我父亲修了一辈子手表。他靠指尖的触感辨认齿轮的咬合，听摆轮游丝的震颤判断故障。去年他退休，把工具盒交给我，里面是一排镊子和放大镜。我问他，现在智能手表都能测心率了，谁还修机械表？他擦着镜片说，总有人想知道时间是怎么来的，不只是现在几点。
机器学习的门槛正在被压平。开源的模型库、云端的算力租赁、拖拽式的训练界面，让一个高中生也能在周末搭出图像识别程序。可越是这样，我越常想起父亲的那个问题。当我们只关心输出结果是否准确，谁还会去追问那些参数背后的逻辑？去年某地暴雨，一套交通调度系统因为训练数据里没有内涝场景，把所有信号灯调成了红灯。工程师们连夜打补丁，但那天晚上整个城区堵了四个小时。
真正的麻烦不在于算得不够快，而在于我们越来越懒得解释。医疗影像AI能标出可疑结节，却说不清为什么那片阴影值得警惕。推荐算法推送的内容让人欲罢不能，可连设计它的团队都承认，他们无法预测下一次爆点会落在哪里。父亲修表时总念叨一句话：你拆开它，就要能装回去。现在很多系统能跑，但没人敢拆。
我见过最踏实的科技工作者，是一群做卫星轨道计算的老研究员。他们守着几十年前的公式，每天用望远镜实测数据去校准模型。有人问他们为什么不用现成的商业软件，领头的说，那些软件是黑箱子，万一某天授权断了，我们连自己的卫星都找不回来。他们办公室的窗台上摆着黄铜制的天球仪，刻度被磨得发亮。
科技不该是让人仰望的巨塔，倒像是父亲工作台上的那盏台灯。它得让人看得见灯罩里的钨丝，拧得动调节旋钮，知道哪里发热、哪里漏光。前阵子社区里搞智能垃圾分类箱，屏幕提示、语音播报、积分奖励一应俱全。可大爷大妈们最后还是把盖子撬开，直接扔进可回收桶。他们说，机器告诉我的分类结果，不如我自己的眼睛准。
最近我开始学修表了。拆坏了两块老上海表，第三块终于能重新走字。我把父亲留下的放大镜架在鼻梁上，看见擒纵叉在红宝石轴承里轻轻跳动。窗外霓虹灯的光晕穿过游丝，折射出细碎的彩虹。那一刻我想，算法再精妙，也替代不了人面对实物时的那种迟疑和判断。就像父亲说的，时间从来不是数字，是你亲手拧动发条时，掌心传来的那点阻力。
