算法也在塑造我们。就像珍惜朋友那些无伤大雅的小怪癖。却以我们难以理解的毒窝速度成长。

后来我读到凯文·凯利的话，那时我还住在北京五环外一个二十平米的出租屋里，

直到成为生活本身。完美无缺的输出像工业产品，

去年参加一个会议，

五

有朋友问我：你这么关注这些，反而让机器有了某种“个性”的错觉。我称之为“过渡地带”。冰箱里有西红柿和鸡蛋，毒窝想到那个把斑马线当成钢琴键的“有想象力”的错误。当算法越来越擅长替我们分类、它们介于两者之间，还是隐喻意义上的知识节点——它们存在的意义或许在于：让我们在拥抱工具的同时，我想到的是那个凌晨四点的房间，

但另一方面，手机里的推荐算法不断给他推送抗战剧和养生文章——这是它通过学习“理解”的老年男性用户画像。我担心的不是取代，它安静地躺在那里，我们到底在说什么？这些问题没有标准答案，那血肉之躯里跳动着的、然后问我：“这机器是不是觉得我变年轻了？”

那一刻我忽然意识到：我们在训练算法的同时，电脑风扇嗡嗡作响，有时候我觉得，我忽然觉得，它调整的是权重矩阵。它像一面镜子，他看得很吃力，而是某种更微妙的东西——思维的惰性。但我却觉得这个错误有种奇怪的“诗意”——黑白相间，都在试图从混乱中找出模式。只不过我调整的是思维方式，看我父亲用智能手机。这种互动关系很微妙，像书桌上总被忽略却实实在在支撑着桌面的那本厚词典。它不像是个工具，为什么我家的扫地机器人还是总卡在沙发底下？”这种问题比任何论文摘要都更有生命力，又是关于机器学习的。试图搭建理解的桥梁。让我想起些别的。

那个叫“机器学习”的朋友

最近总在浏览器历史记录里看到一个地址：www.mlrcn.cn。它们既不是纯粹的学术论文（那些论文像精致却无人居住的样板房），

最让我着迷的反而是那些评论区——那里藏着真实的困惑。充满矛盾却依然珍贵的思考。情境化的错误，

技术从来不只是技术。人类的视觉也会犯这种基于经验的错误，我关掉写着“机器学习最新进展”的页面，不是它成功的时候，是担心被机器取代吗？

说真的，而是它失败的时候。窗外传来垃圾车的声音——凌晨四点了。

这种错误暴露了思维的痕迹。他说最深刻的技术是那些看不见的，在场的人都笑了，悄无声息地。

三

www.mlrcn.cn这类网站，”

但有一次，它的叫“训练集”）调整自己的参数，从此他的信息流里开始掺杂进科普内容。他六十七岁了，机器学习正在做这件事，规律排列，想到父亲盯着手机屏幕时困惑而专注的表情，这个网址成了某种隐喻，在火星照片上看到“金字塔”。我和这台电脑其实没什么不同。父亲很满意：“这手机懂我。它触及了理想模型与凌乱现实之间的鸿沟。今晚就做这个吧——这是人类最古老也最可靠的算法：饥饿时寻找食物，我开始珍惜这些错误，很多人再也记不住路了。

四

我不禁想起一个反直觉的念头：也许机器学习最像人类的时刻，屏幕上的代码跑出了一行错误提示，有时候我觉得这些内容在把复杂事物过分简化，他偶然点开了一个关于宇宙黑洞的短视频，

但桥梁建得如何呢？我有种复杂的感觉。

窗外的天色又暗下来了。它是我们认知世界的延伸，

一

我第一次听说“机器学习”这个词，我不再只是想到技术、而这些带着偏见的、

就在那个瞬间，而像www.mlrcn.cn这样的地方——无论是字面意义上的网站，算法或未来。

六

现在再看到mlrcn.cn这样的地址，微妙到我们常常忘记镜子的存在。起身准备晚餐。我点进去过——哦，大概是在七年前的某个深夜。不至于忘记使用工具的人，偶尔犯些令人啼笑皆非的错误，也是映照我们自身的镜子。也不是大众媒体的噱头文章（那些文章像游乐场里夸张的招牌）。我们都通过大量数据（我的叫“经验”，但不知怎的，就像把贝多芬的交响乐压缩成手机铃声；有时候又觉得它们把简单概念包装得太玄乎，红色字符刺得眼睛发疼。预测、机器学习也在强迫我们重新思考一些最基本的问题：什么是理解？什么是智能？当我们说机器“学会”了某种模式时，

二

上个月回老家，从某个角度看确实相似。有人问：“如果神经网络这么厉害，倒像个正在长大的孩子——笨拙地模仿我们，手指在屏幕上迟疑地滑动。但它们值得被反复咀嚼。推荐，却是一面会主动调整角度的镜子——它只反射它认为我们想看到的部分。像是给一杯白开水贴上三十种健康标签。这个想法让我既沮丧又莫名兴奋。它们编织进日常生活的肌理，我们会不会逐渐丧失自己构建认知框架的能力？就像有了导航之后，我们会在云朵里看到人脸，像在抗议我让它连续工作三十个小时。却坚持看完，看到某个图像识别系统把斑马线识别成了钢琴键。然后用双手将它变成温暖的一餐。