剛開業不久時曾與某個廠商合作某個戶外停車場的車牌辨識，老實說對方是菜鳥，嚴重低估了影像辨識的難度，所以如上圖車牌拍攝的方式很隨興，環境也沒有審慎控制，連攝影機的品質都有問題，夜間變暗時就會自動拉長曝光時間，加上一點車速就失焦模糊了！

加上我自己當時也是菜鳥，一點簡單的車牌字元刮傷之類的雜訊就可以讓我束手無策！所以那個場子的整體辨識正確率大概不到九成，被罵死了！我不是正常的廠商，我不會吹牛掩飾失敗紀錄或缺點，只會有話直說，沒有任何廠商能不經過青澀挫敗的成長歷練過程的！孫悟空橫空出世就可以大鬧天宮？跟機器學習可以自動產生出智慧？這些都是神話，絕非現實！

現在大家應該都有出入車牌辨識停車場的經驗了，可以看出當時合作廠商的拍攝方式與影像品質顯然與現在的一般停車場差很多！當然拍攝工作不是我做的，合作夥伴拿給我一大堆考試題目我也只能盡力而為，努力想出更聰明的演算法努力辨識出這些充滿陰影、模糊、甚至車牌破損的案例！

但是好辨識的影像大家拿OpenCV隨便兜一兜都可以做到，真正的專業水準就是看這些視覺上似乎還不難辨識？但是差之毫釐失之千里，只差一點點的清晰度或多一點雜訊，辨識軟體就會在某個環節出錯，十幾個複雜的辨識程序中只要有一個小地方卡關觸礁結果就是辨識失敗或錯誤了！

所以這種需要極度嚴謹掌握資訊準確分析的AI應用大家都避之唯恐不及，不是做不到就是做不好！所以不要以為生成式AI比較有學問？其實那種AI需要的資源雖然較多，但是做得不太完美時答案也會雖不中亦不遠矣！不像車牌辨識或人臉辨識，一點瑕疵處理不好答案就全錯了！實在太硬了！

當年就是這個案子讓我累積了數千張的這類照片，一開始大約有十分之一都是讓我扼腕的遺憾，人眼看似乎還好，但我的軟體就是會辨識不出來或錯誤！但是其實這些正是讓我進步成長的養分！十年過去演算法越來越聰明，能準確處理的細節例外越來越完整，辨識率就越來越高了！這幾天個案分析了這批資料的五六百張，辨識率已經超過96%了！

尤其是最近經過東南亞車牌辨識的新開發實驗，演算流程主軸又來了一次大革命！不僅很多本來的遺憾案例都變得可以處理挽救了！速度更是快了很多！約百萬畫素的影像通常都在0.1秒以下，即使較有問題會動到例外處理程序的艱難案例，也可以控制在最多0.2秒左右！影像辨識的研究真的沒有最好，只有更好！

今天與家在台南的敏實科大曾信超校長在虎頭埤風景區見面，一起健行暢談彼此的研究與教育理念！他的學校在少子化浪潮下逆勢成長非常厲害，標榜的就是要成為研究發展AI領域的大學！他也詢問我是否有回鍋當教授的意願？我是很明確的說不想了！在業界反而可以更專注研究我想做的AI研究！當教授需要兼顧的事情太多了，我不太主流派的想法可能也會讓同事困擾，還是保持現狀做個自由自在的孤鳥吧！感謝校長器重了！

但我還是把握難得接觸有影影響力人士的機會，向這位推動AI教育頗有成效的校長推銷我的AI理念！我認為AI的根本核心基礎應該是演算法！而且不只是大家天天推崇的機器學習等等統計學AI，更重要的是踏實依據科學邏輯推理建構的專家系統AI！演算法越精準有效，計算量就會越少，研發與運轉成本就會越低，也就會越省電節能環保！

我希望校長也可以注意到我已經知道的這些事情！大家都只看到AI可以做到的事情而驚嘆不已！但是我相信等大家看到AI的帳單時更會嚇得不知所措！任何AI要商業化推廣，都是需要努力提高效率降低成本的！不要老是鼓勵年輕人盲目投入不計成本還成效未知的AI技術與議題！這樣一定會拖垮個人、公司乃至國家的經濟，最終還一事無成的！

所以我認為推動AI的學校必定要更重視基礎科學的理解與準確使用！迷信任何AI只要有夠多資料大量濫用計算力來達到目的是最最糟糕的態度！AI絕對沒有捷徑！譬如想作影像辨識的研究就不應該凡事都依賴OpenCV！使用者可以只會開車不必一定會修車，專業人才當然必須能修車，只會用OpenCV就注定永遠只是半調子，解決不了任何困難問題的！

我現在每天工作十多小時就是在不斷研究更好的演算法！演算法的計算次數少一倍，就是速度快一倍，效率高一倍，成本低一半，節能減碳量多一倍！大家現在喜歡把AI與綠能扯在一起討論！我就是天天在實踐這個理念的人！也希望機器學習派可以體念蒼生高抬貴手，開始知道節約運算量的價值！