上一章末尾的钩子：一件任务能不能被数据说清楚，是它能不能被 AI 咬走的第一道关。它最技术，也最根本——后面所有分界线都从这一条长出来。
先把话说死：AI 想接手一件事，前提是它能被表示成大量训练数据（喂给模型学的一对对例子，一头是输入、一头是对应的输出）。没有成对例子，它连从哪学起都不知道。
先倒下的，都是能摊成「输入→输出」的事
「插值机器」靠在见过的例子间连线取中间。它连得最顺的，就是能写成「给一个输入，就有一个公认输出」的事。看几个正在倒下的：
- 下棋：输入是当前局面（棋盘上每个子在哪），输出是「这一步走哪」。几百万局就是几千万对。
- 翻译：输入是原文，输出是译文。人类攒的双语对照就是现成的几亿对。
- 读片：输入是医学影像，输出是「这阴影是不是病灶」的标注。医生标了多少年，就有多少对。
这三件事表面上八竿子打不着，可在 AI 眼里是同一件事：都是一堆「输入配一个对的输出」。例子够多它就能插值——给个新局面、新句子、新片子，它在相似例子间取中间，交出像样答案。它们先倒下不是因为简单，而是数据化得干净。
它接不住的，是每次都「第一次」的事
把这条线翻过来就清楚了：凡是数据稀薄、或每次都「头一回遇到」的事，它够不着——因为没有可供插值的邻居。你问「5 岁孩子多高」它答得准，是因为 1 岁和 10 岁的点在两边杵着；可整片区域没点，往哪连？这类事有三种常见长相：
- 全新的问题：从没有先例的局面，比如一项刚出现的技术怎么定价。周围没例子，它只能硬着头皮外推，越推越飘。
- 稀有事件：几十年一遇的极端情况。正因罕见，历史上没攒下几个例子，一出事反而最不靠谱。
- 要现编规则的场景：不套用已有套路，而是当场造一套新玩法。例子里没有它，自然学不来。
一句话记牢：AI 强在「这种事我见过一万遍」，弱在「这种事人类也是头一回」。前者它插值，后者它抓瞎。
更狠的一刀：有些事，数据根本描述不了
你可能觉得，多攒点数据不就行了？但这里有个更深的区分：
「有没有数据」是一回事；「这件事能不能被数据描述干净」，是另一回事。
有些本事原则上就难以被例子完整写下来，它叫默会知识（也叫隐性知识，指「你会做，却说不清、也写不进例子」的那种本事）。
老师傅捏一把面就知道水放多了少了；老医生一进病房，说不上为什么就觉得这病人「不太对」；老司机在结冰弯道上那一脚，靠的是脚底的感觉。让他们把这套本事写成例子？写不出来——不是藏私，是它压根没在能被语言抓住的那层。哲学家波兰尼点得极准：
我们知道的，比我们能说出来的要多。
说不出来就喂不进去，模型就学不到。这不是数据「暂时不够」，是这类本事天生漏在数据的网眼外——比「例子少」更根本。
一个反直觉点：别看高级低级，看能不能数据化
这条线还能捅破一个流行的误会：人们下意识觉得越「高级、烧脑」的活机器越难碰。这个直觉反了。下棋在人类心里顶聪明，可数据化得干净，最先倒下。而叠衣服——三岁小孩都会——机器到今天都磕磕绊绊。因为衣服软趴趴、每次形状都不一样，抓哪个角、用多大劲全是说不清的手上感觉，是默会知识，喂不进例子。
所以真正的分界线从来不是「这活高不高级」，而是「能不能摊成大量可靠的输入→输出例子」。（体力活这条长尾为什么难缠，第十二章掰开。）换轴记牢：别问它聪不聪明，问它能不能被数据描述。
诚实一句：数据是可以被「造」出来的
但结论不能太干脆。前面说「没有现成例子它就够不着」，可有一种情况能翻盘：例子能被凭空造出来。
最有名的是 AlphaGo 的续作。它不再啃人类棋谱，而是让两个自己对着下，下出海量人类从没走过的局面——这叫自我对弈（机器自己跟自己反复较量，边下边攒新例子）。数据不够，就用模拟器现造。围棋能这么干，因为规则明确、胜负一算便知，造出的每局都带着「这步好不好」的可靠答案。
所以「有没有现成数据」不是终点。更苛刻的问题是：你能不能低成本造出数据，而且每一条都带着一个能判对错的信号？围棋能，因为输赢一目了然；可换成写文章、哄客户，什么叫「对」？谁来判？这就是下一条分界线——有没有对错信号。