我修正一下有关 ai的说法：泡沫化的应该是 强调 ai 的使用者体验相关的应用。
这类ai应用转换成现金的应用过少，因为 siri、google助理算很猛的ai应用了，但除了一开始像玩玩具一样觉得很有意思外，真的会用他们来做事的人有多少？我宁愿自己打字google比较快也不会 "嘿 siri，帮我查一下xxx" 因为下一步我还是得去点手机。且没有语音助理，我们还是会买iphone、pixel3，所以也可以说这么强大的ai应用看来也不是销售的关键。或换个方向：想像今天iphone不配带 siri 可以让售价少1万，应该90%用户会毫不考虑的选择，这表示 ai 没显示出商业上的价值。
 
二是 ai的软硬体方面不足，硬体就像提到的 input data的问题，尤其是影像方面，读进来的资讯难标准化，看了一下face id的原理，依然是图像方式抓人脸，再用红外线抓深度。我手边是没有iphone x以上的机种，下次我有机器试试如果一半脸照强光是否还能辨识？假设人脸辨识这个算是图像辨识中最成熟的技术之一，为何我们在机场人脸辨识前，还是得先刷护照？
软体方面则是ai的许多公式都是纯数学理论，我认为真的能理解的人不多，若不能真的理解，怎么优化呢？虽然各大公司投入数亿元来研究 ai 相关题目，但提出划时代的数学式难度可能比我们期望的还要难：毕达哥拉斯花一辈子才想出个毕氏定理、爱因斯坦花一辈子想了一个 e=mc2，连最夯的深度学习都还是50年前的类神经网路，若不是纯学术的环境，大笔投钱的公司有可能让一个研究员研究30~40年而对公司完全没有收入贡献吗？果然可以看到大部分国内外论文就是套用过去的方法加上调参数做出漂亮的实验结果 。这点会造成技术难以突破。
 
目前最强的分类器还是人的大脑：实在不需电脑告诉我，照片中的人是哭是笑、有几台车、他是谁？在发现实在没多大经济效益后，公司部门应该会停止ai的相关研发。例外是车用ai，因为跟人身安全有关的又需要即时反应的才显现ai的价值，装有能预判危险配件的车售价可以比一般车高，而且应该会有人买。
 
那上述提的都是跟 ux 有关的 ai，如果是专门为公司内”升级”的 ai：比如加速工厂产能(自动辨识生产线上的物品状态、或辅助员工自动处理突发状况等)，通常很成功，因为功能上有明确的目的性，而且增加公司的营收。
 
最后数据分析相关的 ai 为何那么红而且看来似乎有效？包括所说的投资策略，我觉得是因为从大量的数据中来做预测的这件事，本来就是一门研究多年的ai学科，它叫做"统计"。用"统计"两字去替代任何媒体报导中写的 "AI"及"大数据"，保证无违和。
相关文章