食堂最后一勺菜的算法

中午十二点四十，我在大学食堂三楼卖红烧肉的窗口前排队。前面只剩三个人，不锈钢盆里也只剩最后几块肉和半勺浓稠的汤汁。打菜阿姨握着长柄勺，在盆底刮了两下，把最后那点肉末和汤汁扣进我前面那个男生的餐盘里。他端着盘子走了，我的餐盘空着，阿姨冲我摊了摊手。那一刻我忽然想到，如果食堂的备餐系统能精确预测到十二点四十一分还会有一个人想吃红烧肉，我是不是就不用白排这五分钟的队。

食堂每天倒掉的剩菜，比我们想象的多得多。有学生做过粗略统计，一个万人规模的大学，午餐时段各窗口倒掉的饭菜加起来能装满好几辆餐厨垃圾车。问题出在备餐环节：师傅凭经验炒菜，看哪个菜快卖完了就赶紧补一锅，但补多少、什么时候补，全凭手感。手感有时候准，有时候不准，不准的时候就产生两种结果，要么菜不够卖，要么菜剩下来。科技在这里能做的事情其实很朴素，就是把“手感”换成数据。

现在已经有公司在做食堂的智能备餐系统。原理不复杂：把校园卡刷卡记录、天气数据、课程表、甚至考试安排都接进来，用模型预测每个窗口在每个时段的客流量和菜品需求。比如周三上午有体育课，那帮学生下课冲向食堂的时间会比平时早十分钟，而且偏好高热量菜品。再比如下雨天，来食堂的人会变少，但每个人打的菜会变多。这些变量单独看没什么，叠在一起就能把预测误差压到很小的范围。

后厨也在变。有的食堂装上了智能炒菜机，不是那种全自动的大家伙，而是一个能精确控制油温和翻炒时间的滚筒。师傅把切好的肉倒进去，机器按照预设曲线加热，到时间自动倒出来。这样做的好处是每一锅红烧肉的味道都一样，不会因为师傅今天心情不好就咸了或者淡了。更关键的是，机器会记录每一锅用了多少肉、多少酱油、多少糖，这些数据回流到备餐系统里，让下一餐的采购单更准确。

餐盘回收处也在收集数据。有的学校在收盘子的传送带上装了摄像头，用图像识别判断哪些菜剩得多、哪些菜被吃得干净。这些信息比问卷调查真实得多，学生嘴上说“都还行”，盘子里剩下的全是炒西葫芦。食堂根据这些数据调整菜谱，把不受欢迎的菜换掉，或者换个做法。比如把西葫芦擦成丝烙成饼，剩菜率就降下来了。数据不会撒谎，它只是安静地记录每一勺菜的去向。

我后来再去那个窗口，发现阿姨的打菜动作变了。她面前多了一个小屏幕，上面显示着当前时段这个菜已经卖出了多少份、还剩多少时间。她不再凭感觉补菜，而是按照屏幕提示，在合适的时候通知后厨炒下一锅。那天我十二点四十二分到窗口，红烧肉还有小半盆。我端着餐盘找座位的时候想，科技没有让红烧肉变得更好吃，它只是让那最后一勺菜，等到了该等的人。