上周去南京新街口买冰美式，排队排到门口，听见身后两个穿校服的学生在吵。
一个说深度学习就是瞎炼丹，全靠运气堆参数，另一个说你懂个屁，现在AI火全靠深度学习，未来能取代一半工作。
我手里攥着找零的硬币，冰美式的水珠渗到手腕上，突然觉得挺有意思。好多人讲深度学习，一开口就是公式术语，翻半天百科还是云里雾里，不如两个小孩吵架接地气。
别翻百科了，用买咖啡讲明白核心逻辑
说实话，我刚接触这玩意的时候，啃了一周论文，越啃越懵，什么反向传播、梯度下降，记了半本子笔记，合上书还是不知道它到底用来干嘛的。直到后来蹲咖啡店蹲多了，突然就通了。
你就想咖啡店老板干的活。开了三年店，见过几千个客人，他不用写下来，就能摸出规律：周一早上穿西装赶上班的，十有八九要冰美式不加糖；周末下午穿卫衣来拍照的小姑娘，大多要桂花拿铁少冰加奶盖；带笔记本电脑坐一下午的，多半要一壶温水续杯。
传统编程是怎么干这个事？你得把规则一条一条写死：如果 时间=周一 且 穿着=西装 则 输出=冰美式。稍微变个情况，比如穿西装的周末来喝咖啡，规则就废了。
深度学习干的事，其实就是老板干的事：你把几千个客人的点单数据全部喂给它，它自己一层一层摸规律，摸完了，下次来个新客人，它自己就能猜出来你要喝什么。
所谓的多层神经网络，就是老板先筛「穿着」，再筛「时间」，再筛「同行人数」，一层一层缩小范围，最后出结果。所谓的训练，就是老板攒三年客人经验的过程。就这么简单，哪有那么玄乎。
90%的人都踩过的常见误区
现在出门随便翻个科技新闻，十篇有八篇提深度学习，大多都是错的。
第一个误区，把深度学习等同于人工智能。不对。人工智能是个超大的框，从早年下象棋的穷举算法，到现在的门禁人脸识别，都能往里面装。深度学习只是人工智能框里的一种方法，不是全部，更不等于人工智能本身。我见过不少创业公司，拿个线性模型换个皮就说自己用了深度学习，骗投资人钱罢了。
第二个误区，说深度学习会自己思考，很快就要取代人类。拉倒吧。它所有的规律，全部来自你喂给它的训练数据。你给它喂一万张标注错的猫图，它就会把橘猫认成狗。它不会跳出你给的数据自己想问题，至少现在的技术，半毛钱都不可能。那些喊着深度学习要毁灭人类的，要么是卖课卖书赚流量，要么就是根本没摸过模型。
第三个误区，说深度学习就是炼丹，全靠蒙，没有道理可言。也不对。调参确实有运气成分，同样的数据同样的参数，两次跑出来结果可能不一样，但是跑多了你就会发现，规律摆在那。就像烤面包，温度高10度会糊，低10度发不起来，试个两三次就能摸出门道，哪里是全瞎蒙？
我刚入行的时候，跑一个图像识别的小项目，连着一周调不出结果，天天对着电脑骂街，后来才发现是我喂的训练数据里，一半的标注都是错的，改完之后一次就成了。你看，问题根本不在调参，在人。
冷眼看现在的风口，接下来会往哪走
不过话说回来，这十年深度学习的变化，真的是肉眼可见。最早只能帮你分分类图片，识别个验证码，现在能写文案画图，帮工程师写代码，甚至能设计芯片结构，确实厉害。
但现在整个行业，也走到一个有点别扭的路口了。所有人都在拼了命堆参数，模型越做越大，训练一次烧几个亿，只有少数几家能玩得起，大部分小公司小团队，连摸一下大模型的门槛都够不着。这不是什么正常的事。
这两年我观察到两个挺有意思的方向，感觉是走对了路。一个是往小了做，做端侧小模型，不需要连云端，直接跑在你自己的手机里，既能保护隐私，成本又低，日常用的识别、推荐，根本不需要几万亿参数的大模型，一个几百万参数的小模型就够好用了。
另一个方向，就是把深度学习和传统的逻辑推理结合起来。现在大模型为啥经常算错数学题，胡说八道？就是因为它只会从数据里摸规律，不会按逻辑一步一步推。要是把硬逻辑规则和深度学习摸出来的规律结合，就能少犯很多低级错误。
那天我买完咖啡，坐在门口的台阶上晒太阳，那两个学生走了，留下半张画满公式的草稿纸。我捡起来看了一眼，全是神经网络的拓扑图，字写得歪歪扭扭，全是少年人的劲头。
其实深度学习哪有那么高大上，本质就是一个帮人总结规律、省力气的工具。就像那个开了三年店的老板，总结出来的点单经验，放到机器上，就是深度学习。它能帮你整理发票，能帮你修图，能帮你写初稿，但它代替不了老板给你拉一朵好看的花，代替不了你和朋友坐在咖啡店晒太阳聊天的乐趣。
工具永远是工具，人干人该干的事，就够了。
作者|科技
排版|科技
审核|安然