網路城邦
上一篇 回創作列表 下一篇   字體:
原來這些「新科技」其實都是「老朋友」!
2020/09/29 07:36:46瀏覽806|回應0|推薦6

最近很認真地開始學習大家口中的「AI」科技,原本不會用的C++Python語言現在大致會用了,不然這些AI的書都用這兩種語言,我想閱讀實作時很不方便的!剛買的某本新書中有車牌辨識的「專題」,很詳盡的敘述如何用所謂AI的方式作車牌辨識?因為跟我的研發專業有關,當然要特別關切了!

但是看完之後完全沒有任何新奇的感覺,而是發現自己本來就會使用這些哈爾特徵之類技術的!三十年前我們的課本上稱呼這類方法是「數位濾波(Digital Filter),當時就有人替這種技術取了一個「小波轉換(Wavelet transform)的新名稱,很多老教授就不以為然了!因為新瓶裝舊酒還是舊酒啊?這樣反而會誤導混淆學習者。

沒想到這些努力「創新」的人們三十年後依舊非常努力,新名詞層出不窮!而且還很刻意地誤導大家這些是「劃時代的新科技」?事實上我二十多年前做博士論文時就天天這樣在玩了!下面就是我當時設計的一個比較複雜的矩陣遮罩示意圖,以及用這些遮罩凸顯出來的大陸棚邊界,顏色特別黑的就是類似斷崖的地形特徵!辨識很成功啊?我也可以因此自誇是AI大師嗎?

事實上在我之前,所謂「AI」的車牌辨識研究者,也都是用類似的方式在全圖影像中找到車牌的!就是找到黑白分明的特徵點或區塊,只是「非AI」學者經過審慎實驗「人為」判斷決定出遮罩大小與參數,「AI」則是經過統計讓電腦決定參數而已!但是電腦程式也是程式師寫的啊!他們會寫進程式的條件只會比專家少,絕對不會更多!

讓專業的科學家做一樣的實驗與數學推理後判斷的結果,會比使用電腦程式統計定案的結果更笨嗎?這就是現在大家迷信AI的一個盲點了!電腦可以達到的智慧還是由人設計出規則的!他們確實可以算得較快較多,但是不會比專家判斷得更合理正確,他們無謂消耗掉的運算資源也是危害地球環境的殺手!讓地球過度暖化的罪犯之一!

而且即使你用AI鎖定車牌區塊之後,要辨識車牌中每一個字元是甚麼字的時候,傳統OCR的所有辨識程序還是一個都不能少!灰階→二值化→目標擷取→字形正規化→比對字模等等!所以整個車牌辨識的程序,使用AI的方式會比我目前使用的程序還更加繁瑣困難,而且速度慢很多!因為我是直接從全圖尺度就使用OCR程序找到車牌字元的,完全沒有上述這些耗時的矩陣遮罩運算!我的書快也出版了(10/15),到時大家可以去買來參考比較看看!

說穿了!所謂的AI只是使用更為浪費,不計成本的大量運算,找到最合適的「分類器」,也就是最複雜的矩陣遮罩與參數組合而已!我做博士論文時會大量使用這類技術,是因為我知道分析那些地球物理資料時間再久都沒關係,但是我做商業軟體當然不行!如果每一個像素點都要分別做3*35*57*7n*n的「好多層」矩陣運算,那要算到甚麼時候啊?柵欄機都會等到生鏽了!

所以這其實是很沒效率的「研發」過程,但他們又替這種低效率耗時的程序取了一個很好聽的新名詞,就是「機器學習」?其實只是比傳統方式更敗家,濫用電腦資源的作法而已!好處呢?就是使用者不需要傷腦筋搞清楚所有事實現象,也不必知道很多程式設計的細節,這樣大家都可以輕鬆地做「影像辨識」了!真的非常適合笨蛋與懶人使用!

但是這樣的作法很不適合真正嚴謹的科學研究,與需要高效率運算與高辨識率的商業產品開發!這就是機器學習的本質了!他們會辯稱AI正在快速「進步」之中,因為:這些搜尋特徵的數學模組計算速度越來越快了!但是這些遮罩運算原本就比傳統演算法的辨識慢上好幾(十)倍!再怎麼精進也不可能比針對目標設計的演算法快的!這件事你的AI老師有跟你講過嗎

相較於傳統演算法的研究方式,他們(機器學習等等)真正的優勢是在資料實在太龐大混亂,連正牌的科學家們也還沒有頭緒時,當作探勘資料的工具使用,至於精準地「解決問題」呢?基本上就不是他們的專長,甚至不是他們被設計出來的原始目的!

簡單說,大家不必浪漫到以為AI是個全新的神奇科技,他們只是不斷進化中的傳統科學與技術的分支,你根本無法在「AI」與「AI」科技之間劃出一條明顯界線的!我現在作車牌辨識不用那些所謂AI特徵擷取的技術,並不是我不會用,我真的用過了!是因為已經認定他們根本不可能成功解決問題,譬如傾斜變形的車牌,才放棄使用的!現在我用自己改良調整的OCR技術真的解決問題了?你說是誰比較有「人工智慧」呢?是誰比較接近未來呢?

( 心情隨筆工作職場 )
回應 推薦文章 列印 加入我的文摘
上一篇 回創作列表 下一篇

引用
引用網址:http://classic-blog.udn.com/article/trackback.jsp?uid=yccsonar&aid=151041789