如下圖是某一個貨櫃的裝載規劃圖，客戶告訴我那些D字開頭的貨物都是實心的鐵條！一定要放在最底層，除了它們自己的同類之外，任何其他貨物都不能放在它們底下，不然就會有被壓壞的風險！所以啦！它們會被安排最優先入櫃，當然是盡量塞到貨櫃最裡面的最下層囉！

如前的幾張各視角圖，可以看出此貨櫃中的鐵條貨物們被鋪成一塊小台地了！接下來當然就是開始擺放其他的貨物了，但是這些箱子可沒先跟鐵條長度商量好，所以最後面的那個箱子就變得像是懸空了！現實上，這樣擺下去就表示箱子會傾斜，更後面的箱子位置計算也都不會正確了！

那怎麼辦？如果你是那位在現場指揮裝載的老師傅(資深員工)，發現這個問題時，你會怎麼作？如果是我，就會希望底下這一片鋼鐵台地整個往後移動一小段距離，剛好可以承接住其上所有箱子的重心點！所謂的懸空會傾斜，就是箱子的重心跑出支撐基礎之外了嘛！

這是一個簡單的物理靜力學的問題，不難計算應該移動多少的！如果是在現場裝載過程中嘗試錯誤的話，此時就是要把箱子全部卸下來移動鐵條了！但我這是數值模擬，我可以等「錯誤」的懸空裝載都完成後，再計算偏差值，基本上就是鐵條必須後移到可以接住側視圖中那個紅框箱子的重心(中點)位置啦！

因為是虛擬的影像，我當然不必擔心整個貨櫃重裝一次會很麻煩，只要改程式，讓哪那些鐵條物件的影像後移一個距離即可，合理的規劃結果就是這樣了：

很好玩吧！把這種工作當作傳統的科學來思考規劃，努力將老師傅的常識直覺或判斷邏輯用程式寫出來，也不過就是國高中程度的物理與幾何學而已，不是甚麼複雜到人腦無法處理的事情！當然也就不需要跳過精確的科學原理，使用巨量資料去統計歸納出最佳的規劃方式了！

大家可以試想一下：如果你堅持用機器學習或類神經網路運算，你要怎麼設計這個AI軟體呢？絕對是吃力又不討好的！只有白癡才會努力嘗試這麼作！誰說沒有ML或CNN就不是AI的呢？九成的AI問題都不適用ML與CNN，這才是真正的AI研發的現實！

所以我的AI理念是：你的腦袋會怎麼想？我就努力用軟體模擬出來！我根本不相信有甚麼神奇的演算法，可以超越人類現有的智慧，或「演算」出接近人類既有的智慧！但這正是目前以機器學習與類神經網路掛帥的所謂AI科技信奉的圭臬！

ML學派的信徒，相信他們的黑盒子可以自己算出跟人一樣好的「智慧」？但是其實他們根本沒有把握，實際成功率也極低！而採用我的AI信念與做法則幾乎是百發百中！而且運算速度還非常快！我沒有嘗試錯誤左踹又踹的壞習慣嘛！一下子就到定位了！幾百項貨物分裝到數個貨櫃，不用一秒就搞定了！機器學習？太笨了！等他們學會，我就已經飛到月球了！