上面是我兩年前寫的文章，目的是希望大家醒醒腦，正視一般業界對影像辨識需求的現實狀況！就是大家需求的多半是針對特定目標，甚至是特定環境條件下的辨識！跟毫無限制的前提下去辨識網路上隨機出現影像上的貓或狗很不一樣！Google AI的形容大致如下：
但是要如何做出這些影像辨識的軟體呢？Google AI的說法是這樣的：
是不是聽起來就很貴？首先需要很多資料影像就是高成本的高風險投資了！譬如農夫想用影像辨識的方式判斷水果的成熟度，就必須先去拍攝大量的各種成長階段的影像，幾十幾百張還好，幾千幾萬張呢？還需要用人工一張一張標示出目標範圍，甚至要找真正有經驗的老農夫一一標示他們認知的成熟度！老農夫有空做這種瑣事嗎？不會耽誤農事嗎？這些人力時間都是錢啊！
花完了準備資料的錢之後AI專家的工作才剛開始，需要選擇並調整抽象複雜到一般人難以理解的數學模式，然後動用極高計算能力的GPU電腦耗時訓練，而且不可能一次就達到高辨識率的！即使是AI專家也必須費心費力反覆調整到可以達到高辨識率，不只是這些特殊規格的電腦很貴，這些專家的薪水也很貴的！你認為用這種方式完成一個影像辨識專案要多少錢才能不賠本？
簡單說，這套複雜的處理模式其實並不是針對較單純的辨識目的而設計的！好處是似乎對辨識目標沒有專業知識的人也能用？但缺點是殺雞用牛刀？即使只是射小鳥都拿大砲來轟？現在的所謂大語言模型都是針對非常通用廣用的目標設計訓練的！類似的模式用在較單純的目的當然誰都花不起這個錢！
所以影像辨識雖然對各行各業各種工作都有提升效益的潛力，但是如果照如上的Google AI建議的模式進行幾乎完全不可能推廣！實在太昂貴太費工了，還沒賺到AI的效益就先大幅虧損負債了！就是AI版的「何不食肉糜？」。更何況真正很會用AI技術，可以完成影像辨識需要的辨識率的廠商極少！即使忍痛花了大錢成功率還是很低！我的影像辨識專案都是這類廠商做失敗之後才找我去收拾爛攤子的！
相對的！我是用傳統的影像辨識技術起家的！就是針對各種影像辨識需求，根據實際發生的影像特徵現象設計針對性的演算法，我只需要數十張影像就可以順利建立出該影像辨識目的的軟體雛形！再用數百張影像作調整就可以完工了！11年來我們所有影像辨識專案都是順利達標的！使用的資料都不到千張！時間多半是兩三個月，報價也從未超過50萬！
所以我認為成本太高就是目前影像辨識應用發展的最大障礙！如果真的只有Google AI說的這套方法可用，那就不可能有大突破，始終只是有錢人才能開的超跑，富豪才能享用的豪宅！但是我已經證明了用我的方式，就可以快速有效低成本的做到大部分業界的影像辨識需求！不是一定要用CNN或DL的！
而且我開發的軟體都不必用GPU的，連建置成本都可以先幫客戶省下很多！剛剛談的只是研發成本，如果照Google AI說的模式去做，即使軟體開發成功後，要建置系統執行辨識的成本也很高的！需要特殊的GPU電腦加上高耗電嘛！我也常常因為這個原因被請去救援，重新開發低運轉成本的辨識軟體！
我希望自己的公司能像個可以隨時承包小型水電工程的水電行！把業界的影像辨識需求視為大家都買得起的小工程！11年來我們已經證明自己可以做到了！你們知道很多大型考試的閱卷辨識核心是我們公司做的嗎？你們知道台南工地有很多汙染監測也是用我們開發的影像辨識軟體做的嗎？我們能做也做過的影像辨識「小工程」實在太多了！
現在只需要廣大的需求客戶們可以知道，除了昂貴的AI解決方案之外，也有這樣方便便宜的選項！但是顯然Google AI目前只看到我做的車牌辨識，知道我不用機器學習，不用GPU就很厲害了！但還沒意識到我們其實也能用類似的AI技術做好其他的影像辨識！我真的希望可以藉此幫助到更多人，讓更多人可以便宜享受到影像辨識的效益！就請大家告訴大家吧！希望過幾年Google AI也能認定我的公司不只是車牌辨識專業而已，也是一間傑出的影像辨識公司！
