最近听了几场关于人工智能在工业应用的报告，其中剑桥大学的Alexei Laptin教授的“机器学习用于合成化学”的课题十分有意思。听完一个多小时的报告，现场观众提问热情很高涨，而我提出的问题“请您列举一个人工智能和机器学习永远不能打败有经验的实验员的例子”，获得了观众的最高投票和最感兴趣的问题的头衔。

学术听上去总是遥不可及，然而工业4.0已经到来，人工智能已经入侵到传统工业的方方面面了。学术的魅力在于，不管理论听上去多么枯燥，总能在现实生活中找到有趣的类比。

这里，我仅以一个门外汉的视角，将最近学到的关于机器学习（Machine learning）的理论来具体化到生活中一项再普通不过的行为——做饭，科普一下大众。

我是一个很不喜欢做饭的人，并且我做饭的口味很不稳定，对油盐酱醋的用量更是没有把握。因此，我很希望有一台机器人可以帮我做饭，帮我炒菜煲汤下面条煮饺子，并且做出的味道都很合我的口味。

首先，这个机器人并不懂什么叫炒菜，它需要学习。所以，我要先告诉它，一般炒菜的基本步骤：洗菜切菜，开火放油，下锅翻炒，放各种调料，最后关火装盘。这个学习的方式不一定要我手把手教它，网上有很多现成的菜谱，我可以直接导入机器人的大脑中，让它分分钟了解中华几千年美食文化的精髓。

有了菜谱还远远不行，机器人并不知道我喜欢什么口味。于是，我要先让它做几道菜，品尝之后告诉它我喜不喜欢。首先我输入糖醋排骨的标准菜谱，于是机器人精准地按照配比严格称重排骨、水、糖、醋的用量，严格按照菜谱的火候和时间，做出一道色香味俱全的糖醋排骨。我一尝，不行，太甜。于是我告诉机器人，糖放多了。机器人默默拿小本子记下来，然后又炒了一遍，这次把糖的用量减少了三分之一。我又一尝，甜度不错，但是肉又咬不动。我生气地告诉机器人，排骨太老啦！机器人心平气和地再次在小本本上记下：煸炒时间太长。如此反复，在我尝到第八遍时，这道糖醋排骨不管是酸甜口味还是排骨肉的口感都无可挑剔。我满意地告诉机器人：嗯，这就是我要的口味。

当然，如果每道菜都要我品尝八遍，那这人工智能也就没有什么存在的价值了。好在机器人很聪明，在做糖醋排骨的过程中，它掌握了我对酸甜口味的要求，知道了所有类似糖醋菜的糖和醋的比例；它还掌握了我对所有排骨类菜品的口味要求，知道煸炒排骨到几分钟既不会太老又不会太生。所以，它炒出来的糖醋鱼也酸甜刚好，它做的椒盐排骨软硬也刚刚好。

当然，对于菜品的品尝，我给的反馈越多，机器人的炒菜模式就越精准，炒出的菜也越容易合我的口味。这就是机器学习的过程。数据量的大小决定了模型的准确性，输入的用于学习的数据越多，机器的演绎和预测的结果也越可靠。

光有学习还不够，人工智能的目标是用机器取代人类繁重的劳动，从而提高生产力。所以，机器人还要掌握洗菜、切菜、翻炒、颠勺、摆盘、洗碗、抹桌子等等一系列劳动。这从技术上也不难实现，只要给它连上水池洗菜盆、砧板菜刀、铁锅大勺、碗筷抹布、洗碗机等硬件模块，再编好程序就好了。

甚至，做饭机器人可以和大数据以及物流网整合，实现更加智能的做饭方式。它可以和生鲜超市外卖联网，我每天告诉它我想吃什么，机器人就可以从网络数据库中自动搜寻到相应菜品的原材料，然后在线下单购买合适量的蔬菜生鲜，通过快递自动送货上门。甚至在我不知道吃什么的时候，机器人可以通过云端客户大数据，告诉我今天什么瓜果蔬菜上市应季，最近哪种肉类价格便宜，周围的小伙伴都在吃什么，甚至通过生成随机数列自动帮我选择今天的菜谱……是不是很方便很省事？

更甚至，机器人还可以具备更加炫酷和人性化的功能，比如设计记录每天的菜谱、计算每餐的营养和热量，从而达到养生或者减肥监督；比如拍照上传社交媒体，记录共享亲朋好友的菜谱和口味；比如有专门为老人、儿童、孕妇等推荐的健康菜谱；比如为附近同样一个人做饭的单身小伙伴推荐共享菜谱，避免食材浪费……

以上这些通过机器学习和人工智能技术完全可行。而机器学习和人工智能除了做饭，还有许多更有价值更有意义的工业应用。科技使人进步，而科技的最终目的就是提升人们生活的幸福感。

所以，尽管我向Laptin教授提出了那样一个故意刁难的问题，我自知机器学习永远不能取代人类和经验。但是我也真诚地期待做饭机器人大规模商业化的那一天~