看完奕瑞科技公司網頁上的這篇文章，就覺得他們面對影像辨識的做法其實跟我們公司根本相差無幾！他們是已有不少實績的公司，我相信也必須像這樣的作法才有可能做出有效成果！如上他們提出的金字塔圖就充分說明了：他們說的AI影像辨識絕對不是像大多數AI廠商的廣告暗示的那樣，只要有夠多資料加上深度學習就可以輕易做(訓練)出高辨識率的產品？那是神話，是謊話，絕對不是現實！奕瑞公司已經深刻了解，也努力用其他的努力補足了這個謊言造成的現實落差！也真的可以替不少客戶解決了影像辨識的問題，才會有這種文章的！
如果你細看文章內容就能充分感受到：影像辨識成敗的大部分原因根本不是機器學習或深度學習！如文中所說：過度依賴ML或DL只會做出GIGO(Garbage in garbage out)的無意義結果！真正可以做出高辨識率產品的關鍵，其實就如上的金字塔圖一樣，是對於資料的正確理解與分析，以及依據這些理解分析設計出來的AI架構(模型)，還有合乎邏輯的後處理等等，這些才是成敗的關鍵與主角！從資料的選擇與分析就跟傳統影像辨識的做法很相似了！他們是這麼說的：
機器學習或深度學習只是在這些幾乎是傳統影像辨識技術該作的正常工作都做好之後，用來統計一些較不確定的局部資訊的過程小工具而已！如果我就是不用深度學習，只用已經分析整理好的資料，根據科學原理直接推理與推導這些較不確定的參數，結果也會跟機器學習或深度學習的統計結果相似，甚至更準的！我的公司就是這麼作的！
如果我也畫出我的辨識流程金字塔，就只有深度學習這個步驟跟他們不同而已！我也實證了就是可以這麼作(不用深度學習)！而且效果極佳！換言之，影像辨識的主要智慧根本不是來自深度學習，而是工程師對資料與辨識目的的知識、理解與創意！既然已經不靠深度學習完成了八九成的工作，剩下的部分也不必一定要套用深度學習的！
所以英雄所見略同！事實也只會有一個！所有真正深入研究過影像辨識，也具體獲得成效的人，看到的事實與採取的策略不可能會相差太多的！真的要靠未經充分分析整理的原始資料，使用深度學習產生整個辨識流程需要的所有智慧？那是一個不切實際的幻想！奕瑞公司如果那麼天真無知，應該早就倒閉不存在了！我的公司能活到現在也是一樣的道理！我們都沒有相信深度學習可以自動產生能治百病的智慧！高估深度學習神力的公司都已經因為成效不彰且不堪虧損倒閉了！
所以我非常推薦對於AI影像辨識感到好奇的讀者，好好地讀懂這篇文章！你們可能認為我堅持不用深度學習等熱門技術似乎有點偏激？但是這家號稱AI，也號稱使用深度學習等技術的公司也如是說！你就會知道我並沒有這麼奇怪，也絕對沒有離經叛道了！重點是：我們都是真的有很多影像辨識實績與產品的公司！不是只有一張嘴胡吹AI神話的玩家網紅！我們說的話都是絕對可信，絕對可以參考的！
但是我也忍不住想調侃一下他們(奕瑞科技)的尷尬處境！他們顯然已經知道機器學習或深度學習在這個影像辨識流程中並不是那麼重要！如果資料分析整理不好，就根本無法仰賴深度學習製造奇蹟！也一定知道ML與DL是整個研發過程中最耗費成本的程序！只是因為外面的環境已經將ML與DL吹捧成AI的關鍵技術？他們不敢像我這麼老實地與這個非常燒錢又用處不大的技術做切割！也導致他們為了遷就使用深度學習的架構而成本大增！
而且一旦在某階段用了ML或DL，成品就會變成不透明的黑盒子！要做售後服務跟客戶解釋辨識錯誤案例的原因，或精準快速地優化升級就很困難了！想讓系統變好就非完全打掉重新練一次不可！還不保證真的會更好！需要的維護成本就會讓公司營運者更加揪心難過了！現在的AI開發要價都很高，禍首就是ML與DL！大家知道嗎？相對的我們不用ML與DL，任何案子都只是別家AI公司的一半，甚至三分之一以下！
現實終究是現實！要真的用最低成本與最高效率做出可以推出給大家使用的影像辨識產品，最終殊途會同歸，他們跟我們的做法都會很相似的！因為我沒有必須勉強使用ML與DL的無謂負擔，我的研發成本就會更低，效率也更高！最終沒有任何商人會跟錢過不去，他們一定會跟我一樣採取最高效率的做法！就是根本棄用ML與DL，直接用我們已經掌握的資料理解寫出準確的演算邏輯！很可能他們現在就已經這麼做了！但是他們一定還不敢說出來而已！但我還是要高度肯定他們願意說出那麼多實話！這對於破除假AI影像辨識的迷思意義很大的！
限會員,要發表迴響,請先登入
