這篇文章的標題好像是替機器學習在抬高身價？暗示機器學習的價值位階高於統計學？他的預設立場就是認定機器學習的技術概念就代表人工智慧，也就是AI了！這在AI近年的一些「新」發展上是很接近事實的，大家耳熟能詳的多數新型態AI都是以ML、DL與CNN為核心的！譬如大家都已熟知的ChatGPT等等。但是事實並非完全如此的！
回到二三十年前的AI主要都是在談「專家系統」的！甚至大家認定是AI傑作的深藍電腦下圍棋，其實也是以明確推理為基礎，資料統計譬如過往大師們的棋步，只是一個可能性的推理狀態起點！最多大師會下的棋步是否有效？還是必須看當下情況做沙盤推演之後才能決定的！推理的依據準則就是下棋的規則，對應到真實世界就是科學原理！以科學知識為基礎的AI就是專家系統了！
即使到今天，市面上絕大多數自稱AI的商品，也都是以科學知識為核心基礎的專家系統！而非機器學習為基底的AI！譬如飛機的自動駕駛與導航系統規劃路線等等！統計資料頂多只是參考資訊，真正核心還是明確的科學事實資料的演算！譬如導航系統規劃的路線當然不是靠蒐集資料看前人都是怎麼走的？而是依據具體的道路資料即時計算多種可能方案擇優決定的！這當然就與機器學習的統計訓練概念完全不同了！重點是合理的資料處理程序，而非資料本身顯示的特徵傾向！
即使照上述文章所說機器學習就是AI？作者也是在提醒大家機器學習比傳統統計學更「不注重」科學的因果關係！只追求原始資料與最終答案之間的統計數據關聯性！若不慎重使用就一定會出現非常多Garbage In Garbage Out的荒謬情況！那種AI研發的成果當然無法使用，徒然浪費研發資源而已！
那要怎麼才算「慎重」？怎麼作才能讓機器學習避開「盲人騎瞎馬，夜半臨深池」的無知而行的種種問題呢？其實就是更加重「專家系統」的精神，更重視資料「為何如此」的成因！既然最終還是必須尊重事實與科學，那為何不徹頭徹尾如我一般，就是堅持傳統觀念，不用機器學習呢？我十年的事業生涯不就充分證明這完全是可行的！還能完全輾壓機器學習的研發團隊！
我現在天天撰文強調的重要論點就是：影像辨識絕對應該像深藍下圍棋一樣！必須以專家系統的概念為核心！影像辨識雖然相當複雜，但絕大多數情況都是可以用科學原理明確精準地分析推理的！並不需要(也不應該)使用大量資料統計去「猜答案」！如果你堅持用ML、DL與CNN等以統計學基底的技術，就會未蒙其利先受其害！因為辨識結果一定沒有專家系統準，消耗的研發資源卻是數十甚至數百倍！因為需要巨量資料與龐大算力，那些都是必須大量燒錢的！
這就是我們公司製作影像辨識產品的理念不同於現今主流派的關鍵差異了！我們是明確的以專家系統的方式理念做研發的！效果就是既精準又節省資源！不但研發成本較低，時程較快，成品本身的執行效率也高出統計學基底的技術很多！所以他們(ML、DL與CNN)沒有GPU跑起來就像廢物，我們的產品則從來不需要GPU幫忙就跑得非常快了！
所以大家不能只被AI這個已被過度浮濫炒作的籠統名詞所唬弄誤導！必須明確區分與理解各種AI實際的意義與使用的基礎技術概念！不然受到的傷害就非常大了！譬如使用ML、DL與CNN技術研發影像辨識的廠商其實都已經陷入泥潦苦不堪言！只有認真重拾專家系統AI理念的廠商才能逃出生天！這個你知道嗎？
