我的貨櫃裝載研究最近加入的變數是：我可以自由選擇大(40尺)與小(20尺)貨櫃，並假設大小貨櫃寬高一樣，小貨櫃的長度與價格都是大貨櫃的一半，所以原本需要三個大貨櫃的貨物，如果可以擠進兩大一小，或是少於六個小貨櫃，就是替客戶省到錢了！

我事先沒想到的是：貨櫃越短，長貨物可以調整的空間就越少。譬如有些貨物是12尺長，可以在40尺貨櫃中放成三層(12x3=36<40)，但是在20呎貨櫃內就只能放一層(12x2=24>20)，所以一個大貨櫃可以放得下的貨物，如果堅持改用小貨櫃，就會變成需要三個貨櫃，那不就是賠錢了？

我真的不夠聰明，所以一開始的設計是「盡量使用便宜的小貨櫃」，結果發現常出現的狀況是：原本只需三四個大貨櫃的貨物，全部改用小貨櫃後貨櫃數目變成大於原本貨櫃數X2？就是只需要三四個大貨櫃的貨物，裝成小貨櫃居然需要十幾個？也就是越堅持用小貨櫃反而越花錢？分析測試規劃結果之後才領悟到「貨櫃越大越有規劃彈性」的這個事實！

我最終的目標是告訴客戶：幾大幾小的配置是最省錢的方案！當我知道上述的科學事實之後，我知道了答案一定只可能是：「X個大貨櫃」或「X-1個大貨櫃與1個小貨櫃」！這兩種答案之一！我嘗試使用多個小貨櫃嘗試裝載，根本是浪費時間而已！因為大貨櫃的裝載必然比較有空間使用上的效率，所以最佳答案中一定不會有兩小貨櫃，或以上的可能性！

我應該做的是先盡量使用大貨櫃嘗試裝載，如果X個大貨櫃可以裝得完貨物，我再嘗試將其中一個貨櫃變成小貨櫃裝裝看？如果也裝得下就賺到了！如果裝不下，我將其他大貨櫃的貨物打散用多個小貨櫃去裝，絕對不會更有效率的！所以最新的裝載嘗試流程就變成如上設計了！又快又好又合理！

目前流行的AI概念就是機器學習，假設如上我的研究心得可以藉由大量資料的嘗試錯誤中讓電腦「學會」？自動產生跟我的研究一樣聰明的軟體當然很好，但是你認為有可能嗎？等而下之的策略就是「遍歷」所有可能的大小貨櫃組合，每次規畫都要經過數十次的排列組合，找到我只用兩三次嘗試裝載就可以找到的最佳解答！那不是耗能耗電傷害地球嗎？

所以相信機器學習有神力的人應該冷靜下來仔細思考了！是像我這樣直指核心解決問題比較快？還是使用大量資料與大量計算之後，讓「機器」學習到一樣的邏輯脈絡比較快？AI其實用不用都可以過日子的！如果要用，就是希望可以節省資源提升效率，絕對不應該反而莫明其妙浪費更多電腦資源的！以此例來說，我只用一秒半就搞定了最佳規劃！兩大一小最棒！你可以用機器學習的概念玩玩看，我明年會去問你結果怎麼樣？希望你有進展！