上面是今天與大成鋼公司開會討論貨櫃裝箱的AI規劃程式，要繼續加入的裝載限制條件，就是各種貨物互相堆疊時，必須考慮它們的重量與軟硬度等條件，非常實心沉重的鐵條當然只能放在最下層，很容易被壓扁的脆弱紙箱呢？當然只能放在最上層等等。

之前給大家看到我有如3D俄羅斯方塊的貨物堆疊展示，大家以為就很神奇厲害了嗎？事實上那只做了一半！考慮的條件「只有」貨物佔據的空間，與貨櫃裝載的限重，如果不能把以上的：能否堆疊擠壓的貨物性質考慮進去，等你運到目的地時，打開貨櫃就會看到一大堆貨物都被壓扁，甚至破碎不堪了！

其實大多數的AI廣告都是選擇性作秀的！把看起來很酷的某一個處理段落美美的秀出來給大家看，大家驚嘆之餘就不知不覺把口袋裡的錢掏出來了？最常看到的就是CNN很快速地鎖定目標，如車輛行人或人臉等等的！但是大家都沒注意到，其實那種表演距離達到最後目的AI應用目標還有一大段艱辛的路。

譬如說我最熟悉的車牌辨識，在街景中找到車牌(用矩形框出來)其實是比較容易的一個段落，但是如何將找到的因為視角偏斜而扭曲變形的車牌正規化扭正？再一一辨識裡面的每個字元？才是比較困難的部分，但是大家看到的CNN辨識表演都只有「找到車牌」！後面的程序就不太談了！因為它們做不出來嘛！或是根本做得效果遠遠不如傳統的OCR方法，所以就避重就輕啦！

在此讓大家知道負責任的AI不能只做半套的！除非你是拿國家的錢做研究的頂大教授啦！他們有特權可以只做片段的工作還是拿到高額全薪，我們都不行！我們業界的公司如果無法達到客戶的目標，真的做出實用的AI軟體，替客戶省到時間省到錢，就算是不及格，拿不到生意的！所以我一開始就知道，即使把超複雜的3D俄羅斯方塊做出來，也不算成功，還有得忙的！

從上面客戶開出的堆疊條件，也可以看出一些我們的難為之處，其實他們也是依據經驗，想到甚麼就寫甚麼？比較像一般沒受過碩博士訓練的人寫的白話文，我必須跟客戶的專家持續溝通，確實知道他們經驗與需求，把這些類似口述的條件敘述整理歸納，最後變成堆疊規劃過程中的程式條件式！這些條件也可能會有矛盾或模擬兩可的地方我要做了才會知道！

好消息是我在空間與重量的部分已經做好了很多確定有效的事情，這些新增條件是可以加蓋在之前基礎上的AI，預期不會讓我花很多的時間重頭做起，因為我不是用機器學習那一套模式嘛！他們每一次都企圖將所有條件整合為一個龐大的數學模式，不整個組好跑下去，就不知道會比較好還是更糟？充滿不確定性。

今天起跑，過幾天應該就會有明確的進展了！到目前為止，我每一次的研發進度都是超過客戶預期的！所以這幾周我搬辦公室事忙，他們根本沒給我壓力！我玩AI研發是從來不會意外卡關的！因為我不用機器學習嘛！如果用了就保證卡死！