如上的貨櫃裝載專案，我做得差不多了！使用的研發時間大約一個月多一點，運算的程式碼大約是五六百行的VB程式，裡面完全沒有用到任何現在大家熱炒的ML、DL或CNN等等數學，當然也沒用到任何商業AI模組，更不需要甚麼AI專用程式語言Python的加持？我真的就是這樣工作賺錢的！而且總是賓主盡歡！

此專案的形式與目的都是非常典型的AI實務需求！但我就是真的一點都沒用到現在大家說的所謂的「AI技術」？我可以清楚地跟大家報告我用到的所有邏輯與演算法如下：

1.    所有貨物依照寬度排序，同寬度的再依照重量排序，建立所有貨物入櫃裝載的基礎優先次序。為什麼要以寬度優先呢？東西擺平，大的先放在下層，這樣比較穩嘛！普通人都知道的！

2.    每個貨物進入任何貨櫃時就會改變該貨櫃的地平線與總重量，我會隨時掌握這些資訊做下一決策的參考。

3.     每個貨物要裝載前，會逐一評估可以裝到任何貨櫃的可行性！如果可以，還要確實計算評估決定它裝進此貨櫃的最佳位置，基本上是找可以裝在最低載重的貨櫃！正如高中生要選讀哪一間大學的哪個系一樣！每個可能的選項(分數夠得上的學校)都要有具體的評估數據。

4.    依據各個貨櫃的載重與空間，以及每一貨物可行的裝載位置，我的AI程式決定了某貨物要裝進某貨櫃之後，就據此更新該貨櫃的整體資訊，地平線與總載重都不一樣了！

5.    如果發現既有設定的總貨櫃數無法裝完所有貨物，就增加一個貨櫃重作以上2-4步驟的運算，直到可以裝完為止！

如果還有需要補充的細節，就是步驟3還會考慮：貨物擺在「地平線」上時的底部支撐是否足夠？不能讓貨物重心不穩垮下來！如貨物315必須有2/3的底部支撐才會讓它那麼放！還有就是在既有的貨物堆疊中，看看是不是有空隙可以塞？如上圖的貨物343就找到空隙了！可以塞進空隙時，當然就不必一定要往上堆疊，這是一般人都知道的常識，如何做到的數學設計？卻花了我兩三個工作天！

我的日常工作就是寫程式實現這些你我都知道的的邏輯常識！絕對不是只會收集巨量資料「訓練」電腦學會如何有效做好這些事情！那種工作方式的成本效益實在太低了！做個一年半年都無法做得比我現在的成果好的！所以我可以順利按時結案收錢，堅持ML的公司就會不堪虧損倒閉了！

我真的就只是用這些一般人都可以想到(做到)的簡單邏輯，細心把他們寫成程式，我就做到可以比之前熟練員工的規畫更快更好的程度，事實上已經達到總載重限制的上限了！所以你用再厲害的ML、DL或CNN都不可能比我的規畫更好了！委託我的大成鋼公司，絕對不必另找AI公司來提升我的研發效益了！除非他們的AI技術可以讓全宇宙共通的基本物理定律(質量不滅)失效？

由此可知，我不是天才，只是認真讀過書，數學概念OK，程式技術及格的普通人！但是AI產業需要我，我也做得很好！真正務實的AI研究(從業)者都知道，也天天面對的現實，就是實用的AI技術根本不是他們講的那樣！只要提到AI就必然是ML、DL或CNN等等？錯了！錯得離譜了！它們(ML、DL或CNN)其實跟所有幾百年來的科學家開發出來的各種演算法技術差不多重要而已！

現實就是：面對AI問題時，如果你的思考作法因此受限，你就無法在這個產業存活了！興沖沖以為只要擁抱了ML等技術，就可以靠著AI的招牌賺錢的新創公司就死定了！好好準備負債跑路吧！即使你熟知ML、DL、Python，也買了所有昂貴的AI模組，甚至AI主機？一樣死定了！而且這些所謂AI技術的投資越大，你就死得越快！

我接受了嚴謹的科學訓練，從讀師大物理系開始，幾十年來的理念一直都未改變！事出必有因，物理或地科的研究都必須清楚知道現有事實的成因，知道之後也才能準確地建立理論邏輯，規劃面對未知狀況時，才能知道應該怎麼作才會最好？

即使我們仍然無法掌握所有細節，但是「盡量掌握」已知，始終是我們信奉的圭臬！但ML的信徒們不是這麼想的！總是想將大量資料套用到機率統計模式來解決問題，以為只要資料夠多用ML模式「訓練」一下，完美的AI解決方案就出爐了？這種做法與想法其實離現實很遠很遠！所以只要有公平PK的機會，我每次做一樣的事情，都可以完勝那些吹噓AI技術很棒的公司！

當然每一個問題與狀況都不能一概而論！我想表達的也正是這一點！確實有「一小部分」的AI問題很適用ML為基礎的技術來解決！但是「大部分」的問題，尤其是影像辨識或如上的裝載經驗邏輯，以傳統科學的角度來做(研發)，一定會更快更省時間經費地得到最好的結果！現在他們炒作的所謂AI技術，其實只是科學知識不足，無計可施時的「補救」措施而已！

95%以上的AI需求根本不必，也不適用ML等等AI技術來解決！這個鐵的事實各位讀者大眾你們知道嗎？我是以AI需求謀生的公司，已經創業七年屹立不搖了！你是願意相信我的說法？還是相信那些根本沒有業界經驗的AI大師們的空話大話呢？你想找死，就別怪我沒警告過你！