這位工研院周經理的訪談視訊，我兩年前已經撰文批評討論過了！有興趣大家可以點進去看看。但是一樣的內容兩年後他還在繼續講，還是一樣錯誤百出，語焉不詳，刻意誤導大家：CNN等AI技術是與傳統影像辨識截然不同的新技術？而且「已經」徹底攻佔車牌辨識的研發領域？這是真的嗎？如果他真的那麼懂，為何視訊中所有資料都不是工研院自己的研究成果？甚至大部分是國外的車牌？你們到底做過甚麼車牌辨識的研發呢？憑甚麼自稱是專家？

我自己就是台灣一個高品質車牌辨識系統的製造商，不是代理商，就是完全自行研發的製造商！我其實天天期待這些AI技術可以替我的產品加值，不是看看網路資訊而已，我的RD就正在讀碩士班研讀論文，嘗試用CNN理論寫程式來幫我們更快找到車牌！但我們在研發現場看到的風景，顯然與周經理羽扇綸巾地在雲端看到的完全不同！

最刺眼的就是他說的上面那句話「以前的車牌辨識我們都需要去找特徵」，難道現在所謂的AI就不必了？那CNN是如何知道車牌在哪裡的？用冥想或通靈嗎？神經病！當然還是用影像的特徵去找的嘛！事實上還要用大大小小的矩陣做很多層的特徵分析！找特徵的計算量怎麼看都比使用傳統的OCR找車牌多上好幾十倍！

如果有某個傳統的影像辨識產品看起來比較笨或比較慢，請深入看看是不是演算法設計不夠好？或是AI產品利用了額外的硬體(如GPU)支援計算？反正所謂AI的演算法裡面絕對沒有大神！目標搜尋沒有捷徑的！就算是捷徑也是要一步一步走過去的！不可能不必計算就知道答案！如果你放棄科學分析，想用機率統計幫你找到辨識捷徑，那只會讓研發過程很笨很慢，為何不能用科學分析直接找到那個捷徑呢？我目前就是這麼作的，每次都成功！資料需求不多，研發還很快！

譬如我的車載車牌辨識產品的辨識速度就快到讓每一個人都問：你是不是使用了甚麼最新的AI技術啊？連眼睛都來不及看到的車牌都抓得到？答案是完全沒有AI！每秒做20次百萬畫素影像的全景多車辨識！他們說的那些AI哪有這麼快！但我只需要研究精進傳統影像辨識的技術就做到了！

上面這些圖都是類神經網路CNN的介紹文章中摘出來的！誰說他們不用擷取特徵了！擷取得比傳統影像辨識更兇狠好幾倍才是事實吧？周經理非常不用功是確定的！我懷疑其實他也是囫圇吞了假AI資訊的受騙者！那就不應該貿然以專家的身分去欺騙更多人了！這是專業與職業的道德啊！但是視訊中的下面這一段話他是講對了：

因為每一個路口環境都不一樣，所以用A路口環境的大量資料訓練出來的AI車牌辨識系統，並不能直接用在B路口！那是甚麼意思？如果有個天真的小公司要開發這種AI會發生甚麼事情？這是個悲劇，請準備好面紙拭淚！

他們先要守候該路口，蒐集數千(或萬)張的車牌照片，一一用人工加以辨識標記正確車牌，然後開始冗長的CNN訓練過程，但CNN只能幫忙找車牌，要正確地辨識內容是幾號？還是必須使用傳統的影像辨識技術，包括影像正規化(轉正、縮放等等)與比對標準字模等等，這是CNN無法取代的，所以AI絕對無法淘汰傳統影像辨識！對車牌辨識來說，CNN只是輔助辨識的局部技術而已。

這個勤奮的小公司，好不容易經過幾個月的工作研發，終於把「一個路口」的AI車牌辨識做好了！那下一個路口呢？你們看出這個悲劇了嗎？誰會願意每個路口花數十萬甚至百萬讓可愛的小公司這樣努力工作賺錢呢？一個路口的研發工作如果沒有幾十萬，那小公司這幾個月的薪水怎麼發？辦公室的水電租金怎麼繳？不要以為我是用想像力說故事，我已經聽到過很多類似悲劇了！那些相信這種AI技術的公司都倒定了！

 簡單說，先不必提AI車牌辨識有沒有比傳統影像辨識做出來的系統更聰明更準確！光是CNN需要的超大量資料與計算需求，就是在大燒錢了！加上AI並沒有聰明到可以A地研發拿到B處使用的地步，你想完全依賴AI，就會陷入永遠在收集資料，永遠在訓練核心，也就是繼續燒錢燒不完的窘境。試問誰會願意買單讓你這麼燒錢？每個路口最多只會有人願意花幾萬元買現成的車牌辨識軟體，我開價五萬還會被殺價到三萬！

所以你的AI產品永遠開發不完！可愛的小公司就這樣把錢燒光了！還不能怪AI哦？要責備自己的AI功力還不夠？再去集資找人借錢捐錢，再多上幾節工研院開的AI課程吧？再請工研院的專家來公司「輔導」一下AI技術吧？工研院是一定不會倒閉的，周經理的薪水也一定不會變少，可能還會加薪！因為AI課程與「輔導廠商計畫」推展很成功嘛！你的公司呢？

看到AI的風險了嗎？研發或吹捧AI如何神奇的教授、YouTuber、工研院、補習班、甚至出版商都會賺很多錢，想依賴AI研發產品的廠商呢？很危險的！我的公司也在積極研發如何使用這些AI，但我們是吃飽了買包子，因為既有的影像辨識技術已經可以賺到營運所需的錢，我們即使AI研發失敗也不會有事的！那你呢？在此AI風潮中你會是獲利者還是受害者？