Contents ...
udn網路城邦
作影像辨識不要過多人為干預?這樣對嗎?
2021/07/03 05:22
瀏覽1,042
迴響0
推薦10
引用0

我現在以影像辨識的研發為業,正是所謂的AI產業中最困難也是最熱門的領域。開業七年至今也一直做得不錯,從車牌辨識產品到各種辨識專案研發都是一路暢行無阻。但是我對影像辨識的想法,到實際的做法,都跟以機器學習為核心概念的主流派處處背道而馳?

從每天的工作進度與成果之中,我可以一再的自我肯定:我的作法一定是對的!因為我總是能心想事成,每一個設定要辨識的目標都可以一一完成,只會提前成功,極少極少會卡關!這和我聽說的,以機器學習技術作的影像辨識研發,都是要用到巨量資料,還總是作很久都無法達到目標的情況正好相反!

這是一種很詭異的感覺!我確定我的作法很正確,但是難道除了我之外全世界做影像辨識的人都錯了嗎?會不會其實我並不孤單?世界各地還是有許多像我一樣堅持傳統觀念做法的影像辨識工作者?大家現在只能聽到AI影像辨識必須用CNNMLDL等等,只是自我膨脹的過熱流行風潮而已?

我的RD之前所有的影像辨識技術概念都是跟著我學的,現在開始到南台科大讀資工研究所,開始有一個正式的管道接觸外界的AI風潮,這有點像古早時鄉下私塾教出來的學生,跑到縣城裡讀正規的學校了!她有跟我提到一個明顯的觀念差異,就是ML學派很強調「不要過多人為干預」?盡量不直接分析處理個案與細節,如果辨識結果不佳,就繼續從數學模式去調整改變,讓辨識率提升。

這和我的做法正好相反,我的辨識率提升都是來自知道每一個之前辨識錯誤的原因細節加以改善!我不但干預很多,甚至是極權專制!只有真的毫無邊界條件可以參考時,我才會引用統計機率的觀念猜答案。但是機器學習的主體概念就是讓每一個影響因素都以機率概念呈現運作,好像大多數其實很確定的事情都變成可以商量了?這樣會讓判斷更準確嗎?

ML就是很浪漫的以為只要提供夠多資料,給予夠多的數學模式選擇,電腦一定可以跑出跟人直接設計的軟體一樣好,甚至更好的軟體!如果這個想法成功率夠高,我應該已經失業倒閉,我這種科學家也無法繼續存在了!當然魔鬼終結者應該也滿街都是了!

在此我想到了一個有趣的比喻,我很像一個甚麼都愛管的老闆,從每一個部門工作的SOP,到每一個員工作事的方式,甚至姿勢我都要管!至於相信ML概念的老闆呢?就是只宣示原則、目標並提供資源,相信只要給予夠多的資料練習,所有員工就可以自動學會最佳的作業方式,各部門還會自動產生最有效的SOP

如果我們管理的都是真人,那可能勝負未定!我的員工可能會被我煩死,紛紛離職!但是如果我們的員工其實都是機器人呢?我的作法就贏定了!我的想法一定會被準確執行,發生錯誤就研究原因修改程式而已,公司運作一定會穩定變得越來越好!至於期待機器人自動學會?甚至發明新概念的作法呢?就慢慢等吧!即使可以成功,付出的時間與成本都會比我高出很多。

當然面對複雜的事情我未必都能面面俱到的完全處理好,那就不要好高騖遠,高不成可以低就嘛!所以我一向不會承接我認為變數太多,很難保證短期研發就可以得到高辨識率的專案,我很相信自己的能力,但不會迷信「機器」可以很快「學習」到跟我一樣聰明的程度。

這就是我跟ML學派很基本的態度差異了!他們總覺得機器一定可以「學會」很多比他們自己都更厲害的辨識能力!但是他們很少可以美夢成真,如果你賴以為生的事業要靠「夢想」而非堅實的技術與努力,其實是很危險的!我會學習AIML等技術,適時適切的使用,但絕對不會依賴它們完成我要的辨識核心,我是受過良好訓練的傳統科學家,我沒有這麼浪漫。

有誰推薦more
全站分類:心情隨筆 工作職場
自訂分類:不分類

限會員,要發表迴響,請先登入