Contents ...
udn網路城邦
你不用很厲害才能開始,但要開始才能很厲害
2018/11/09 06:04
瀏覽1,018
迴響0
推薦7
引用0

昨天接了一通某大公司的電話,一時有感而發在FBPO了感想:

 

其中好朋友台中基能科技的陳老闆回應的:「你不用很厲害才能開始,但要開始才能很厲害」讓我特別震撼!這真的很有道理,也說中了台灣科技產業老是跟著別人跑,雖然玩的是高科技沒錯,但是只能賺取微利的一個盲點!

還原我走到今天的一個過程,雖然還是個鄉下小公司,卻越來越多大型的硬體製造商公司對我感到興趣。一切的起點其實很平凡,不是我想得很多很深遠,反而是我沒有想太多,至少沒有大公司CEO們想得那麼多,覺得想作也好像會作就試試看!人家是集資與投資大量金錢做生意,我投資的只是我的時間作一點研發。

我一開始的想法只是確信我的程式功力足以到業界開發一些實用的客製化軟體,也真的廣開善門,會作的任何軟體工作都接。但是很快的,我看到了影像辨識的市場需求激增,台灣的整個業界都拼命推銷影像辨識的「設備」?但是我知道沒有影像辨識的演算法,那些設備再好也是空殼子!為什麼在台灣卻很少人強調這一點呢?總是說硬體比軟體重要?我的軟體必須配合他們才活得下去?

接下來有了機器學習與深度學習的熱潮,聲稱他們就是影像辨識的主流與未來!他們是軟體技術沒錯,但以我的觀點看還是怪怪的?因為我初闖業界的起點就是作了一個很粗糙,甚至可說是「仿冒版」的車牌辨識系統(但不是盜版哦!)。我幾乎是完全以公開發表的論文為本,只是照著實作出我的第一個商業版本,跟一般大學生作專題差不多,但是已經足夠讓我看清楚影像辨識應用的一些本質。

任何真實世界的辨識都會因為環境因素而有很多變因,但是多數變因不會同時出現,如果可以精確分析與掌握你需要辨識的目標與環境,用我有限的影像辨識知識,就已經足以寫程式解決很多問題了,而且可以很精確地持續追求更高的辨識率。但是機器學習是以統計學為基礎,不強調研究發明針對性的影像辨識演算法,怎麼可能會有高辨識率呢?

我的生存之道當然不是直接依賴一切都還未知的新影像辨識演算法研發!而是靠著我已經可以掌握的演算法技術開發一些較為侷限的影像辨識核心,作些小專案謀生而已。剛開始會有點怕怕的,因為我自認只是知道一些影像辨識初學者的雕蟲小技,很可能機器學習等怪獸一口就將我的小公司吃掉了!還很奇怪?自己知道的影像辨識知識技術不比該專業領域的碩士生多,為何市場上就沒有其他公司可以順順的作跟我一樣的事情?

就是那個時候我開始忍不住想試試研發自己的新演算法,我投資的是我的時間,常常用洪荒之力去作看起來賺錢不多的小案子,譬如替監理單位開發路邊攔檢的系統,大概花了兩年投資時間人力成本數百萬,實際上至今也只賺回數十萬!錢不夠了就精簡人事,另外多作一些可以賺到錢的工作彌補而已。重要的是:在那些看似虧損的過程中,我研發出很多更高效能的車牌辨識演算法,也就是我現在可以在業界立足的最重要資產!

我其實沒有野心,只是覺得好玩,也認定大環境遲早也會走向演算法的商業競爭!我未必有機會與大公司的研發團隊競爭還獲得勝利,但是好歹我也是個博士教授,研究本來就是我的習慣,作些嘗試又何妨?最多是做得不好自己藏起來,沒錢買國外較優質的軟體授權時,拿我自己的私釀劣酒充充數也好。

所以我真的不是已經知道自己很厲害才敢開始的,真的是「開始之後才知道自己可以很厲害!」我也不贊成盲目的投資研發,大公司CEO當然知道投資沒結果的傷害,但是可以折衷一下,投資一些即使主要目標不成,都可以有些副產品的項目。

至於一般年輕人,我也不認同目標不清楚明確就找個地方窩起來「創業」?其實是沒日沒夜沒頭沒腦的「研發」,想實現一些與現實脫節的點子!如果不是想出世靈修,而是真的要在現實世界有成就,有錢賺,絕對不能一開始就作些陳義過高的東西,而是應該走進業界找些直接可以賺錢謀生的工作

所謂的「開始」研發並不是立即丟掉現實,妄想靠著天使基金或集資讓你去圓一個渺茫的夢!那對投資人是很殘忍,很不公平的!所以我的創業過程是完全不集資的!沒錢時最多只以一般程序跟銀行借貸。這樣不也有了今天堪稱業界演算法專家的成績嗎?所以一定要有企圖心,敢於開始作些「你不必作」卻真的有價值的事情。而且不必為此搞得很壯烈很激情!量力而為,只要作了總會有火花出現

有誰推薦more

限會員,要發表迴響,請先登入