人工智能在走着餐饮业类似的发展路线。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，我偶尔也会⼀家出⻔下馆⼦。观察了下，现在餐饮业还是有了些许变化。⽕锅店多了，烤⾁烤⻥各种烧烤的店多了，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、烤⾁烤⻥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，只要把⻝材处理⼲净，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，⻢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⻝。所以，⼀旦资本⼊场，有的时候美⻝也不是⼈想选就有得选的。你可能只能从资本偏好的美⻝中进⾏选择了。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。
烤⻥、烤⾁、⽕锅、⽜蛙，虽然⻝材上、制作⼯艺上有所区别，但⼤的道理似乎差不多，都是近成品的⻝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“⻝材”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。因为⻔槛降低，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⻜速地攀升，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，越来越少⻅那些有灵魂的，需要慢⼯出细活的菜品了。哪怕是个⽔煮活⻥，有的时候连服务员也不太推荐，因为蒸⻥的时间太⻓，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，可能就好⽐⻜机与⻦⼀样。⽬前，依赖于算法、⼤数据、算⼒的⼈⼯智能是在造⻜机。但要设计出⻦，也许需要换条全新的路线。
造⻜机，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。