如上圖我的實驗程式可以把最終找到的車牌畫個矩形的框框，大部分號稱AI車牌辨識的軟體輸出的影像都會畫出類似的框框，但是我的制式軟體都是不會畫出框框的，原因是不想破壞原圖畫面，讓使用者可以做其他的用途，甚至用其他廠牌的車牌軟體做驗證等等。

有趣的是某些天真的客戶就說了：其他的「AI」軟體好像都能「直接」圈出車牌位置只辨識「有車牌的部分」，效率應該比你的軟體好吧？這就是很多人的AI迷思了！誤以為那個框框是辨識的起點？「AI」可以像人一樣有某種直覺？直接忽略複雜的背景，一看到影像就能鎖定真正的車牌位置作辨識？

但即使是人的視覺或稱直覺，也一定不是超自然的現象，或許真有某些人有科學還不能理解的特異功能？但是絕大多數人的視覺能力絕對沒有太神奇神秘之處，所謂的車牌辨識軟體就是嘗試用明確的邏輯流程寫程式實現這種一般人都有的視覺智慧！

如上圖的左下角就是呈現出這張影像中，其實我有經過分析五組可能是車牌的目標，就像警察偵辦謀殺案一樣，一開始通常不知道誰是真的殺人犯，會一一鎖定多個嫌犯去做偵查！每個嫌犯查到某個證據顯示不可能是他時就會放棄這個可能性，繼續查其他的嫌犯，直到確定出最可能的犯人為止。

譬如上例中的商店招牌也有類似車牌整齊橫向排列的特徵，當然會被檢驗！但是流程走到某個步驟時就可以證實他們「不是」車牌！我就會跳出這個嫌犯的偵查流程了！能夠走到辨識終點的就是它具有我認為是車牌的所有條件，就會有個分數，那個框框是流程走到這一步時才會出現的！如果你只需要找到一個車牌就取分數最高的答案即可！

即使是喜歡搞神秘的ML、DL與CNN過程也是類似的，他們必須先用大量資料歸納(訓練)出辨識模型，就是某種特徵矩陣去掃描全圖，給每個位置一個可能是車牌的評估分數，再鎖定幾個最可能的嫌犯做進一步的分析處理，跟我的流程一樣，可以走到辨識終點的才會拿到那個框框！

我是不喜歡搞神祕唬弄人的誠實廠商，總是盡量把我的辨識技術講得很清楚，也盡量讓讀者可以理解我的競爭對手使用的方法邏輯，如上這一段從複雜背景中找到車牌的過程就是這樣的！就跟一般詐騙一樣，當相關資訊都很清楚時就騙不下去了！濫用AI唬弄騙人的業者是很多的！不想被騙就必須自信地把AI產品的實際內涵問個清楚！

我跟CNN等技術的差異是：我是用所有已知的科學邏輯逐步寫成程式來實現這個過程，你也可以說我是對大多數人的視覺智慧做逆向工程！嘗試用程式模擬出最接近人類視覺智慧，也就是我們如何思考判斷得到正確答案的擬人軟體！

反觀ML、DL與CNN等大家習稱的「AI」影像辨識其實沒有更神奇，只有更不精確而已！他們單純是用資料答案逆推出一個不知其所以然的黑盒子，來實現人工智慧的！其實跟真正人的視覺智慧或稱思考過程並沒有直接的關係！如果你相信這種做法比較好，那就跟你相信算命會比科學推理更準一樣！

所以大家可以自己判斷哪一條路是更好更正確的路？我則是持續用我的軟體效能證明我的道路是更合理有效的AI影像辨識，所謂的更好，包括更低的開發成本、更快的開發速度與更高的辨識率與執行效率！事實證明至今我都還是領先對手很多的！台灣最準也最快的車牌辨識確定就是我的產品。不服氣嗎？那就辦個華山論劍的武林大會來PK嘛！我鐵定第一個報名參加！