上面是我的車牌辨識在複雜的街景中找車牌的四格漫畫，就是標準的OCR辨識的程序：全彩影像→灰階化→二值化→切割目標。可能是車牌字元的目標呈現之後，就是排列組合找到像是車牌的目標群組，開始做後續幾何校正與字模比對的處理了！

如上的整個程序與現在大家以為的主要AI演算法：機器學習(ML)、深度學習(DL)與類神經網路(CNN)是毫無關係的！甚至他們都流行用GPU來加速運算，但我的演算法根本不必用GPU就很快了！當然也不需要費事改程式分散運算到GPU，還要買很貴的顯示卡與中介軟體！他們聲稱自己是AI，但實際的效能品質卻比我低很多！成本還更高很多？這算怎麼回事？越AI的產品越爛嗎？

所以每當有人問到我的車牌辨識有沒有「AI」的時候，我就尷尬了！如果你認定：所謂的AI就是使用ML、DL與CNN演算法的軟體，還必須用GPU來加速，那我的辨識軟體就怎麼看都「不AI」了！像是下面的敘述：

如前文所述，目前我的行動車牌辨識系統軟體還是台灣最熱門火燙的產品，已經紅了七八年了！如上網路(AI)歸納的說法也說這種系統的車牌偵測是「AI演算法」，但是我確實不是用ML、DL與CNN等技術做這件事的！上面的說法硬生生將車牌辨識過程分裂為：用AI(也就是ML、DL與CNN)偵測車牌，用OCR辨識字元！好像已經是專家們公認的事實？真的是這樣的嗎？

事實上我只用OCR就可以完全取代所謂的AI演算法，又快又準的偵測到車牌了！而且速度更快、演算量更少、準確度還更高！不然大家以為我的行動車牌辨識軟體為何可以稱霸台灣市場那麼多年？還歷久不衰，到現在那些號稱使用AI技術的產品都還完全無法超越我這個「完全不AI」的OCR產品？

所以我不但自己尷尬，也讓那些自以為很懂AI影像辨識的專家們都一起尷尬了！全台灣最快速準確的車牌辨識產品居然「完全不用AI」？用了AI技術的品質反而更差？這叫AI專家如何自圓其說？如果要問我的解套意見，我會說：必須承認AI ≠ ML+DL+CNN！車牌偵測也絕對不是非用CNN不可！影像辨識科技才剛剛開始起飛，大家實在不必急著定義一定要用ML、DL與CNN演算法的才是正宗的AI影像辨識？

事實就不是如此嘛！大家可以從已經成功的商用影像辨識產品來分析，ML、DL與CNN完全被過度高估了！很少暢銷產品是以那些所謂的AI演算法製作的！我也從學術理論上的觀點分析過很多次！以統計學為基礎的演算法永遠不適合用於製作需要高精確度的影像辨識產品！

AI的概念與發展方向沒有錯，但是狹隘定義AI的演算法技術內涵？是完全沒有必要，自找麻煩的！以車牌辨識的例子來看，其實不必刻意區分：ML、DL與CNN「是」AI演算法，OCR就「不是」AI演算法！AI就是模擬人類智慧的軟體，用任何演算法可以達到目的都應該視為AI演算法！OCR與ML等技術只是性質用途不同而已，沒有新舊優劣之分！區分是否AI？暗示哪種演算法比較厲害？是很荒謬的事情！

我希望大家都能快點破除AI=ML+DL+CNN的錯誤迷思，我也可以早日擺脫目前的「我AI了嗎？」的尷尬情境！畢竟AI不AI對我的生意本身並不重要，我的產品品質效能好才是重點！東西真的好，自然會有人買有人用！只有對自己的產品沒信心，只想靠AI迷思蒙混欺騙消費者的廠商，才會特別愛抱AI的大腿！我追求的永遠是更好的品質！不是更多無意義的AI表象！

因此也奉勸各位讀者，AI只是一個意義含混的名詞，不要再迷信AI是甚麼神祕神奇的技術？根本沒有那回事！任何科技的進步都是穩定成長的，商品好或不好才是真的！AI不AI都是假的！我也認為AI=ML+DL+CNN是硬體廠商在幕後推波助瀾刻意炒作出來的錯誤觀念！原因是這些演算法的運算量需求都很大！沒自信的研發者為了證明自己很「AI」，就拼命濫用這些技術，算力需求大增時硬體商(如輝達)就大賺錢了！以影像辨識來說，這種AI概念就錯得離譜了！