屏幕上不是代码，是一串不断变化的曲线。
损失值一点点下降，又在某个位置停住。日志一行一行刷新，像在记录一种看不见的过程。
程越盯着屏幕，没有动。
他三十四岁，AI研究人员。
这个领域听起来很前沿，甚至带着一点未来感。但他的大部分时间，其实是在和“不稳定”打交道。
“它不总是按你想的来。”他说。
他最早接触人工智能，是在大学。
那时候，他觉得很直接——数据、模型、训练，只要把这些组合好，就能得到结果。第一次看到模型学会识别图像时，他有一种很明确的成就感。
后来问题变复杂了。
数据不干净，模型不收敛，结果不稳定。有时候改了一个参数，效果反而变差；有时候什么都没动，结果却波动很大。
他开始意识到，这不像传统工程。
“更像是在试探。”他说。
他的工作，不只是写代码。
还要读论文、设计实验、调参数、分析结果。很多时候，一天的工作结束，成果只是一点点变化，甚至只是排除了一个错误的方向。
“知道不行，也是进展。”他说。
他有过连续几周卡在同一个问题上的经历。
模型总是在某个阶段崩掉，找不到原因。他试过改结构，换数据，调整训练方式，都没有明显改善。
那段时间，他每天都在重复类似的尝试。
外人看不出来区别，他自己却能感到细微的变化。
直到有一天，他发现一个不起眼的细节——数据预处理里的一处偏差。
改完之后，模型开始稳定。
不是突然变好，而是慢慢回到可控的状态。
那一刻，他没有兴奋。
只是松了一口气。
“至少能继续了。”他说。
他的工作环境很安静。
实验室里，大多数人都在自己的屏幕前。有时候会讨论，但更多是各自推进。白板上写着一些公式和结构图，擦了又写。
他不太习惯太多打断。
一旦进入状态，他可以坐很久。时间在这种时候变得很快，也很模糊。
他的电脑里，有很多版本的模型。
不同参数、不同结构，每一个都对应一次尝试。有的成功，有的失败，但他都会保留一段时间。