現在常常在看用CNN做影像辨識的相關文章介紹，剛開始確實有點憂心，自己使用OCR傳統影像辨識技術為基礎的事業，會不會不堪CNN一擊？一下子就被這股新浪潮所淹沒？我在資訊領域討生活也二十多年了，從DOS、Windows、Web、SQL到App的世代，我都是超前佈署的！每個資訊技術的海嘯我都早早準備好，也跟上並順利跨越那些時代了！

但是在這些適應學習資訊技術的過程中，我也做過很多反流行的選擇，而且事後證明我的判斷都是對的！在進入視窗時代時，C語言已是貴族，VB則是庶民，其實我都會用！但是我選擇VB為主要開發工具，C語言只作為閱讀工具，結果是我的各種研發研究的速度都比使用C快出兩三倍！

用C寫作時，不只是製作操作介面時效率不如VB，一般人比較不知道的是：一進入複雜邏輯就會因程式碼的拘謹繁複變得很艱難，如果我是用C語言的人，應該無法如此快速深入影像辨識的核心實作領域。我不是為了挺VB瞎掰的！如果C語言開發複雜的AI演算法沒問題，那為何會出現Python？不過就是跟VB一樣較為友善不囉嗦而已，還不如VB容易直接開發軟體。承認吧！C語言真的是一個非常不友善，讓人很難專注思考演算法的爛語言。

之後Web興起，我也是立即選擇ASP，力抗起初專家們看好JSP與PHP的主流思潮！兩年之後就證明我是對的！PHP逐步式微，最被看好的JSP更是無影無蹤了！這些專家們後來都不說話了！App的狀況也是一樣，剛開始都說要做App一定要學Java，我認為不是！我當時就是系上教程式設計的主力老師，但是禮讓了Java的課給另一位老師，反而主動爭取去教網頁設計？教出一大堆HTML5很強的學生，他們才是後來市場上最需要的App工程師，好像沒人提Java了？

現在我對於CNN製作影像辨識軟體的看法，也是跟主流專家相反，我不覺得那是可以挑戰傳統方式做出高品質影像辨識軟體的技術，他們只是在研究如何做出「堪用」的軟體而已！就是找出數學統計的捷徑，在不必研究實質問題的前提下，套公式做到「好像對？」的程度，只要有八分相似，他們就會興奮到開香檳了？簡直是走火入魔。

至於之前的影像辨識專家已經能做得不錯的領域如車牌辨識等等，CNN其實只能實驗性的嘗試「接近」專家的能力水準，絕對無法比肩甚至超越！精準瞄準射擊的狙擊手怎麼可能輸給靠手氣亂槍打鳥的人呢？但弔詭的是：他們就是用自己的猜題技術「已經逼近專家水準」的事實，暗示幾年後就會比專家厲害了？投資我吧！如果加註「永遠不可能超越傳統技術製作之影像辨識軟體品質」，那就沒人投資了！但事實就是如此！

我可以預見幾年後的影像辨識軟體市場是這樣的：真正準確度高速度快的軟體依舊是使用傳統技術開發的，但是會有很多CNN技術開發出來的堪用(塑膠？)產品，而且因為大家都能很容易製作達到一定的水準，必然陷入低價流血競爭，那是一個紅海市場。如果CNN真的踹出一些傳統技術原來很難辨識的東西，當然會很快被傳統科學專家吸收到「傳統」軟體之內，統計基礎的CNN則很難吸收仿效科學家的精準邏輯，這是一場CNN永遠贏不了的戰爭。

所以至少我很確定！在十幾二十年內這些只是嘗試「逼近」，而非對症下藥解答問題的影像辨識技術，絕對不會威脅到我的生意，至於更久之後會發生甚麼事？那應該就跟我無關了！想要跨進這個領域的年輕人小心了！最好你所有技術都學會，但只專注在CNN之類的技術，你到死都只能做出「很像」傳統專家品質的軟體！這是你的理想抱負嗎？

其實好像也不必說得這麼尖銳，將CNN技術拆開來看，按照特定的辨識目的準確地引用到合理的傳統辨識流程架構中，他們還是有很多好的新穎方法設計，我最近的車牌辨識核心改版也是這麼做的！以後也會繼續這樣彙整引用。簡單說，就是主從架構必須合理有彈性！多數時候堅持CNN的主辨識流程是不洽當的，事實上不會省事有效率，改作配角就會更快產生很大的效益。