一說到人工智慧，一般人馬上會聯想到的關鍵詞就是：大數據、機器學習、深度學習與演算法。這種認知基本上沒有問題，但錯誤的迷思是：人工智慧發展的重要性排序也是：大數據 > 機器學習 > 深度學習 > 演算法？所以好像不用，或不懂機器學習的研發團隊根本就沒資格進入人工智慧的研發行列？沒有大數據為基礎的公司根本沒有發展前景？我認為是錯得離譜了！

事實上人工智慧的內涵應該是：用數位方式模擬人的智慧解決問題！人的智慧要數位化，就是將人的思考模式解析成為演算法，進一步以程式軟體實作出來。嚴格說：機器學習只是用大量資料驗證與統計經驗值的工具，在還沒有大數據的時代，我們已經做了非常多將人的智慧變成演算法與軟體的工作，有了大數據與機器學習只是能更精準的量化與評估演算法的效能與穩定性而已。

所以人工智慧並不是因為大數據的出現而產生的「新」研究領域！人類幾百年來的科學研究中，本來就有很大一部份是在做這件事！甚至機器學習也不是新的科技，傳統科學中的大量實驗就是機器學習的前身，只是以前沒有這麼多數據可用，受限於軟體技術尚未發達，很多複雜的實驗也無法用電腦代勞。

剛開始用電腦做實驗跑數據，求得最佳經驗值的時代，我們稱之為「迴歸計算」或「找到經驗公式」！很多專家還會形容過度使用這種技術的研究是「暴力運算」！意指他們是有錢(有好的電腦)但沒知識的土豪！即使現在他們有了美麗的新名詞，稱之為「機器學習」或「深度學習」，但本質還是一樣的！他們不是針對問題提出的新解決方案，只是根據舊資料與舊公式，用大量的嘗試錯誤運算統計出一個「以目前已知的演算法」能拼湊出來的最佳參數組合(機器學習)與資料處理流程(深度學習)！

但是舊資料並不是因為新狀況而產生的，舊演算法也不是因應新問題而設計的！要像人一樣有智慧的解決千奇百怪瞬息萬變的新問題，想在故紙堆裡找到新問題的答案，效率當然是很低的！誰說機器學習是創新科技？他們跟古時候強調述而不作，只在古文經典中找現世問題答案的老學究們精神是一脈相承的！古時候書籍珍貴，能進入翰林院的就可以博覽群書，佔有優勢，門外漢就只能口耳相傳靠常識過日子，是不是很像現在大家爭搶大數據來源的情景？但是老學究們最終充實了多少我們的文明與文化呢？

以戰場情境來做比喻，大數據好像武器，沒武器的一方很難打贏武器多的一方，但是武器本身不會自己發射，能開槍的是士兵；照著訓練過的戰術SOP領導士兵執行戰鬥任務的是士官；但是士官不會，也不敢自作主張發明新的戰術。真正能觀察戰場實況，決定如何有效克敵制勝，就是想出或決定戰術(演算法)的人是軍官！

如果你不重視軍官的角色，硬是用大量武器與士官兵去打仗，不是不行，但即使贏了都是慘勝！非常沒有效率。譬如你其實可以用一顆飛彈或一個狙擊手摧毀一個敵方據點，但卻呆呆地用千軍萬馬去衝鋒陷陣，死傷無數才拿下目標，這樣好嗎？反之，一個能精準掌握戰況的好軍官(好將軍)常常能以寡擊眾，用散兵游勇擊敗百萬雄師，你人多武器多又怎麼樣？借個東風就把你燒個精光！

所以人工智慧發展中，最重要的角色是演算法，能分析問題想出最佳演算法的「軍官」才是成敗的關鍵！我們通常稱之為「科學家」或「發明家」！機器學習、深度學習乃至大數據，讓他們可以發揮更大的效用，好像漂亮的衣著、住家、名車與工作設備，沒有這些周邊資源，科學家還是可以作出發明解決問題，但是財產與設備本身不會有效的解決問題！

所以我認為多數人覺得要推動人工智慧就是要蒐集更多大數據，訓練更多人會操作機器學習深度學習工具，卻忽視了基礎科學的重要性，這是一個只訓練體能戰技卻忽視戰術研究的笨想法！真正的人工智慧發展核心動力還是演算法，好的演算法來自對於問題本質的認知與解析能力，最後才是將演算法程式化的一個連結，所以光學好程式技巧也是沒用的。

因為我們想解決的問題還是在真實世界，所以物理、化學、生物、地球科學等自然科學，乃至經濟學、心理學等社會科學，仍然是一切人工智慧認知這個世界的基礎，我自己目前的影像辨識事業做得不錯，這也是一般人認知的人工智慧產業。表面上是因為我很會寫程式，但實際上是因為我能善用物理解析問題，用數學描述問題，用數學想出解法的緣故。就像文筆極佳的人，心中如果沒有思想、感情或感動，也寫不出好文章的！