把人生外包給演算法，他學到了什麼？

如果有人告訴你，一台電腦比你自己更能預測你明天的行蹤，你會怎麼反應？

一個工程師對「最優化人生」的反叛

Max Hawkins 的生活，在外人眼中幾乎無可挑剔。在舊金山，他每天早上七點起床，去 Yelp 評分最高的咖啡館喝一杯單品手沖，再沿著最佳路線騎車 15分37秒 到達 Google 上班。下班後與朋友在精釀酒吧小聚，或去公園散步。這是矽谷科技人夢寐以求的生活腳本。

然而，讓他感到不安的，正是這份「完美」。某天在辦公室，他讀到一篇追蹤 10萬名 匿名手機用戶、長達 6個月 的學術研究。結論令他難以釋懷：人類的行動模式，出乎意料地可以預測。我們的日子，默默地遵循著簡單、可重複的規律。

「我的生活方式有一種被程式化的感覺，」他說。如果連自己的移動軌跡都能被演算法預測，那所謂的「自由意志」究竟存在嗎？

這個問題讓他決定採取行動——用工程師的方式。他開發了一款應用程式，讓 Uber 司機知道目的地，但乘客本人不知道。第一次嘗試，把他送到了舊金山總醫院急診室門口。儘管如此，他繼續實驗。卡斯楚區的皮革酒吧、從未踏足的保齡球館、大學天文館——在這座他住了多年的城市裡，他開始發現從未見過的角落。

實驗規模不斷擴大。他用演算法決定要去哪家餐廳、聽什麼音樂，甚至連刺青圖案也交給程式選擇（他胸前現在永久刻著兩個幾何人形）。2015年，他辭去 Google 的工作，把「住在哪裡」也外包給演算法，開啟了長達 兩年以上 的隨機遊牧生活，第一站是越南胡志明市。

「探索」與「利用」：電腦科學對人生的啟示

Max 的實驗，可以用電腦科學中的一個經典概念來理解：探索與利用的取捨（explore-exploit trade-off）。

廣告

廣告合作

[email protected]

廣告

當 Spotify 決定下一首播放什麼歌，演算法面臨兩個選擇：「利用」用戶過去的喜好，推薦他們可能喜歡的歌；或者「探索」，播放一首完全不同風格的曲子。利用是安全的，但會讓人陷入同溫層；探索有風險，卻是系統學習與成長的唯一方式。

這個邏輯同樣適用於人生。Brian Christian 與 Tom Griffiths 在《Algorithms to Live By》中寫道：「生活是新奇與傳統之間的平衡，是冒險與珍視所愛之間的取捨。」一個二十多歲還在摸索自我的人，理應多探索；一個已深知自己喜好的老者，則可以盡情享受熟悉的美好。沒有固定的標準答案。

然而，心理學給出了不同的提醒。加拿大 魁北克大學烏塔維校區 心理學教授 Michel Dugas 長期研究「對不確定性的不耐受」。他認為，隨機決策並不代表一個人對不確定性有更高的容忍度——反而更可能是另一種形式的逃避。把決定交給演算法，本質上是在迴避對結果負責。

Max 自己也在實驗過程中遭遇了這個矛盾。2021年，演算法把他和當時的女友帶到北卡羅來納州一個叫做 Williamston 的農村小鎮。那裡沒有朋友、沒有活動、沒有任何「隨機事件」可以參與。他站在歷史街道上，突然感到一種空洞：「隨機生活會製造很多噪音，但這些噪音不會朝任何方向移動。我看到了很多新鮮事，卻沒有在建構任何東西。」

華人世界的對照：效率崇拜與「躺平」之間

Max 的故事，放在當代華人社會的脈絡下，折射出一種特殊的張力。

在台灣、香港，乃至整個東亞，「最優化人生」的壓力以另一種形式存在：不是矽谷式的個人效率崇拜，而是集體期望所構成的人生軌道——考好大學、找穩定工作、成家立業。這條路徑同樣高度可預測，同樣可能讓人感到窒息。

近年來，中國大陸興起的「躺平」現象，以及台灣年輕世代對「慢活」的嚮往，某種程度上呼應了 Max 的困境：當既定腳本讓人感到虛空，人們開始尋找出口。差別在於，Max 的出口是主動設計的隨機性，而「躺平」更接近一種被動的退出。

值得注意的是，在高度依賴演算法推薦的數位環境中——無論是台灣的 YouTube、香港的 Instagram，還是中國大陸的 抖音——「探索」的空間其實正在被系統性地壓縮。這些平台的核心邏輯是「利用」：把你留在你已知喜歡的內容裡，讓你停留更長時間。用戶以為自己在自由瀏覽，實際上正被演算法精準地限縮在「偏好的牢籠」之中。

Max 最終在洛杉磯落地生根，與妻子簽下租約，計畫迎接孩子的到來。他沒有放棄隨機性，但找到了一個中間地帶：保留可預測的日常結構，同時在其中注入小劑量的偶然。演算法選了一家評價普通的中華料理，他和我們的記者點了咖哩雞翅和蔬菜湯——不是他的第一選擇，卻意外地令人滿足。

「當你有固定的計畫、固定的身份、固定的日常，」他說，「你很容易被關進自己偏好的牢籠。」