人工智慧(AI)這個詞，如果照我的認知，是很平易近人，範圍廣泛，無所不在的！應該沒有甚麼神祕，也不一定要特別的技術才能實作。事實上我們做軟體的人天天都在處理這些小問題，就是讓我的軟體看起來更有「智慧」，像一般人一樣，有些「常識」，可以視情況自動反應處理一些狀況，不要感覺太笨就對了！

像是上面我替台東火車站做的逾時停車監看軟體，這種最後要用於裁罰依據的照片，第一個是要有時間標籤，明確標示事件發生的時間，為了避免遮住畫面上重要的部分，所以會做在左上角。另一方面為了讓人一目瞭然，當程式找到畫面中的車牌之後，客戶(警察)還要求放大車牌的局部影像放在角落。

其實一開始我設計的版本是將放大車牌放在右上角的！依據我的「經驗」，也就是我的「常識」或者說「智慧」，畫面上方就是實際環境中的遠方，所以如同時間標籤放在左上角一定不會礙事一樣，放大車牌最不容易遮住重要畫面資訊的位置就是右上角！

但是負責此事的員警卻有和我不同的「常識」！他們認為應該放在左下角比較好，因為「客戶永遠是對的」嘛！我當然就遵照辦理了！果然發生了如上圖計程車的狀況，放大的車牌影像遮住了原始影像中的車牌！這當然不行啦！所以他們就問我可不可以「視情況」將放大車牌移到右下角？

我說當然可以！他們就好高興哦！因為這就有點AI的味道了！就是當我的程式評估放大車牌放在預設的左下角，會遮住原始影像中車牌的實際位置時，就從左邊移到右邊而已！我先是保守的設定只有真的會遮住原始車牌時才會移動，如下圖的白車雖然車牌位置偏左，放大車牌還是會在左下角。

但是我的客戶玩開了！覺得「既然車牌偏左，軟體就應該有反應啊？」這樣才有AI的味道嘛！不然人家怎麼知道我們有「AI」呢？所以我又進一步改成原始車牌在左半邊，放大車牌就放右下角，車牌在右半邊，放大車牌就在左下角。我的工作就是在實現客戶以為的人工智慧了！

但老實說：照我的原始設計，放大車牌直接放在右上角，就根本沒這些囉嗦的事！所謂的「天下本無事，庸人自擾之」！我才是做最多類似工作的專家，他們卻沒有太尊重我的「智慧」！還好，他們也因此知道我的程式是可以做這些自我判斷的，「AI」感油然而生！哈哈！

從這種例子你應該可以體會我說的：人工智慧絕對不是狹隘的機器學習或深度學習可以概括描述的！在軟體業，也就是我的日常工作中，人工智慧的實作應用無所不在，也可以用任何技術去實現，如果你的軟體能讓人感覺有「常識」，能避免做出明顯的傻事！那就是AI了！

簡單說：人工智慧的本意應該是可以做出類似人的智慧判斷與反應，真正需要用到機器學習或深度學習的狀況其實十不及一，那十分之一的狀況也不是非用機器學習不可，像我做的影像辨識，還在找第一個機器學習作得比傳統演算法更好的首例！

所以我認為要投入AI產業的研發，最重要的是豐富的常識與清晰的頭腦，加上足夠的程式設計能力！至於機器學習等大家說的熱門技術，應該只能算是選修課，完全不會也沒太大關係的！別錯置你的學習重心了！多做幾個實際案例，嘗試解決一些問題你就會相信我了！那些狂推ML或DL的專家多半沒有甚麼實務經驗，隨便說說的！

要做到上面的「AI」判斷其實很簡單，我既然可以從全圖中辨識出車牌號碼，當然就會知道它的位置，我既然可以寫程式放大車牌，當然也知道這個子影像的大小，可以計算如果放在特定位置時，會不會遮住原始的車牌？如果會！就換個放置子影像的位置就好！關鍵是資訊的互通整合，如果你是用某個買來的車牌辨識黑盒子模組辨識車牌，只告訴你車號，不告訴你位置，你就無法做這種判斷了！

所以要實現AI判斷與反應的重點並不是統計資料，而是充分理解與掌握運用資料，如果你習慣用組裝方式建構你的軟體，你的軟體中黑盒子越多越大，你能做好的AI反應功能就會越少，你的軟體就會看起來越笨，越不「AI」了！所以你還認為使用很多「AI模組」是件好事嗎？盡量縮小你的黑盒子，你才會有越多揮灑設計AI功能的空間！