引進來台的自動化小巴，到底AI在哪裡？經過拆解，發現它的人工智慧架構，一共有四層。
最底層的第四層，是基本的車輛運動管理，包括車輛加減速、停止、轉彎等。好像大腦去控制人的雙腳要往哪裡走，跑多快。
往上的第三層決策層與第二層感知層，則是小巴主掌著像人們走路時使用的所有感官知識，如用眼睛看前面是否有行人？在台北、高雄的試行，就是為了訓練這兩層的AI。
試行時，讓車子上的光學雷達當眼睛，去「看」這條路上360度的所有空間，每分每秒送回雲端上的大腦，以便記憶走過的路。進而用演算法，逐一辨別哪些是路上偶然出現的事物，例如路人、單車。至於一直都會遇到的東西，例如電線桿，則會讓演算法輸入。研判出天天走這條路，最好的行車捷徑與停靠點。
至於隨機出現的路人、來車，有另一套辦法來因應。人類駕駛意識到意外發生時，從看見到踩下煞車一般需要0.6～0.8秒，而小巴搭配充足的感測器監控360度的動態，毫無死角。反應的時間也是以毫秒（千分之一秒）計算，其實比起人類駕駛反應更可靠、更快，不太需要擔心。
試行不斷學習 可應用長照
但真的會讓小巴背後電腦，覺得有挑戰的是：掉在車窗前的是無害的樹葉？還是車？得讓電腦一直看，知道哪個有害、哪個沒害，需要時間培養。若沒培養好，小巴遇到每件事都煞車。
最上面第一層的管理層，則包括了車隊管理、車聯網、大數據分析、票務、隨選叫車等。此部分仍發展階段，也是台灣新創團隊或政府，未來可合作的地方。
例如，可以發展類似Uber的叫車服務，讓偏鄉獨居老人，只要App一叫，小巴就到，還可以在車上推薦生活商品等。
