AI 技術可以讓隱藏於暗處的物品現形

大家應該審慎地看待這種所謂的AI「研究成果」！以科學的觀點，無中生有絕對是不可能的！影像暗不暗不是重點，如果色階與解析度夠的話，傳統的影像增強對比處理就可以讓晦暗的影像變得很清晰了，根本不必用甚麼人工智慧。需要人工智慧就是說影像本身資訊是不足的！如果實際影像資訊不足，要正確「復原」到真實複雜的影像，我們絕對必須額外加入很多影像資訊之外的「物理」資訊。

譬如我知道上圖是一張海邊拍的港灣影像，而不是顯微鏡下拍的細胞影像或者人臉，實驗者也給它標準答案，讓程式知道要如何調整參數以盡量符合標準答案，才能將它「復原」到很像一張海邊碼頭的照片。如果我刻意要將它「復原」成一張細胞切片的影像呢？你猜會是甚麼狀況？你還會說「機器學習」很有「智慧」嗎？這不是機器學習的錯，給你一張你沒看過的X光片，然後暗示那是另一種你熟知的影像，你也會猜錯的！

事實上所謂機器學習的「訓練」，不管是一百張或一百萬張影像，機器學習軟體都不會知道這是何種環境下拍攝的影像，只是「研究者」刻意地只給它特定環境下拍攝的影像，包括模糊影像與清晰的標準答案，所以它從這些影像中會「學到」操作者希望它「學會」的經驗！當然這只是對於特定環境下拍攝影像的判斷經驗，絕對不是可以適用通用於所有環境拍攝影像的辨識能力！這是不是很像訓練升學考試的過程？給特定的題庫與標準答案，讓學生反覆練習，考試時如果碰到不在題庫內的問題學生就只會瞎掰了！

所以他們用這種自然環境拍攝的影像「訓練」出來的所謂AI軟體，然後說這個經驗成果可以協助辨識人體組織的X光片，那叫做指鹿為馬，好像是請張飛打岳飛！根本是胡說八道！我很確定這些研究者是故意的欺騙，他們作影像辨識不只幾天了，不可能笨到沒看到我看到的這些事實？但是這種刻意製造出來的迷思，確實已經傷害影像辨識領域的研發方向很久了！

「見微知著」是我們的夢想，但根本不存在的資訊要產生，只有一個來源！就是「外在資訊」！譬如賭神電影裡面的橋段，影像中只看到紙牌花色圖案的一個尖角，「而且我知道這是紙牌花色圖案的一部份」，只有黑桃、紅心、方塊與梅花四種花色的可能，有這種外在的限制條件，我才能判斷百分之幾是個黑桃圖案！如果這根本是完全未知拍攝環境與目標的影像呢？你能知道那是X光片下的癌細胞或正常細胞嗎？如果它根本不是細胞影像呢？

所以重點根本不是在機器的「學習」可以造就甚麼神奇的結果，機器學習能經過訓練做到的事情連一般的學生或沒讀過書的清潔工都不如！大概跟訓練狗狗能聞出特定種類的毒品程度相當而已！如果要緝毒犬去森林裡面找松露，你覺得會有效率嗎？牠根本不知道松露的味道嘛！只因為他能分辨大麻與海洛因，你就覺得牠可以分辨所有的東西嗎？找一隻當地天生喜歡吃松露的豬都比較快找到松露！

我絕對相信這是一個騙局！就是研究單位希望騙取更多研究經費的騙局！而且這種詐騙行為截至目前為止非常成功！讓多數人，聽到AI或機器學習都肅然起敬！甚至原本腦袋清楚的科學家都半信半疑，好像「機器學習」真的可以成就一些傳統的，聰明的科學家都做不到的事情？別傻了！機器學習比一般小學生都笨很多，只是它是電腦，比較快歸納出答案而已，但它們的答案是非常侷限的，絕對無法通用於各種目的。

如果我們都相信這種「人工智慧」的騙局，我相信人類的科技文明會因此延宕，甚至後退一個世代！真正合理的人工智慧研究應該是追求「知其所以然」的演算法研發！就是研究清楚應該在不夠清晰的影像中，必須加入甚麼物理資訊來輔助解答？也就是想出特定的演算法與找到正確的物理條件，才能得到我們希望的正確答案！如果我們有錢要研究人工智慧，應該給這種科學家。

我希望我是影像辨識的165專線，因為藉著AI、機器學習與影像辨識的新技術名詞遂行詐騙的人或研究機構真的太多了！危害的範圍也真的太廣大，太深遠了！如果我的部落格有一點點防範AI詐騙的功效，那會比我的車牌辨識研究價值高出很多很多！