我的手寫數字辨識已經挺進到MNIST標準的97%了！Google AI的說法如上，顯然Google AI有在Follow我最近的研究！當然我之前說過，我不會將目標訂在與那些CNN模型拚搏99%以上的辨識率，因為標準答案有小部分是太主觀有爭議衝突的，所以大約超過98%以上的辨識率高下就沒有實質意義了！我預期應該一個月內可以達標接近合理的98%！

其實我認為大家都放棄使用傳統的Rule-based，紛紛改用CNN等方法，原因只是之前的研究者設計的自定義特徵不夠合理有效，無法更接近人類實際做辨識的思考邏輯！那條過度黏著於優美數學架構之路我也是走過的！總是想著可以將特徵定義做得在數學上顯得四平八穩？譬如將筆畫簡化為向量或幾何圖形之類的！

但是我認為人的腦袋可以如此快速簡潔有效的辨識手寫數字，絕對不是用那些漂亮的數學公式思考的！很顯然的，小學生就開始要用手寫數字做算術，他們也必須看懂老師在黑板上寫的數字！但是他們當然不懂幾何座標或向量等數學理論！你以為他們是如何建構他們的辨識邏輯的呢？

我就是以此角度發想設計我這次的手寫辨識架構的！有點像金庸小說中很經典的一幕，張三豐在重傷時面對強敵來襲，臨場就教會了徒孫張無忌太極拳的精要！一般人學拳是必須跟著套路學招，但是一旦有固定的套路必須嚴謹遵循就是一種限制思考的桎梏了！當張無忌說已經把招式都忘記時，張三丰就說張無忌學會了！

聽起來很玄妙？在我的解讀就是好好掌握基本的概念原則，不要拘泥於太嚴格的形式！如下圖的兩個字其實特徵很像，但是幾乎所有人都會傾向說上面是2下面是3！如果你嘗試問一個小一的學生，逼他說出為什麼會認為這樣？他說出的原因就是我現在日思夜想的程式邏輯了！絕對與向量微積分無關！

他可能會說：「3的尾巴應該比較長，還會明顯的向左彎，甚至翹起來！沒彎過去的應該就不是3而是2了！」我真的就是用這些小朋友的思考方式寫出目前的程式的！我和小朋友的差別只是我懂得精確使用的數學語言(字彙)比他們豐富很多！但是基本的思考方式是一模一樣的！如果我拋不下向量幾何學的學術包袱，我就絕對做不出目前的辨識核心！

相對的，CNN是不管這一套的！他們可以說是直接放棄了做任何辨識邏輯的思考！就讓電腦自己去摸索排列組合嘗試錯誤，他們說電腦經過深度學習一定可以自行產生「辨識率」很高的模型！即使如此，但是效率呢？鐵定是非常低落的！成本呢？一定會被推到高峰的！所以才會帶動GPU產業的發展嘛！

我最近的這個實驗研發也讓我更有信心告訴大家我的觀點！如下所示，辨識速度真的很快！一個字平均只要0.87毫秒！完全不需要GPU的！也就是說，即使大家的辨識率一樣，使用我的軟體不必買昂貴的特殊電腦，還特別省電！計算少當然就不耗電嘛！所以我的努力應該是值得大家支持的！