阳台上那盆薄荷，和它背后看不见的算法

出租屋的阳台朝北，常年见不到直射光。去年春天我买了一盆薄荷，放在洗衣机旁边的塑料凳上。卖家说这东西好活，给水就行。我照做了，每周浇两次，可叶子还是越长越小，茎秆细得像缝衣针。后来我下载了一个测光照的手机应用，把摄像头贴在叶片上，读数显示这里全天光照强度不到八百勒克斯。这个数字对我没什么意义，但它让我意识到，那盆薄荷的困境可以被拆解成光谱、时长、湿度这些可测量的参数。

我花几十块钱买了一个小型的LED补光灯，夹在晾衣架上，每天定时开六个小时。薄荷开始疯长，两周内抽出十几片新叶。这件事本来到此为止，无非是阳台种菜的一点小经验。但那个测光应用让我想起另一件事：我手机里还有七八个传感器，加速度计、陀螺仪、磁力计、气压计，它们每时每刻都在采集数据，只是大多数时候我根本不知道它们在做什么。科技最日常的样子，就是这种沉默的在场。

补光灯的定时功能依赖一个几块钱的微控制器，里面烧录的程序简单到只有几十行代码。可就是这几十行代码，决定了一株植物能不能在阴暗的角落里活下去。我们通常把“科技”想象成芯片、火箭、大模型，但真正改变生活纹理的，往往是这些低成本的、可以随手买到的控制模块。它们把原来需要经验判断的事情，变成了一个可以设定、可以复制、可以远程调整的流程。一个不会种花的人，靠着定时器和光谱灯，也能让一盆薄荷活得像在温室里一样。

再往深处想一步，那盆薄荷的生长数据如果被持续记录，光照、温度、土壤湿度、叶片颜色变化，就会形成一个小型的时间序列。算法可以从这些数据里找出规律：哪一种光照周期下叶片展开最快，哪一次浇水之后根系的吸收效率最高。这跟工厂里预测设备故障、医院里监测病人体征，用的是同一套逻辑。数据本身没有意义，但足够多的数据加上合适的模型，就能把模糊的“感觉”替换成清晰的“预测”。科技在这个层面上做的事情，是给混沌的现实建立坐标。

不过，坐标一旦建立，人就会不自觉地依赖它。我现在浇水之前会先看一眼应用里的湿度读数，而不是用手指去摸土壤。这当然更精确，但也让我失去了那种直接接触带来的判断力。科技提供了便利，同时也重新分配了人的注意力。我们省下了摸索的时间，却可能对眼前那盆植物的真实状态越来越陌生。这不是什么深刻的矛盾，只是每一次工具迭代都会伴随的微小代价。那个补光灯让薄荷活了下来，但活下来的薄荷和我之间，隔了一层屏幕。

薄荷最后长得太密，我剪了几枝插在水里，送给了隔壁屋的室友。她拿回去放在窗台上，没有补光灯，也没有测光应用，只是每天换水。一周后她告诉我，根须冒出来了。我看了看自己手机里那些光照曲线和湿度图表，忽然觉得科技给出的答案很清晰，但生活给出的答案有时候更简单。阳台上的那盆薄荷还在长，补光灯每天照常亮六个小时，我没有关掉它。只是偶尔会想起，在没有这些工具之前，人们也种活过很多东西。