教育部次長葉丙成：AI學習需求大，不是好大喜功在做的

基於自己在影像辨識領域耕耘十年的知識與經驗，我常態性的批評ML、DL與CNN等所謂「AI」的核心技術完全不適合作為影像辨識的主導技術！但我不是那種自身知識經驗與成就都很淺薄，只想譁眾取寵爭取關注流量的網紅！我一直是以嚴謹的學術訓練為基礎在網路上發聲的！身為需要客戶支持買單的業者，這種立場其實對我的生意沒有好處，但基於科學家的學術良知，我無法說謊！這是我的社會責任！我也很確實的持續用優秀的影像辨識產品證明我的觀點！

所以千萬不要誤會我是「逢AI必反」的偏激分子？我是受過完整充分學術訓練的博士專家，也持續在我的專業領域的角度觀察所有AI領域的發展現況！我對於AI整體發展與技術內容的認知絕對是超過一般民眾與諸多年輕AI網紅的！如上的新聞報導我就完全沒有負評意見！

他們列出的五個課程大家注意到了嗎？人工智慧導論、金融科技導論、機器學習、自然語言處理、資料探勘與應用，至少在標題名稱上跟「影像辨識」都是沒有直接關係的！這一波AI浪潮確實改變了世界！也確實是以ML、DL與CNN等技術為核心，讓我們的世界有了極大的改變與進步！很多傳統科學應用卡關的領域，都因為這些暫時放棄嚴謹科學的堅持，改以資料統計逆推的方式找到解方，獲得了很大的效益突破！這種AI技術發展當然是非常有效值得推廣的！我絕對支持！

所以我認為上面五個課程，確實很有意義的呈現了AI技術改變世界的核心重點！我百分之百的支持應該好好推廣這些課程！但這種AI技術如果要橫柴入灶，硬說自己也是影像辨識技術的主流與未來？我就會直接駁斥這是明顯荒唐的詐騙行為了！

重點是：多數人並沒有看清楚這波以統計學為基礎的「AI」技術浪潮所以獲得成功的原因！ML、DL與CNN等技術本身是好東西！面對很多實用領域中變數太多，傳統科學研究還難以精確掌握的問題，他們確實可以迅速獲得「堪用」的模式解方，讓我們急需克服的問題可以獲得突破繼續前進！

這當然有極高的價值！按照幾百年來的科學科技研發的傳統模式，很多問題可能還需要幾十年的研發才能達到實用有效的地步，但是經過這些ML、DL與CNN的統計模式，我們可以在我們其實還「不知其所以然」的狀況下，就跳過很多研發過程達到我們需要的應用目標了！這是一條真的有效的捷徑！但絕對不是說這種AI可以取代甚至勝過明確堅實的科學與科技研發！一旦科學可以釐清掌握所有變因時，這種AI不論是準確度與執行效率都是遠遠不如的！

如果這些以統計學為基礎的「概算」技術，不是以明確科學原理與知識為基礎的技術，還堅持要宣稱自己可以完全超越堅實可靠的科學原理的判斷能力呢？那就是誇張的大笑話了！冷氣機的AI在偵測到溫度低於門檻值時就停止壓縮機運轉，這種判斷當然不需要也不應該相信機器學習的答案的！

事實上真實的世界中，90%以上的各種科技應用都已經可以依賴明確的科學原理將事情做得很完美了！很少需要依賴統計學的！很微妙的就是：影像辨識似乎很複雜？很難以精確掌握？所以這些以統計學為基礎的「AI」技術就想大舉入侵這個領域？甚至宣稱可以變成影像辨識的主導技術？

但事實上雖然影像辨識很複雜，但是發展數十年來早就已經在堅實的科學理論基礎上相當成熟，辨識率遠遠高於ML、DL與CNN技術可以達到的高度！車牌辨識在數十年前就已經是辨識率大於90%的成熟技術，根本不必辨識率只有七八成的統計學技術來「幫忙」的！硬說這種AI可以讓影像辨識更進化？那絕對是胡說八道！

所以目前這些所謂的「AI」技術，一開始就不應該，也沒資格到影像辨識的領域說三道四的！這才是我持續對ML、DL與CNN這些所謂的AI技術介入影像辨識領域的亂象發言的原因！很像麥可喬丹在籃球領域是個神，但是不表示他就可以在棒球世界也是個神？

所以大家應該有個正確的認知：這些「AI」課程絕對與「影像辨識」是毫無關係的！影像辨識是不是「AI」？可以再討論！但影像辨識的主流技術一定不可能是ML、DL與CNN！這是已經很確定的科學事實！大家真的不要被繼續誤導迷惑了！