我是個務實的科學家，尊重科學事實與理念，超越我的所有價值觀與現實考量的信念！老實說，前面有好一段時間，我已經陷入我天天責罵的機器學習的盲點！如上資料上面較短的部分，就是我統計大量辨識結果，希望改善我的整體辨識速度，但只統計輸出辨識所需平均時間的資料！就是不問過程只以成敗論英雄啦！

我希望知道如何調整演算法與參數，可以更快得到一樣高辨識率的結果！這不就是機器學習派在做的事情嗎？不追究為何如此？只追求最終的結果效率，也相信只要跟著資料走就會AI了嘛！所以我也迷惑了，只記錄最終完成的所有個案的平均時間！但是很快的，我覺得怪怪的？因為即使我完全不改變演算法與參數，辨識時間還是上下起伏好大！難道辨識時間還要看電腦的心情好不好嗎？

於是我進一步開始記錄輸出內部的過程參數！我也立即發現，即使我的程式演算過程完全一樣，但是最終的辨識時間差異也可以很大！這表示我用來參考改善效能的關鍵參數錯了！我以為是我的演算法造成的辨識時間差異，其實有好大一部份與我的程式本身無關！可能只是我的電腦作業系統在忙別的程式要求的事情，延誤了我的要求而已。

重點在哪裡？我會在意到底發生了甚麼事情？所以我不再只相信辨識時間的「統計」值！而是倚賴更有意義的演算法內部參數的數值！如果內部參數顯示我的無謂嘗試辨識的次數降低了，即使辨識時間略為變長，我都會忽略的！我具體追求的是「更有效率的演算法」！而不是「辨識時間變快」！

大家知道其間的差異嗎？演算法的合理、正確與有效率才是我的研究標的！至於辨識時間呢？不同的電腦與不同的電腦環境，我是無法掌控的！即使是我自己的電腦好了，如果它正在更新某個程式軟體時，我卻在此時跑我的辨識軟體，當然會顯得很慢了！

如上圖框選的部分，明明所有具體參數都完全一樣，辨識時間卻很不一樣！我應該相信甚麼？實驗「資料」顯示的結果嗎？還是「科學」告訴我的具體事實？我相信機器學習派的投入者與支持者們也都不是笨蛋！他們絕對不會剛好都比我笨！做一樣的工作時，他們總會有一樣的理解體會的！如果我是對的，我的體驗與說法是真的！他們遲早會來跟我會合的！

最終會發甚麼事情呢？就是在影像辨識的領域大家一定會被迫拋棄「Data Driven」的概念，重新擁抱「科學主導」的理念！語音辨識或許可以用ML、DL或CNN，因為辨識正確率只需要九成，但一般商用的影像辨識軟體呢？沒到99%就根本不行的！這就是影像辨識不能直接採用ML、DL與CNN那些所謂「AI」演算法的關鍵所在！