我是個讀過博士當過教授出身的人，所以做任何研究都還是會關注相關學術論文發表的資訊！但是我很焦慮的是：一般人都看得懂這些論文代表的意義嗎？譬如我最近在研究的手寫數字辨識，如上的論文標題就是「離線」？一般人可能會納悶「離不離線」很重要嗎？為什麼這篇論文會強調「離線」？

其實這就是現在影像辨識主流派的DL與CNN最大的缺點罩門了！因為他們的高辨識率奠基於不知而行的盲目測試，所以只要是高辨識率，就一定需要超大的模型！也就是超低的執行速度與效率！不使用雲端的超級電腦是不可能順利使用的！要享用這些高辨識率就必須依賴雲端服務，無法離線享用高辨識率的！

所以這篇論文的主要賣點就是：如何可以跳脫這個魔咒枷鎖，在不必連線雲端超級電腦的狀況下也可以享用到較好的辨識率！簡單說就是可以建立一個高效率也高辨識率的辨識軟體啦！這也就是我目前想做的事情！不同的是：這些論文的作者還是掙扎在無法放棄機器學習的枷鎖之下，想尋求出路？

當然這是不可能的！為什麼高辨識率模型會那麼低效率的元兇原罪就是機器學習！如果還是寄望SVM之類的機器學習演算法，效果當然是非常有限的！釜底抽薪正本清源的合理策略絕對是回歸Rule based的傳統方法！這中間需要的計算量差距至少是數十倍甚至數百倍！所以我認為他們都是問道於盲，完全是白忙了！絕對不可能成功的！

我不是隨便說說的！因為我現在的研究就真的做到了可以充分離線還保持高辨識率的品質！如下我的最新成績單，在一般電腦上，而且只是單執行緒，就是只用一個CPU的處理器，完全不必用GPU或任何額外計算單元硬體設備，辨識速度就是一個字只需要0.83毫秒，根本不必用到一毫秒了！當然這就是完全「離線」的作業方式了！

所以我雖然不再需要也不想發表任何論文了！但是事實上我已經完全超越了這些論文希望達到的目標！就是做出可以完全離線的高辨識率辨識軟體了！我不在乎學術界如何給我評價？但是我很希望大家可以看到這個鐵的事實！讓我的研究成果真的可以利用厚生被推廣使用！在真實世界產生實際效益！我現在只能依賴各位讀者幫我告訴真正有需要的人了！拜託拜託！

其實很悲哀的事實是學界人士其實都知道我知道的這些事實！我在我的RD碩士論文口試時，與擔任評審的兩位影像辨識專家教授淺談過！他們都直言不諱OCR的辨識速度比任何機器學習演算法都快上十倍不止！只是他們不敢捋ML與CNN的虎鬚！畢竟他們還需要靠這些狹義AI的熱潮取得論文肯定與計畫審查！我就沒這種負擔而已！