🛻There is something about Fleets ~哈啦 “芙莉” 第三彈: 準不準? ~

當我們展示人工智慧結合影像辨識進行各種駕駛行為辨識的技術與產品之後，客戶第一反應是讚嘆，接下來就是問這些產品準不準，這個問題其實一直都很困擾我，困擾的不是我們東西不準，而是客戶口中的準到底指的是甚麼?

準就是正確或不正確的比例，有甚麼好困擾的，乍聽之下好像蠻有道理，但是我用下面這個例子來解釋一下，也許大家就了解可能的困擾是甚麼。請問檢舉達人(工人智慧) 檢舉別人紅線違停的正確率大概是多少? 一般人大概會是這樣算: 警察最後判定符合違規要件的案件數/總檢舉案件數，這數字有一個正式的名字，叫precision，中文應該是要翻譯成精確度，若是把它翻譯成正確率 我想一般人大概也不會有激烈的反應，精確度高，應該算準。

先說結論，違規是抓不完的 ，你應該不會期待檢舉達人把路上的所有違規都檢舉出來才叫準吧? 否則我的荷包應該會大失血

但是很多人其實希望AI可以把所有違規行為都偵測到，做到才叫準，這就像期待檢舉達人把路上的所有違規都檢舉出來一樣，是要逼死誰，這個目標在人工智慧的世界裡叫做 recall 很高 (姑且翻譯成捕獲率好了，召回率不是一個很直覺的翻譯)，捕獲率 = 警察最後判定符合違規要件的案件數/所有路上的違規數，最好捕獲率 = 100%，讓所有壞人都繩之以法，這樣最準。

請注意recall的分母跟 precision 的分母不一樣，在這個例子裡，前者 (所有路上的違規數) 比後者 (總檢舉案件數) 大非常多。

可是檢舉達人的捕獲率很高嗎? 應該沒有，我雖然收到不少紅線違停或是變換車道不打方向燈的檢舉罰單，但其實相比我在路上真正違規的次數，其實是小巫見大巫，不過，我每次收到檢舉罰單都很幹，也都無法申訴，因為每張罰單都罪證確鑿，檢舉達人這方法其實是精確度很高，正所謂明槍易躲、暗箭難防。

總結一下這次的討論

準或不準可以看精確度或是捕獲率，兩者其實意涵不一樣，哪一個才能協助車隊做有效的管理，我下次會寫另外一篇來解釋；

不是說小孩子才做選擇嗎? 精確度及捕獲率兩個都很高不就得了，這樣最準。是的，我也想要成為學富五車的台大教授然後跟金城武一樣帥 (而且一帥20年)

在現實世界裡，的確是有很帥的台大教授，不過你們可以去問任何一個很帥又學富五車的台大教授 (要努力找一下): precision (精確度) 跟 recall (捕獲率) 是不是一種魚與熊掌的概念?

-To be continued-

#OmniEyes

#ceoinsights

#ThereissomethingaboutFleets