2012年我在一家叫做 A.O.Smith 的百年热水器老厂实习，做软件工程师，主要工作是参与一款最新燃气热水器的软件设计。
那时我才知道原来燃气热水器不像电热水器，没有巨大的储水桶，不需要提前几个小时开机，随时都可以按照想要的温度放出热水。
它的原理很简单：通过燃气点火，水通过一段管道被加热到指定的温度，然后出水。加热管道下面是几排火口，我所做的工作，就是设计程序控制到底开几排火。
常规操作是，如果进水温度低，要求出水温度高，则多开几排，反之就少开几排。
非常规操作是，刚开始加热时管道温度低、水温低，火需要比较大才能快速达到温度。但是火比较大就容易加热过头，导致一开始的水很烫，再慢慢降温。所以，在水温即将到达目标温度时，就需要提前减少火力。
更非常规操作是，如果用户不小心突然把出水量减小（龙头被碰到了），此时火力不变，就会把少的水加热到非常烫，引发事故。
当时，我们采用的算法是模糊控制，英文单词是 Fuzzy。现在你依然可以常在洗衣机、热水器、燃气灶等家用电器上看到这个英文标识。
我本科不是学计算机的，所以对算法的理解会更加主观。我觉得所谓的模糊算法或是神经网络，给人的感觉就是：提前把要走的路都走一遍，这样真正遇到问题时，就知道怎么解了。
就像模糊算法教科书上写的：“就像人骑自行车，或是倒水一样，我们不会精确计算轮胎倾斜的角度和水杯里究竟有多少水，但我们总能凭感觉及时调整方向或者在水杯快满时慢慢减速。”
所以很多问题我们并不需要知道每一步的精确解法，只要把握住开始和结束等关键节点就好。
这才是符合人类思维的解决问题的方式。
回到燃气热水器的案例，我们在实验室里不同极限情况全部模拟一遍，把几个关键节点的解法提前确定，然后中间的过程就插值处理，就可以得到整个过程的解。
工作之后，接触了很多的算法和项目，有商品推荐，有内容匹配，也有人的聚合。但给我的那种感觉都没有变过，关键节点可能是商品成交与否，可能是内容标签与用户是否匹配，也可能是人的属性是否一致。
所有的人工智能本质都是“映射”，是解法与问题之间的关联。无非，人们让计算机通过抽象和降维，把中间的过程给补上罢了。
2015年我读研究生时在校创业，做的是外卖业务。和饿了么不同，我们想主打校园带饭 —— 去食堂帮朋友带饭，去后街帮舍友带夜宵。
用户可以发布需求想吃什么，用户也可以接单去帮他带然后拿钱，同时商家的店铺里还会有一块显示屏告诉现场等餐的人，可以帮谁顺便把东西带回去赚点外快。
项目本身倒不算重要，反正后来是失败了。但给我上印象最深的一课的，是做这件事的过程。
我们当时做了财务模型，估算了不同距离带饭的奖金要给多少，也估算了各种成本，看每天达到多少单量可以盈利。甚至我们几个学生，很早就确定了“股份”。
我们计划从安卓做起，分为普通用户端、骑手端和商家端三个 App，项目冷启动的时间大概是半年。
嗯，不出意外，一个 App 都没有上线，我们就已经黄了。
