Day 2：讓 AI 賣水果之前，先讓它了解店裡的狀況

昨天分享了這個系列的想法：讓 AI 在模擬的水果店裡，學習決定售價與採收量。

今天想接著聊一個更基本的問題。如果要請 AI 幫忙做決定，我們應該先告訴它哪些事情？

就像請一個人幫忙顧店，如果沒有告訴他還剩多少水果、哪些快過期，他也很難決定今天要補多少貨。AI 同樣需要這些資訊。

先知道還有多少水果，以及放了多久

最容易想到的資訊，就是庫存。

假設店裡還有 10 公斤芒果，光看這個數字，其實還不夠。如果這些芒果都剛採收，和大部分今天就要到保存期限，適合的做法可能很不一樣。

快到期的水果比較多時，我們可能會考慮降價，也可能先少採一點，避免新的水果一直進來，舊的卻賣不完。

所以在 Fruit_RL 裡，我會把不同存放天數的水果分開記錄，讓 AI 看見庫存的組成。這裡用的是模擬中的存放天數，沒有透過照片判斷水果成熟度。

對我來說，這個例子很能說明資訊的重要性。同樣是「還有 10 公斤」，補上放了多久，才比較能理解眼前的問題。

再看看今天的條件

除了庫存，今天有多少水果可以採收，也會影響決定。就算想多採一些，仍然會受到當天可採收量的限制。

我也把季節、星期和天氣放進模擬裡。不同水果有不同的產季，而天氣在這個模型中，也會影響供給與需求。

這些關係目前都是程式中的設定。例如，模型可以設定雨天的需求較少，但這不代表每間水果店在雨天都一定賣得比較差。要套用到真實經營，仍然需要用實際資料確認。

我希望先把這些條件整理清楚，再觀察 AI 會不會隨著情況改變選擇。

昨天賣得怎麼樣，也值得參考

如果昨天採了很多，最後卻沒賣完，今天可能就要重新考慮採收量。如果昨天很早就缺貨，也可能代表準備的數量不夠。

因此，專案也會提供前一天的售價、需求、銷售和缺貨紀錄，以及最近幾天的平均需求，作為決策的參考。

這裡有個容易忽略的小地方：賣出去的數量，不一定等於客人原本想買的數量。

例如，客人總共想買 15 公斤，但店裡只有 10 公斤，最後的銷量就只有 10 公斤。如果只看銷量，可能會以為準備 10 公斤就夠了。

在模擬中，程式能記錄需求與缺貨；真實店家則未必知道所有沒買到的需求。這也是之後解讀實驗時，需要記得的一個差別。

把眼前資訊整理成 AI 看得懂的樣子

前面提到的庫存、天氣和過去紀錄，整理後交給 AI 的資訊，在這個專案裡稱為「觀察」，英文是 Observation。

可以把它想成每天開店前的一份簡單紀錄，告訴 AI 現在的狀況。程式會把這些內容轉成數字，再交給模型處理。

但這份紀錄不會包含今天最後賣了多少，因為做決定的時候，今天的營業還沒結束。如果先把結果告訴 AI，就像先給答案再考試，很難知道它真正學到了什麼。

今天想分享的重點是：在訓練 AI 之前，先想清楚它需要知道什麼，以及做決定時真的能知道什麼。