辨識熟度幫採果 大葉AI機器手臂奪銀

我常說大部分的影像辨識，如車牌辨識、人臉辨識、指紋辨識、考卷辨識或儀表辨識等需求，都要求高精確度到99%以上，所以以統計學為基礎的機器學習完全不適合用來開發這些影像辨識！因為機率統計學基本上就不是追求完美精確的技術，不管用多少資料訓練出來的模式，都很難面面俱到精準到99%以上。

如果需要辨識的目標很簡單清楚當然用甚麼技術都一樣，但是機器學習模式的開發成本高，碰到簡單的案例當然還是「不要」用機器學習比較好！所以實務上適合用機器學習技術開發的影像辨識議題很少，具體說就是：目標模糊而且辨識率要求不太高的議題。如上的採果辨識就是其中之一！

果農們要採水果時，雖然還是希望一個都不能少，但如果可以達到九成上下的正確率，又確實可以節省人力，就可以接受了！就是每一百顆漏掉五六顆甚至七八顆都還好的！人工採摘如果趕時間爭時效的話也差不多是這個成功率的！留幾顆給猴子小鳥蟲子吃是很平常的！果農不會因此對AI廠商抓狂的！

如果我就是堅持不用機器學習，要用傳統的影像辨識技術，以顏色形狀等區塊特徵辨識藏在枝葉之中的成熟水果，當然也是可以的！但是因為辨識的複雜度較高，製作成本與時間就會跟使用機器學習不相上下，還特別需要高技術且傷腦筋，那就不如使用機器學習的統計模式讓電腦去忙了！

所以我的公司碰到類似這種案子，通常就不會接了！讓那麼多聲稱機器學習很厲害的公司去做就好了！因為用我們的傳統方式做起來很辛苦耗時，成效也不會比機器學習作出來的好上多少！吃力不討好，利潤也不會高，在商言商嘛！通常就會婉拒了！如果硬是要做辨識率還是會比機器學習更高的！

基本上機器學習模式就是不管物理細節，累積大量模糊的經驗，不求每個案例的辨識過程都很完美合理，只求建立一個通用的模式可以讓整體的正確辨識數提高！也就是不必根據個案建立完美的演算法適合每一個不同的案例，只是讓電腦用大量資料統計出一個機率最高的「猜題」模式的意思。

我常說AI會騙人的意思就是：這種統計模式絕對不可能達到傳統影像辨識根據物理與科學為基礎，完整分析每個案例的屬性變因，設計出合理演算法的傳統模式能辨識的準確度！也就是說機器學習是一種便宜行事的機制，但實際做起來因為需要大量資料與大量電腦運算，開發成本絕對不「便宜」！

所以即使是複雜的影像辨識也不是非用機器學習不可！只是不用機器學習的話，影像辨識的技術門檻對於大多數工程師來說就太高了！大家風靡這種技術的真正原因是技術門檻因此變得很低，幾乎任何人有足夠資料就可以做出差不多堪用的成果！甚至不必修過影像辨識原理的課程都行！

所以機器學習絕對不是可以達到較高的辨識率，只是技術門檻較低讓大多數不太懂影像辨識的人也能加減做而已！如果因為看到大家一窩蜂的使用機器學習就誤以為他們是「較好較準」的先進影像辨識技術？那就錯得離譜了！但那些宣傳AI的人就是希望大家這麼相信的！所以我才會說他們是騙人的！