延續昨天的話題，其實我已經等了好幾年，終於有AI影像辨識的支持者來踢館了！我昨天發文後他毫不客氣批評我錯了！ChatGPT確實可以提供辨識該車牌影像的原始碼！他還立即建立了一個測試網址：https://unix.tw/，可能是他還沒整理好吧？我剛剛想測試時都是得到錯誤訊息，但我假設他說的都是真的，我承認我對ChatGPT可能作弊的懷疑是冤枉它了！AI確實找到了可以辨識車牌的網路方案！

但是從讀者的回覆訊息中我看到了一個讓我很吃驚的訊息！就是上面這張影像被截掉我的標籤答案之後應該只剩下不到10萬畫素，這位讀者用ChatGPT提供的程式辨識成功需要的時間是381毫秒！這比我十年前最原始的車牌辨識版本還要更慢！我的新版軟體辨識更只需要28毫秒！但是該讀者說這還在「堪用」的範圍？事實上現在一般業界車牌辨識使用的影像至少是30萬畫素以上，辨識時間最多不能超過0.5秒，10萬畫素就需要0.381秒？那是慢到無法實用的！

我回覆他說381/28=13.6倍，就是這個AI方案會比我的軟體慢13.6倍，耗電也是13.6倍！但他還是不服氣，居然直接刪掉我的回覆？還說省電效益微不足道云云？24小時運轉的車牌辨識系統電腦耗電多13倍，沒關係嗎？

當然口舌之爭的輸贏沒有太大的意義，我們的線上討論也到此為止，我驚訝的是這個很驚人的速度差異！即使AI找到的方案真的辨識能力跟我的軟體一樣強，甚麼歪七扭八的車牌都能辨識，但如果速度效能差了十幾倍，在商業競爭上就根本是端不上檯面跟我比較的玩家級實驗品而已！大人跟小孩的差別有甚麼好爭的呢？大家應該好奇關注的應該是為什麼速度會差那麼多吧？

上面是我的軟體辨識柬埔寨車牌的實例之一，如果十萬畫素的影像辨識車牌需要381毫秒，那上面這張畫素123萬，背景超複雜，車牌又很小的影像讓AI辨識需要多少時間呢？381x(123/10)=4686.3，不是至少需要四到五秒鐘嗎？但我的軟體只需要288毫秒，就是一般人的感覺上是「即時」的立即反應！用ChatGPT辨識呢？就會讓使用者以為是電腦當機了！這就是車牌辨識軟體能否上市推廣實用的巨大差異了！這樣的AI方案能還算「堪用」嗎？

其實這位讀者還很頑強地說：這是還沒有使用GPU加速的辨識速度，如果用了GPU就可以快好幾倍的！但是我也沒用GPU啊？如果我也用了呢？你支持的AI方案還是慢我十幾倍啊？還是承認：影像辨識技術的核心還是演算法的效能吧！只要我的演算法夠好，我根本不必使用GPU都會比使用GPU的對手更快的！如果速度只差一倍，你可以解釋是專業與業餘處理程式的細節方式所致，譬如編譯程式好不好之類的！差到十幾倍呢？鐵定就是演算法的問題了！

以上的討論都是我與這位讀者交談過的內容，但在FB版面上是屬於回覆他的發言，所以他看了不高興就有權限可以把我的上述說詞通通殺掉，只留下他自己發表的觀點！我無意讓這位讀者不舒服，但是做科學研究必須面對事實才能走對的路繼續前進，所以我必須把話說清楚，讓所有關心此議題的讀者都能分享真正的AI事實觀察！

其實這個討論完全證實了我之前的所有觀點，包括這位讀者說取得的原始碼是用Python寫的！證明了這個語言的速度效能極差！比我用的VB慢很多！如果這方案真的是用機器學習訓練的，那不只是執行速度很慢而已，開發時需要的資料成本與運算時間都非常浩大，真的是辛苦了！而我開發越南車牌的時間才兩周吧？就大幅領先了！

我更想提醒AI影像辨識支持者的是：不管你用不用GPU，任何計算量就是會耗電！與其因為演算法欠佳而衍生大量不必要的運算量之後才來想省時省電的方法，就不如回到源頭研究出更好更有效率的演算法！這些AI辨識方案目前落後我的因素就是演算法！尤其是基於ML、DL與CNN的演算法就是真正主要的戰犯！它們的計算量太大，也太沒效率了！繼續扯進GPU或甚麼邊緣運算來救援都是飲鴆止渴而已！面對現實吧！ML、DL與CNN都絕對不適合擔任影像辨識主角的！