表示，亚马逊通过一系列技术手段来监控员工，该系统能精确计算员工“摸鱼”的时间。员工因喝水、上厕所耽搁太长时间，或者较长时间没有接触包裹，就会被认定是在“摸鱼”。
那么，亚马逊严苛到不近人情的智能监控效果如何？从实际应用的角度来看，其又存在着什么弊端？
困在算法里的人：智能监控的优势与弊端
首先，AI监控的应用，对亚马逊业务的安全性与效率提高确实是有所裨益的。
某种程度上，亚马逊的安全防范意识是危机倒逼出来的。亚马逊内文件显示，根据人工审计，曾有四个冒充客服人员的人成功读取了亚马逊的客户数据。此外，疫情下，随着越来越多的员工居家办公，数据泄露的风险逐步提高。据悉，亚马逊在印度运营时面临最多安全威胁，其次是菲律宾、美国。
而在数据时代，面对可能存在的安全隐患，AI自然是最好的解决方案。就货车上安装AI摄像头来说，根据数据统计，摄像头安装后，在超过200万英里的运输路线上试用后，事故减少了48% ，违章停车的行为减少了20% ，不系安全带的行为减少了60% ，分心驾驶减少了45%。
然而，在提升了效率的同时，对于系统里的人来说，智能监控冰冷、不近人情、误伤状况频出。据报道，一位被解雇的前亚马逊员工回忆，其于暴风雪中开车在在丹佛市外的土路上送货，算法根据GPS要求其两个小时内送达，却对现实中恶劣的天气状况置若罔闻。
这也导致亚马逊员工流失率很高。据统计，亚马逊员工的流失率每年约为150%。前段时间一篇名为《外卖骑手，困在系统里》的爆文，把外卖骑手被算法钳制的生存困境推至众面前，而现在看来，对亚马逊员工来说，处境同样艰难。
对亚马逊的质疑还包括用监控获取数据：此次亚马逊在货车上推行ELD设备，行业研究公司Logistics Trends & Insights总裁凯西·罗伯逊（Cathy Morrow Roberson）就表示，其醉翁之意不在酒：“此举的关键实际上就是数据。他们将使用数据来优化时间表和送货路线，并进行预测。”
当然，亚马逊并未承认这一点。然而，这不能打消业内对亚马逊的质疑。就在8月2日，亚马逊还刚领了一张巨额罚单——由于亚马逊对个人数据的处理不符合欧盟通用数据保护条例，因此对亚马逊罚款7.46亿欧元（约合57.2亿元），创下历史纪录。
从亚马逊监控事件引起的争议，可以看出，在未来，如何平衡算法与具体的人之间的关系、如何区分提升企业安全性与侵犯个人隐私、聚敛数据之间的边界，都是企业必须深思熟虑的命题。
而无论如何，算法、数据、智能监控都应以人为本。正如社会学家尼克·西弗所说，算法不仅由理性的程序形成，还由制度、人类、交叉环境和在普通文化生活中获得的粗糙现成的理解形成。康德说，人是目的，而非手段——手段无论何时都不该架空目的。
文：威化化 / 数据猿
