深度学习哪有那么玄乎，也没有那么万能。穿了件高大上的马甲，本质就是个靠笨办法堆出来的工具罢了。
你刷到的猫脸识别，背后不是“智能”是“记题”
我们从小到大听的AI故事，都在说电脑会像人一样思考，会推理会感悟。“深度学习”这四个字自带光环，好多人刚接触，先被“深度”两个字吓住，以为这是某种更深邃的智能思考方式。其实不是。
它说的“深度”，只是分层计算的意思，一层叠一层，就像剥洋葱，剥完一层还有下一层。
说实话，说穿了一点都不神奇。你要让它学会认猫，很简单，给它喂十几万张提前标好“这是猫”“这是狗”的照片，让模型一遍一遍调整每一层的参数，最后摸出来规律：凡是长着尖耳朵、三角脸、带胡须的像素块，大概率是猫。
它不知道什么是猫，也不知道猫会抓老鼠会蹭人，它只是记住了你给它的数据里的像素对应关系。对吧？
就像小孩子被家长逼着背一百遍“床前明月光”，能顺下来不代表懂什么叫思乡，只是记住了哪几个字连着念而已。深度学习干的就是这个活。
它赢在量大，几十万上百万道题练下来，在认猫这件事上，确实比普通人快，比普通人准。但换一张画在草稿纸上歪歪扭扭的猫，它说不定直接认成飞机。人不会啊，人哪怕第一次见长着六个腿的猫，瞅两眼也知道那是猫。这就是人和深度学习的核心区别。
那些吹出来的神话，大多踩了同一个误区
我见过最离谱的创业项目，是拿深度学习做白酒年份鉴定，号称对着瓶子扫一眼就能测出放了多少年，一套设备卖几十万。说白了，你给它训练用的数据全是原厂新包装的酒，换个收来的旧瓶子装新酒，它直接给你鉴定成五十年陈酿，骗子都要偷着乐。
不过话说回来，这也不是深度学习本身的错，是做局的人故意坑人。大部分人对深度学习的误区，都来自把它太神化了。
很多人觉得深度学习能自己总结规律，自己产生思考，其实它只会拟合你喂给它的数据，你数据里有什么偏差，它全给你放大，你数据不全，它直接给你瞎出结果。
最常见的毛病就是过拟合，说白了就是考试前把模拟卷的答案全背下来了，模拟考考满分，换一套新卷子直接交白卷。
你看这条曲线就懂，模型训练的时候，对训练数据的误差越来越低，到最后几乎全对，看起来完美得不得了。一换没见过的新数据，误差蹭一下就窜上去，根本没法用。这就是大半深度学习Demo的真面目，看起来好看，一落地就露馅。
还有一个误区，就是觉得模型越大参数越多就越厉害。现在出来个新模型，都要吹自己参数几千亿，比人脑突触还多，好像马上就要超过人类了。你平时刷个短视频推荐，要几千亿参数干嘛？无非是蹭热点骗融资罢了。
普通人要懂深度学习，不是要会写代码
很多人看到科技话题就躲，觉得深度学习是专业人士才懂的东西，我一个外行凑什么热闹。其实不是，你不用会调参数会搭模型，只要懂基本逻辑，就能避开好多坑，不被割韭菜。
比如大街上到处都是AI培训广告，说三天学会深度学习，包找年薪三十万的工作，你想想，深度学习要找数据、清数据、调参数，还要落地试错，哪有三天就能练成的？直接躲开就完了。
再比如，现在好多体检机构说，我用深度学习分析你的血样，能算出你十年后得不得癌症，收费大几千。你只要想想，它训练用的数据全是大城市白人白领的，你一个从小在南方小城生活的人，数据规律根本不一样，它算出来的结果能准吗？它又不会真的懂你的身体，只是记之前的数据的规律罢了。
现在深度学习能做得好的事，全都是有大量标注数据、有明确标准答案的重复劳动。把中文翻成英文，认图片里的脸，给短视频打标签，挑工厂产品的瑕疵，这些活它干得又快又便宜，比人靠谱。
但要它写一个能戳中某一群人的文案，要它设计一个完全没人做过的新产品，要它给你调解家庭矛盾，它干不了。因为没有标准答案，也没有几百万份现成的正确案例给它背，它就摸不着头脑。
我见过不少人拿大模型写公众号稿子，改十遍还是那股冷冰冰的AI味，就是这个原因，它拼的都是之前见过的句子，没有自己的情绪和感受，自然打动不了人。
那天从咖啡馆走的时候，那两个学生还在对着考研PPT画重点，说深度学习是当代AI的核心，多难多了不起。我其实想说，它就是个工具，和你厨房里的电饭煲、上班用的打印机没什么区别。
不用把它当成无所不能的魔法，也不用把它当成抢走工作的洪水猛兽。会用的人，拿它帮自己省时间干杂活，能腾出手来干真正需要动脑子的事，这就够了。
作者|科技
排版|科技
审核|柚子