巷口修鞋铺里的强化学习

下班绕路去取靴子，鞋底磨穿了半个月，一直抽不出时间补。巷口的修鞋铺开了快十五年，主人张叔去年冬天把角落那堆旧鞋楦腾出来，塞了台半人高的自动修鞋机。

我本来靠在门框上笑他，一把年纪了赶什么互联网潮流！补个鞋掌你的手比什么机器都稳，花这冤枉钱干什么。

张叔叼着半根烟卷，冲我抬抬下巴，让我看。刚好有个客人拿了双穿了三年的异形跟马丁靴，鞋跟磨得歪了一块，机器爪子夹住鞋跟，扫描仪扫了三秒，下磨头——第一次磨偏了两毫米。它自动退回去，重新定位，再磨，还是差一点，又退。

我数着，一共退了四次。

第一次看懂强化学习，是在修鞋机的试错里

我跟张叔说，你这钱铁定打水漂了，换你早修完了。张叔吐了个烟圈，说你懂个屁，它在学呢。不是提前输进去一万种鞋跟的尺寸让它对着比，这玩意儿靠强化学习逻辑跑，没人给它标准答案，只给了它一条规矩：磨对了尺寸，加分；磨错了，扣分。它试一次，涨一次记性，试得多了，比老鞋匠还准。

说实话，那瞬间我突然没话了。

我们以前聊AI，聊来聊去都是什么大数据、大模型，一堆听不懂的词，哪想到今天居然在修鞋铺里碰着活的了。你看它退回去那四次，不是傻，是它在自己拿奖励啊，错一次，就调整一次策略，下次就离正确更近一点。

张叔说，这机器来了三个月，已经修了快三百双鞋，现在常规鞋跟，半分钟出活，比我快十倍。

不过话说回来，它也有栽的时候。上个月有个姑娘拿了双穿了十年的vintage皮鞋，鞋跟因为走路姿势的原因，磨得一边高一边低，姑娘要求补完之后还保留原来的倾斜度，穿着才舒服。结果这机器磨了三次，每次都把歪的跟磨回标准的直跟，一次又一次扣分，它一次又一次试，就是不对。

张叔最后骂了一句脏话，按了关机，自己拿过镊子锉刀，十分钟就弄完了，分毫不差。

原来我们每个人，天生就会强化学习

那天坐在修鞋铺的小马扎上等靴子，我越想越觉得有意思。我们总说强化学习是多么高深的AI技术，可掰着手指头算，我们活一辈子，不就是一直在做强化学习吗？

哪有人一辈子所有事都有人给你标好正确答案？小时候读书是，老师给你标准答案，你背下来考满分，那是监督学习。长大之后呢？

刚毕业找工作，谁能告诉你哪个行业十年后吃香？你进了一家公司，干了两年觉得不对，辞职换赛道，那就是错了一次，扣了分，下次调整方向。追喜欢的人，第一次发消息说错了话，对方冷了三天，你下次就知道什么话该说什么话不该说，那也是扣分试错。就连张叔修鞋，年轻那会刚学手艺，粘牛皮不知道挤多少胶，多了溢出来脏鞋面，少了半个月就开胶，前前后后试坏了几十双鞋，才摸出不同皮质用不同量的分寸——这不是最朴素的强化学习，是什么？

对吧？我们从来都是这么活的。没有全量的正确答案，只能走一步看一步，错了改，对了攒经验，慢慢活成自己的样子。

那为什么那次修鞋机卡壳卡成那样？张叔说的对，它的奖励函数写死了。程序写的就是「磨到标准鞋跟尺寸就是对」，可客人要的是「保留我穿了十年磨出来的个人角度」，奖励函数错了，试一万次也不对。

当AI替我们试错，我们失去了什么

现在抬头看看身边，全是强化学习。你刷的短视频算法，你点一个赞，它就给你推更多同类，你一秒划走，它就知道你不喜欢，下次换方向，这不就是强化学习？网约车的派单逻辑，哪条路能让司机多跑两单，平台多抽成，它就优先推哪条，也是强化学习。现在你用大模型，生成完内容给你个「满意/不满意」的按钮，你点一下，它转头就改了自己的参数，还是强化学习。

这东西好用吗？太好用了。修鞋机干那些重复的试错活，比人快得多，张叔现在天天坐在门口晒太阳，一个月赚的钱比以前还多，没什么不好。可我有时候还是忍不住想，当越来越多的试错都交给AI了，我们剩下什么？

张叔说他孙子打游戏，现在都用强化学习AI挂机，AI自己打几千遍，把关卡过了，把装备拿到了，账号给孙子，孙子玩了十分钟就卸载了，说一点意思都没有。哦，你看，AI帮你拿了满分，可你要的根本不是那个结果啊。你卡关卡了半个月，查攻略，练操作，死了一百次最后过去那一下，浑身发麻的爽感，AI永远拿不到。它只知道过了关拿了分，可那个试错过程里的所有情绪，都是它的奖励函数里没有的东西。

现在我们的人生，也慢慢变成这样了。AI给你推荐工作，给你匹配对象，给你推荐你一定会喜欢的内容，帮你把所有错都提前避了，你走的每一步都是对的，都是拿高分的。可那些走错了路看到的风景，那些爱错了人留下的记性，那些试错试出来的属于你自己的歪鞋跟，还有吗？

张叔把补好的靴子递到我手里，鞋掌磨得刚好，是机器修的，比我以前找他手修的还平整。我掏钱给他，他指着机器笑，说这玩意儿现在就是我的徒弟，笨活累活都它干，我就管那些机器修不了的特殊鞋。

风卷着梧桐叶从巷口吹过去，落了一地。我踩着新补的鞋底走路，硬度刚好，贴合我走了三十年的走路姿势。突然就想，以后的世界，大概就是这样吧：AI替我们试那些重复的错，而我们，留着自己去试那些属于人的，错了也值得的错。