前兩天與老同學甯又明博士視訊聊天中，談到生成式AI時，他有一句話讓我印象深刻！就是：

「甚麼AI啊？他們根本沒有思考的能力嘛！」

確實如此，如果你也有興趣看懂如上的很多技術介紹性質的文章，就會知道：生成式AI的運作方式就跟古人去考科舉，幾千幾萬考生都會寫出很類似的八股文的模式相同！

考生們知道主考官的評分標準，會認定哪些模式與內容的文章可以得到較高分數，譬如必須符合起承轉合的基本架構，譬如必須處處引經據典，譬如遣詞用字必須符合文雅的標準等等。那考生們要如何「學習」寫出八股文的能力呢？就是多看作文範本累積素材歸納經驗了！這就是生成式AI在做的事情。但是只會如此「學習」模仿前人文章的考生，當然寫不出有思想有深度的好文章，只是浪費時間陪考的罷了！

目前汗牛充棟的SCI論文其實也很像，但是SCI至少還強調要有形式上是「新」的論點，這就是八股文模式的學習與生成式AI還做不到的事情！他們不會有「新意」的！因為他們不會思考對錯，沒有前例的事情一定不會冒然產出的。所以我說生成式AI只是「低階」的智慧！可以產生大量表面上看得過去，但實際上沒有太多用處，甚至沒有意義的八股文等級的「作品」！

就像你開公司請員工一樣，如果請了很多只會照本宣科揣摩上意沒有自主意見與能力的員工，只會盡量「應付」上級稽查以符合SOP的「人」！其實價值作用並不大。你需要的是有自主思考解決實際問題的員工，他們才真的能夠變成老闆的分身！在比老闆更能看清問題的前線位置，思考分析處理問題。

舊的模式不會永遠可以拿來解決新的問題，舊資料「統計」出來的應對方式也無法準確解決新的問題。「思考」這個抽象的概念還不是生成式AI能做到的事！我認為生成式AI能產生的效益會比大家預期的低，老闆會高興的只是：我原本請的一些只會做例行模式工作的低階人力可以省了！

這也沒有辦法，以機器學習機率統計為基礎的所謂「AI」技術能做到的極限也只是如此？再多資料，再複雜的「深度」學習，距離一個人考慮所有環境因素「思考」解決問題的精確判斷能力還差距很遠！其中最明顯的挫敗就是在影像辨識的領域了！大家可能沒有注意到：這套以機器學習為基礎的AI在影像辨識的戰場是一敗塗地的！

真正深入影像辨識領域的人應該都會知道：目前已經商業化上線實用的所有影像辨識產品，包括指紋辨識、人臉辨識、車牌辨識、儀表辨識、產品檢測等等，這些AI技術都遠遠不如使用其他的科學原理明確產生演算法的效用！機器永遠學不會學不好的辨識，用科學原理推導公式演算法都可以解決！

尤其是在真實世界的變數多到無法控制時，像是街景中的車牌辨識，任何AI機率統計都永遠學不會「任意」角度的傾斜變形的！但是只要掌握車牌從立體世界投影到平面影像的物理機制與幾何原理，我就可以推導出公式與演算法，做出比CNN更快更準的車牌辨識軟體，這不是甚麼「未來趨勢」？而是我已經上市暢銷中的商業產品！

所以真正的AI絕對不只是大家熟知的機器學習、深度學習與類神經網路這些技術，他們甚至可以說只是「低階」的AI技術！真正可以趨近人類「思考」與智慧判斷的AI，其實應該是以我們已經研究演進數百年的各種科學與數學原理為基礎設計出來的演算法！現在大家被誤導的那些AI技術其實只是知其然，但不知其所以然的猜題技術，事實上也已經走到他們能到的極限了！

所以真的想投身AI影像辨識產業的人該如何選擇你應該學習的重點？要好好想想了！真的就是有我這種影像辨識專家兼業者，我完全不用ML、DL與CNN就能持續發展我的影像辨識事業，反而每次嘗試使用，或是我聽到別人嘗試使用那些技術的結果都是很糟糕的！反之，只要用既有的科學原理深入理解問題，直接「解題」做出來的AI影像辨識，就一定是非常準確有效率的產品！這才是這個市場上目前的主流技術，大家以為的那種AI(ML、DL、CNN)根本是不得其門而入的！