我幾乎是照三餐撰文批評機器學習派的思維是影像辨識領域的亂源！但是我必須強調這不是意識形態的僵化思維，我依舊尊重也努力學習所有對我的研究目標有用的科技，其中當然也包括機器學習的相關理論概念與技術！廣義來說，我一直都有使用這些概念技巧到我的研發軟體之中！

如上的狀況，我想辨識出不太清晰的螺絲釘六角形邊界，如果你想以整張圖為資料，輸入到某個機器學習的模型，然後期待它直接將正六邊形的輪廓清楚正確的畫出來？那你就是太天真了！即使你收集且標記十萬張類似照片，讓模型學習兩三年，你也不會得到理想結果的！我罵的對象就是讓你相信這是有可能的那些AI專家！

螺絲釘有很多種形狀，可以360度旋轉到任何角度，內容的文字、商標或有意義的刻痕，你老老實實像我一樣逐步建立對應的辨識程序，只要有上百張影像，幾個月的時間，就一定可以有具體的成果。但是如果你妄想一個機器學習的模型，就可以辨識出很複雜多樣的目標？你就是準備讓AI詐騙集團欺騙的肥羊了！

當我面對如上的模糊邊界問題時，我的傳統影像辨識並沒辦法直接決定很穩定精確的邊界線，此時我就會用類似機器學習的技巧了！在我已經用其他可靠的影像辨識流程鎖定某邊界的概略範圍後，我就在此範圍內建立一個「找亮暗邊界線」的模型，如圖中的綠色線段，移動它在此範圍內計算它在每個位置的上下亮度差值。

想當然耳，因為問題不難，模型也很簡單，機器學習的模型在此必然可以輕易達成任務！如果你善用二分逼近法之類的演算原則，這種搜尋鎖定的過程還可以很快！我目前的程式準確畫出六個邊的時間也才幾個毫秒而已！也確實解決了一個很困擾我的問題。

這種用嘗試錯誤在灰階圖上找邊界線段的技巧，我很多年前就已經用在我的車牌辨識軟體中了！就像武功是用人體可以達到的能力克敵制勝的學問，所以各個門派都會很自然的發展出類似的招式。其實傳統影像辨識之中本來就有數位濾波的技術，跟現在所謂的CNN根本是一樣的！上述找明暗邊界的技巧，在所謂的邊緣強化處理或偵測上，也是傳統影像辨識的既有技術！

所以當我已經很熟練的使用它們做各種影像辨識研發時，還完全不知道機器學習是甚麼東東？現在越看這些新技術就越覺得莫名其妙？因為對我來說根本沒有看到甚麼新的概念與技術？幾乎都可以一對一的找到完全一樣的對應舊方法技術？所謂的AI科技新在哪裡？實在完全不懂？

不過算了啦！機器學習這個裝舊酒的新瓶子，已經混到變成AI的主流派了嘛！就像塔利班已經掌控阿富汗了，如果我逃不出那個國家也要試著活下去吧？我能做的是讓大家知道科學就是科學，門派商標的意義不大，合理解決問題的能力與效率才是所有AI技術共同追求的目標！簡單說，科學才是超越也包含AI的概念，妄想AI可以超越科學呢？你就是退化成原始人了！

我希望大家知道也相信：我的技術是實質包含機器學習的！即使現在還未採用的部分，有必要時也會毫不遲疑地採用！不然我為何要讓我的RD去讀南台科大資工所，把上課學習最新的AI技術當作是上班？薪水一毛不少照領？還不必請假或加班？你絕對可以相信我不可能「落伍」的！事實上我一直認為我在影像辨識領域是領先機器學習派的！信不信我的夜郎自大？你就自己判斷吧！