上周整理手机相册，导出去年攒的所有旅行照片，一共四千七百多张。刚翻到第三页就手酸——一半是眨眼的人像，一半是跑着拍糊的浪，还有十几张是不小心按到快门拍的自己的鞋尖。正想删到天荒地老的时候，突然系统弹了个提示：“已为您筛选出模糊、重复的照片，共327张”。
我当时愣了三秒。这玩意我用了三年，从来没仔细想过，到底是谁在后台，对着我几千张糊得根本看不清的图，一张一张挑出来的。
答案当然是深度学习。
别被“深度”俩字骗了，它根本不是在“思考”
真的。没有魔法。没有藏在芯片里的小妖怪。
很多人第一次听“深度学习”这四个字，总觉得是什么玄乎的、能自己产生意识的高科技。我最早接触相关内容的时候，也被那些写得神乎其神的科普文绕晕过，直到后来跟着做计算机视觉的朋友泡了俩礼拜实验室，才发现这东西的本质，说出来都有点好笑——它和你小时候在课堂上玩的“找不同”游戏，逻辑几乎没有区别。
你小时候认猫，不是先背“猫是尖耳朵、圆瞳孔、有胡须的哺乳动物”这个定义的。是见了第一只猫，摸过，知道它会蹭人，会发出呼噜声；见了第二只猫，是黑的，和之前那只花的长得不一样，但也会蹭人；见了第三只、第四只……慢慢在脑子里攒了一堆关于猫的零散印象，下次再碰到一只陌生的猫，你扫一眼就知道，哦，这是猫。
深度学习干的就是一模一样的事。只不过它攒的不是你脑子里带着温度的印象，是几百万张标注好的图片里，抠出来的每一个像素的颜色、纹理、轮廓差。
我当时站在实验室里看朋友跑模型，屏幕上那只他养了三年的橘猫，被标满了密密麻麻的彩色框：耳朵是橙色的框，眼睛是蓝色的框，尾巴尖上缺的那撮毛是红色的框。他说，你现在看这堆框觉得乱，等模型跑起来，下次不管是这只猫躲在沙发后面只露个耳朵，还是跑起来尾巴甩得快出残影，它都能一秒认出来。
哦对，它认出来的标准特别简单：这堆像素和之前喂进去的那几百张橘猫的像素，匹配度超过95%，就算是猫。
就这？
就这。
之前有个朋友跟我吐槽，说他用某AI修图工具，把他家金毛的照片传上去，想修得好看点，结果修完变成了藏獒。我一点都不惊讶——它根本不知道金毛和藏獒有什么品种上的区别，它只是把所有带金毛特征的像素，和数据库里所有“长毛大狗”的像素做了个匹配，稍微算偏一点，就变成藏獒了。
你以为的“智能”，其实全是喂出来的
我妹去年做毕设，题目是校园流浪猫的自动识别。最开始模型跑起来的那天，她盯着屏幕笑到直不起腰：系统把路边所有的共享单车黑色车座，全识别成了“流浪猫”。
给她急得掉了半宿眼泪。
后来怎么办？没有什么捷径。她抱着相机在学校里转了整整一周，拍了三百多张不同角度、不同光线、不同姿态的流浪猫照片，又拍了两百多张容易和猫搞混的东西：黑色的车座、掉在草地上的黑外套、树下蜷着睡的狗，一张张标好注，重新喂给模型。
第二次跑模型的时候，准确率一下就上去了。路上的车座再也不会被当成猫，哪怕是一只三花猫躲在灌木丛后面，只露个尾巴尖，系统都能准确框出来。
哪有什么天生聪明的模型。全是喂出来的。
很多商家宣传的时候总爱说“我们的AI能自主学习”，听着特别厉害。其实说白了，你看到的所有“自主反应”，都是之前工程师提前喂了成千上万张标注好的样本，攒出来的匹配能力。它根本不会真的在你用它的时候，偷偷学你发的新照片、说的新话——它只是在你输入内容的那零点几秒里，飞快翻完自己之前攒的所有资料，找个最匹配的答案给你而已。
不过话说回来，你也别觉得这玩意没用。你每天用的人脸解锁，你刷短视频时推到你面前的、刚好是你爱看的宠物视频，甚至你点外卖时系统给你算的“预计32分钟送达”，背后都是这套逻辑。没有什么黑科技，就是喂的样本够多，算的速度够快，快到你根本察觉不到它在背后翻资料的过程。
那些被吹上天的功能，其实藏着很多没说的bug
前阵子和做自动驾驶的朋友吃饭，他喝了半杯啤酒就开始吐槽。
说他们测了大半年的识别模型，平时在城市道路上跑的好好的，一到下雨天，识别路边交通路牌的准确率直接掉一半。
为啥？因为之前喂的训练数据里，晴天拍的路牌太多，下雨天沾了水、蒙了雾、被反光晃得看不清的路牌图，太少了。模型没见过这种情况，自然就认不出来。
这就是bug。没有办法彻底消掉。
你永远没法把世界上所有可能出现的场景，全喂给它。总有人会在雪地里堆个长得和路牌一模一样的雪人，总有人会在路牌上贴满乱七八糟的小广告，总有人会把自己穿的花衣服举到镜头前面，这些完全没在训练数据里出现过的情况，对模型来说就是完全陌生的新世界。
之前还有人在社群里说，以后深度学习能替代所有写文案的工作，我当时看到直接笑出了声。
你让它写个不出错的产品功能介绍，写个规整的活动通知，确实行。但你让它写个带着你自己情绪的、有你说话习惯的随笔？它写出来的东西永远带着一股工整的塑料味，每一句都挑不出语法错，但你一读就知道，这玩意根本没真的理解你想表达的情绪。
之前有个读者给我发私信，问我如果普通人想接触深度学习，是不是得先把高数、概率论全学透才能入门。其实根本不是。你只要搞清楚它的边界在哪，就已经比很多人强了。
比如你用AI生成图，别指望它能精准画出你家那只缺了半只耳朵的橘猫——因为它根本没见过你家猫。你得给它喂图，得反复调整你给的提示词，别等着它一拍脑袋，就给你生成一个完美的、带着你记忆温度的图。
它不是神灯。是个记性特别好，但没什么常识的实习生。你得给它讲清楚要求，给它足够的参考资料，它才能给你交出及格的答卷。
上周我整理完相册，那个自动分类的系统，把我去年在海边拍的、糊成一团的浪的照片，单独归到了一个相册里，系统自动配的标签是“旅行记忆”。
我盯着那堆糊得根本看不清细节的照片看了半天。
其实你说，深度学习懂什么是旅行记忆啊。
它就是知道，这堆照片的像素纹理，和之前数据库里所有被标成“旅行”的照片的纹理，匹配度很高而已。
但好像，也够了。
作者|科技
排版|科技
审核|安然