AI如何在文史領域應用?應用的內容方式如何?都不是我熟知的事情,所以我不予置評!但如果同樣的三級論放到影像辨識領域呢?我認為剛好是相反的!
我的公司在影像辨識應用的市場經營十年了!做過車牌辨識、閱卷辨識、瓦斯表辨識、各種實驗觀測辨識、路安事件辨識,乃至工地揚塵與路面髒汙的環保事件辨識等等不勝枚舉,而且都是很成功做到達標甚至超標讓顧客很滿意的!但我們很具體確實的就是李教授說的「後者」第三級的人!而且就是賴此正在AI業界謀生之中!
在影像辨識的市場上,多數人都很容易用一般程度的科技常識想到自己的工作中「甚麼事」可以用影像辨識代勞?這就是李教授說的第一種人了!為什麼要做呢?那就是成本效益的考量了!要吃飯我可以自己煮,也可以到外面吃,也可以叫外送,影像辨識也是如此的!沒有AI本來我們就活得好好的,要用不用當然是看成本效益!花得起錢買AI,而且用了會更賺錢就用吧!
這也不難,就是看建置採購影像辨識系統要花多少錢?可以省多少原本需要人工的花費?通常客戶會想不到而忽略的一項是:辨識率要多高?才能真的取代人工作業?影像辨識通常是不會達到百分之百完美的!總還是需要少量的人力做例外的處理,例外多了就需要更多人力,算算總帳未必真的能省錢的!賣AI影像辨識的騙子實在太多,一定要先確定辨識率能否達標才付錢的!買了再說就來不及了!
所以各行各業中是否要導入AI?這(第二級)可能也是一種AI相關的工作,但是以影像辨識來說,我覺得不太需要甚麼特殊訓練的AI專才,有科技常識與財務收支概念的老闆或經理就可以做到了!真正可以成為一種獨立AI行業無可取代的,恰恰是李教授說不太重要的第三種人!就是如何實作出影像辨識功能的人!
現在的AI影像辨識技術所以這麼被重視,不只是大學裡廣設AI課程,甚至補習班、書籍、教材與YT視訊網站都滿天飛,原因都不是缺少上述李教授說的一或二級人才,而是真的非常少人或公司可以成功做出可用好用,而且低成本的,的各種行業需要的影像辨識軟體!不是成本(售價)太高就是辨識率太低,或兩者兼具!所以影像辨識產業的產量與產值還是很低的!太多行業需要的辨識產品都難產或不夠好,或是夠好了但是太昂貴!客戶買不起或太貴不願買都是AI發展的障礙!
我會決定將我的公司轉型定位成影像辨識專業公司,就是看準這個機會!近十年來也大致如我的預期,雖然AI影像辨識技術的牛皮吹得震天價響,但各種影像辨識絕對不是他們暗示的「萬物皆可辨,只要先訓練」?機器學習的技術完全沒有這麼神奇!甚至是捉襟見肘非常狼狽的!我們公司做不同的辨識都很成功,但都是高度客製化必須量身訂做的!每種不同的辨識目標都有非常不同的辨識過程設計,根本沒有甚麼SOP可以直接廣用做好所有的辨識。
也正因為如此,「如何做出」各種行業需要的影像辨識才會成為一個有價值可以持續經營的AI行業!如果那些過度吹噓炒作的AI技術真的如此神奇?上完ML、DL與CNN的相關課程你就可以勝任任何使用目的的影像辨識?那我的公司就沒有太大的商業價值,不可能活到現在了!或者我的公司裡都是一群只會用ML、DL與CNN的人?但事實上我們幾乎是完全不用那些技術的!
其他領域的AI如何發展我不太熟悉,但是影像辨識領域呢?因為影像辨識是非常需要客製化的工作,也非常複雜,不像生成式AI的邏輯那麼可以重疊通用,如何做出可用好用且便宜的影像辨識軟體才是這個AI領域發展的關鍵瓶頸!你的產業要做甚麼辨識?或為何要做?值不值得做?是相對較簡單的決定,不需要AI專業人才的!
明天我們就要受邀去一家傳統產業的工廠拜訪討論業務,事件源起就是該廠覺得可以引進影像辨識增加產能,正在多方評估成本效益與可行性,但是已經洽詢過的影像辨識廠商都讓他們覺得價格太高、研發時程太久、成效也沒有夠多承諾。最終他們經過網路資訊與市場口碑找到我們,初步洽詢也很合拍,才有此行要進入實質辨識議題討論的!他們就是李教授說的一二級的人才,我們只是三級人才,但是顯然我們才是最終AI計畫能否實現的關鍵!
限會員,要發表迴響,請先登入