字體:小 中 大 | |
|
|
2017/12/08 15:49:55瀏覽823|回應0|推薦4 | |
資訊業界常常出現新名詞,譬如較早的雲端,前幾年瘋3D列印,近期瘋AI等等。內容都說得好像可以顛覆世界一般驚悚,挾帶的商機也大到鋪天蓋地,但是講得人多半講得模糊,多數人想跟上風潮都不知道如何跟法?最後大風吹過,世界真的有不小的變化,也真的有些人賺到大錢,但是台灣的多數人仍然沒有甚麼好康,薪資繼續保持低迷。 以我比較熟悉的影像辨識來說,也是一樣,應該有十幾年了吧?學界早就認定影像技術會是未來的新寵,我當教授時,常常要自己填寫「學術專長」,只要沾得上一點邊的教授都會盡量加上「影像處理」或「機器視覺」這類時髦的項目,所有沾得到邊的大學科系研究所也都會努力開出影像辨識的課程。但是最後就像每一個資訊相關學系都開了程式設計課,市場上依舊急缺真正能寫程式的人才! 為什麼?我覺得都是因為大家都想太多,想太遠,可以具體真的作到作好的事情反而都不屑一顧!其實至少以資訊技術面的角度,重點不是你「懂不懂」影像辨識?或者你修過多少影像相關的課?知道多少演算法?而是:「你到底會辨識甚麼東西?」是車牌?人臉?指紋?還是虹膜?只要有任何一種有用的辨識你可以從頭作到尾,作出一個勉強可以達到商業化水準的軟體,你就已經能在市場上立足了! 以我的親身經驗,我一開始教程式設計時,就直接想著:學生畢業後上班時,老闆會要他們作些甚麼事情?一個美食地圖APP?一個購物車模組?一個公司薪資管理程式?當然項目多到不可勝數,我也不可能都教完,但是可以選些最熱門常作的工作,我自己先試著作出來,整理清楚就變成我的教材,學生學過小畫家單元,就確定以後必要時真的可以作出一個小畫家軟體! 與其空泛的上很多課,但都只是概念與準備的階段,沒有一件具體的工作學生真的有辦法跑完全程。那還不如目光如豆,視野小一點,學會那麼三五項特定常用軟體的作法,你就可以變成市場的即戰力了!上班第一件小事就會作,其他不太會的在職位上慢慢學嘛! 我想影像辨識也是一樣的!不聚焦說清楚,到底要辨識甚麼東西?就開始很「廣泛」的學習相關知識,不但不會「打好基礎」,還會越學越糊塗,還越學越沒信心,最後一定會得到一個結論:「此事太難,非我能力所及!算了吧?」 為何忽然有此感想?其實是我正在指導一位徒弟基本的辨識流程,即將進入某個重要的程序,會用到Flood Fill演算法,我以前是因為研究卡關需要用到,聽某位前輩口述原理之後就自己寫出相關程式,也沒看過書上過課的。現在網路教學的資源那麼多,這種東西又是比較抽象的數學,我就開始找網路資源想給徒弟參考。 __ 足足看了一個小時的各式網頁與教學影片,我覺得我越來越「不懂」這個演算法了!而且我預期:如果根本沒用過這種演算法作過應用的人,鐵定會覺得這簡直是天書,那些講課的老師一定是外星人,才會講得這麼頭頭是道!連我這種已經用這些演算法作出軟體在賣的人都越聽越糊塗! 原因主要是這個演算法用途其實很多,多數應用是用於路徑搜尋,但是我的目的是用它定義目標範圍,網路教材或任何沒有特定應用目的的教材,一定是甚麼都講,還偏重路徑搜尋的應用,但都不會直達到終點,讓學生看到很具體的應用實例結果,所以都是半套,聽不太懂就算了,還沒看到實作結果,信心度更低!簡單說,就是被老師與教材嚇到不敢玩下去了! 反之,已經被我教到出師,可以自己作專案的RD,我之前教她時,一點困難都沒有!幾張示意圖隨便筆畫一下,她就都懂了,也會寫程式了!並不是我教得很「清楚完整」;相反的!是我教得十分「粗糙簡略」,我只是說:「我們需要作這件事,如果用這樣這樣的程序就可以找出空間上連續的目標…」 講太多其實當下也用不到的東西,就會讓學生覺得演算法很難,讓人很挫折!我們的教育就是這樣,總是能讓大家都對於研發工作裹足不前,自以為很笨,必須等著台清交成畢業的碩士博士才能作研究,但是他們其實也一樣不太敢「亂」研究!只敢保守的繼續作前人曾經作過的類似事情,那些真的不叫研究。 所以千萬別問我:作影像辨識該打好甚麼基礎?該先讀甚麼書?學好那些演算法?除非你存心想嚇唬自己?你只要先想好要做甚麼的目標,一步一步的找方法去湊答案,作不好看不懂再臨時去學,這樣其實最快能夠學會能夠入門!英文說法是:Just in time! 會作這種建議,難怪我教授當不下去,我簡直是在消滅影像辨識教授這項工作嘛? |
|
( 心情隨筆|工作職場 ) |