我認為最好的車牌辨識，也就是最合乎AI目標的車牌辨識，應該像人腦一樣會觀察到所有線索，做最合理的思考與判斷！自然環境拍攝的影像會有各種各樣的雜訊或資料遺失，即使是人腦也不能保證永遠正確，但是顯然人的視覺判斷比任何演算法都要更周全，所以號稱AI的機器學習依賴的標準答案也都是來自人為判斷的標註答案！他們哪有甚麼「智慧」？只是老師(人腦)寫出標準答案，學生(電腦)努力瞎掰嘗試錯誤找出猜對最多答案的過程而已！

如上的案例就很刁鑽，因為8字的右上方剛好有個反光，讓8字變成很像6？我的前一版軟體也被騙了，辨識結果是：AYM-3506，而非正確的AYM-3508。以字模比對的角度看，這個有缺陷的目標確實比較像六碼車牌的字型6，比較不像8！但聰明人馬上會發現矛盾，這明明是個七碼的新型車牌，即使真的有個6，形狀也絕對不會與8字相似的！如下圖：

上面就是台灣車牌六碼與七碼字型的369，事實上除了最終我組織出的答案是七個字之外，從那個完整的「3」字元目標的形狀我也可以推斷這是一個七碼的車牌，已經有至少兩個證據顯示這是個七碼車牌時，我當然可以排除不用六碼的字模去比對其他的字，所以面對殘缺的末字8，它絕對不像七碼字型中的6，絕對比較像8！之前會誤認是因為我不知道目標是六碼或七碼車牌，當然兩種字型都會嘗試比對，如果能審視線索推斷是哪種字型？錯誤機率就降低了！

這又是一個小聰明推理的成果，也很踏實地在我的軟體中實作出來了！所以我的軟體真的會作很多推理與思考！也就是我用演算法模擬出人的智慧了！這才是我心目中真正的「人工智慧」正港的AI！也就是精準的重現我們大腦中的影像辨識思考過程！

相對的，現在多數人說的AI只是以機器學習為核心基礎的技術，是讓電腦依據資料統計歸納與逆推出一個妥協的辨識解決方案，讓答案盡量「趨近」人腦的判斷！但只是趨近與猜測的技術對我來說是遠遠不夠的！太Low了！我要的更多更好，我想要具體重現人腦真正的思考過程！這才是真正的科學，真正的AI！機器學習只是無計可施或想猜個大概答案時可以用的技術！尖端精確的AI絕對不可能依賴機器學習的！差得遠了！