影像辨識是個大多數人都覺得很神秘的技術，即使你認真上了影像處理的相關課程，也讀了很多本各種影像辨識技術的書，通常只會越讀越糊塗，甚至開始懷疑人生？即使你電腦程式技術很厲害，通過那些繁瑣的軟體技術操作的考驗，真的可以自己做實驗了！結果還是跟專業影像軟體的表現差很遠！還是會懷疑人生？我是過來人，我懂的！

我是一個資深的老師教授，也已經在影像辨識這個領域闖出名堂，還不只是學術界靠著寫論文獲得的虛無地位，而是真的在業界作出很多實用且優秀的影像辨識產品！我的老師魂其實一直呼叫著我告訴更多人：真正有用的影像辨識從原理到實作技術到底是怎麼回事？尤其是在ML、DL與CNN等技術正嚴重誤導大眾的此時。

只是批評別人的技術不好，不會幫助到有興趣的學習者，我想比較有用的是分享我的成功經驗！如果「哪天」ML等技術也「真的」做出跟我一樣好，或更好的車牌辨識軟體時，我也會希望他們認真分享經驗普渡眾生的！如果其實還沒證明他們的技術真的可以顛覆世界，淘汰舊科技之前，我是奉勸他們不要繼續為了私利迷惑眾生了！

為什麼我會如此肯定的不斷強調ML等技術不可能超越傳統的影像辨識科學？要說清楚需要的篇幅一本書都不夠，我是正在做生意的軟體公司老闆，當然沒空放棄事業專心論述寫作，但是每天撿拾一些理念與事實片段作為切入點，寫個一兩千字的文章分享理念是可以做到的！

如上圖是一個法律求償的處理過程流程圖，雖然與影像辨識無關，但是我的影像辨識軟體建構理念是與這種處理流程概念非常相似的！每一個求償人就像一張等待辨識車牌的影像，每個案例的狀況當然都不一樣，我們的目標不只是讓「大部分」的人可以得到合理的處置，而是要讓「每一個」案主都心服口服！

即使是求償失敗被拒絕的案主，政府也必須清楚交代，解釋為何如此處置的詳細原因！所以任何政府的施政都應該有這麼清楚，也許有點複雜的流程！即使民眾看不懂，執行公務的人也必須看懂，且認真執行！如果沒有這種把各種例外狀況都清楚交代的詳細流程，案例處理正確的比例大概是八九成，被拒絕的民眾也多半不會服氣的！有這種流程之後，正確率就可以超過99%了！被拒的民眾也知道自己已經被特案(例外)處理，即使最終失敗也會服氣了！

這其實就是車牌辨識等等軟體想做到的事情！基本上是一個案例都不能錯的！所以重點不是找到一個「極大化正確率的單一SOP」！而是系統可以對症下藥，每一個例外狀況都要能跳脫SOP做最正確的合理處置！這樣才可能達到逼近百分之百的正確率！對於停車場業主來說，辨識率不到98%的車牌辨識就不能用了！這就是商用影像辨識的基本要求。

所以如果可以將我的車牌辨識軟體內部的處理流程畫出來，結果就會跟上圖非常相似！除了主要處理流程(SOP)之外，還會有密密麻麻，多如蜘蛛網的子流程例外處理的迴路等等，目的就是可以處理任何我從實際案例中發現的「所有」例外狀況！正如到醫院求診的每一個病人，都一定會被精準的檢驗身體狀況，作不同的醫療處理，最終就可以盡量救活幾乎所有的病人了！

但是ML、DL與CNN等等所謂的當紅「AI」技術也是這麼想？這麼做的嗎？完全不是的！如上圖你也可以看到這些技術理論的複雜程度，但是他們的基本理念還是以影像的基本資訊為基礎，努力找到「極大化正確率的單一SOP」！大家可以用常識去理解：如最上圖的公務員如果照本宣科，只願意按照唯一的「最佳化」SOP辦事，拒絕所有例外處理，沒有任何子流程，那會是甚麼景象？

好像到了某個神醫開的醫院，因為大師堅信只有少數某幾個神奇的藥物或療程可以治好所有的病！他們或許可能做到治好「大部分」的病人！譬如八成的身體不適，吃個阿斯匹靈都會覺得好一點，但是如果不作深入的檢驗，精確的處理每一個個案，是絕對不可能如現代化醫院能做到的高治癒率的！ML等技術基本上是在找廣泛適用的通則，絕對不尊重個案的對症下藥！你能期望他們作的軟體辨識率能逼近百分百嗎？不如去找乩童吧！

看懂了嗎？ML、DL與CNN等AI科技基本上就是迷信機率統計，根本不尊重也不肯認真使用科學原理與尊重事實個案特殊狀況的！因為是Data Driven嘛！巨量資料的統計參數才是老大，科學原理與事實都被完全忽視了！很像大陸的文化大革命時出現的無知盲從，狗屁都不懂的紅衛兵可以完全否定既有的文化與師長，甚至科學？

我認為這是一場必然幻滅的荒謬劇！至少對於實用的影像辨識，如車牌辨識、人臉辨識或指紋辨識等等需求來說，ML、DL與CNN根本理念上就是錯誤不可行的！當然永遠不可能超越以科學為基礎的傳統影像辨識技術！越早看懂此事，你就越可以減少傷害！越多人看懂此事，這個世紀騙局也就可以越早結束！

我是個賣影像辨識產品的軟體公司老闆，回到商業運作的考慮吧！影像辨識難免有錯誤，客戶也會質疑：這張影像其實還好嘛！為什麼會辨識錯呢？如果我是使用科學辦案，就可以準確回溯辨識流程，是哪個環節出錯？走錯流程了！不只可以跟客戶作出明確的交代，也可以發現自己辨識流程的缺點直接進行改善，我的軟體就更強了！

但是ML開發的軟體就做不到！如果為了某個特殊案例改一個參數，那就會影響到所有案例，軟體就崩潰了！錯誤案例就會更多！他們稱之為：Overfitting! 所以用ML作的軟體幾乎是無法作有效的售後服務的！重新「學習」或「訓練」嗎？那必須花上跟開發成本幾乎一樣的時間與金錢，你的公司就一定會因為花太多錢而倒閉了！所以我絕對不能使用ML，這是現實考量上的不可能！因為使用ML倒掉的公司太多了！我沒倒就是因為我沒用ML！