上周帮我妈修她在中山陵拍的照片。
大太阳底下她脸晒得红一块，左颧骨上还叮了个蚊子包，鬓角露了根新长的白头发。我本来打开PS准备拿修复画笔涂十分钟，结果手机相册自动弹了个“一键优化”的提示，我随手点了下。
两秒。
蚊子包没了，皮肤的红晕调得自然得像天生好气色，连那根白头发都好好留在原来的位置。我当时盯着屏幕愣了半天——换做十年前，你跟我说手机能自己把照片修得这么懂分寸，我肯定觉得你在说科幻电影。
别信什么“教机器像人一样思考”的鬼话
现在太多科普文章讲深度学习，上来就扯什么模拟人脑神经元连接，卷积层、池化层的概念堆得满屏都是，听得人眼皮打架。说实话，这东西根本就没你想的那么“智能”。
它不认识猫。
它只是记概率。
你喂它十万张标注好的猫的照片，它不会去总结“猫有尖耳朵、软爪子、会打呼噜”这些本质特征，它只是在反复的计算里摸出来：当图片里某个色块区域的边缘是尖的、毛质的纹理占比超过30%、瞳孔是圆形竖线的时候，被标成“猫”的概率超过90%，那就把这张图归成猫。
之前看到MIT的团队做过测试，把同一张橘猫的照片旋转180度倒过来放，哪怕所有的特征都和正图一模一样，模型识别成猫的概率直接掉了17%。你看，人就算把猫倒着挂在树上也能一眼认出来，这模型连这点常识都没有，还好意思说自己是模拟人脑？
说白了，这就是个靠海量数据喂出来的概率计算器。它根本没有“理解”这个概念，所有看起来很智能的输出，本质上都是“根据之前见过的所有内容，算出来下一个最可能出现的结果”。
你以为的“智能”，其实是数亿次试错攒出来的肌肉记忆
我之前跟个做模型训练的朋友聊天，他说很多人对训练过程的想象太浪漫了——觉得机器像个刚上学的小朋友，坐在教室里认认真真听课，慢慢就变聪明了。根本不是。
训练的过程更像你小时候学骑车。
你摔了几十次，歪歪扭扭骑了几百米，根本不会去背“当车身倾斜15度时需要把车把往倾斜方向打3度”这种精准公式，你就是练多了，身体自然知道该怎么调整平衡。深度学习的训练逻辑和这个一模一样，只不过它摔的次数是你学骑车摔的次数的几亿倍。
就拿现在大家常用的大语言模型来说，它读了整个互联网能抓到的所有公开文本，从论坛帖子到学术论文，从小说到外卖评价。它根本不知道“for循环”是什么意思，也不知道盐水鸭要选皮白油润的当年麻鸭，它只是算出来：当句子里写了“我们要实现”这几个字的时候，后面接“高质量发展”的概率是最高的；当图片里出现不锈钢杯子加吸管的组合时，标注成“女士保温杯”的概率是最高的。
上次我让它帮我写一段南京梅花山的游玩攻略，它写出来“建议携带汉服拍照，品尝特色桂花糖芋苗”，字里行间看着特别顺，结果我仔细一看，它说糖芋苗要撒干桂花增香——根本不对，老南京的糖芋苗都是煮的时候就把鲜桂花卤熬进去，撒干桂花那是游客被骗的吃法。它根本没真的去过梅花山，只是把网上所有写梅花山攻略的文本里提到的元素拼到了一起，选了个概率最高的组合。
我有个做电商的朋友之前试过用自动生成工具写商品标题，卖不锈钢保温杯的链接，最后出来的标题是“高颜值女士便携保温杯送男友”。你说这是错了吗？从概率上讲，它把所有和保温杯相关的高流量关键词都凑齐了，只是根本没逻辑去判断“女士款”和“送男友”这俩词搭在一起有多离谱。
那些吹得神乎其神的误区，踩过的人都在拍大腿
说真的，这几年见过太多对深度学习的奇怪想象，说出来都让人哭笑不得。
最常见的一个说法是，喂给模型的数据越多，它就越聪明。真不是。我之前帮实验室的师弟做过一个小测试，拿一万张我们自己在南京北京东路拍的秋天梧桐照片，精准标注好每一片落叶的位置、树干的纹理，训练出来的模型识别梧桐叶的准确率，比拿一百万张从网上随便搜的树叶照片训练出来的模型高了三倍都不止。
脏数据喂再多。
就是喂猪。
还有人说模型参数越大就越厉害，得搞那种几千亿参数的大模型才能解决所有问题。去年有个高校的团队，拿一个参数只有70亿的小模型，喂了俩月的南京本地老照片、地方志、老南京话的音频素材，做出来的小应用能准确说出每条老巷的历史，甚至能听懂老头老太太用南京话问“鸭血粉丝汤哪家最地道”，答得比那些参数大几十倍的通用大模型靠谱多了。
它根本不需要懂全世界的事。
就把那点事算明白，就够好用了。
我之前还碰到过有人说深度学习能替代所有写文案的工作，结果他自己用生成的文案投广告，点击率比他自己手写的低了60%。为啥？因为生成的文案全是网上抄来的高概率表达，没有那种“我上次去吃这家的皮肚面，皮肚炸得脆得咬开爆油”的真实细节，读者一眼就看出来是套话。
上周我妈又给我发了她在梅花山拍的照片，我没点那个一键优化。
就手动把她眼角笑出来的皱纹留着，把她手里攥的那串糖葫芦的糖霜调得亮一点。
深度学习能算出来什么参数下的皮肤最光滑，什么构图的照片最符合大众审美。
但它算不出来我妈拍这张照片的时候，风把她的白头发吹起来的样子，是好看的。
作者|科技
排版|科技
审核|小北