本週想要聊的是這篇，Gecko Robotics。
經濟學讀久了，看到的東西大多偏向抽象一點的。抽象跟務實，有時候是相輔相成的，一端走到了極限，自然會尋求另一端的思考模式，來突破目前的困境。但兩者往往各自有非常多的專業知識，人類的有限時光其實很難完全學完，只能盡可能的讓減少學習成本，然後攝取必要的資訊。
我認為對於人類生命有所損害的事情，通常人們都會非常願意買單。你要說需求彈性小也好，剛性需求也好，市場痛點也好，總之產品做出來，就會有人說出：
我自己的觀察與期待，機器人市場的最終目標，應該還是Business to Clients ，但短期來說（In the short run, we are not all dead yet ），Business to Business應該是相對容易許多的。公司有非常明確的需求，每一個待解決的問題也都是直接與收入掛勾，這對於開發機器人的動機是非常具體的，而我自己期待的是，他們可以藉由這項產品，蒐集到足夠的資料來發展接下來的B2C市場。
不論是從最古早的統計學、資料科學、機器學習，到現在的AI發展，最重要的還是資料。任何形式的資料，或者說，現在已經是萬物皆可量化的時代，定義清楚你的目標，那什麼都可以是資料。
我的想像是，只要機器人能夠做的足夠小，那他們就能夠「爬」上人體，針對健康做必要的檢測，而需要爬上人體的原因，就是為了解決痛點。
舉個異想天開的例子，也需某些手術，由於位置處於某些無法輕易看到的深處，甚至是包在一些臟器的內部。但其實是有縫隙可以鑽的，那理論上就有個機器人能夠在開刀時鑽入縫隙做評估。
這也幾乎跟他們原本的業務很相似，唯一要處理的就是機器人的發展技術，還有掃描人體來提供足夠的資料來訓練機器人。
以上雖然純粹虎爛，但是回頭想想，從AlphaGo開始，哪次的AI發展不是比我的虎爛還要誇張的？
個人對於機器人的發展是非常期待的，不過接下來我也許該好好思考一下，每次科技進步都會突然跨過一些技術限制，變形成一個全新的東西，是否機器人也是一個能夠被跨過的階段？固定寫文章就有這個好處，一邊寫一邊整理自己的思維，每次寫到最後都會自己迸出很多原本沒想過的全新點子！
感謝收看，接下來我應該會多找一點AI相關的電子報來分享！
