1.精準AI 架構設計。 2.巨量資料訓練。 3.前後端系統整合。

現在基於機器學習概念的AI技術，最大的迷思盲點就是「精準」這兩個字！只要是基於機器學習的技術就是統計學！用白話文說就是「猜測」或「估計」的學問！統計學永遠不會是一種可以跟「精準」畫上等號的科學！對於目標模糊的辨識議題，機器學習為基底的AI可以做到Better than nothing! 就是聊勝於無啦！但是精準的辨識根本不是他們擅長的事！所以「精準+AI+影像辨識」就絕對是詐騙無誤了！

也因此如果你說的AI是侷限於以機器學習為基礎的技術，包括深度學習(DL)與類神經網路(CNN)，就不可能與「精準」的概念相容或相關！統計學是嘗試「趨近」事實的概算技術，如上的示意圖就是一個典型的AI詐騙手段！跟詐騙集團要你到ATM操作解除扣款一樣惡劣與荒謬！但重點是：你看得懂嗎？

上圖中幾乎所有的內容都是對的！只有紅框圈出的部分是非常突兀的明顯錯誤！因為這些基於機器學習的技術能發揮效益的前提是：資料與目標之間的不確定性很高，所以必須仰賴巨量資料與統計學摸索，以得到「最可能的標準答案」！但如果我們要辨識的目標與資料都是很明確的呢？還是堅持套用這種統計學技術就是毫無意義的愚蠢行為了！已經知道絕對正確的事實還需要用大量資料去「學習」嗎？除非你是迷信AI的白痴！

在我們需要解決的現實世界諸多影像辨識問題中，「適合」使用這些統計學技術的議題其實只是一部份，甚至是極少數！尤其是需要「精準」辨識的議題，譬如工程圖上的元件，或是在高度控制環境下，對已知可明確定義目標的監測，其實都是一翻兩瞪眼的明確科學事實，根本不需要統計學介入的！但他們是這麼說的：

譬如在AutoCad軟體產生，或掃描影像的工程圖中一個電阻元件的符號如下圖是完全不需要用大量資料「學習」的！直接用已知圖示製作辨識標的才是最簡單也最正確可以導向「精準」辨識的做法，你如果堅持這也要用機器深度「學習」？不但是脫了褲子放屁多此一舉，還會把實質辨識率降低，套句我從女兒那邊學到的新詞彙就是「想太多」！反而距離精準辨識的目標更遠了！

我相信現在積極炒作任何影像辨識都必須導入深度學習的廠商或學者，他們都知道這個簡單事實的！會堅持這個錯誤訊息只是基於商業利益，讓簡單的事情複雜化，製造更大的AI商機而已！所以我批評他們是AI詐騙集團只是剛好而已！這真的是詐騙無誤！而且我就是受害者，我堅持作對的事情，卻被這種詐騙集團搶走很多工作，最終他們搶到的客戶也沒有得到他們需要的「精準」辨識軟體，跟我一起變成受害者，這不是詐騙甚麼才是？

大家可以看看下面這個故事，每個情節都是真的！歡迎所有關心AI實況發展的新聞媒體追蹤報導！簡單說，追求「精準」的影像辨識根本就不能用他們說的那套AI技術的！你知道嗎？

這個局我佈很久了，就是要嚇到你！