我修正一下有關 ai的說法：泡沫化的應該是 強調 ai 的使用者體驗相關的應用。
這類ai應用轉換成現金的應用過少，因為 siri、google助理算很猛的ai應用了，但除了一開始像玩玩具一樣覺得很有意思外，真的會用他們來做事的人有多少？我寧願自己打字google比較快也不會 "嘿 siri，幫我查一下xxx" 因為下一步我還是得去點手機。且沒有語音助理，我們還是會買iphone、pixel3，所以也可以說這麼強大的ai應用看來也不是銷售的關鍵。或換個方向：想像今天iphone不配帶 siri 可以讓售價少1萬，應該90%用戶會毫不考慮的選擇，這表示 ai 沒顯示出商業上的價值。
二是 ai的軟硬體方面不足，硬體就像提到的 input data的問題，尤其是影像方面，讀進來的資訊難標準化，看了一下face id的原理，依然是圖像方式抓人臉，再用紅外線抓深度。我手邊是沒有iphone x以上的機種，下次我有機器試試如果一半臉照強光是否還能辨識？假設人臉辨識這個算是圖像辨識中最成熟的技術之一，為何我們在機場人臉辨識前，還是得先刷護照？
軟體方面則是ai的許多公式都是純數學理論，我認為真的能理解的人不多，若不能真的理解，怎麼優化呢？雖然各大公司投入數億元來研究 ai 相關題目，但提出劃時代的數學式難度可能比我們期望的還要難：畢達哥拉斯花一輩子才想出個畢氏定理、愛因斯坦花一輩子想了一個 e=mc2，連最夯的深度學習都還是50年前的類神經網路，若不是純學術的環境，大筆投錢的公司有可能讓一個研究員研究30~40年而對公司完全沒有收入貢獻嗎？果然可以看到大部分國內外論文就是套用過去的方法加上調參數做出漂亮的實驗結果 。這點會造成技術難以突破。
食 (1)