我的手寫辨識繼續推進到MNIST的辨識率98.633%了！越深入到剩下的困難案例，其實就是要繼續設計更精緻準確的辨識過程！程式語言只是基本，重點是各種字形特徵的設計，必須有夠多的特徵種類才足以跟電腦準確的對話！從腦中的想法到跟電腦準確溝通的過程就是很有趣的辨識研發了！

這些特徵的設計就很像我發明的一種新語言中的字彙！原始人類的語言字彙不多，要做出很好的文章，或是精緻的敘述就會不夠用！如果我設計的辨識特徵不夠用，我就會無法正確表達出我完整的想法！所以我必須不斷地因應新的需求設計更多有辨識作用的特徵！然後用來更精準的表達我的辨識想法！

譬如上例就是一個大特徵很像9的字，但是我根據腦中的經驗，認為它應該是個3！所以要用我設計的特徵(字彙)告訴電腦它為什麼應該是個3？譬如9字的右邊不會有凹陷，左上方的小凹陷也暗示它可能原本是有個缺口的！這些細節都考慮進去，也用程式表達出來結論就應該是3了！

所以我寫程式告訴電腦這些特徵的過程就是我的文章！特徵本身的設計就是很多可以使用的字彙了！這個工程好玩之處就是可以不斷發明自己的新字彙，讓我的作文越來越精準，內容越來越豐富！能把辨識的想法描述得越準確清楚當然辨識率就越高了！

所以好的Rule based方法設計的辨識軟體(模型)就是以數百個有意義，可以跟任何人解釋清楚的特徵定義為基礎，程式本身就是用這些特徵寫出的精準文章！越是辨識到更困難的案例就像寫複雜的報告，當然需要更多的字彙與思考內容！很好玩吧？這樣作影像辨識都可以做出一些哲學思考的！

至於使用機器學習的人在訓練模型時在想些甚麼？應該是非常抽象無意義也很無聊的！我應該無法忍受！他們將設計特徵的工作都外包給深度學習(DL)的隱藏層(Hidden layer)了！當我一一深思設計出我的特徵時，難免就會想像DL放任電腦自行摸索拼湊出來的特徵們會有多複雜繁瑣沒效率？就像一個笨蛋練習打靶，沒有教練指導他要自己胡亂嘗試錯誤多久？才能正確打到靶心？電腦不會抱怨喊累，但是要浪費很多電的！