網路城邦
上一篇 回創作列表 下一篇  字體:
只知其然,不知其所以然,這就是AI嗎?
2022/05/16 05:35:47瀏覽1105|回應0|推薦8

現在大家一談到AI,似乎就是狹義的定義為以機器學習概念為基礎的那些技術?包括機器學習(ML)、深度學習(DL)或類神經網路(CNN)等等,他們都口徑一致的認定「為何如此?完全不重要!」只要答案看起來是「」的,能得到符合多數人認知結果的方案就是AI了?科學的事實原因呢?已經被完全拋棄了!

我自己也常常(事實上是天天)自我檢討省思,為什麼我會覺得舉世皆醉我獨醒?大家都如此瘋迷那些所謂的AI科技,我明明身在這個應該是AI研發圈子的核心,卻始終無法認同多數人的AI理念呢?是我太笨?是我瘋了?還是我真的有真知灼見呢?

我是一個以影像辨識為業的生意人,我在乎的當然只是事實!如果發現自己錯了,我絕對會立即改變立場,東西做好可以賣錢才是重點,誰對誰錯?對我來說一點都不重要!我的收入存活關鍵,始終不是來自AI科技到底好不好?或對不對?而是甚麼科技真的有用能做出高辨識率的影像辨識軟體來賣

我所知道的目前這些AI科技最奇怪的就是:不問科學原因,只問答案是否跟人的判斷一致?這是一條捷徑,如果我們就是有很多資料,譬如車牌影像,答案都沒有爭議,可以人工標示出來,大家也都很同意這些答案。那麼用程式逆推演算,自動找到一個辨識流程可以最大化正確率,我沒有意見。

但是我知道這樣做出來的結果,一定不可能變成可以維護精進的正常商業AI軟體!因為連「開發」者自己都不知道辨識流程為何如此決定答案?那是機器學習自己建立的認知過程,如果有一個案例很奇怪,辨識錯誤,客戶質疑時,我就是應該解釋為何錯誤的那個人!我該如何應對呢?因為根本不是我的邏輯,我能怎麼說,又如何改善呢?

大多數人只看到那些AI技術的「可能」速效,卻都沒認真看到,思考過更深層的問題!尤其是影像辨識,根本不是如股票市場起伏那麼不可預期的狀況!沒有CNN等技術問世之前,影像辨識本來就是一個可以有大於九成正確率的穩定技術,每個辨識成敗過程與原因也都可以精準掌握分析,何須ML或CNN來猜測推導影像辨識公式呢?

如果你貿然引用CNN等技術作影像辨識,好處在哪裡呢?如果你要找的目標原本就是毫無頭緒的阿貓阿狗,或許有點幫助,但如果是已經有明確邏輯可循的車牌、人臉或指紋呢?我還應該依賴CNN來找你要的目標嗎?我們如何找到車牌、人臉或指紋的邏輯特徵,都已經是可以用科學原理清晰掌握的,為何必須「退化」到更基底的簡易特徵,使用CNN來看事情呢?

AI?不是應該讓我們更接近人的智慧的嗎?對於大多數已經商業化的影像辨識軟體來說,MLDLCNN等等技術,其實根本還沒有證實它們可以超越既有的技術,這個事實你們知道嗎?現在熱炒的這些AI科技如果硬要橫柴入灶,只會讓影像辨識的研發停滯與退化!這件事大家知道嗎?

我已經看到的事實是真正的先進影像辨識大廠都沒這麼笨!包括我的小公司在內,我們一定都會掌握既有技術,不會讓自己的研發陷入不知所云的AI迷障的!怎麼作事?不是重點,知道自己在幹甚麼?讓自己下一步的研發繼續穩定升級才是重點

但是MLDLCNN卻完全不是可以達到這些目的的技術,我們當然會持續關注,必要時也一定會使用這些技術,但是改用它們來當作發展公司未來技術的主軸呢?我們當然沒有那麼天真愚蠢的!不然公司的前途就岌岌可危了!我們就是AI產業,當然不會忽視AI可以達到的目標,但是現在大家說的AI技術,真的就能代表AI的未來嗎?絕對不是的!

( 心情隨筆工作職場 )
回應 推薦文章 列印 加入我的文摘
上一篇 回創作列表 下一篇

引用
引用網址:https://classic-blog.udn.com/article/trackback.jsp?uid=yccsonar&aid=174203884