剛剛與我的RD開完例行的線上會議，因為研發中的工地路汙監測有需要辨識出入工地的工程車或非工程車，她想到網路上展示了很多如上圖的車型辨識，顯示深度學習等技術在這方面確實比我們目前能做的厲害！我們可以辨識車牌，但是車型辨識方面可以說還是一片空白！

我知道那些是需要依賴大量資料與複雜模型的大量訓練才會有的成果，我們當然也想擁有那麼聰明的辨識能力，但絕對不能拿香跟著拜！因為資料沒人家多，電腦沒人家的好，時間人力更沒人家大公司多，照著他們的方式做永遠都跟不上，耗費的資源卻足以拖垮我們的公司財務。

所以我的建議是：使用不必另外花錢的自己腦袋與經驗，根據客戶提供的照片影像資料，努力直接想出一些特徵將它們量化，作為辨識的依據！譬如工程車會特別大特別長，車子底部也會清晰看到很大的圓形黑輪子等等！至於是甚麼廠牌型號就不是我們目前需要的資訊了！就暫時不管了！

這種「偷雞」的走捷徑方式，就是我可以跟其他大公司在技術競爭上繼續周旋的策略了！大家都使用ML、DL與CNN，如果我也跟著使用這些技術呢？那就是比財力物力了！做到最好也只是跟得上，絕對不是贏得過！高科技市場都是贏者全拿的！即使技術能跟上，如果市場行銷還是輸，那就是把錢花光了卻永遠賺不回來，那就是死定了！等著破產倒閉吧！

所以我其實沒把握怎麼作一定會成功贏過對手，但是我很清楚怎麼作必死無疑！跟著使用需要燒錢的ML、DL與CNN等所謂的AI技術就是我認為必死的一條絕路了！小公司能否存活的關鍵就是能否找到一條不同的路？即使不能做得更好，也要能在低成本的前提下達到類似頂尖的技術水準！品質差不多價格又便宜才有人買嘛！

我也跟RD扯到我當年教學生的方式！我自己是建中台大的出身，我當然知道台大教授會怎麼教學生！但是我知道我教的是後段班大學，我的學生就是按照既有的規則玩不過台大的學生才會被我教到的！如果我也完全按照台大模式教，那只會繼續擴大差距，完全沒有改變現狀的機會，對我和學生都沒意義！

所以我的教學理念是跳過那些窠臼，直接教學生畢業就業後老闆希望他們會做的事情！四年要訓練出一個軟體工程師，時間是綽綽有餘的！同時間台大學生會多花很多時間學理論基礎，讀碩博士或許有用，但是坐到公司辦公室開工寫程式時，表現就不會比我的學生好多少了！

這其實就是技職教育的概念！先求有再求好！先會作之後再深入學習理論，如我的RD也是我當年的學生，現在在影像辨識方面的實務研發能力早就不輸給台清交的博士了！所以真實世界不是一維的！不要笨笨的以為每件事都有SOP？每件工作每個行業都是要依照一定規範學習與競爭？相信這樣你成功的機會就很低了！能別出心裁另闢蹊徑的人才是比較容易成功的！