大學中文系搶開AI課！

台大電機教授：AI人才分3等級，最後一種漸失優勢

AI如何在文史領域應用？應用的內容方式如何？都不是我熟知的事情，所以我不予置評！但如果同樣的三級論放到影像辨識領域呢？我認為剛好是相反的！

我的公司在影像辨識應用的市場經營十年了！做過車牌辨識、閱卷辨識、瓦斯表辨識、各種實驗觀測辨識、路安事件辨識，乃至工地揚塵與路面髒汙的環保事件辨識等等不勝枚舉，而且都是很成功做到達標甚至超標讓顧客很滿意的！但我們很具體確實的就是李教授說的「後者」第三級的人！而且就是賴此正在AI業界謀生之中！

在影像辨識的市場上，多數人都很容易用一般程度的科技常識想到自己的工作中「甚麼事」可以用影像辨識代勞？這就是李教授說的第一種人了！為什麼要做呢？那就是成本效益的考量了！要吃飯我可以自己煮，也可以到外面吃，也可以叫外送，影像辨識也是如此的！沒有AI本來我們就活得好好的，要用不用當然是看成本效益！花得起錢買AI，而且用了會更賺錢就用吧！

這也不難，就是看建置採購影像辨識系統要花多少錢？可以省多少原本需要人工的花費？通常客戶會想不到而忽略的一項是：辨識率要多高？才能真的取代人工作業？影像辨識通常是不會達到百分之百完美的！總還是需要少量的人力做例外的處理，例外多了就需要更多人力，算算總帳未必真的能省錢的！賣AI影像辨識的騙子實在太多，一定要先確定辨識率能否達標才付錢的！買了再說就來不及了！

所以各行各業中是否要導入AI？這(第二級)可能也是一種AI相關的工作，但是以影像辨識來說，我覺得不太需要甚麼特殊訓練的AI專才，有科技常識與財務收支概念的老闆或經理就可以做到了！真正可以成為一種獨立AI行業無可取代的，恰恰是李教授說不太重要的第三種人！就是如何實作出影像辨識功能的人！

現在的AI影像辨識技術所以這麼被重視，不只是大學裡廣設AI課程，甚至補習班、書籍、教材與YT視訊網站都滿天飛，原因都不是缺少上述李教授說的一或二級人才，而是真的非常少人或公司可以成功做出可用好用，而且低成本的，的各種行業需要的影像辨識軟體！不是成本(售價)太高就是辨識率太低，或兩者兼具！所以影像辨識產業的產量與產值還是很低的！太多行業需要的辨識產品都難產或不夠好，或是夠好了但是太昂貴！客戶買不起或太貴不願買都是AI發展的障礙！

我會決定將我的公司轉型定位成影像辨識專業公司，就是看準這個機會！近十年來也大致如我的預期，雖然AI影像辨識技術的牛皮吹得震天價響，但各種影像辨識絕對不是他們暗示的「萬物皆可辨，只要先訓練」？機器學習的技術完全沒有這麼神奇！甚至是捉襟見肘非常狼狽的！我們公司做不同的辨識都很成功，但都是高度客製化必須量身訂做的！每種不同的辨識目標都有非常不同的辨識過程設計，根本沒有甚麼SOP可以直接廣用做好所有的辨識。

也正因為如此，「如何做出」各種行業需要的影像辨識才會成為一個有價值可以持續經營的AI行業！如果那些過度吹噓炒作的AI技術真的如此神奇？上完ML、DL與CNN的相關課程你就可以勝任任何使用目的的影像辨識？那我的公司就沒有太大的商業價值，不可能活到現在了！或者我的公司裡都是一群只會用ML、DL與CNN的人？但事實上我們幾乎是完全不用那些技術的！

其他領域的AI如何發展我不太熟悉，但是影像辨識領域呢？因為影像辨識是非常需要客製化的工作，也非常複雜，不像生成式AI的邏輯那麼可以重疊通用，如何做出可用好用且便宜的影像辨識軟體才是這個AI領域發展的關鍵瓶頸！你的產業要做甚麼辨識？或為何要做？值不值得做？是相對較簡單的決定，不需要AI專業人才的！

明天我們就要受邀去一家傳統產業的工廠拜訪討論業務，事件源起就是該廠覺得可以引進影像辨識增加產能，正在多方評估成本效益與可行性，但是已經洽詢過的影像辨識廠商都讓他們覺得價格太高、研發時程太久、成效也沒有夠多承諾。最終他們經過網路資訊與市場口碑找到我們，初步洽詢也很合拍，才有此行要進入實質辨識議題討論的！他們就是李教授說的一二級的人才，我們只是三級人才，但是顯然我們才是最終AI計畫能否實現的關鍵！