我現在比較知道為何多數車牌辨識廠商傾向賣整套的解決方案，還要到現場安裝了！事實是：車牌辨識系統的能力當然是有極限的！譬如我的標準版辨識核心是針對百萬畫素的影像，如果客戶硬是塞個千萬畫素的影像給它！或者影像模糊到人眼都難以辨識，但是客戶誤以為「車牌辨識系統」有超乎人類視覺的神力？這些認知落差實在難以用使用說明每個面向都說得清楚，即使你寫了完整的說明，使用者也未必有耐心細看。

我自己的標準是：只要眼睛看得清楚，我都會設法讓辨識成功！我的辨識核心經過幾年的調整進化，其實已經算是業界適應力最強的了！但是軟體賣出依舊常常會碰到客戶回應「無法辨識」，甚至程式當機的狀況！剛開始我會因此挫折感深重！但是現在我算是比較皮了，也比較有信心，這些狀況多半我可以用程式補足我的辨識死角，或提醒客戶操作或拍攝方式錯誤就能快速解決。

但是我最困擾的是：如果客戶不能給我發生錯誤的實況，譬如會出錯的照片或影片，我就很難診斷除錯了！我的程式就擺在眼前，如果有實際的資料讓我的程式出錯或無法辨識，我就很容易追蹤到底是哪一個環節出錯，不然就只能靠「想像力」除錯，即使我猜到可能的問題，程式也改了，但是依舊不能保證問題是否解決了？

這就是研究人工智慧的問題，人的智慧判斷實在太強太廣泛，並不是完全無法模擬複製成程式，但是如果我們根本沒有遇見過的狀況，要以之前的程式自動解決，當然是不能保證的的！在機器學習的角度就是需要更多資料來「訓練」軟體，我這種傳統的研究方式，一樣需要新的資料讓我來研究解析，寫出可以處理新狀況的程式。

所以碰到客戶只是抱怨「有問題」，或只提供程式錯誤的畫面，我真的很難解決問題。如果客戶因此覺得我不夠厲害，想著或許找那些使用機器學習或深度學習的影像辨識研發團隊比較好？那就去試試看吧！事實一定是他們也無法處理他們的資料中未曾出現的狀況，如果你提供了出錯的新狀況，他們就必須重新跑所有的資料「訓練」軟體可以處理新的狀況，時間可能是好幾天。

找我呢？應該只要半小時就可以給你新的版本，還附帶詳細解說錯誤辨識的原因！機器學習派的公司只能給你「可能」的原因分析，甚至連解析報告都無法提出！因為他們自己也不知道自己提供的軟體是如何辨識成功的？都是電腦自己決定的辨識程序嘛！