上个月本学期第一次讨论班结束，原计划让学生叫外卖来当晚餐的，负责组织的学生说大家想去外面吃火锅。我想也行，便同意了，让他们自行处理，于是便有了头上贴着“退烧贴”的一组火锅饭局图。

最近放开了，我偶尔也会一家出门下馆子。观察了下，现在餐饮业还是有了些许变化。火锅店多了，烤肉烤鱼各种烧烤的店多了，牛蛙店也多了，还有遍地的饮料店。这些店不少还是连锁店。

而以前那些菜式需要精炒的店子占比却少了不少。窄看上去，似乎餐饮行业正在向易于流水线作业的模式逐渐转变。

究其原因，也不难理解。与精炒的菜式相比，火锅店、烤肉烤鱼和饮料店都极大降低了对厨师做菜水平的要求，基本功也不需要太扎实，只要把食材处理干净，其它操作要么像火锅店、烤肉店那样交给顾客，要么按固定配比即可完成。

好处也是明显的，尤其在当下偏好以评分来选择吃饭地方的时代。毕竟，通过固定配比获得的口味，稳定性要好得多，也因此容易在各大吃饭相关的APP上形成高分，方便广告优先推荐，马太效应也会引来更多的客源。

同时，这种流水线的运营模式也能吸引更多餐饮业主继续沿这一模式开店、开连锁店。毕竟学习成本低，易于上手，可复现能力强，赢利方便，也符合现代人生活短平快的节奏。只要把餐厅内的服务做得足够周到，环境装饰得更舒适，就行了。而外卖的话，保证到达的时间也够了。

但是，它是否真的保有了传统做菜方式的灵魂呢？是否会把那些曾经舌尖上的美味变成稀有品或淘汰呢？

有可能，因为资本是逐利的，它会更倾向于选择前者，而淘汰不那么赢利甚至无法大规模且稳定赢利的舌尖上的美食。所以，一旦资本入场，有的时候美食也不是人想选就有得选的。你可能只能从资本偏好的美食中进行选择了。以至于有人说，这其实是餐饮业的劣币驱逐良币。

事实上，人工智能近年来的发展何尝不是如此呢？

虽然不是餐饮业，但人工智能却也在走着餐饮业类似的发展路线。

自2012年以来，随着深度学习的崛起，人工智能方向的研究已经逐渐同质化。大家都开始认识到深度模型、数据和算力的重要性。近10年来，多数的尝试和突破都是在这三个面上进行发力的。要么把模型做深，要么对数据进行真实和虚拟的扩增，要么把硬件环境做得足够强大，电力消耗惊人也在所不惜。

不仅如此，深度学习端到端的设计理念，也起到了拉平效应和同化效应的作用。拉平就是厨师之间的水平差异不明显了。一级厨师在这个时代没有明显的优势。人工智能科研人员的情况也类似。因为很多模型的代码或配方都是公开的，大家要研究点新模型，只需要模块化的小修小改就行了，主要的时间消耗在模型的调参优化上，而不是钻研相对困难的基础理论上。

同化则是不太容易区分餐饮业之间的差异。烤鱼、烤肉、火锅、牛蛙，虽然食材上、制作工艺上有所区别，但大的道理似乎差不多，都是近成品的食材加上相对成熟的流水线作业模式。人工智能也是，只是能与人工智能沾得上边的，各个行业都可以套在人工智能的大框架下来做相应的工作。交通监控、人脸识别、电力系统控制、无人驾驶，诸如此类。这些均可以视为不同背景的“食材”或数据，引入可以流水线作业的深度模型，再根据行业特色稍做调整。重点是后期的服务要做好，才有利于成果转化和实际应用。

因为门槛降低，利润却不少，所以，乐意从事这个行业的人变多了。于是就像餐饮业一样，这十余年来，在人工智能发表的论文数飞速地攀升，落地的人工智能企业也如雨后春笋般涌出。

然而，也不难发现，在流水线作业的背后，越来越少见那些有灵魂的，需要慢工出细活的菜品了。哪怕是个水煮活鱼，有的时候连服务员也不太推荐，因为蒸鱼的时间太长，有可能会影响桌子的轮转率。对人工智能也是，如果一个问题需要的理论基础太深，解决问题的难度过大时，相关的科研人员有可能就直接跳过。优先级往往会偏向容易变现的科研方向或应用。

实际上，人工智能这种挑肥捡瘦的现象也不是现在就有了。早在1973年，Brooks在其《没有表示的智能》中就指出过。他认为，自人工智能研究开始，人工智能科研人员就始终偏好做容易变现、落地的研究，而对困难问题往往选择性地忽视。比如智能的基础是感知，在没有出现自然语言或认知之前，就有了只依赖于感知的智能体。那么，跳过感知，去研究认知，并不一定符合人工智能的发展规律。“计算机之父”“人工智能之父”图灵在其1950年的文章中也指出过，人工智能的研究有两条路线，一条是从抽象出发，一条是像父母带小孩一样的。但到底哪条路线能给人类带来真正的智能，是需要谨慎思考的。

而最近ChatGPT，GPT-4的进展似乎也让人们再次看到了强人工智能、通用人工智能的希望。从其表现出来的对话性能来看，确确实实，它们让人感觉已经有点接近人的智能和思考模式的味道了。但事实上，这仍然是弱人工智能，即看起来像。要做到强人工智能，可能就好比飞机与鸟一样。目前，依赖于算法、大数据、算力的人工智能是在造飞机。但要设计出鸟，也许需要换条全新的路线。

造飞机，对资本来说，这无疑是件好事，因为可以看到非常明显的落地和赢利模式。但资本的介入，有可能会像餐饮业一样，最终会把真正有灵魂的“厨师”给淘汰或淹没掉。极端情况下，有可能连通向真正强人工智能的通道和绝技都失传了。

而对于希望从事人工智能行业的学生来说，到底是否该选择这种流水线作业的模式进行研究，却很难把握。因为，一个人的人生是有限的，作为硕士研究生或博士研究生攻坚科学问题的时间更是短暂，不过是三到五年。在已经能看到前景的方向上，做点能快速找到成就感的创新研究也无可厚非。但是，如果这一方向或路线最终被证明想到达终极真理是行不通的话，有可能就没有机会完成转型了。

尤其是0到1 的科研创新，并非是0.6到1那样，简单增加些或嫁接些新内容就行了。有的时候需要的可能是几代人的努力，甚至有可能完全不清楚中间进程的意义在哪里。但这些有灵魂的“厨师”，我们同样需要给他们留些空间，不让他们被资本的逐利性淘汰了。