這段日子我有關手寫辨識研究的文章持續強調Rule based這個關鍵字，原因是目前所有人都已經認定影像辨識必然只能使用機器學習的技術？傳統的Rule based方法似乎已完全被遺忘，也徹底被遺棄了？但是我做了十幾年的影像辨識研發生意，始終都是以此概念為基礎的！也一直獲得極好的成效！事實上是比機器學習方法的成效更好！

怕有些讀者對此概念理解還不夠深刻，所以請Google AI整理了一下。事實上一樣的概念數十年前就是AI的主流技術，當時習慣稱之為「專家系統」！所以我堅持繼續使用Rule based作影像辨識不算是創新，只能算是文藝復興吧？我是認為這才是科學研究的正道常軌！放棄對專業知識的理解掌握，開始大量依賴機器學習「算明牌」？那才是比較不專業的做法！

如上所述，Rule based是靠專家用專業知識逐行撰寫程式，產品是可以完全透明的白盒子！機器學習則是不靠專家知識，只用大量資料由電腦自行歸納整理出來的黑盒子！清楚理解這兩者的差異後你還認為機器學習是比Rule based更專業、更精準也更好的AI嗎？

事實上機器學習的盛行乃至氾濫有兩大原因：第一是當有夠多資料時機器學習確實可以較快速找出資料的脈絡，獲得較高的辨識率！但是更大的一個原因是它不需要專業知識就可以做了！技術門檻低誰都能做當然會變成一窩蜂的狂熱！要養成一個真正懂影像辨識的人呢？就困難很多很多了！

改善 CNN 辨識率

如上的文章在網路上很多！但是你通篇看完也找不到任何與影像辨識直接相關的字眼！他們只是在套用各式各樣的機器學習公式，看看哪一種「猜明牌」的方式中獎率較高而已！學習這些「技術」對於理解影像辨識根本毫無幫助！如果現在的學生在學校只學這種東西(ML、DL與CNN)，那才是AI技術的大斷層與大災難！長遠來看，真正的影像辨識技術當然還是科學發展的核心！

所以我的整個影像辨識生涯都在對抗機器學習的這股逆流！而且每次都贏！我總是可以不用機器學習，用Rule based設計出最專業準確的程式！這次研究手寫數字辨識的成績更是亮眼！他們說：「你最多只能到八成辨識率！」但是我直接踢館挑戰DL與CNN戳破謊言，只用三個月就突破99%了！誰還敢說Rule based的辨識率不夠高？

其實問題只是大家太快放棄Rule based了！我之前就常常說影像辨識的技術還很原始！我只是努力在那個傳統的專業基礎上繼續求進步的人！如果大家都只想依賴不必傷腦筋的機器學習，那真正的影像辨識技術就會完全停滯，甚至失傳了！

當然我也在前文一再強調：Rule based的產品，不論是研發或實際執行的效率都高出機器學習數十倍！成本也低數十倍！研發時間也快很多！採用Rule based方法才是省錢與賺錢之道！認真分析下去，如果我這種堅持傳統的人夠多，機器學習在影像辨識領域簡直一無是處！我是人微言輕，除了狗吠火車之外，只能繼續埋頭努力證明自己的理念了！