大成鋼公司的貨櫃智慧堆疊專案進到尾聲，但是也開始挑戰到一些極限案例！他們開始拿那些用人為方式堆疊到極為緊密聰明的案例，來考驗比較我的AI程式了！面對老師傅很聰明直覺的合理選擇，他們會拍照片給我看，證明實際上就是擠得進去。類似下圖就是一個塞得好滿的照片：

我不能只是抄答案直接模仿師傅堆疊的實際結果，我必須找到合理的通則寫成程式，最終我的規畫結果也必須不能用多於師傅使用的貨櫃數目！就是真的跟聰明有經驗的人腦PK了啦！最近的幾次這種難題都會讓我花個兩三天才能解決，就是我原來的堆疊邏輯必須更精確更智慧的進一步整合，甚至逼我發現了一些隱蔽的BUG！

譬如上例我原來的程式會剛好無法放進右上角的最後一個貨物，雖然空間剛好還可以塞得進去，但是我之前的程式會死腦筋的認為底部支撐不足，就說塞不進去了！只是卡在一個貨物裝不下，就必須硬生生加一個貨櫃來裝，我就輸給老師傅了！但是一般人都會覺得塞得進去，也不會放不穩掉下來啊！因為已經靠著右邊牆壁，根本就卡住了，這樣擺貨物很穩定好不好？

但是常識與直覺無法準確地幫我寫出程式，我必須找出直覺的物理基礎，好加在我是師大物理系的高材生！這就是靜力學的問題！如果沒有右牆壁支撐，這個貨物當然會倒下來，因為貨物的重心在底部支撐範圍的右邊，但是如果貨物右緣已經貼緊，或極度接近牆壁時，貨物往右倒的力量，被牆壁的反作用力撐住，貨物就不會倒了！還比只靠底部支撐的貨物更穩定！不會左右滑了嘛！

好玩吧！我認為的合理AI就應該是這樣發展出來的！一般我們學理化科學時的考試或練習題目，都是抽樣性抽象的讓我們學會某些獨立的原理，但是真實世界的物理現象，隨便一個都比物理系的考題更複雜更全面，多數人的「智慧」其實都大致可以處理那些問題，但是要變成可以精準運作的軟體呢？就必須這樣使用精確的科學原理解析原因，數學化並寫成程式。

囫圇吞的，以機率統計為基礎的那些AI，只適合在沒有辦法用已知科學原理解析的問題時才有價值，那是用猜的！只能期待它們在無計可施的問題上，能做到雖不中亦不遠矣！但是大部分的現實AI需求，都是需要極高精度與效能的！所以我預期以機率統計為主要核心基礎的AI技術終究會泡沫化！

就拿上面的例子來說好了，如果單純使用隨機排列組合，要多大的運算量才能踹出老師傅程度的最佳解？1000項大小形狀長寬高不同的貨物，要裝入約10個貨櫃，還要考慮各種貨物的能否疊壓？排列緊密度？限重限高限寬？能否改用小貨櫃裝某些貨物？等等。可能使用人工規劃、堆疊、出貨到大洋彼岸時，電腦還在計算中！還做不出如人工堆疊的最佳解！即使可以做到，你會不會覺得太浪費電腦資源？耗電太多太不環保？你家是錢太多嗎？用我的方式做的AI，這種規劃時間都是秒殺的！

所以到底是：科學→AI的距離比較近？還是：統計→AI的距離比較近？大家自己想想吧！研發AI絕對是可以完全不用ML、DL或CNN的！這就是我日常工作的實況！我天天在研發生產銷售AI軟體，公司活得好好的！但是從來沒用過那些碗糕！日子過得更好！我估計如果我想依賴ML等技術，公司應該早就負債累累倒閉，我也在跑路中，而非營業中了！