所謂的Rule-based辨識就是影像辨識的專家系統！就像要做一個可以代替醫生看診的AI系統，這個AI開出的所有藥方與療法都必須有明確的醫學根據！就是依據各種醫學檢驗結果的總合判斷是甚麼病，所以要吃甚麼藥？要做何種治療？這中間是不允許有模糊空間的！「聽說大家吃這個藥效果都不錯」這種理由是不夠的！

譬如上面的案例，手寫的1與7常常會被交叉誤認！上例說是1或7好像都行？如果是機器學習派的做法就是根據資料庫主觀決定的標準答案，以統計的方式找到最平衡答對率最高的妥協點！他們的高辨識率只是較符合標記資料者的主觀判斷而已！至於有沒有道理？能否跟使用者解釋為何會作此判斷？連訓練模型的專家也無法跟你說明的！機器比較聰明，你笨嘛！

Rule-based的做法呢？就是要找出可以明確量化的特徵，將它們數學化也程式化之後用來分辨識誰是1？誰是7？即使AI軟體的答案其實跟手寫人的本意不同，至少會有公信力，讓旁觀的第三者可以理解接受！須知資料不是永遠都對的！所以過度強調Data driven是會有問題的！

以上例來說我的Rules(判斷規則)是：首先有個很長的中軸線，怎麼樣叫做長呢？就是此軸線是全部高度的幾分之幾？接著是上橫短線的寬度，但是只看寬度模糊地帶是很大的！所以必須搭配上橫線的傾斜度！這兩者的組合控制得宜就可以相當準確的分辨1或7了！如果硬是有人將7的短線寫得很短又很傾斜，讓我AI辨識錯誤成1呢？那就不是AI的錯了！就如醫學AI完全按照醫學理論設計執行的話就可以免責了！但是完全用統計的機率做決策呢？就會讓病人怕怕了！看病不是買樂透。

到底是Rule-based的AI比較好？還是機器學習的AI比較好？事實上沒有必然的答案！資料多，原則不明確的辨識目標用機器學習會比較快有成果！但是資料不多，原則卻很清楚的就應該用Rule-based！須知機器學習是統計學，可以說是用機率統計猜答案的！如果考試時面對你會做的題目當然應該認真解題！不應該亂猜答案！

大家都知道現在流行的是機器學習，已經很少人使用Rule-base了！但這不表示它已經過時被淘汰了！實際上需要高精準度的AI系統都必須使用Rule-based的！它的難度就是必須真的對辨識目標有非常深入的科學(專業)理解！很多人用機器學習並不表示它比較好，而是它比較簡單好入門好上手，但是合理性精確度都是遠不如Rule based的！

當然我會非常傾向使用Rule-based的方式研發也是因為成本的考量！我對影像辨識的專業知識已經在腦袋中待命了，不必額外花錢去上課！但是買資料、標記資料、買訓練模組軟體與GPU電腦的錢呢？我捨不得花，也花不起！所以當然會比較愛用Rule-based了！多年來產品研發也無往不利！還非常有趣好玩！

算是小小的AI科普吧！最近仍然每天沉浸在手寫數字的辨識研究！偶爾也要將頭伸出水面呼吸一下，跟朋友們打個招呼啦！我還活得好好的！玩影像辨識玩得很開心！