AI點餐頻出包成網路笑柄 美國麥當勞終止得來速測試

現在大家都把AI技術與機器學習畫上等號？但事實上大部分我們日常生活中需要與使用中的AI軟體都「不是」使用機器學習或深度學習開發的！上面新聞中說的這種AI跟機器學習有關的部分頂多是語音辨識，點餐的邏輯合理性就與機器學習的訓練毫無關係，理論上或技術上都不可能使用大量的資料「訓練」出這種接受點餐的智慧！

絕大部分的AI研發過程中，大量的資料頂多用於驗證與調整系統，絕對不會是開發過程中的主角！他們是研發的被動素材，絕對不是驅動者！真正AI研發的主軸，仍然是工程師的智慧與針對所有事實與可能性的邏輯思考點滴努力寫出程式碼累積而成！絕對沒有大家想像的那麼神秘與浪漫，裡面絕對沒有魔法只有工程師的聰明與努力！

所以真的想要變成AI產業的工作者，重點絕對與你會不會或是否熟練於使用機器學習的相關技術無關！而是與你對各種專業知識與事實發生的成因理解的深度有關！最終我們要做到的還是跟傳統科技研發一樣！你一定要對所有與飛行有關的知識與環境都瞭若指掌，加上所有機械電機知識才能做出一架好飛機！不可能用資料統計攪拌一下就能產生完美的飛機設計圖的！

簡單說，機器學習讓很多我們還無法精確掌握的事實狀況藉由大量資料的統計，可以得到一個概略的輪廓與研究方向，但是如何精確精準的解決問題呢？從來就不是機器學習(ML)、深度學習(DL)或類神經網路(CNN)可以做到的事情！如果你相信可以？那就跟你相信邪教的教義，或被詐騙，或以為賭博可以致富完全一樣愚蠢！

所以如上的系統成敗好壞，絕對跟他們是用ML、DL或CNN中的哪些模式或參數無關！越依賴這些膚淺的AI科技，距離他們完工之日就會越來越遠！相信科學，相信事實，務實研究所有AI系統的反應對或錯的過程與原因，你才能準確正確的設計出AI的反應邏輯，最終做出跟人預期的智慧一樣的系統！

麥當勞的點餐系統應該一開始就要用真人與AI平行測試的！讓現場真人做最後決定就不會有離譜狀況讓客戶抱怨，要讓AI持續進化，只要詳細記錄下每一個事件，事後分析每一個異常事件的過程與原因，這樣就能讓系統穩定的進步！不好好研究發生了甚麼事，回去繼續抓瞎改參數亂踹就是最愚蠢的機器學習派訓練出來的「人才」！這些人算是被毀了！

大家必須知道：AI不是一種獨立特殊的專業技術，而是一個目標！當我們製作的軟硬體系統反應接近人類的期望時，就是AI了！目前一般人的迷思就是以為AI跟特定的技術有關？只要是想做出「AI」的功能，就必須經過某些特別的技術？不用這些技術做的就不是AI？就一定無法做出AI產品？

事實上差得遠了！市面上可以被認為夠AI的產品九成九都不是那些大家以為的「AI」技術做的！ML、DL與CNN等技術其實根本還沒證明他們在大多數實用AI研發上的重要性！尤其是我日常工作最熟悉的影像辨識領域！「看東西」能夠精準的能力絕對不只是經驗累積的結果！更重要的是邏輯分析的整體思考能力！統計結果只能給你機率大小的建議，絕對不會真的產出智慧判斷能力的！別傻了！

最明顯的事實是：當我們從影像中辨識我們想要的資訊時，「情境」也就是環境狀況的限制條件是很重要的！當我們看發票時一定會預期他們的印刷字體大小都是一樣的，而且會整齊平行排列，所以即使影像很模糊，我們通常都可以將數字金額「猜」得很準！

這些能力並不是來自大量資料經驗的「學習」！而是我們對於情境的理解能力！套句我們大學讀數學或物理時的術語就是「邊界條件」(Boundary condition)！邊界條件越多越明確，我們也能善加利用時，問題就越能快速精準的得到答案！所以我日常作影像辨識時，寫的程式碼大部分是在利用這些非影像的資訊、知識與理解幫助我做出最正確的判斷！而不是努力蒐集巨量資料來「訓練」系統！

很顯然，我的想法做法跟大家在網路上看到的影像辨識資訊非常不同！所以連我自己也曾惶惶不可終日？我錯了嗎？我是不是要被時代淘汰拋棄了？但事實是我這些年的研發勢如破竹，怎麼作怎麼對！從來沒失敗過！那些號稱使用AI科技做影像辨識的同業，我沒看過他們誰能像我一樣做出那麼多好的產品！反而是不斷聽到我的客戶抱怨他們價錢很貴又辨識率不好。

所以我就不管外面的風向了！我因此更相信我的理念看法！AI就是傳統科學的延伸，ML等技術是很好的探索輔助工具，但從來不足以擔綱AI研發的主軸！如上的案例中我就有用到CNN的！但它們只是在我的辨識流程中呼叫使用的函數之一，不夠格被稱為主角的！你可以參考我的想法與做法，我天天這麼想這麼做AI，從來沒有失敗過！