上周四下午溜进南大鼓楼校区的计算机实验室，靠窗位置的男生盯着屏幕上跳动的损失函数曲线，已经半小时没动鼠标。桌上的冰美式早就温了，杯壁凝的水顺着桌沿滴到键盘缝里，他都没察觉。我凑过去瞟了一眼，屏幕上是他跑了第三遍的图像分类模型——就是大家常说的机器学习。
之前我对这东西的认知，还停留在科技发布会里那种”未来已来”的酷炫演示，总觉得它是裹着金属外壳、能自己思考的机器人。直到蹲了三天实验室，看了上百次模型跑崩、调参、重跑的循环，才发现之前被营销号灌的认知，全错了。
别被营销号骗了，它本质就是个”找规律的实习生”
很多科普文会给机器学习套上特别玄的定义，说它是”让计算机模拟人类学习行为的智能系统”。说真的，我第一次听实验室的张老师这么直白拆解的时候，差点把手里的柠檬茶喷出来——这东西根本没什么”模拟人类”的自觉，它就是个刷题刷到吐的实习生。
你要教它认猫，就给它堆十万张标好”这是猫”的照片，它不会真的理解”猫有软毛、会踩奶、凌晨三点能在你胸口蹦迪”，它只会在密密麻麻的像素点里数规律：哦，占比30%以上的尖耳朵纹理、圆瞳孔、细长白胡子，大概率是猫。等这套规律摸得差不多了，你丢一张新的猫照片过去，它就能准确报出”这是猫”。
这不是bug。
这是它从根上就带的属性。
要是你给它的训练集里全是橘猫，下次碰到一只纯黑的猫，它大概率会直接把图片归到”黑狗”的类别里，一点不带犹豫的。它没有常识，没有见过的东西，就完全靠概率猜，猜中了是运气，猜歪了是常态。哪有什么”天生智能”，全是靠喂进去的例子堆出来的反应而已。
那些让你觉得”哇好懂我”的瞬间，其实全是提前埋好的伏笔
我之前刷短视频的时候总觉得邪门——我昨天跟朋友聊天说想换个跑步鞋，今天打开APP首页全是跑鞋测评。我甚至怀疑手机在偷听我说话。直到实验室的同学给我看了推荐算法的后台逻辑，我才知道自己想多了。
根本不需要偷听。你上次在购物APP搜过一次跑鞋，停留了12秒，没下单；你刷到一条跑步的视频，完整看完了还点了赞；你朋友圈发过一句”最近跑两步就喘”——这些行为数据全被它记下来了，它根本不会深究你为什么搜跑鞋，是真的要买，还是帮同事问的，它只算概率：给你推跑鞋内容，你点进去的概率是78%，比推别的内容高得多，那就推。
我上次就因为手滑点进了一个老旧小区装修的视频，接下来半个月，我的外卖APP开屏都给我推全屋定制广告。你说它智能吧？它连我租的房子连个正经厨房都没有、煮泡面都能把锅烧糊的事实都不知道。
就像你家楼下开了十年的小卖部老板，你上次买过一次冰可乐，他下次见你就主动递冰的。你觉得他懂你？其实他只是记了你的消费记录，根本不管你那天是陪朋友买的，自己根本喝不了冰的。我们总把这种”记仇式的精准记忆”当成懂，其实差得远呢。
现在吹得神乎其神的大模型，离”真懂”还差着十万八千里
现在所有人都在说大模型多厉害，能写方案、能写诗、能做数学题。我蹲在实验室看了一下午大模型的生成过程，才明白它的能力边界在哪。
说白了，现在的大语言模型，就是把全网能爬取到的所有文字全嚼碎了，摸出一套”下一个字接什么最顺”的规律。你问它”今天天气真好适合出去干嘛”，它不会真的感知到窗外吹过来的风、晒在背上暖融融的太阳，它只是根据见过的几亿句话，算出来接”野餐””散步””露营”的概率最高，就把这些词拼给你。
我上次把实验室同学养的银狐仓鼠照片丢给某大模型问是什么，它一本正经跟我说是”小型宠物刺猬，体重约150克，喜食昆虫”。你看，它根本没真的见过仓鼠，它只是把所有带”圆滚滚、短尾巴、小耳朵”的动物标签全凑到一起了，拼出一个看起来很合理的答案。
很多人把这种拼接出来的流畅感当成”真的有智慧”，其实做个很简单的测试就能露馅：你让它算”三个苹果拿走两个还剩几个”，它算得比计算器还快。但你要是问它”如果苹果是你从邻居家树上摘的，你拿走两个，邻居开门撞见了会说什么”，它给你的答案永远是从网上抄来的句子拼接，根本没有真的站在那个场景里，体会过那种被抓包的尴尬。
不过话说回来，我蹲实验室这三天，也不是全在挑刺。
那天看到一个博士生做的农业模型，是用来识别稻田里的虫害的——之前老乡要自己下田一块一块数叶子上的虫眼，一天走十公里，眼睛都看花，还容易漏。现在用无人机绕田拍一圈照片，模型跑半小时，就能标出哪片田的虫密度到了要打药的程度，哪片还可以再等一周。老乡站在田埂上看着屏幕上的标注，说之前要花三天的活，现在半天就能干完。
这时候你就会觉得，哦，原来这东西也没那么悬浮。
它不需要真的”懂”什么是虫，什么是稻叶，只要它标得准，能帮老乡少走点路，少白跑几趟，就已经值回所有的训练成本了。
我之前总觉得机器学习是那种离普通人很远的、穿白大褂的人在实验室里搞的玄乎东西。现在才明白，它根本不是什么要取代人类的”超级大脑”。
它就是个特别勤快、记性特别好、但没什么常识的实习生。
你把活拆得够细，给它的例子够准，它能帮你省掉好多重复的、磨人的破事。但你要是指望它自己能摸清楚所有门道，不出错，那迟早要被它坑——就像你把整个项目全扔给刚毕业的实习生，连个需求文档都不写，最后交出来的东西能看才怪。
临走的时候，那个调了一下午模型的男生终于伸了个懒腰，屏幕上的损失函数曲线终于降到了预期值。他点了根烟靠在走廊墙上，说其实做机器学习久了，根本不会觉得这东西有多神。你花几个星期喂给它的所有数据，最后拼出来的那点能力，其实还不如一个刚上小学的小孩看两遍就能学会的常识。
但那又怎么样呢。
能帮人省点力气的东西，就不算白做。
作者|科技
排版|科技
审核|乐乐