AI看起來有這麼多應用，
但是真正應該深入思考的問題是什麼？
到底所在的領域有可能會用到嗎？

來自Coursera的課程How Google does Machine Learning，
其中一個章節Framing an ML problem提及，
目前各領域可能的應用：

如果你有一個機器學習的問題，
可以思考以下問題：
(1) 你想預測什麼？
(2) 你需要什麼資料？

想像一下軟體問題，
(3) 預測的時候，需要什麼API？
(4) 誰會需要這個服務？他們現在怎麼做？

思考一下資料問題，預測資料的動作，
包含蒐集、分析、預測、反應等。
(5) 我們需要分析什麼資料？
(6) 我們要預測什麼資料？
(7) 我們對這些資料該如何反應？

以下不專業分享個人想法，
如果你有一個機器學習的問題，
(1) 你想預測什麼？
Uber Eat最佳路徑預測
(2) 你需要什麼資料？
交通流資訊、天氣資訊、路段資訊等

想像一下軟體問題，
(3) 預測的時候，需要什麼API？
需要串接「交通局即時路況API」、「氣象局氣象開放平台API」、「Uber Movement路段行駛時間API」來取得資料
(4) 誰會需要這個服務？他們現在怎麼做？
Uber Eat司機，在Uber早期，使用了一系列路徑引擎的組合（包括OSRM）來做ETA。

思考一下資料問題，預測資料的動作，
包含蒐集、分析、預測、反應等。
(5) 我們需要分析什麼資料？
「路段資訊、交通流資訊」可以先分析各週路段的平均行駛時間，
「天氣資訊」可以先分析未來一周可能的降雨機率。

(6) 我們要預測什麼資料？
預測某A點到B點的平均行駛時間，需要區分尖峰和離峰時段。

(7) 我們對這些資料該如何反應？
可以選擇最佳路徑行走，但是可能還需要考慮一些bias，例如遊行、路障等。

以上，打完收工。