手寫數字辨識已經挺進到MNIST標準的96.8%了！非常辛苦，每天可能只挺進個零點一或二趴！但是也非常有趣！因為都是在我的充分理解掌握之中進化！很像在玩一個超級龐大的邏輯推理遊戲！雖然複雜但是知之為知之，不知為不知，我完全知道自己在幹甚麼！不像機器學習操作者只能在看不見內容的黑盒子之外焦慮！深怕訓練參數一下錯整個系統就會大崩盤！還不知道原因？應該是毫無樂趣可言！

兩個月前原本只是粗略設計的特徵屬性現在逐步進化，越來越精確，也越來越有深度！用來分辨不同字元的能力也越來越穩定精確！感覺好像是從最簡單的約法三章，逐步將一套法律增修演變成一部六法全書了！雖然永遠不會完美，但是不合理的判斷一定會越來越少！真實世界就是這樣運作的！

如上案例其實是我故意用PS軟體將某字左右翻轉再辨識的結果，狹長的2就變成5了！一個月前我的辨識核心當然都會把它們當作是1的！但是隨著特徵辨識的架構越來越精緻完備，感覺就是我的軟體越來越聰明，也就是越來越AI了！一般人應該也會說上面的兩個字是2與5！說是1的人就顯得有點笨了！

正如深度學習說的：要做好複雜的辨識，必須設定較多的隱藏層(Hidden layers)！對應到我的Rule based辨識就是辨識流程了！只靠單一步驟的決策當然是太粗糙錯誤率很高的！所謂的機器學習ML與深度學習DL最大的差異也就是這種模型複雜度的差別！我做的事情在架構概念上也跟深度學習很類似！但是差別是我不依賴電腦自己大量計算嘗試錯誤摸索出方向，比較像是最高度介入的監督式學習！所以過程中使用深度學習的人只是在看戲，我則是掌握所有狀況的導演！

如上的案例當然會先看它們的粗細，但是接下來也會檢視它們的彎曲狀態，就會發現有夠明顯的曲度，再分析轉折點的位置，就可以分辨是2或5了！很好玩吧？完全自己手動建立出一套可用的影像辨識規則是天大的樂趣！我寫博士論文時就做過一次！後來做車牌辨識還多少參考了很多論文，但是手寫辨識又是完全跳脫前人研究的！能如此創新還證實有用？真的太太太好玩了！