神經網路是什麼：應用和案例說明

相信所有認真學習機器學習乃至深度學習的人都會被這些五花八門的「神經網路」唬得一楞一楞頭昏腦脹，完全無法與自己實際想解決的問題具體的搭上線！所以不管那些網路大師或大神們說得如何天花亂墜，甚至真的有實際完成的模型讓你下載測試，讓你相信他們真的可以做到一些神奇的功能，但是當你自己也想用這些神奇的理論架構解決問題時還是完全摸不著頭緒？

我也是很想學會這些神奇技術的人之一！尤其是深度學習應用於影像辨識的這個議題上！和其他人不一樣的是：我不用這些奧妙到讓人不知所云的技術之前，就已經可以用明確的傳統影像辨識技術把各種影像辨識做得很好了！我的成熟產品如車牌辨識等等，甚至比使用那些深度學習技術做得更好！

基本上我是沒有急迫性必須導入深度學習技術來幫助我的產品開發的！但是好奇心讓我還是不斷的想探索這個神祕的新領域！我之前最大的疑惑是：我知道要完成影像辨識的工作必須是有很多步驟的！譬如：全彩影像→灰階化→二值化→切割目標→組織排列目標→比對模板等等！

如果機器學習只是拿一大堆影像，對應到每個影像的最終標準答案(如車牌號碼)，然後用個黑盒子攪和一下，就是經過所謂的「訓練」或「學習」，就可以產生跟我的軟體產品一樣厲害的AI產品？那真的和見到鬼魂的靈異事件一樣不可思議！事實上這些AI專家也承認沒這麼容易，所以才出現看起來更複雜如上圖的深度學習架構！

但是如果你也嘗試閱讀很多相關資訊應該會跟我一樣，他們只是提出更複雜的數學模式架構，但整體來說依舊是個黑盒子！只說「適當調整」與「充分訓練」之後就可以完成複雜的辨識功能，如何實作才能完成神奇的成果呢？依舊是個謎！想要享受到深度學習的成果，除了花錢買大師大神的成果之外別無他法！

所以我認為這些神秘技術的目的最終只是達到商業的目的！讓一般想自行研發的人知難而退，承認自己不夠聰明，心甘情願地花錢買訓練好的模型軟體或是壓製好的AI晶片！除了極少數深藏在雲端大公司的工程師之外，沒有人可以自己真的用深度學習製作出甚麼有用的好東西！

諷刺的是：即使這些使用者其實無法真的自己使用深度學習從事有意義的生產，還是會去上很多AI課程，買很多教材與工具軟體！AI實際上變成只有極少數人獲得暴利的產業？這就是我們必須走的AI之路嗎？我認為那只是AI造神之路！如果這些技術不能讓所有學習者真的都有生產力，那就是大失敗了！

這有點像早期的程式語言教育，優勢族群有意無意地讓程式語言變得很深奧很難學會，就保障了少數人的技術優勢！雖然我不覺得深度學習的成果會比我用的方式有更佳的生產力，但是我覺得如果它真的要變成AI世界的一個重要部分，一定要有人更具體的讓學習者學會如何使用，形成實質而且普及的生產力！

簡單說，也就是讓學習者有具體範例導引，實際上將深度學習與特定議題，如影像辨識的各個必要環節清楚的連結！我可以為此提供第一步的協助！就是告訴大家：深度學習的多個隱藏層其實就是對應於傳統影像辨識必要的多個步驟！每一個隱藏層就是必須完成的某個影像辨識步驟的處理功能。

譬如OCR的影像辨識技術二值化之後可以將影像簡化為很多個可能是最終需要辨識的目標群，它就可以變成某個隱藏層的功能！下一個隱藏層則是必須形成將目標有意義的篩選與組織的功能！依此類推完成整個影像辨識需要的所有步驟！知道這個概念之後，應該如何調整每個隱藏層的參數權重就不再是那麼神秘神奇的工作了！

我相信那些躲在雲端搞神祕的大師大神也是這麼工作的！不然他們就不可能完成有效的影像辨識！我希望有更多人努力將這些實作需要的更具體細節過程研究清楚也說清楚！或是那些大神大師願意分享更多細節！光是賣弄玄虛讓一般學習者只是迷信AI很厲害？卻完全不知道怎麼作的？那就坐實了我的AI詐騙集團的說法！

我認為當更多人可以實作機器學習、深度學習與CNN從事生產，完全揭開這些技術的神秘面紗之後，就不需要我天天批評它們了！到時大家都會知道它們的實際能力與使用限制，AI詐騙集團當然也很難再繼續為所欲為地欺騙大眾，把我們都當作無知的肥羊來宰了！