算法与生命的对望

婴儿车里，一个孩子正睡得沉。他的睫毛随着呼吸微微颤动，一只手攥着被角，另一只手摊开向上。阳光透过遮阳篷的网眼落在他脸上，形成细碎的光斑。推车的人低头看了一眼手机，屏幕上的地图正实时更新着前方的路况。这个寻常的午后，两种截然不同的运行方式在同一空间里重叠：一个是碳基生命缓慢而混沌的成长，另一个是硅基芯片高效而精准的运算。

孩子睡醒后做的第一件事是伸手去抓头顶那片晃动的树叶影子。他分不清影子与实体的区别，也不知道这片影子来自路边一棵梧桐树。他只是在反复尝试中调整手的角度，直到指尖触到真实的叶尖。这种通过试错建立认知的过程，在实验室里被工程师们用另一种方式复现。他们给机械臂装上视觉传感器，让它反复抓取不同形状的积木。每一次失败的数据都被记录下来，用以修正下一轮动作的参数。两种学习都依赖反馈，只是速度相差千万倍。

推车继续往前走，经过一家便利店。玻璃门自动滑开，冷气涌出来。孩子扭头盯着那扇会自己动的门，嘴里发出含混的声音。他还不理解感应器、电机和传动带之间的关系，但他记住了这个现象：靠近，门就开。这个简单的因果链条，在他大脑里形成一条新的神经连接。而在城市的另一端，某个数据中心里，数百万条类似的因果链条正被压缩成权重矩阵，用于识别语音、预测交通、筛选简历。它们没有身体，却能同时存在于无数个门框里。

孩子饿了，开始哼唧。推车的人从包里取出一个保温袋，拧开盖子，舀出一勺米糊。温度恰好，不烫不凉。这背后是保温材料的热传导系数、米糊的比热容、环境温度的共同作用。没有人需要计算这些，但计算已经提前被做完了。同样，当孩子吮吸勺子时，他的唾液淀粉酶开始分解米糊中的淀粉，这个过程受基因编码的酶蛋白调控。基因本身是一套存储了三十亿年试错结果的算法，只是它用碱基对而非二进制来书写。

吃完后孩子把勺子扔到地上，发出清脆的响声。他笑了，又扔了一次。推车的人捡起来，递给他，他又扔。这个重复动作在成年人看来毫无意义，却是婴儿理解物理世界的方式：东西掉下去会响，会有人捡，捡回来还能再扔。而在某个机器人实验室里，一台机器正在重复类似的循环：抓取、移动、释放、检测结果、调整参数。工程师们希望它最终能学会叠衣服。孩子和机器都在做同一件事，通过重复缩小预测与现实的差距。

暮色渐浓，孩子又睡着了。推车的人收起手机，推车拐进小区。电梯门打开，楼层按钮亮起，轿厢平稳上升。孩子什么都不知道，他只是在睡梦中偶尔咂一下嘴。但那些围绕着他的技术系统仍在运行：空调维持着恒温，净水器过滤着管道里的水，路由器转发着数据包。它们安静地嵌入生活，像空气一样不被注意。孩子会长大，会学会使用它们，也会像所有人一样，渐渐忘记它们的存在。