#案件實例系列文
這是一年前，與成大都計系教授合作的案子，以text mining的技術，找出同個領域各篇論文(paper)間，是否具備相同的關鍵字？
案子本身不是這次發文的重點，在於該案順利結案後，這兩天新年大掃除(!?)，找到了一篇，當初基於本案，與教授間的信件……。信件內容敘述著小馬我對於數據業界、直至AI領域，的一些見解和看法。
一年後看來，仍是恪守原則、不忘初衷。這裡分享給各位。
Hi教授,
新年快樂，這篇主要閒聊一下，關於我對此領域的理解。
小馬我畢竟出過書的人，在大數據和AI這領域也算待得夠久，縱使不敢說自己有全盤通透的理解，但還自信所言內容，有值得參考之處。
我想先很單純地(很籠統地)，把這領域的人分成兩類人：夢想型、實踐型。
夢想型的特色是，做到了三分，說可以做到六分；做到了六分，說可以做到十分。對科技的發展有無窮無盡的樂觀，在夢想型的人心裡，沒有所謂失敗，只有火侯不足，待時機成熟，就是成功時刻。
實踐型則相反，做到了三分，說可以做到二分；做到了六分，說可以做到五分；問他們有沒有十分的可能，他們會說有機會做到六分，但十分，暫時不敢想。
實踐型的態度，相較下悲觀，且理解抽樣是什麼，知道機率的偉大，同樣的技術這次做出了六分，不代表下次套用到不同樣本時，還有六分水準，他們理解什麼是誤差範圍。
我可以舉出非常多夢想型的例子，例如Google的Duplex，可以看當年發表時，那副氣勢磅礡，未來世界AI大門已被打開的那種載歌載舞的慶祝氣氛，然後一年多後？你看現在有誰聽過Duplex？
而這種夢想型玩家，他真的是單純的樂觀嗎？這非常肯定…肯定不是的！
相反，他背後所乘載的，是難以計數的投資人投資金，難以計數的引頸期盼和拭目以待，加上這些投資人對於科技的外行和不解，以及老闆多金的財大氣粗，他們無法理解什麼叫做技術瓶頸、什麼叫做緩步發展，在這些投資人眼裡，錢砸下去就是要見到成效！
哪有做不出來的道理？
這也使得收到這些投資金的開發者，不得不變成夢想型玩家，只做到了六分，不得不講說即將做到十分，他們才能擁有源源不絕的資金投入。換個角度看也是，假設我是一個對此領域外行的人，但我對此領域有很大興趣，同時我還擁有非常多的資金可以投入，看完夢想型和實踐型的說法，我會選誰來投錢？這是一個泯滅良心的賽局啊！
也因此，這世界上就會塑造出許多不切實際的「夢想」，在我這種實踐型玩家眼裡非常可笑的「夢想」。根本不可能做到的事情，因為可以騙外行人不懂，騙外行人投錢給自己開發，於是塑造出一個美麗的假象，說自已辦得到。對這種現象，坦白說小馬我非常嗤之以鼻。
也因此，這是小馬我很慣用來判斷「這個技術開發，到底是真是假，到底有沒有他們說的水準」的一個方式：去看他們背後有沒有投資人，這個投資人和他們的關係是什麼，親戚贊助友情贊助？還是不認識的天使投資？換句話說，他們有沒有動機，必須維持著自己表面上一定程度的開發成果，好讓自己能繼續獲得資金投入？
而很遺憾的現狀是，我們看到許多看似有所突破的新技術，大都是在這種環境下產生的夢想型玩家，所拋出來的「未來展望」，而非「現在技術」。
「如果沒有那樣的技術，總有一天會露出馬腳啊！」
是的，這是AI領域因果循環生生不息(笑)的一個現象，開發者畫大餅，騙到錢，繼續畫大餅，畫到沒有投資人再相信他為止，最後宣布開發經費不足，大家很難過很遺憾無法繼續；收攤，換個名字、換個專案名，於是另外一個投資案又出來了，而且這投資案看起來還超有經驗、超吸引人的！
另一種狀況是，以非原本預期的技術，做出投資人預期的結果，例如「工人智慧」。換句話說，以結果來看，好像這技術已經被開發了，細究下來才發現，原來只是以其他方式土法煉鋼罷了，技術瓶頸依舊無法突破。有興趣可以google：訊飛聽見冒充AI。
之所以提上面這些，是了解老師您對此領域很有興趣，想來也對於目前市面上的技術狀況有些了解。只是以小馬這種實際身處該領域的保守實踐型玩家，想表達的是，市面上許多聲稱自己能做到什麼的技術，通常都沒有他講的那麼厲害。或是他們省略了很多但書，例如只限定在什麼狀況下，才能做到這個規模，就像是AlphaGo限定在圍棋一樣。
因為，所有的理論技術都有背景原理，程式開發畢竟不是生物培養(有突變的可能)，所有的開發絕對有一定邏輯脈絡，當一個技術瓶頸出現時，若集眾人之智慧仍想像不出理論上的解決方案，我們就很難片面相信某個廠商克服了這個技術，而以商業機密為由不透露解法。
舉個text mining的例子，我們都知道語意分析的重點在於詞庫，例如快樂、悲傷、興奮，是形容詞……什麼什麼是動詞……什麼什麼是名詞，接著在理解這些詞性的組合後，釐清每個句子、每個段落的意思，進而歸納整篇文章的重點。理論上可行，但這技術瓶頸會發生在什麼時候？在「取用詞庫」的時候。
可以想像，當我們把詞庫建立完整，那個詞庫肯定非常非常的大，而一篇文章擷取到單字，要比對詞性時，理論上來說，它必須從頭掃描詞庫(先不討論index技術細節的議題)，直到找到這個單字為止，而每進行一次的掃描詞庫，就會耗用一次硬體資源，於是硬體瓶頸就出現了。
我們總會遇上硬體資源，不夠一篇文章完整掃描詞庫的狀況，那…難道我為了解析一篇文章，要去跟NASA借超級電腦來讀文章嗎？肯定不會，這時候成本效益問題也間接出現了。
這也是一種「理論上做得到，但實務上不會去做」的例子。
要嘛是例如建index的這種技術細節有所突破，可以改善運作效能，進而一般硬體規格就足以因應；要嘛是例如NASA超級電腦的規格，隨時代演變，例如十年後，已經變成了平常家用電腦就能看見的規格。
我意思是，縱使不論那些連理論技術都還無法克服的狀況，縱使是理論技術已經有個概念，實務上仍有許多例如成本效益等等的限制，使得這項理論技術無法開發，進而運用的狀況。
以上說明，也算是重新自我介紹一番，小馬，一個非常腳踏實地的實踐型玩家，多年來婉拒各方投資，只做自己認為做得到的事情，只說自己有把握能做到的內容，不妄自相信某個技術被克服，除非該方對於理論技術的開發邏輯能徹底說服自己。(畢生所得都是憑良心賺取，不是透過任何「談夢想、畫大餅」的形式吸引投資，所以縱使至今過著不富裕的生活，但至少心安理得。)
哈，也因此，老師您有什麼想法，我們都可以討論看看，在我認知的技術背景下能否做到，但一如過往，通常我都不會有太正面的回覆，我有多少能耐就做多少事，認為此事有技術障礙我也會直說，不過度樂觀，這點要請多多海涵了。
張孟駸(小馬) 2020/1/27