机器学习不是只有实验室里的大模型
大多数人提到这四个字，第一反应都是网上吵得火热的大语言模型，或者是实验室里动不动就千亿参数的大怪物，感觉和日常开个小奶茶店完全不搭边。其实根本不是这么回事。机器学习最核心的逻辑，从来都不是堆参数，而是让电脑自己从过往的数据里找规律，代替人一条条手写规则。放在奶茶店这个场景里就好懂了：放在十年前，想要给客人推饮品，只能让人写死规则：“给常点果茶的推果茶，给常点三分糖的推三分糖”。可人的喜好哪是这么几条规则能框住的？我工作日爱喝无糖，周末就想喝全糖，生理期连冰都不碰，这些细碎的变化，老板记不住，也不可能一条条写到程序里。
机器学习就能搞定这个事。它把开店两三年所有客人的点单数据、消费时间、天气甚至当周的气温都喂进去，自己一点点扒：什么温度的时候客人爱喝冰的？周几下班的客人更爱点甜口？常客最近三个月的口味有没有变？找出来规律之后，下次你一扫码，它几毫秒就能算出你当下最可能点什么。你说神不神。
说实话，我之前听算法工程师吹这个吹那个，都没太大感觉，直到自己亲眼看见一家十平米的小奶茶店都能用起来，才反应过来这东西早就渗进生活里了。小区门口的停车收费系统会算哪个时间段哪个车位空得多，给你引导，那是机器学习。淘宝给你推你刚动心的袜子，那也是机器学习。不是只有大公司才玩得起，小商家花几百块租个现成的接口，就能用上。
别被“智能”两个字骗了，它没那么玄乎
我见过太多人吹机器学习，说什么“电脑比人还懂你”“AI能取代所有工作”，扯犊子呢。我之前帮一个开二手车行的朋友搭过一个小模型，用来给车估定价，跑了快一个月，模型能把价格误差控制在百分之五以内，看起来挺厉害对吧？但有一次收了一辆车，原车主是大学老师，五年只开了三万公里，平时都停地下车库，车况比同年限的车好太多，模型还是按里程给了个均价，差点卖亏了。为啥？因为模型没见过“原车主保养习惯”这个维度的数据，它就找不到这个规律。
所有的机器学习，都跳不出“喂进去什么数据，就出什么结果”这个框，它不会思考，只会找规律。很多人说的“算法偏见”，其实哪是算法的错，大多是喂进去的数据本身就带偏见。比如之前有个招聘模型，筛简历的时候优先给男性面试机会，追根溯源就是过去十年公司招的人里男性多，模型就从数据里摸出来“男性更符合要求”这个规律，本质还是人的问题，甩锅给模型没意思。
不过话说回来，就算它不会思考，也足够好用了。换做以前，给二手车定价全靠老板经验，新手老板看走眼一次亏几千，现在有模型给个参考价，再加上人看车况验里程，出错的概率低多了。奶茶店的推荐，老板不用记每个客人的喜好，客人也不用对着菜单站五分钟想半天喝什么，双赢。很多人把它吹得太玄乎，什么颠覆革命，其实它就是个省力的工具，和你厨房里的自动洗碗机没啥区别——你还是得把碗放进去，拿出来，但是不用自己动手搓油腻了。对吧。
接下来，普通人怎么接住机器学习的红利？
放在十年前，做机器学习得有服务器，得有高学历，得会写一堆复杂的代码，现在完全不一样了。我认识一个开宠物店的小姑娘，高中文凭，平时喜欢猫，她自己对着网上的免费教程，花了半个月搭了个小模型，放在自己的朋友圈里，想养猫的人填个问卷：你每天在家多久，住的房子多大，有没有人对猫毛过敏，喜欢粘人的还是安静的，模型就能给你推适合的品种。比她自己对着每个客人讲半天省了好多时间，客人们也觉得选到的猫更合心意，客源比之前涨了好多。
她说她根本不懂什么叫参数什么叫调优，网上有现成的模板，她就把自己知道的猫的信息输进去，把之前老客人的反馈数据填进去，跑出来能用就行。对普通人来说，真的不需要你从零做一个大模型，你只要知道你的生意里有什么痛点，有什么积累的数据，能用现成的机器学习工具解决，就够了。
当然，也不是说所有人都要去搭模型。你只要知道，下次你买东西的时候推的东西刚好合你心意，不是什么玄学，是它在你不知道的时候，摸透了你的小习惯。就像我现在，有时候故意点个不一样的，看看模型多久能调整过来，哎，它调整得还真快，下次就给我推新的口味了。
昨天去买奶茶，老板说换了这个推荐之后，每个月多赚小一万，给每个老客都多送一份珍珠。我咬着脆啵啵，冰甜的汁水漫开，突然觉得，这才是好技术该有的样子。它不用飘在热搜上被人吹得天花乱坠，只要安安静静落在日常里，给你多推一杯你想喝的奶茶，给老板多赚一点养家的钱，就够了。
作者|科技
排版|科技
审核|见微