柯洁落泪的那个下午，我正坐在深圳南山一家咖啡馆的角落，盯着手机屏幕发呆。窗外是灰蒙蒙的天，远处腾讯大厦的玻璃幕墙反射着毫无温度的光。朋友圈从上午的调侃、惊叹，到下午彻底变成了一片死寂的恐慌。那种恐慌很熟悉，就像三年前第一次意识到SEO流量红利消失时一样，但这次更冷，冷到骨头里。
我今年三十二岁。三十二岁，一个靠写if-else规则匹配脚本、搞站群、玩流量闭环活下来的“独狼”。就在上周，我还因为用Python爬虫加规则引擎，自动生成了几百个地方门户的“本地新闻”，看着谷歌统计后台那根微微上扬的曲线沾沾自喜。我觉得自己抓住了时代的尾巴，用一点小聪明撬动了一点小流量，能养活自己，甚至有点骄傲。
柯洁的眼泪，把这点骄傲砸得粉碎。
那不是输棋的眼泪。那是人类在某个维度上，被彻底宣告“此路不通”的绝望。我们曾经以为围棋是最后的堡垒，是艺术，是直觉，是玄而又玄的“棋感”。现在呢？AlphaGo根本不在乎你的棋感，它用我们无法理解的“价值网络”和“策略网络”，在另一个维度上降维打击。它下的不是我们认知里的围棋。它只是在解一道我们看不见的数学题。
那我写的那些东西算什么？
我打开电脑，看着自己最近写的一个“智能”客服应答脚本。核心逻辑是关键词匹配，一层套一层的if-elif-else，复杂得像一团乱麻的毛线球。用户说“价格”，我就回复价格表；用户说“售后”，我就弹流程图。我花了两个星期，为可能出现的几百种问法设计了分支。我管这叫“产品逻辑”，管这叫“用户体验优化”。
在深度学习面前，这堆东西就是一堆精心搭建的沙堡。一个经过足够数据训练的简单神经网络，就能在几秒钟内，用我完全看不懂的权重和偏置，做出比我这几百行规则更灵活、更准确的判断。它不靠规则，靠的是从海量对话里“学”到的概率。我的经验，我对用户心理那点可怜的揣摩，在那种暴力又优雅的“概率云”面前，不堪一击。
这才是最让人恐惧的。不是机器替代体力劳动，而是它开始替代“经验”，替代“直觉”，替代我们这些所谓知识工作者赖以生存的、那些模糊的、难以言传的“判断”。如果下围棋的直觉可以被算法量化并超越，那么产品经理对需求的“感觉”，对交互的“理解”，对用户的“共情”，是不是迟早也会被拆解成一串串数字？
奇点临近。这个词以前觉得是科幻。现在觉得是悬在头顶的、正在缓缓落下的铡刀。结构性失业，以前觉得是工厂流水线上的事。现在，它顺着网线爬过来了，第一个瞄准的就是我们这些半吊子程序员、这些野路子产品经理。
我们怎么办？
继续深耕if-else吗？把规则引擎写到一万行？那不过是把沙堡垒得更高一点，海浪该来还是会来。转头去学TensorFlow，啃那些天书一样的数学公式？我翻开一页论文，满眼的梯度下降、反向传播，像在看另一种语言的咒语。三十多岁了，还有那个脑力和时间去重造根基吗？
恐慌之后，是一种更深的无力。你清楚地看到一列名为“范式转移”的火车轰鸣而来，你知道自己站在旧站台上，手里的旧车票已经作废。但你不知道新站台在哪里，甚至不知道该怎么迈开腿跑。
咖啡馆的灯亮了起来，窗外彻底黑了。屏幕上的代码还在，那些if、elif、else的彩色字符，曾经是我安全感的来源，现在看起来像一场即将过时的、拙劣的模仿秀。
柯洁哭了。
我们呢？
我们连哭的资格都没有。我们只是还没被摆上擂台，但擂台下的我们，已经听到了那遥远的、机器运转的轰鸣声。
该做点什么。必须做点什么。哪怕只是……先搞清楚，深度学习到底是个什么鬼。
