2026-10-18 05:46:23
作者：
科技
上周三凌晨两点，我窝在出租屋沙发上，本来想搜个明天要交的PPT参考，手滑点进短视频。
刷到第三遍，平台直接推了我喂楼下三花流浪猫的日常片段。
我鸡皮疙瘩瞬间起来了。
我从来没在这个软件里提过猫，甚至连宠物相关的话题都没主动搜过。当时第一反应是——这软件是不是偷听我说话了？
不是算法偷听，是它早就攒够了你的行为碎片
真不是麦克风的锅。
之前跟一个做推荐模型的朋友聊到三点，他说现在的推荐类机器学习，根本犯不上偷摸录你说话。你停留某条视频超过12秒，你在评论区打了一半又删掉的”我家猫也这样”，你划走搞笑视频时手指的停顿速度，甚至你昨天晚上刷到同类内容时，把手机亮度调高了两格——这些细碎的、你自己看完就忘的行为，早被拆成了一个个小标签喂给模型。
用户短视频平台行为标签拆解示意图
我当时听完愣了半天。
合着我以为自己在刷内容，其实是我每一下划动、每一次走神，都在给它递我的底牌？
太离谱了。真的。
你甚至不需要主动输入任何信息。你走路时刷手机的步频，你把某条视频转发给朋友时选的表情包，你看到广告时下意识的”不感兴趣”点按速度，所有这些连你自己都意识不到的细节，凑到一起，就能拼出比你妈还懂你的喜好画像。
你以为它在”思考”，其实它只是在做数不清的凑数练习
好多人对机器学习有个误解，觉得它是个装在服务器里的、跟人一样聪明的脑子，会分析、会推理、会主动想明白某个东西是什么。
根本不是。
它最基础的工作逻辑，比高中时候的你做错题本机械多了。比如你给模型喂1000张猫的图片，它从始至终都不知道”猫”是什么概念，它只是把所有图片里的像素块拆出来，做了无数次匹配计算：带尖耳朵轮廓的、有细长胡须纹理的、毛的色块分布在某个数值区间的，最后算出来匹配概率最高的分类，就给它贴个”猫”的标签。
之前我帮朋友测过一个早期的图像识别模型，给它递了一张我家猫踩在我键盘上的照片，它识别成了”带键盘的毛绒鼠标”。我对着屏幕笑了十分钟。它哪里懂猫啊，它只是在算像素的相似概率而已。
早期图像识别模型像素匹配过程演示图
你说它笨吧，它攒的练习量实在太夸张了。人一辈子能看多少张猫的图？撑死几万张。它一秒钟能扒几百万张图的像素块，算到最后，哪怕你给它看一张只有黑色轮廓的猫速写，它也能精准说出这是猫——不是因为它真的认识猫，是它见过的相似像素块，比你这辈子见过的所有东西加起来都多。
别信那些说”机器学习要取代所有人”的鬼话
别信那些说”机器学习要取代所有人”的鬼话
最近刷到好多博主讲，说机器学习再过几年就要抢程序员、设计师、文案的工作，说的好像明天醒来就要被机器人优化掉一样。
真的扯淡。
上个月我用某生成式工具写社区活动方案，它半小时给我出了五版，每版都完美踩中所有网上能搜到的活动模板——什么”线上线下联动””用户裂变激励”，全是没什么用的正确的废话。最后我还是自己熬到三点改完，因为它根本不知道我们这次活动是给小区里的退休老人办的，那些互联网黑话堆出来的方案，拿给张阿姨李叔叔看，人家根本听不懂。
上次有个刚上大学的小孩私信我，说他现在学计算机，是不是毕业就找不到工作了？
我给他回，你要是天天跟模型比谁写代码快、谁画图快、谁写文案字数多，那你确实比不过——它一秒钟能写一百行格式完全正确的代码，能画十张风格统一的海报，能凑一千字通顺的文案。但是它不知道客户要的那个功能，是为了帮一个腿脚不方便的老人能自己操作挂号系统；不知道张阿姨上次来参加活动，是因为她孙子在外地，想找个地方坐一坐跟人聊聊天；不知道你写的那篇文章，是想给跟你一样在出租屋熬夜的人一点底气。
这些藏在所有内容背后的、跟人有关的细碎温度，它学八百年也学不会。
前几天我又在那个短视频平台刷到流浪猫的视频，这次我没觉得后背发毛。我把手机凑到楼下三花的跟前，它闻了闻屏幕里同类的脸，甩了甩尾巴，软乎乎的爪子搭在我手背上。
风从窗户吹进来。
屏幕那边的模型算破头，也算不出来这一下蹭的温度。
免责声明：市场有风险，选择需谨慎！此文仅供参考，不作买卖依据。如有侵权请联系删除。
文章名称：凌晨刷到的流浪猫视频不是巧合，机器学习早摸透了你的喜好
文章链接：https://www.lfdjt.com/p/keji/a/11082.html