阳台上那盆薄荷差点死了

去年夏天我搬进这间出租屋，前任租客留下一盆薄荷，蔫在阳台角落。我随手浇了几天水，它又活过来，叶子绿得发亮。后来我出差一周，回来时土已经干裂，薄荷垂着头，像被抽掉了骨头。我把它搬进屋里，对着手机上的光照传感器读数调整位置，又买了个几十块钱的自动滴灌器。一周后新芽冒出来，我才意识到自己刚才干了什么：用一套极简陋的物联网设备，救活了一盆十块钱的植物。

那盆薄荷让我开始留意身边那些不起眼的技术。滴灌器里没什么高深东西，一个定时器、一节电池、一根细管。可它替我做了一个判断：土干了就该浇水。这个判断原来在我脑子里，现在被挪进了一个塑料壳子。类似的事每天都在发生。手机根据我走路的速度切换基站，外卖平台算好骑手到店的时间再派单，地图软件在绿灯变红之前就告诉我还有几秒。这些判断原本需要人盯着，现在被拆成信号、阈值和动作，塞进芯片里。

技术往前走的每一步，几乎都在做同一件事：把人的某个判断变成机器能执行的规则。早年的自动洗衣机只知道定时搅动，现在的机器能称重量、测浑浊度、选水位。差别不在电机，在传感器和算法。传感器负责看，算法负责想，电机负责做。三样东西凑齐，一台机器就替人守住了一个环节。工厂里的机械臂、田里的无人机、医院里的影像辅助诊断，拆开看都是这个结构。判断被切得越细，机器能接手的环节就越多。

可判断一旦交给机器，标准就得提前定死。薄荷该多久浇一次水？我设的是每天早晚各三十秒。这个数是我拍的，不是薄荷说的。机器执行得一丝不苟，但它不知道那几天阴天蒸发慢，也不知道我换了更大的花盆。它只管按时放水。技术把模糊的经验变成精确的参数，代价是丢掉了经验里那些说不清的部分。老花农捏一把土就知道该不该浇，这个动作没法写成代码。机器能学会阈值，学不会手感。

所以真正难的地方不在硬件。传感器便宜了，芯片快了，电池耐用了，这些都在稳步变好。难的是把人的判断翻译成机器能懂的规则，还得翻译得不太走样。自动驾驶吵了这么多年，核心分歧就在这儿：路上那些模棱两可的情况，到底该怎么写成规则。一个人开车，看见前车刹车灯亮了一下又灭，会松油门备着。这个“备着”怎么写？写多少毫秒的延迟？技术越往深处走，越要面对这类翻译问题。翻译得好，机器就像个老手。翻译得糙，机器就是个只会背手册的新人。

我那盆薄荷后来长得太疯，剪了好几茬。滴灌器还在用，但我隔几天会手动浇一次，顺便看看叶子背面有没有虫。机器管定时，人管意外。这个分工目前还算稳当。阳台外面，送外卖的电动车从楼下过，骑手手机里响着平台规划的路线。他大概也在跟算法分工，算法管最短路径，他管哪个路口实际能过去。两套判断叠在一起，事情才办得成。技术没打算替掉谁，它只是把人的判断拆开，拿走它能拿的那部分。剩下的还得人自己盯着。