※ 引述《AirCondition (MJ<<<冷气)》之铭言：
: 往环北方向的普通车，
: 广播三重站的时间点，
: 竟然刚好设定在进入大弯的时间，
: 出大弯之前就讲完了，
: 在人潮众多很吵杂的状态更不清楚，
既然有人提到这个，我一直很想把我思考中的概念写出来了。
为何台湾的这些旅客资讯系统的设计厂商没想过导入ai来解决这种问题？
目前的广播系统，不论是公共汽车、台铁甚至捷运，他们的逻辑都还是传统的古典制约，
基本上称不上所谓的智慧，因为他们无法依据实际情形自己调整，
不管是抓感应器触发、算秒数、抓gps等等，他们的运作逻辑还是刺激与反应。
而我想的东西就是导入人工智能，今年的AlphaGo对战人类围棋高手，相信大家还超有印象，
这显示出ai算法+大数据的威力，
用到广播系统上，目前的方式存在着一个问题，那就是车速会影响广播的时间点，
速度太快的话，不管是算秒数还是碰感应器，速度越快广播结束后的预留时间越短，
因此当速度加快的时候应该要往提前播报的方向调整，但目前的机制都是死的
无法根据速度调整，这时候若导入ai应该可以改善。
因为电脑最擅长收集大量数据分析，AlphaGo能打败人类就是因为它具有自己学习的能力，
简单说只要写好算法，然后电脑就会自己训练下棋的技巧，下越多次就越强大。
如果广播结束后须要预留时间这个命题是正确的话，那就表示我们要在速度加快要提早，
速度减慢的时候因为避免广播结束后预留太久旅客会忘记，所以不能跟快的时候一样。
若能写好这样的智慧算法，然后让电脑自己去收集每天的车速数据自己调整广播时间，
就能确保广播时间点可以非常完美，
因为机器可以学习，所以调整到最后会比人类驾驶更能抓时机点，
基本上以现在的ai实力连人类的经验值都不用给了，只要给基本规则。
拿AlphaGo为例子，google在后来发展从零开始的新版AlphaGo只要交给电脑
围棋的规则就好，剩下让电脑自己训练。
因此到后来只要交给电脑广播长度的数据以及要预留多久时间，剩下的它就能从过往营运
的车速纪录中自己优化自己，只要确保软件有正常在执行就够了。
这样可以确保不管车速多快，一定都可以在最适当的时间广播，旅客可以有时间准备下车，
试着想想如果广播结束后就开门，或著是广播结束后还有30秒才开门，
哪种情况对旅客比较友善？
个人认为是后者，因为听到广播需要时间给大脑反应，有些旅客可能刚从睡梦中醒来，
如果讲完就开启车门了，那对旅客来说会多赶可想而知。
等于说根本来不及收东西就要匆匆忙忙下车，甚至等回过神来车门已经关上要往下一站了。
所以不要认为广播播完就好，有没有预留时间其实影响还不小。
小弟非资讯科系毕业，但希望以我对ai的粗浅了解写出的这篇文章大家看得懂，
台湾的软件实力不差，写这种弱人工智能在实力上应该没那么困难。
其实人工智能已经用在我们生活上了，例如android系统的google app，
大家应该都会发现开启google app的时候会出现一些新闻或资讯等网页，
其实这就是google收集我们每天的搜寻纪录，再透过算法算出那些我们可能会有兴趣，
最后推到你我手机上的结果。
甚至有些洗衣机可以因为使用者的使用习惯而自动调整洗衣服的时间，让衣服不会洗过
头，
这些其实都是人工智能的一种用途，未来的ai应用领域还会更广。