這就是影像辨識領域最迷惑人心的殺手級廣告了！其實我做的車牌辨識就是奠基於OCR技術，我這些年的工作就是不斷的研究優化辨識車牌能力的演算法！也持續獲得成功，在台灣的車牌辨識與影像辨識研發市場上佔有一席顯著的位置！但我是從來不使用深度學習技術的！如果深度學習真的如廣告中說得那麼神奇？我的工作應該早就被他們說的AI取代，我也被淘汰了！

十年前我就非常緊張擔心這些四處張貼的廣告是真的！如果深度學習可以經過大量資料的持續訓練，就比我用科學知識與經驗深思熟慮研發的成果更好，那我的工作就真的沒意義了！最現實的是：如果深度學習做的車牌辨識比我的產品辨識得更準？我還能靠這個生意討生活嗎？

所以我當然是非常認真的面對這些可能危及我事業生涯的新技術！不僅努力學習相關知識，關注相關資訊，甚至半強迫的要求我的RD去讀一個其實她並不想要的碩士學位！重點就是希望她去學習機器學習(ML)、類神經網路(CNN)與深度學習(DL)這些號稱跟影像辨識相關的新科技！如果這些技術真的比我們用的方法好？我是商人嘛！一定會積極擁抱可以賺錢的新科技的！

隨著我的團隊也對ML、DL與CNN更加瞭解，所謂的知己知彼後，我們的擔心幾乎是煙消雲散了！甚至敢於直言這些技術根本不適合用於我們想開發的高辨識率影像辨識軟體！我們知道自己已經贏定了！反而想勸說過度迷信這些技術的同行，不要陷入這些會大量燒錢又確定沒有前途的研發方向。

關鍵在哪裡呢？就是這些「XX學習」並不是浮誇的AI業者想誤導大家相信的真正符合科學意義的「學習」！我們每個人都要讀書學習很多年，我們所說的「學習」絕對不只是累積經驗而已！背誦課本或訓練反射動作絕對不足以被視為完整的「學習」！連運動員都必須學習很多人體工學乃至相關醫學，知道自己為何要做那些訓練？這樣遇到失敗挫折甚至受傷時才能分析原因加以改善求進步！

但是很顯然的，不論是機器學習或深度學習都完全不是我們以為的這種層次的「學習」！他們會辯解說他們也是會參考尊重已知科學事實的！所以會有先驗知識(A priori knowledge)這種名詞嘛！但那只是原則性的參考，限制他們的學習訓練方向不會離譜而已！是消極使用，而不是積極用科學原理做思考推理的！

簡單說，不要被他們提出的複雜數學模型迷惑了！他們已經提出過的最複雜模型其實都還無法取代一個小學生的思考推理能力！更不要說是能自動訓練出像我的車牌辨識軟體一樣，可以對症下藥，準確處理各種雜訊變形狀況，幾乎像是有獨立思考能力的辨識軟體了！

他們所謂的學習訓練只是根據人為的辨識結果標記正確答案，讓數學模型自我調整出可以答對最多案例的處理程序與參數組合，最終的成果是連主持學習訓練的人都無法理解的一堆統計數字而已！這算是甚麼科學「研究」？跟我們用視覺智慧依據觀察到的狀況，做符合科學的合理思考是完全不能比擬的！XX學習就像不懂科學的古人完全依照錯誤經驗的調整建立出來的工序一樣！只是電腦可以比較快的做數位實驗嘗試錯誤累積經驗而已！

所以如果這些AI無法真的依照已知的科學原理做準確的思考推理，深度學習製作的影像辨識產品就絕無可能超越我的產品，辨識得更準確！因為我的研究是「知其然，也知其所以然」的過程！深度學習則確定是「不知其所以然」的一種暴力運算技術！不要再瞎掰這種AI技術可以超越真正的科學了！

他們只是統計學而已！不是可以分析解釋求精進的精準科學！別再被騙了！用統計方法「猜」的答案，永遠不會比根據科學原理「計算」的結果準確的！所以人類才會放棄占卜巫師治國，改用科學預測氣象與分析所有的事情嘛！統計學只能應用在不確定性高，或使用科學推理太複雜成本太高的時候！放棄已知的科學回頭復古用算命的方式解決問題？那是愚不可及的！