上周整理手机相册,翻到去年秋天在南京北京西路拍的照片时,我愣了两秒。
系统自动给我建了个专属相册,叫”梧桐秋光”,里面攒了整整127张图——有我举着相机拍的满街碎金似的阳光,有半张被路人胳膊挡了的悬铃木树皮特写,甚至连我当时拍糊了、准备删掉的那几张,都没被漏掉。它还自动拼了个九宫格的动态相册,配的音乐是我之前刷到过两次的南京城市宣传曲。
以前我总觉得深度学习是实验室里隔着玻璃的黑科技,是新闻里写的能下围棋、能写代码的超级智能。直到那天盯着手机屏幕看了十分钟才反应过来,这东西早就悄咪咪钻进我每天用的每一个APP里了。
别再拿”模仿人脑”当万能解释了
我之前听过太多科普,张口就说深度学习是在模仿人脑的神经元连接,模仿到人都比不过的程度。
真的扯。
我上周找做算法的朋友吃火锅,聊到这事他直接把毛肚从锅里捞出来甩了甩水,说哪有那么玄。你以为它是像你一样,站在梧桐道上感受到风的温度,认出那棵你上次拍过的三百年老树,才把照片归到一起?根本不是。
它就是攒了几千万张被人标好注的梧桐、街道、秋景的图片,对着这些图片的每一个像素反复算。算到什么程度?只要图里出现掌状裂叶、青灰色会掉皮的树干、暖黄色的逆光光斑,它就敢把这张图划进”梧桐秋光”的分类里。
它根本不知道梧桐道秋天的风裹着糖炒栗子的香味,也不知道我拍那几张糊图是因为当时骑电动车的大爷按了个喇叭,吓得我手一抖按错了快门。它甚至不知道”秋天”是什么。

你说它是模仿人脑?人脑哪有这么干活的。你见哪个正常人看一张照片,是从每个像素的颜色开始数的?
说白了,之前我们给深度学习套的那些”有智慧””能思考”的滤镜,全是我们自己加的。它本质上就是个超大号的统计机器,只不过统计的维度多到普通人根本数不过来,看起来就像变聪明了一样。
它的”聪明”,全是靠笨功夫堆出来的
很多人对深度学习的误解,是觉得它像武侠小说里的天才,看一眼秘籍就会绝世武功。
真的错得离谱。
我之前接触过最早的图像识别算法,是工程师一行一行写规则的:要识别梧桐,就写代码,树皮是青灰色的算,叶子是掌状裂的算,树皮上有剥落的斑纹算。结果遇到路边喷了白防蛀剂的梧桐,直接把树认成了刷了白漆的电线杆,准确率低到没人敢用。
深度学习换了个思路。
我不写规则了行不行?
我把几千万张标好类的图喂给它,让它自己一层层往上凑判断:最底层先算每个像素的颜色、边缘线条,中间层把零散的线条凑成叶子、树皮、路牌这些具体的形状,最上层再把这些形状凑成”这是梧桐秋景”的最终判断。每算错一次,就往回调一点内部的参数,错个几百万次、几千万次,直到它的判断和人类标的分类基本对上了,才算训练完。
真的没有捷径。
全是一遍一遍错出来的。

上次朋友跟我说,他们团队训练一个能识别道路场景的模型,光标注数据就花了三个月,找了几十个标注员,对着几十万张街景图标红绿灯、行人、自行车、行道树,训练的时候跑在服务器上,连续烧了两周的电,花的电费够普通家庭交一整年的电费。
哪来的天才。
全是拿时间、人力、算力砸出来的笨功夫。
你以为它看一眼就懂了?它是把几千万张图翻来覆去看了几万遍,才攒出了一点”看起来很聪明”的判断力。
那些吹得神乎其神的功能,其实藏着很多离谱bug

现在你刷社交平台,总能看到有人吹深度学习要替代所有行业,要当人类的老师,要接管所有决策。
我每次看到这种帖子都想笑。
就说我自己遇到的事。上次我把我家猫踩在键盘上按出来的一堆乱码截图,存在手机相册里,系统居然自动把这张图归到了”文档扫描”的分类里,还自动生成了个清晰度拉满的PDF。我翻了半天才反应过来,那堆乱码的黑色像素块,跟我之前存的那些扫描版的旧笔记的纹理,实在太像了。
还有更离谱的。我朋友去年用AI修图,想把玄武湖日落照片里入镜的路人p掉,结果系统把湖面上游的半只麻鸭,p成了穿着牛仔裤的人腿——半只黄棕色的鸭身子在水面上浮着,下面连着半截深蓝色的牛仔布料,看得我们几个在旁边笑到直拍桌子。
你说它傻吧,它能在你存的几万张相册图里,精准找出三年前你在猫咖拍的那只戴红项圈的橘猫,哪怕你当时只拍了半张猫脸,背景全是别的猫。你说它聪明吧,它能把鸭子p成人腿,能把猫踩出来的乱码当成正式文档。
本质上它根本不知道什么是猫,什么是鸭子,什么是文档。它只是在算,当前看到的这堆像素组合,在之前的训练数据里,最常被打上什么标签而已。
说实话,我之前也觉得这些bug都是暂时的,等以后算力上去了,数据攒够了,就都解决了。不过话说回来,你真的会信任一个连鸭子和人腿都分不清楚的系统,来帮你判断马路上的行人、开车的路线吗?
之前跟那个做算法的朋友吃饭,他说现在很多人对深度学习的期待已经飘到天上去了。实际上现在的模型,连最基本的日常常识都没有。你问它”我把冰箱里的苹果拿出来放在餐桌上,苹果现在在哪”,它能给你扯三分钟苹果的营养价值、种植历史、常见品种,根本答不出来苹果在餐桌上——因为它的训练数据里,根本没有这种日常的空间逻辑,全是一段一段堆出来的文本片段。
哪有什么无所不能的超级智能。
它就是个攒了一大堆统计规律的大号机器,偶尔会漏出点破绽,告诉我们它根本没我们想的那么懂这个世界。
那天整理完相册,我把那个系统自动生成的九宫格动态视频翻出来看了一遍。
里面的梧桐叶被风吹得晃,阳光从树叶缝里漏下来,打在骑电动车的人肩膀上。
我突然觉得,其实这样就挺好的。不用把它吹成神,也不用把它当成洪水猛兽。它就是个有点笨、有点轴,花了很多时间攒出来的工具,能帮你找找老照片,能帮你修修图,偶尔出点离谱的bug,逗你笑两句。
毕竟,能记得你拍过的那些碎碎的瞬间,就够了。
作者|科技
排版|科技
审核|安然