打造智慧工地管理　臺南環保局攜手雲科大奪金矽獎

本來有點擔心在此談論過於技術性的議題讀者會看不懂不耐煩，但是前兩天有位目前替某大工程公司擔任工地安全顧問的長期讀者，也是潛在的客戶，來電詢問使用工地影像提升工安的一些具體議題，他的技術背景能力就跟上述新聞中提到的王教授有些相似，執行邊緣運算的嵌入式系統也是他的專長！

我們在線上相談甚歡，他完全贊同我對工地影像辨識技術的觀點，因為他已經和他的工程公司客戶一起研究這個議題很多年了！他們獲得的經驗與我的見解完全一致！這讓我意識到原來我的讀者中不乏這麼專業的人士？甚至可以經過他們讓我得到更多商機！所以我就放膽談談這個更專業細節的問題吧！

上述新聞中提到的「邊緣運算裝置」其實是用來迷惑外行人的說法，目的是誤導一般人以為這些額外的硬體裝置是實現AI影像辨識必要的一環？如果客戶相信了，就會願意花錢建置這些設備，對這些AI業者的好處是很多！但對於花錢的客戶與使用者卻完全不必要，根本沒有任何提高系統執行效益的好處！

具體來說，工程單位或監管單位會想使用影像辨識提升工安或環保的品質與執行效率，主要的考量就是「比較便宜」！不管AI不AI，最重要的系統研發與建置方向一定是要比使用人力監控管理更省錢！人眼人腦終究是比任何目前能做到的AI系統更聰明更準確的！也確實是本來就在用的方式，如果要花多過請人監視的成本，那種AI就必然無法實用推廣了！

如前文所述，為何雲科大做過也得了獎的案子，客戶不直接採用？還要繼續花錢找我們這個小公司二次研發呢？最重要的原因就是一旦使用他們的方案這些額外硬體就會需要額外的錢，太貴了！最終我們開發出完全不必額外軟硬體，用一般規格的電腦就可以辨識率更高的產品，也證明了我的說法無誤：邊緣運算設備完全沒必要！

這些事實我相信推廣那些AI系統的學者或廠商也已經知道了！但是因為這個錯誤的概念可以擴大他們的獲利，而且讓建置完成的系統不再有可以輕易置換的可能，A廠商做的系統要換成B廠系統就必須連周邊硬體一起換，客戶等於被綁架了，就只能忍痛繼續接受原廠的勒索壓榨，但廠商就獲得更多獲利保障了！如果他們承認這些硬體沒用，就必須跟我站在同一基準上比拚純軟體的辨識效能，他們就居於劣勢了！所以一定會繼續瞎掰到底的！

讓我更進一步分析破解這個詐術吧！他們說必須使用邊緣運算的利基是：影像辨識的運算量大，如果可以使用這些周邊裝置分散，甚至完全取代影像辨識的功能，就可以提升系統的效率！如果「前端」設備就可以完成部分或全部的辨識，那必須後送到後端主機的網路資料流量就會很少，主機也不必忙於影像辨識了！

但是如果不要採用計算量大到不合理，辨識率又不高的ML、DL與CNN等技術，專注使用傳統影像辨識技術開發軟體如我一樣，需要的計算量對目前的電腦來說根本不大！所以不必使用電腦內的GPU，更不必使用電腦外的邊緣運算裝置！傳輸影像到後端需要的網路流量對目前的網路品質來說也根本不痛不癢！監工無聊時用手機或主機隨意上網瀏覽的視訊流量還更大！

所以包括GPU在內，所謂的邊緣運算在目前影像辨識的實用領域根本是可有可無，甚至是多此一舉的愚行！唯一還會被提及甚至繼續強調的原因，只是此事攸關AI硬體廠商與熟悉相關技術(嵌入式系統)專家的利益與生計！所以從ML、DL、CNN到邊緣運算其實是一個整套的利益共生體！利用錯誤的前提製造出假性需求，你要買的東西就會越來越多，也越來越貴(如GPU電腦)，為了AI而AI的人就像被詐騙集團盯上，永遠買不完了！

別的AI實用領域我不熟悉就不予置評，但是說到我知道也做過的這些影像辨識議題，根本完全不需要ML、DL、CNN、GPU與邊緣運算裝置就可以做得很好，甚至更好！對於目前討論的這些影像辨識應用來說，他們根本是來騙錢搗亂的！套句汽車廣告詞：聰明的就懂！