昨天晚上到台中做個簡短的演講，時間只有30分鐘，我集中火力想要傳達的一個概念就是上面這張投影片的內容！其實我們正處在一個影像辨識發展的重要歷史時刻！僅僅幾年前，一般人只能接觸到幾萬到幾十萬畫素的資料，影像畫面簡單，加上影像處理是高計算量的工作，基本上影像辨識這件事與一般人沒有關係，大概只是NASA那種地方的科學怪人玩的東西。

但是百萬畫素的時代來臨之後，忽然之間人人都可以輕易取得高畫質的數位影像，從手機、監視器、到網路資料等等，有數位影像就可以做影像辨識，很多人都開始用軟體自己做影像處理，像是P圖、美肌之類的。影像辨識稍微難一點，但是也開始很多人想玩，想用影像辨識軟體提升工作效率。

不論是學界或業界的專家，都會說他們能作影像辨識，推銷自己的理念與產品，讓外行人普遍有一個「影像辨識是成熟科技」的錯誤印象！我自己作車牌辨識產品已有不錯的成績，絕對稱得上是一個專家了！但是我的感覺是影像辨識領域的科技還非常的不成熟，面對各式各樣的辨識需求，我們這些「專家」手上的技術簡直還在石器時代！

簡單說，影像辨識的合理目標就是做出跟人的視覺相當的判斷，但是大家可曾想到？一個小孩要花多少時間才能看懂周遭的事物？要安全的自己過馬路要多少年的經驗學習調整認知？要讓自駕車有等同於一般成年駕駛人的判斷能力，這是多麼高深的學問？

以這種標準，回頭看目前的影像辨識技術，你就會同意我的觀點！舉我最熟悉的例子，車牌本身當然是一個標準的矩形，但是放到真實的立體世界中被拍攝時，它當然不會永遠「看起來」都是個矩形！但目前除了我的辨識邏輯之外，全世界所有的車牌辨識流程，都還是無法跳脫「車牌應該是個矩形」的框架！

這就像一個小孩子剛開始學認字，老師家長當然會先給他認很端正的字，但是哪天有人將這個字寫歪了一點，小孩就說我不認得這個字了！這還不夠笨嗎？這就是我們目前車牌辨識科技的水準！學界與業界都一樣，車牌傾斜超過15度就全部都說不認識了！我的軟體能辨識360度旋轉的車牌，這對一般人而言不算甚麼，任何人都行！但是在車牌辨識的領域就已經是全球僅見了！

所以我會說影像辨識的領域可以說是一片曠野，有太多事情都沒人做過，也有無限的方法其他人都沒試過！只要抓住任何一個問題深入研究，針對問題設計自己認為可行的演算法，都會有所收穫！不像很多研究成熟的領域，怎麼努力研發都會發現以前有人做過了，或者別人都做得比我好！在這裡，研發有成的機會是非常大的！

但糟糕的是，很多開始知道影像辨識很難的人，卻信錯宗教了！在前面幾百年的正統科學發展過程中，我們不斷地被提醒：科學就是尊重事實，準確地分析原因，找到正確的解法對症下藥！如果有人提出一個偏方，即使真的能治好病，但是連發明者都說不出治病的機制，那種藥是不會輕易被科學界接受的！至少科學家們一定會努力研究出為何如此？之後才能繼續改進新藥，也防範可能的副作用，這樣科學才能穩定的進步！

我就是接受這種科學訓練長大的人，雖然不是影像辨識科班出身，但是我從課本學習前人如何做影像處理與影像辨識，仍是恪守科學研究的精神持續在這條路上前進。但是我卻看到這個領域出現了一種完全不同的理念與工具，就是機器學或深度學習，而且多數信奉者直接將它們與人工智慧的發展掛勾，好像這才是研究人工智慧的主流？如果你不用它們就是落伍了？

但是機器學習與深度學習的基本精神就是統計！用電腦的高速運算能力，用既有已知的演算法，加上巨量的資料，讓電腦自我「學習」調整出一個可以得到最接近人類判斷的結果，但是絕對不想事後去分析理解這個結果是怎麼來的？也無法精確分析這種解法與問題本質之間的關係？他們看到結果居然很正確時，就開始「讚嘆Seafood」，「感恩Seafood」了！至於Seafood為何如此厲害？他們既不敢也不願意去追問。

這種態度也很像為了快速獲得聯考高分，或取得某個證照，或高普考而去拼命背題庫！哪一家補習班或出版社的題庫猜中率高，考生們就又開始「讚嘆Seafood」，「感恩Seafood」了！至於真的學好東西，以後到真實世界，即使碰到跟考試不一樣的題目，我還是能經過思考解決，這種事就根本不是他們的目標。

我從來不否定機器學習與深度學習帶來的工作成效，在很多案例中他們確實成效卓著，我替使用者高興！但是這種祝賀與恭喜你中了樂透彩券一樣，如果你根據得獎經驗開始分享說：「一定要在甚麼時候，到哪一家彩券行買彩券，就會中哦…」等等，我就會摸摸鼻子笑呵呵的找機會躲開了！你會相信這些經驗談嗎？

我看到的多數使用機器學習的人都是樂於隔靴搔癢的！機器學習或深度學習所以能夠成事，事出必有因！要讓人工智慧繼續進步，絕對不是繼續發展更多「猜題」技術，而是「解題」技術！即使你依賴機器學習或深度學習快速找到正確的解答，也應該在事後理解分析成功的原因關鍵，這才是真正的科學研究！現在多數使用機器學習者的心態與古人不知天氣成因，因此找人卜卦問東風差不多，還會造就很多「神算子」！但是他們因此就不會積極去研究天氣的成因了！如果算命永遠都很準，科學就不會發達了！

凡事追根究柢的態度，不論在科學研究或實務上都是必要的！影像辨識或任何機器學習做出來的判斷都不會百分百正確，我們必須知道對與錯的原因，才有針對問題加以改善的可能！如果我的車牌辨識是用大量的機器學習或深度學習做出來的，就像請了一個自閉症的天才來上班，他作出了很棒的產品，但是辨識有錯時，我根本無法跟自閉的員工溝通，也就無從服務客戶了！連解釋為何出錯都做不到！

在我眼中，如YOLO等深度學習工具我也覺得很神奇！但是我不會因此迷信它內部有神奇的魔力！它依舊只是一種演算法。我的「好奇」多於迷信，我相信答案會對，一定有可以理解分析的邏輯，如果我可以充分理解，我就一定可以比那些只是相信名牌的「機器學習專家」更有效率！

但是我看到的機器學習領域大家說話討論的方式，很像一群不懂科技的年輕人在討論哪個牌子的手機比較好？內容只是酷炫程度，能否符合自己的用途？他們根本不在意，也不想知道技術面深入的知識，如果連研究人工智慧的專家們都是這個態度，一定會讓人工智慧的實質發展延宕乃至停滯，這是AI領域發展的一個重大危機！