這是好友在我的FB上的一段留言，他是基能科技的CEO，也是東海大學的資訊工程博士，客觀條件上應該比我更有資格評論此事，我也覺得他的說法相當中肯！他讀書時機器學習或許還不在他的課程選單上，但是他對此新科技的理解應該極具參考價值。

因為我的工作是靠影像辨識賺錢，大家又一直說機器學習是人工智慧，包括影像辨識的未來，所以我也一直努力理解機器學習代表的意義，以及它在實用領域的價值。因為已經離開學界在業界發展，所以後者是我更在意的事！就是機器學習到底能在我的工作上產生甚麼立即可見的效益？目前的結論是完全沒有！

我的影像辨識事業目前做得很順利，車牌辨識產品很多樣化，也都賣得出去，各式各樣的特定目標影像辨識核心研發專案也都做得很好，佔了公司一半的收入！但這些工作中，真的一點都沒用到機器學習！我不是不想引進這些新科技，因為很多客戶會覺得我不用機器學習就太LOW了，跟不上時代？即使只是「假裝」我有用機器學習，都會對公司形象有幫助的！我怎麼可能「故意」不用呢？我真的曾因為坦白說我不用機器學習，而失去了一個百萬元的研發專案！

很多人覺得讓機器學習學會辨識網路上的貓狗照片很神奇！好像其中隱隱然有神祕的「智慧」，開始「自行」運作了！以為他可能會自我進化演變？等等。其實只是因為它讓大家跳脫電腦只會一板一眼的做計算，不會做「類似」人類的判斷，即使以前的「專家系統」會判斷，也讓人有生硬的感覺，很容易被欺騙誤導。現在機器學習產生的軟體似乎變聰明了！比較不會被騙？

但事實上他們本質沒有改變，只是資料變多了，題庫變大了！就像很多只知其然而不知其所以然的「老經驗」人士，他們對於較多狀況有過訓練，知道答案，知道甚麼樣的參數組合與程序「最可能」得到接近正確的結果，但是依舊沒有主動理解與解析的能力！

這些其實還不是我無法將機器學習應用到工作上的原因，人這麼聰明有理解分析能力，找管理員登記頻繁進出的車號還是會有眼睛看錯，甚至筆誤(打錯字)的狀況！機器學習如果做得好，並不會比人的辨識正確率差多少！

真正讓機器學習無法進到我的產品中的原因，是他的統計學本質！因為不是直接建立合理的解題，也就是影像辨識程序，而是找特徵「猜」答案，所以機器學習經過大量足夠的資料訓練是可以迅速達到八成，甚至九成的辨識率，人們就會覺得好神奇好有趣了！

但是他們要再提升到更高辨識率，譬如95%以上，就很難了！因為沒有精確建立正確的辨識邏輯，湊答案的機器學習軟體產生方式變得需要多十倍、百倍、甚至千倍的資料才會有足夠的罕見的案例來訓練軟體。譬如我做車牌辨識多年還收集不到多少軍車與外使車的實際案例。對我是影響不大，我只需要三五張同型的照片就能建立特殊車牌的辨識流程，大概數十張的照片做些針對問題的調整，正式上線時辨識率就夠好了！

真實世界是這樣的：不管是車牌辨識或其他文字或品管目的的辨識，沒達到98%以上的辨識正確率都是不實用的！雖然大家可以接受影像辨識沒有百分之百這回事，一個停車場一天數百輛車出入，有兩三輛辨識不出車牌，都還算可以容忍的範圍。但是辨識率95%呢？就會有數十輛無法辨識或辨識錯誤，一定會被客戶罵翻，這種產品當然是賣不出去的，大家會寧願直接改用人工處理。

而且一旦使用機器學習製作影像辨識產品，你的軟體就變成一個黑盒子了！連「設計」軟體的製造者本身都無法解析修理了！如果客戶丟一堆無法辨識或辨識錯誤的照片給我，我怎麼辦？加入這幾十張照片，重新跑幾十萬張的資料訓練軟體嗎？緩不濟急吧？客戶問我為何辨識錯誤時，我也只能雙手一攤說莫宰羊？辨識是「機器」的事情，我也不知道他怎麼搞錯的！這樣回答太不專業了吧？

我現在碰到類似情況都是立即按程序解析錯誤資料，修正不合理參數，修改流程或增加演算法，即使無法處理，也可以解釋辨識失敗的理由！總之，軟體是可以在穩定的基礎上，好像蓋101大樓一樣，當然不會幾天之內蓋到那麼高，但是我隨時可以報告進度，讓客戶有信心等我處理，也預期一定可以繼續升級！

看懂這些現場實況之後，大家就會理解，我絕對不是對機器學習有偏見而刻意不用，是實務上完全無法使用！一旦開始使用，不但對我的產品品質沒有幫助，還會立即讓我的生意做不下去！須知，當舉世都說機器學習是影像辨識的最新技術時，我的壓力很大的！很多次我都考慮說謊，假裝我有用到機器學習，也就是大家公認的AI核心技術，但我是一輩子考試都沒做過弊的人，我說不出口！

如果有機器學習專家可以指導我如何克服這些實務問題，讓我也可以使用機器學習幫助我的工作，而不是引進來破壞我的事業，我會非常感激！我根本不想當獨排眾議的烈士，這種態度在學界或許有點用處，但是對我當老闆做影像辨識的生意完全沒意義，只會讓客戶誤會我排斥新科技，得不償失的。

天可憐見，我不是不會用，或不想用機器學習，而是真的不能用啊！下面是我在FB上的玩笑之作！如果可以「人睡覺，機器學習」這樣也能賺錢養家，我何樂不為呢？