首先说下对于真实世界的ai ，分类两种： 
A  ：是面对工厂的某些活动， 如果今后的ai机器人做这些事情，它面对的画面，看到的东西应该都是  “固定死的” ，就是总是那些 工具，产品，而且连位置都是固定死的。 
B： 是类似于特斯拉自动驾驶那种或者更加高级的在自然环境，而不是工厂里的ai机器人 ，这些ai 机器人，看到的东西 绝对不是固定死的，必须考虑总是有它从来没见过的 东西或者活动出现。 
对于ai来说 ： B 的难度对于 A 不是强了一点半点。 
如果要做到B ，首先应该基本能完美做到A， 而A 的最高难度之一，就是 打游戏。   ai 摄像头看电脑屏幕， ai 手臂和手指控制真的鼠标， 而游戏里的道具\人物\技能\甚至是combo  基本是固定死的，有限的。   如果 AI 并不能完美的做到 玩游戏。基本不可能让AI 进入A ，就是真实人类的环境，不然太危险了。它不知道会作出什么...