70%工種的機器人，就是吹牛的。
汽車只有離合器（有的自動檔還可以最佳化掉），檔位，油門，剎車，方向盤。
這麽幾個開關，但特斯拉搞了這麽多少年的無人機駕駛，投資了多少億美元，根本不行，出各種問題。
根據美國國家公路交通安全總署（NHTSA）的數據，在截至2022年5月的10個月中，使用該技術的車輛發生了近400起交通事故。特斯拉是發生事故最多的品牌。特斯拉搞的無人駕駛是發生事故最多的品牌。
在這些事故中，6人喪生，5人重傷，另有41人中度或輕度受傷。6名死者中有5人是在駕乘特斯拉電動汽車時發生的事故。特斯拉是全球電動汽車中銷量領先的品牌，其許多產品可以選裝自動駕駛功能包。汽車這幾個開關都玩不轉，不要說別的了。
實際上人工智慧並沒有大家想象的那麽先進，很多「先進」只是建立在大數據擬合基礎上，但並不能保證萬無一失，錯誤率小於人，如老司機有良好開車的習慣的人，可能開二十年車都不出事故，但無人駕駛會很難，碰運氣。
現在的很多人工智慧技術是基於深度摺積神經網路的影像辨識演算法，這個演算法在正確率達到了一定程度後，正確率提升很難，要不是過擬合（出了樣本數據集正確率會急劇下降），要不是花很多很多錢來人工擴充數據集，砸錢做大量的數據標定工程。而現實是千變萬化的，很多地方和場景是測試不到的，這樣導致人工智慧出現誤判，不像人一樣有推理思考能力。
如馬路上出來一個球，人可能想到是附加有人打來的，可能有小孩要避讓，而人工智慧不會有這些延伸的想法，只是想這個球只是一障礙物，避過它就行了，沒有必要做什麽小孩避讓，這就汲及到深層人腦推理功能，數據標定是做不出這些的，或者是極難做出這些，而現實世界數據和場景是指數爆炸的，很難全部覆蓋所有的場景，在機率上可能出現了巧合時就會導致人工智慧失靈。
這點不像圍棋AI，因為圍棋AI所有的規則是死的，電腦可以在計算中模擬對抗，可以電腦生產極多的樣本數據（遠超人類的學習樣本數量），這樣可以實作高機率擬合，而現實世界不行，很多東西沒有辦法模擬或是采購不到真實的數據樣本，這樣還是有極大的機率出現漏洞或bug，一旦出現，特別是一些重大領域，會產生很大的影響，導致人們對人工智慧的高度懷疑或不信任。
機器人理論上可以做到很靈活，但想達到人一樣的真正智慧，現在的演算法根本不行。反過來看如果人工智慧自動駕駛汽車，操作幾個開關都做不到，代替人根本是不可能的，漏洞太多，一旦出bug像是工業或是生產環境下會生產很大的負面影響或事故，都可能是要人命的。
現在人工智慧的演算法可能並沒有大家想象的好用，而圍棋AI因為電腦能生成大量數據給蓋住了真實環境下可能出現的數據樣本采集不夠問題，導致bug出現甚至是一種必然。或者說現在的人工智慧演算法，和很多普通老百姓理解的完全不一樣，用於有的地方可能還行，如人臉辨識，但很多生產環境下使用會有很大的問題。
