※ 引述《AirCondition (MJ<<<冷氣)》之銘言：
: 往環北方向的普通車，
: 廣播三重站的時間點，
: 竟然剛好設定在進入大彎的時間，
: 出大彎之前就講完了，
: 在人潮眾多很吵雜的狀態更不清楚，
既然有人提到這個，我一直很想把我思考中的概念寫出來了。
為何台灣的這些旅客資訊系統的設計廠商沒想過導入ai來解決這種問題？
目前的廣播系統，不論是公車、台鐵甚至捷運，他們的邏輯都還是傳統的古典制約，
基本上稱不上所謂的智慧，因為他們無法依據實際情形自己調整，
不管是抓感應器觸發、算秒數、抓gps等等，他們的運作邏輯還是刺激與反應。
而我想的東西就是導入人工智慧，今年的AlphaGo對戰人類圍棋高手，相信大家還超有印象，
這顯示出ai演算法+大數據的威力，
用到廣播系統上，目前的方式存在著一個問題，那就是車速會影響廣播的時間點，
速度太快的話，不管是算秒數還是碰感應器，速度越快廣播結束後的預留時間越短，
因此當速度加快的時候應該要往提前播報的方向調整，但目前的機制都是死的
無法根據速度調整，這時候若導入ai應該可以改善。
因為電腦最擅長收集大量數據分析，AlphaGo能打敗人類就是因為它具有自己學習的能力，
簡單說只要寫好演算法，然後電腦就會自己訓練下棋的技巧，下越多次就越強大。
如果廣播結束後須要預留時間這個命題是正確的話，那就表示我們要在速度加快要提早，
速度減慢的時候因為避免廣播結束後預留太久旅客會忘記，所以不能跟快的時候一樣。
若能寫好這樣的智慧演算法，然後讓電腦自己去收集每天的車速數據自己調整廣播時間，
就能確保廣播時間點可以非常完美，
因為機器可以學習，所以調整到最後會比人類駕駛更能抓時機點，
基本上以現在的ai實力連人類的經驗值都不用給了，只要給基本規則。
拿AlphaGo為例子，google在後來發展從零開始的新版AlphaGo只要交給電腦
圍棋的規則就好，剩下讓電腦自己訓練。
因此到後來只要交給電腦廣播長度的數據以及要預留多久時間，剩下的它就能從過往營運
的車速紀錄中自己優化自己，只要確保軟體有正常在執行就夠了。
這樣可以確保不管車速多快，一定都可以在最適當的時間廣播，旅客可以有時間準備下車，
試著想想如果廣播結束後就開門，或著是廣播結束後還有30秒才開門，
哪種情況對旅客比較友善？
個人認為是後者，因為聽到廣播需要時間給大腦反應，有些旅客可能剛從睡夢中醒來，
如果講完就開啟車門了，那對旅客來說會多趕可想而知。
等於說根本來不及收東西就要匆匆忙忙下車，甚至等回過神來車門已經關上要往下一站了。
所以不要認為廣播播完就好，有沒有預留時間其實影響還不小。
小弟非資訊科系畢業，但希望以我對ai的粗淺了解寫出的這篇文章大家看得懂，
台灣的軟體實力不差，寫這種弱人工智慧在實力上應該沒那麼困難。
其實人工智慧已經用在我們生活上了，例如android系統的google app，
大家應該都會發現開啟google app的時候會出現一些新聞或資訊等網頁，
其實這就是google收集我們每天的搜尋紀錄，再透過演算法算出那些我們可能會有興趣，
最後推到你我手機上的結果。
甚至有些洗衣機可以因為使用者的使用習慣而自動調整洗衣服的時間，讓衣服不會洗過
頭，
這些其實都是人工智慧的一種用途，未來的ai應用領域還會更廣。