凌晨三点的南大鼓楼校区实验室，空调吹得后颈发僵。我盯着屏幕上跑了一下午的行道树监测模型，刚想揉个眼睛，日志框突然跳了条新输出——我上周随手加的那个落叶颜色权重，被它自己悄悄调了0.03。
窗外飘进来半片黄透的法桐叶，落在我键盘上。我捏起来看了看，边缘被虫咬了个小缺口。突然觉得有点好笑：我熬了快一周调的参数，这玩意居然自己改了。
它根本不是在“学”，是在翻你给的旧卷子
说实话，我见过太多人对这东西的误会。总觉得它像刚入学的大学生，上课记笔记，下课自己刷题，还能举一反三。
扯。
哪有那么玄乎。你给它喂的几万张梧桐落叶照片，每一张我都提前标好了：“法桐”“香樟”“虫害法桐”“被雨打湿的落叶”。它要做的事特别简单，就是对着这些标好的图反复算，哪块像素的颜色对应哪个标签，算到错的次数最少就停。就像你高中刷了三年真题，把所有题型的答案都背得滚瓜烂熟，真要出个从没见过的新题，你照样懵。
我当初做这个模型的时候，前前后后标了快四千张样本，标到最后我闭着眼都能认出哪片叶子是被蚜虫咬的。它呢？学了快一周，准确率刚到82%。
哦对，你要是给它的样本里从来没出现过某种叶子，它就算算破头也认不出来。上次我把路边捡的乌桕叶丢进去，它直接给我标了个“疑似被虫咬的香樟落叶”。我盯着结果看了半天，行吧，至少它还敢猜。
那些被吹上天的“智能”，其实全是巧合撞出来的
前阵子刷到好多科普，说现在的大模型能写春联、能画画、能帮你写方案，仿佛再过俩月就能自己开公司当老板了。
我上周特意试了下，让那个挺火的大模型写一副南京主题的春联，要求必须带梧桐和鸭血粉丝汤。
它给我输出的内容是：“梧桐叶落满城秋，鸭血汤暖半街香”。哎，还挺像那么回事？我刚想夸，又让它加个横批，要带南京的地名。
结果它给我蹦出来个：“鸭血粉丝汤里飘梧桐”。
我当时直接笑出鹅叫，把隔壁组睡在沙发上的师弟吓的从沙发上滚下来。
不过话说回来，这也不能全怪它。训练它的语料里，压根没多少人把鸭血粉丝汤和梧桐写在同一句话里，它凑来凑去，可不就把两个词硬拼到一起了嘛。你以为它是在创作，其实就是在翻它看过的所有文字碎片，拼出来个看起来像那么回事的东西。
上次我还见有人拿大模型写南京的旅行攻略，它给人推荐的第一站是“明孝陵的鸭血粉丝汤总店”。我？明孝陵里连卖烤肠的都没有，哪来的鸭血粉丝汤啊。
别被“替代人类”的叙事骗了，它现在还不会自己找题做
我最近听太多人说，机器学习要替代这个替代那个，以后不用上班了。
真的。我昨天把我家猫踩在梧桐叶上的照片丢进测试集，它给我标了个“带猫形阴影的虫害法桐落叶”。我盯着屏幕愣了半分钟。
就这？还替代人类呢？
它现在最核心的问题，就是根本不知道自己要做啥。你给它标好落叶的标签，它就认落叶；你给它喂好春联的语料，它就写春联。你要是不给它定题目，不给它标好的参考样本，它啥也干不了。就像个被惯坏的高中生，你给啥题它就刷啥题，你让它自己找个研究方向，它能对着空白试卷坐一下午。
上次师弟凑过来喝咖啡，看我在擦洒了半杯的键盘（他刚才笑的时候手滑把咖啡碰翻了），问我“这玩意真能帮咱们监测行道树的虫害？”
我指着那个把猫标成虫害落叶的结果给他看。
他笑到刚喝进去的咖啡差点喷我屏幕上。
凌晨四点多，我泡的第二杯美式凉透了。窗外的天开始有点发灰，能看见远处的紫峰大厦露了个尖。我把刚才飘进来的那片虫咬的梧桐叶拍了照，丢进测试集。
等了十秒，模型输出：“疑似带虫洞的健康法桐落叶”。
哎，这次居然蒙对了？我刚想把日志截个图发朋友圈，下一张我随手拍的桌上的鸭血粉丝汤外卖（哦对，我凌晨的晚饭就是这个），它直接给我标了个“高湿度疑似虫害落叶样本”。
得。
我把电脑合了。
今天就到这吧。
作者|科技
排版|科技
审核|知知