下午開始，花了整個下午在研究 n8n, Make 的一個月免費試用期快到了，Make 上有些功能如果過了試用期，不付費是不能使用的。所以要趕快把 Make 上的自動化工具全部改成由 n8n 來運作。
n8n 學習曲線稍高，但蠻好玩的，也因為學習曲線高，所以有更多發揮的空間。其實邏輯也不複雜，就只是要熟悉有哪些現有的節點可以串接。
應該再兩三天就可以把 n8n 掌握的差不多。
延續昨天內容，分享劉潤解讀的麥肯錫專欄。
昨天 AI 還在辦公室裡，還在電腦螢幕裡，今天分享內容是把 AI Agent 轉移到物理世界，主要談到機器人跟自動駕駛。
根據麥肯錫預測，機器人從後空翻進入到人類生活，可能比我們想像中的還要快。
機器人的硬體正準備進入硬體的摩爾定律，摩爾定律是說晶片上的晶體管數量，每 18 個月會多一倍，也就是以相同價格買的電子產品，每 18 個月性能會好一倍。
機器人的傳感器、關節電機、處理晶片，都正在往摩爾定律的方向發展。在不久的將來，工廠買一個機器人，比僱佣一個勞工的年薪還低時，機器人就會慢慢開始普及。
讓 AI 機器人走進現實世界並且能量產目前還有兩個關鍵技術。一是仿真訓練，真實世界訓練機器人又慢、又貴、又危險。所以現在的做法是再一個數位孿生的世界裡先訓練。
特斯拉也是這樣訓練自動駕駛的，號稱世界模擬器。很多場景現實世界可能碰不太到，但為了以防萬一跟考驗模型性能就得要訓練。例如在沒有紅綠燈的十字路口，你前面正橫穿一輛淡藍色的卡車，車身顏色幾乎跟天空顏色一樣，自動駕駛要怎麼判斷？
機器人走進現實的第二個關鍵技術是模塊化設計，把機器人的部件標準化，做的跟樂高積木一樣，將電機、齒輪、傳感器封裝在模組裡，很像我們組 PC 的主機板，有很多接口可以對接不同型號、品牌的產品。
自動駕駛不是未來，正發生在當下。Google 旗下的 Waymo 已經覆蓋了洛杉磯、舊金山等幾個城市
剛好上週我有朋友去美國玩，看到路上的 Waymo 拍照發 Line 給我，覺得新奇又詭異，沒有司機就在路上行駛，他的第一反應是感覺可怕，確實大部分人都會直覺認為，一台車完全沒人讓機器開很危險。
但現實數據是，根據 Waymo 7000 多萬英里的行駛記錄，導致的人員受傷或意外交通事故，比人類駕駛員低了 80%！
報告裡還提及，1980 年代的美國，80% 到 90% 的 18 歲年輕人擁有駕照，今天這個數字降到了 50%。所以自動駕駛其實是在接管一個越來越多人都不想做的事情。
如果自動駕駛普及，車輛買賣，市區停車會有很大的不同。市中心是否需要那麼多停車位？城市形態將會被重塑。
報告著重提及了美國的卡車貨運，年輕人不願入行導致缺工嚴重，而美國的高速公路駕駛環境相比世界上其他國家友善很多，如果貨運跟客運自動駕駛普及，商業運輸成本將會大幅下降，物流格局可能也會被重塑。
我想台灣如果貨運或客運，無人自動駕駛要普及，應該相對難一些，很多非常小條的市區道路，路上太多摩托車，自動駕駛在市區應該會一直處於龜速警戒狀態。
當 AI 進入物理世界，治理模式也要跟著大改。如果 AI 只是給一張圖片，一份 PPT，錯了手動改就好。但如果 AI 進入到現實世界，出錯的代價可能是生命，將來不及修改。
但如果用人審查 AI，那人為的層層審批將抹平 AI 帶來的效率，所以未來對 AI 的監控，一定是 AI 審查 AI。要把很多安全規則直接寫入系統的程式裡，變成 AI 運作的一部份。
今天繼續偷懶，搬運我看到的內容！
