2026-10-08 23:13:53
作者：
科技
上周六9月23号逛南京老门东，挤过满街卖梅花糕的队伍，拐进巷口一家小小的奶茶店歇脚。老板戴个黑框眼镜，闲得在那边敲笔记本，凑过去一看，屏幕上飘着一堆我眼熟的曲线，居然是强化学习的训练日志。
我吓了一跳，你一个开奶茶店的，还玩这个？
他挠挠头笑，说之前调定价调得头秃，索性瞎试，没想到真管用。
别听到「强化学习」就只想到AlphaGo下围棋
大部分人对强化学习的第一印象，就是AlphaGo把顶级围棋棋手杀得丢盔弃甲的名场面，觉得这是只有顶尖实验室、巨头AI团队才玩得起的黑科技，跟日常生活八竿子打不着。
其实真不是。
这个奶茶店老板的玩法很简单：把天气、周末/工作日、地段人流分成不同的环境状态，把不同奶茶的定价区间分成不同的动作，当天赚的钱减去原材料损耗算奖励——赚得多给正反馈，赔了给负反馈。模型跑了两个多月，现在每天的定价会自动跟着环境变：下雨天冷门款降个一块钱拉人流，周末热门商圈的招牌款涨个一块两块，反而比原来一口价赚得多。
奶茶店动态定价强化学习逻辑图
是不是一点都不玄乎？说白了就是把老板天天试错调定价的过程，交给算法自动跑而已。原来老板要试大半年才能摸清楚的规律，算法一两个月就摸明白了，还比老板记得准，不会记错上周三雨天卖了多少杯。
强化学习最核心的逻辑，其实就是「试错赚奖励」
说实话我刚接触AI的时候，翻教材看什么马尔可夫决策过程、价值网络，绕得我头都大，后来蹲在奶茶店喝着桂花酿想明白，这不就是我们每个人从小到大天天在干的事吗？
你小时候学骑自行车。拐弯歪了撞到树，疼，这就是负反馈。走直了顺顺当当骑到路口便利店买到冰棒，这就是正反馈。摔个三四天，你自然就会骑了。
这个过程，就是活脱脱的强化学习。
没有老师提前给你标准答案说”你要把龙头向左打三度才能不撞树”，全靠你自己一次次试，攒出来经验，知道什么情况做什么动作能拿到最好的结果。和你上学时候做练习题不一样，练习题有标准答案，强化学习没有，它甚至还要你考虑长远奖励，不能只捡眼前的小便宜。
人类学骑自行车强化学习过程示意图
比如你玩开放世界游戏，现在你面前有两条路：一条是刷小怪拿10个金币，另一条是跑半小时开隐藏宝箱拿100个金币。新手会选第一条，成熟的强化学习模型会选第二条，因为它算得出来，长期总奖励更高。
换成人话，这不就是”不要为了眼前的蝇头小利放弃长远收益”嘛，哪有什么玄乎的。
别吹神了，强化学习有它解决不了的事
别吹神了，强化学习有它解决不了的事
现在很多自媒体把强化学习吹得天花乱坠，说什么离通用人工智能就差一步，什么能解决所有行业的问题。我得泼盆冷水。它不是万能的，甚至有很多天生的缺陷。
第一个就是试错成本。你让强化学习学开自动驾驶汽车，总不能真让它在路上撞个几百上千次吧？撞死撞坏了谁负责？这个成本谁都扛不住，所以现在很多自动驾驶的强化学习，都只能先在模拟器里练，练完了再挪到真车上，就是怕试错成本太高。
第二个就是环境变了它就懵。刚才那个奶茶店老板的模型，如果巷口对面开了一家新的连锁奶茶店抢生意，原来的模型就废了，得重新训练。人能很快反应过来”哦对面开了新店我得降价拉客”，模型得重新试好多次才能摸清楚新规律。
不过话说回来，它也早就悄悄钻进你生活的每个角落了，只是你没发现而已。你刷短视频，为什么越刷越停不下来？背后的推荐算法就有强化学习的功劳——你点进去看了十分钟，就是给算法说”我喜欢这个，继续推”，你划走不到三秒，就是说”我不喜欢，别推了”，几次下来，算法就比你自己还懂你喜欢看什么。
网约车的派单也是。怎么派单才能让司机少空跑，乘客少等车，平台整体的收益最高？原来都是靠人工定规则，现在很多都是用强化学习调，比人工定的规则灵活多了。
那天老板跟我说，他刚开始调模型的时候也踩过坑，刚开始只把当日营收当成奖励，结果模型为了赚更多钱，把所有奶茶都涨了两块，结果一个星期下来，老顾客都走光了，营收掉了一半。后来他改了规则，把老顾客的复购率也加进去当成奖励，模型慢慢就摸出来了，不能涨太狠，要留着客人回头，现在反而每个月比原来多赚小两万。
你看，连AI都能明白的道理，很多做生意的人反而不明白，就盯着眼前那点钱，把客人都坑走了。
那天我喝了老板新调的桂花酒酿，确实好喝。他说原来一半时间都在想定价，现在算法帮他干了，他能天天蹲在店里试新配方，跟老顾客聊天，反而舒服多了。
哪有什么高高在上的黑科技，不过是把人过日子试错的道理，写成代码交给机器帮你干活而已。对吧？
免责声明：市场有风险，选择需谨慎！此文仅供参考，不作买卖依据。如有侵权请联系删除。
文章名称：巷口奶茶店老板，偷偷用强化学习赚了钱？
文章链接：https://m.lfdjt.com/p/keji/a/7961.html