我作影像辨識與其他專家顯著的不同就是：不論我學會與使用了任何抽象複雜精密的演算法，我都不會讓我的這個工作與自己的常識與直覺脫鉤！上面這個辨識算是做好了，原圖是1920X1080，辨識完成大約需要0.-0.3秒，但是我立刻想到：他們的應用是連續拍攝辨識一樣的場景！所以被辨識到的目標位置應該是一直都保持一樣的！

為了方便客戶檢視環境理解辨識的場景，整個影像是不宜被拍攝成只有數字面板的特寫畫面的！所以輸入辨識核心的一直都是這樣相當複雜龐大的影像畫面，但是我們必須辨識的目標其實只是其中的一小塊，有必要每次都做完整的全圖影像處理嗎？所謂的食髓知味，黃鼠狼吃到一次雞舍的雞，下次當然是直指目標直接跑到雞舍吃雞，不會地毯式搜索四處找食物了！

所以我的軟體可以在辨識到合理正確答案之後，「記住」正確答案在影像中的位置，甚至一些目標明暗度的參數，做為下一次辨識的參考，因為我們知道除了目標數字其他環境是不會變，或是我們不必關心的！就像黃鼠狼聰明到會記得經驗，所以找到雞吃的效率變高了！我的辨識需要的時間也瞬間變成1/3！如果畫面變了，當然目標辨識不到，我的軟體就會恢復全圖搜索了！就像雞舍被農場主人搬遷或封鎖了，黃鼠狼就必須恢復原來的覓食模式一樣！

這不就是「AI」了嗎？我的軟體善用經驗值變聰明了！可以省下很多不必要的運算，所以辨識速度變快了！也變得省電多了！應該是皆大歡喜吧？但是我知道輝達與台積電都不會高興！因為運算需求變少了，就代表他們的硬體產品價值需求變低了！

正因為AI的背後有這個矛盾的產業鏈利害關係！所以其實效率極差，並不適合用於影像辨識的ML、DL與CNN等技術才會這樣被炒作吹捧成為影像辨識的「主流」技術？他們從來就不是辨識的最好工具，以後也一定不會是！但是礙於矛盾的產業利益，歹戲一定還會拖棚好長時間的！這段時間我就是贏家了！