對於現在的大多數人來說：AI=先進 而且 AI=機器學習。所以不用機器學就不是AI？就一定不是先進的科技？所以我沒用機器學習或深度學習相關技術作影像辨識，不管我的產品效能有多好，只因為我沒用到機器學習的內容就不是AI了！不AI就表示不先進，所以本公司只能算「傳統產業」了？繼續窩在麻豆鄉下只是剛好而已？嗚嗚！

之前我會批評機器學習只是因為我覺得他們是用統計學為基礎，與傳統科學作精準事實研究的方式不同，實作影像辨識的潛力被高估了，尤其是在需要高正確率的應用上，他們是注定會「完敗」給傳統影像辨識演算法的！本來只是當作客觀評論，但現在我好像必須更嚴肅看待「AI = 機器學習」這個天大的誤解了！因為它開始會傷到我，也傷到整個世界了！

這有點像：其實黑人白人都會打籃球，但是有段時間黑人打得似乎比較好，所以很多人就認定：「只有黑人會打籃球」了！事實上當然不是這樣，現在很多歐洲白人球員就成功打入NBA變球星了！對於AI的發展來說，目前的普羅大眾觀念就是處於「只有黑人會打球」的階段！如果NBA因為這種成見誤解，限定只有黑人可以打，那對誰有好處呢？

我認為如此盲目的AI觀念誤解是會動搖國本的！這絕對不是危言聳聽，我不久前聽到某個台北(還是新北)市的標案，居然明定必須使用「AI技術的車牌辨識系統」，還加強語氣解釋說「只用OCR技術的辨識系統不行哦！」

天啊！事實是這些年來非常多車牌辨識的研發團隊與廠商，都努力想引進機器學習(也就是一般人認為的AI)技術來提升車牌辨識產品。但是經過這麼多年的努力，實際上還是沒有夠好的商業化產品推出。簡單說，用「AI」作的車牌辨識根本還沒證明「可以用」，更不必說比傳統OCR作的更好了！市面上買到的車牌辨識包括我的，無一不是以OCR為基礎。少數敢說有AI車辨的廠商，其實都只是話術而已，因為真的使用機器學習作商用辨識核心效率太低成本太高，所以到現在都還沒真正成功過！變數太多需要的訓練樣本無限大，根本收斂不起來呀！

但是政府的標案已經這樣無理的「超前佈署」偏袒所謂的「AI」了？也直接宣告OCR「不是」AI？但市面上哪有一個真正用機器學習技術作核心的商業化車牌辨識軟體？那就只會逼著廠商說謊作假了！譬如我要去競標也行！只要在程式中加入幾個跟機器學習有關的模組，讓一些無關緊要，也不必使用機器學習的動作讓機器學習去作，只要過個水證明我「真的有用機器學習」，我也符合投標規範，我也AI了！這不是自欺欺人耍白癡嗎？以我的個性，除非公司要倒閉了不得已，我是一定不會這樣裝瘋賣傻的！

如果你以為這只是少數趕時髦想標新立異的官員個人的觀念偏差，你就錯了！事實上這種觀念已經像是失控的癌細胞蔓延到全國每一個角落了！我今天會想寫這篇文章的起因，是我接受邀請，明天要去嘉義市辦的AIoT創客松設計應用競賽擔任業界專家，對於已入圍的多個團隊計畫提出意見，不是評審，只是提供業界觀點的專家。

昨天收到十個入圍隊伍的簡報檔，專心看完後發現十個報告中有九個都提到會使用AI，也就是機器學習或深度學習的技術，但是在我看來，其中有一大半根本只要使用傳統資料演算法就可以做得比機器學習的統計結果更好、更快也更精準！

譬如下面這個案例，必須計算水桶裡面的魚苗數量，用傳統影像辨識，只要簡單作個二值化，找出黑色的小目標統計一下個數與面積大小，如果小魚有交疊面積就會大一點，設個合理門檻，大於統計魚體標準值多少就算是兩條魚，我或我的RD一個工作天就可以作出保證比他們用機器學習作出的辨識更準確的軟體。不相信就來PK嘛！他們連開發時間與成本都會多出幾十倍！我們只是寫出模擬人眼去數小魚的程式，這樣不算「人工」智慧嗎？可以明確計算的東西為何要用統計方法取得概數呢？

另一組某大資工系的學生說要用監看室內wifi的訊號變化判斷有沒有人進入？就是防盜保全系統啦！聲稱要用深度學習讓電腦知道哪種波形代表有人？哪種波形代表沒人？聽起來好有學問哦？但是因為我懂物理，也懂電磁波，看起來就很荒唐了！

沒人(沒動靜)的時候室內電磁波很快會變成一個穩定駐波的形式，除了一點點背景雜訊，基本上就是保持平穩不動！有人或有障礙物介入阻斷電波讓它們反射折射亂竄時就是「會擾動」！至於甚麼擾動波形代表什麼意義？根本不是這個專案的目的，有關房間配置的資料不夠，你讓深度學習統計五年也不會知道進來的是一個人還是一輛車！所以這根本是為了AI而AI的多此一舉！

我相信當他們實作時就會發現根本不必那麼麻煩，直接判斷有沒擾動就好了！但是如前面說的，因為有沒有「AI」很重要！為了讓評審知道他們「有用AI」，到結案時他們即使其實完全沒用到那些機器學習功能，也會聲稱有在用，而且「效果很好」，因為評審們都喜歡聽嘛！真的好像獨裁國家的造神概念，一切都要感謝XXX的英明領導！其他的例子其實也都差不多，在我的角度看，不但不必用那些所謂的AI機器學習模組，用了還會有好大的風險！

譬如用AI自動決定農藥噴灑無人機的飛航判斷，一個判斷錯誤造成墜機，就是至少幾十萬器材的損失！實務上，即使不用人工操控，工程師設計自動飛行操控程式時，當然會直接研究清楚掌握所有可能在飛行中出現的狀況，作好精確的預設動作，因為飛航工作較單純(不是民航機)，其實也花不了多少研發時間。而且可以設計防災措施，如果狀況超出設計範圍就會作最小損害的處理等等，機器學習能自動學會這種風險管理概念嗎？這種數學式子該怎麼寫呢？你能教會機器學習如何考慮這些風險嗎？這就是脫了褲子放屁！直接自己寫例外處理程式不就好了？

如果我很白目的在當評審時問：你的決策程式真的是用機器學習作的嗎？就是在逼工程師犯罪了！因為他必須說謊！應該沒有任何飛航控制程式敢冒然使用這樣用統計算出的結果，即使要用，也會花好多年測試確認不會有意外。但是同一時間用「非機器學習」研發的穩定自動導航軟體早就做好很久了！這就是很多本來希望用機器學習研發各式產品的公司們的難言之隱！實說實話會被外界認為不夠AI，撒謊又會好心虛！要工程師說謊好痛苦的！只能讓油嘴滑舌的推銷員去騙客戶了！AI機器學習的牛皮就此越吹越大。

所以我真覺得AI這個名詞讓大家都開始耍白癡了！如果是因為無知，還算情有可原！但是我相信在這個科技業界，和我有類似體驗與想法的工程師一定很多，他們為何不敢直言不諱？應該都是怕惹事陷入與主流派的論戰，加上為了五斗米折腰，迫於局勢無奈被逼著要繼續說謊的！AI萬歲！機器學習萬萬歲！你敢不跟著喊，就沒飯吃被懲罰！或許下次主辦單位知道我其實沒使用機器學習作產品，就不會再把我當作「專家」，不再邀請我了！我的飯碗就真的受到這個假AI的風潮威脅了！大家幫幫忙，早點清醒吧！救救我，也救救國家啊！

如果你問我怎樣才不是誤解AI呢？很簡單！把「AI等於機器學習」改成「機器學習包含於AI」即可！任何可以協助解決實務問題的科技都可以是AI的成員，AI應該是一個概念，任何可以模仿或模擬出人類智慧的技術都是AI，而不應該只是一個狹隘到只包含機器學習技術的名詞！