這是大葉大學辦的活動，當然主角是AI自駕車的研究成果發表，我就是業界請來的配角了！他們應該是請不到專門研究自駕車機器視覺的專家吧？那些人可能都在汽車大廠的研究室裡忙翻了！而且商業競爭激烈，老闆應該也不會讓他們出來洩底的！所以就找到我這個做車牌辨識的「相關人士」來湊數了！

和無人商店的概念相似，商店是想用影像辨識軟體取代真人店員的視覺判斷，自駕車就是希望用影像辨識取代真人駕駛的視覺判斷了！可以想像，因為要辨識影像的環境(店內陳設與道路情景)複雜百倍，這個難度比無人商店也高出百倍！但是因為利基實在太大，一條街上不過一兩家超商，但是汽車卻可以有上百輛之多！有龐大商機時，不會做的都要硬著頭皮說可以做！這樣才能吸引投資嘛！

就像我最近最關注的智慧停車柱問題也一樣：

全國首創！台南智慧路邊停車格開單系統啟用

雖然硬著頭皮啟用了！背後無法辨識歪斜車牌的問題並未解決，應該是使用很多人工在後台輔助車牌辨識軟體做辨識的！嚴格講只是將人工巡查的工作從停車位現場轉到系統後台用電腦查看而已，這樣運轉下去成本太高，應該撐不久的！我估計宏碁只是為了避免違約勉強讓系統運轉的，在人工智慧領域這種情況很常見。我想施振榮先生雖然台前笑咪咪，幕後應該已經開除了好多人，急死了！

我並不是唱衰這些其實真的很棒的創意，但是希望提醒大家：人工智慧的研發路途還很長！常常一個點子要能成熟運作，研發時間常常超過十年！所以不要有太過浪漫的心急期待，譬如明年就能買到很成熟的自駕車，或看到很多無人商店之類的！我目前心裡盤算的演講內容也大致是這個方向！

影像辨識在高品質影像普及之後，加上電腦運算能力激增，網路越來越快越普及的環境下，已經確定是未來數十年間最重要的科技研發主題。人類的大腦有超過一半的區域是在處理我們的視覺資訊，也就是說人的「智慧」有一半以上是跟視覺影像有關的！如果我們真的是在研究「人工智慧」，那絕對應該有過半的心力與資源要放在影像辨識的研究。

我是做車牌辨識的，也是這個影像辨識潮流中的一支，事實上是比較簡單的一個議題。因為車牌本身的設計就是想讓人好辨識的，所以一定是有固定字型，固定大小，顏色對比度高，且顏色數極少，只有黑白紅綠等幾個顏色。但即使如此，一個基本上很好辨識的目標，一旦上放到真實環境背景中，要從毫無限制的複雜背景中抽取出來，還是有點難的！

車牌辨識現階段更大的挑戰是：我們希望用固定的攝影機位置角度看到眼前所有未必面對我們的車牌！原本矩形的車牌從立體世界中的不同角度看，就不是矩形了！人的腦袋可以輕易處理歪斜變形的車牌影像，但是目前市面上的多數車牌辨識系統根本做不到！這也是我可以在這個市場上異軍突起的關鍵技術！

至於自駕車需要的影像辨識呢？他們需要辨識的東西可就多了！最基本的是路面上的標線，如果標線不清楚或根本沒有標線那就必須辨識其他更抽像不好辨識的東西，譬如前後或左右的其他車輛等等。但是何謂「前車」？這個定義就比車牌複雜太多了！車子與環境背景顏色都毫無限制，所以我想描出前車的輪廓，使用任何單一的演算法都無法確定成功。

稍早就有不只一次，道路養護單位問我能否辨識道路標線磨損的狀況，自動告知他們那些路段需要修補，重新上漆？我很快就婉拒回絕了！他們多半有些困惑，我的車牌辨識做得那麼神奇，怎麼白白長條狀的標線會不敢辨識？我的比喻是：如果標線這麼容易穩定的辨識，自駕車早就滿街跑了！

希望聽眾可以從我的實務經驗分享中，對於影像辨識在真實世界中研發應用的情況有較為正確的了解。因為目前不管是學界或業界，都將人工智慧與影像辨識的牛皮吹得太大了！實際研發的進度根本非常落後，尤其是大家寄以厚望的「機器學習」，我覺得是鐵定會讓人非常失望的技術！他們真的只是在用大量資料「猜」謎，而不是循著嚴謹的科學研究方法解題！當然還是會有用處，但預期效果被嚴重高估了！