楼下咖啡店的推荐，其实藏着你不知道的机器学习

你每天都在用，却从来没细想过

很多人一听到机器学习四个字，第一反应就是实验室里的超级计算机，电视上会下棋的机器人，跟日常过日子没关系。其实不对。你刷的短视频信息流，你点外卖的猜你喜欢，甚至导航给你选的那条不堵车的路，背后都跑着机器学习。

以前程序员给电脑写逻辑，是一条一条规则敲进去：如果用户点了冰美式，就推荐甜点。可人的喜好千奇百怪，程序员就算不睡觉，也写不完几百万条规则。不同城市的用户口味不一样，不同季节的喜好不一样，靠人写规则，累死也做不准。

机器学习换了个思路。我不跟你硬写规则，我给你喂过去半年所有用户的点单数据，你自己去找，什么样的人，点了什么之后，大概率会买什么。算出来的结果，比十个干了十年的老店员加在一起都准。

普通人对机器学习最大的误区

我见过太多科普吹得神乎其神，说机器学习很快就能取代人做所有事，其实都是瞎扯。现在所有能落地的机器学习，本质都是找相关性，根本搞不懂因果。

刚才那个例子，我买舒芙蕾，只是因为那天我赶早班机没吃早饭，刚好饿了。这件事背后的原因，机器学习根本不知道。它只会记住：点冰美式的用户里，有超过六成买过舒芙蕾，那就推呗。

说实话，我被推了大半年，一次都没再买过。它也不会改。

很多人说机器学习会思考，不对。它不会思考。它就是一个特别会找统计规律的计算器。你给它什么数据，它就给你出什么结果。数据里有偏见，它出来的结果就有偏见。数据没见过的情况，它百分百出错。

之前看过一个公开的研究案例，医院用机器学习来筛查重疾，结果对女性的误诊率比男性高了一倍。为什么？因为训练用的数据里，本来男性病人的样本就比女性多三倍。机器学习哪懂什么性别公平，它只认数据里的规律。

还有一个误区，很多人觉得机器学习一定要多大的模型多少参数才叫厉害。不对。街边开水果店的老板，用个几千块的小程序，就能用机器学习算出来：雨天进多少晴天才卖得完的草莓，周末进多少客人会抢的晴王葡萄，能少坏三分之一的货，这就是好的机器学习。

不用端着。好用比能上发布会重要多了。

我们离真正的好用还有多远

现在大模型火得一塌糊涂，很多人说通用人工智能马上就要来了，我倒是觉得，步子没那么快。机器学习从来不是少数大厂拼参数的玩具，真正的改变，发生在你看不见的小地方。

去年我去郊区的蔬菜基地玩，看见人家用无人机拍了菜地，用机器学习识别哪棵菜长虫子了，不用农民顶着太阳一块地一块地查，一天能查几百亩，这比让模型写一百首古诗有用多了。

小区最近换了智能门禁，机器学习认得出我家的车，不用我摇窗拿卡，进出快了好多，上次我搭朋友的车，它也能很快反应过来是外来车辆，要登记。这不就是机器学习最棒的用法吗？解决小麻烦，省点小力气。

不过话说回来，我还是希望做机器学习的人，别忘了它本来是用来干嘛的。它本来就是帮人省力气，帮人把日子过的更舒服的，不是拿来造神，也不是拿来吹概念割韭菜的。

我就想以后买咖啡，它能看出来我连续一周点美式当减脂餐，别给我推高热量的舒芙蕾了。就这么简单的事，现在的机器学习还做不好呢。

路还长着呢。对吧。