前面我有談到，影像辦識，在當天發表會中，就被另一測試影片，把a7R5的性能給別家比了下去，其就在低光源的能力差問題上，以我的判斷硬體已固定，不能再改則已沒得救。
但它有學習功能，或許可再由學習中加快點辦識出來，但每個人的可能會不同。然差人約有1大秒時間，這在微處理器世界上的速度，是差之千里的級別
。註：這個低光源功能成本要很高嗎？那為何好久以前a99m2就可搞用-4EV @ ISO 100、F2.8，而A1與後來的還落後在 -4EV @ ISO 100、F2.0。
AbdA wrote:
這點很有話柄……應該(恕刪)
不太懂你說的話柄是什麼，或是你可能誤會了我的意思
我的前提就和你說的一樣， AI 晶片是一個獨立運算單元
目的就是為了分散主處理系統的壓力
主晶片 Bionz 本身應該就多少有 AI 運算的能力，這從 A1 & A7M4 的功能看的出來
但是當 AI 的需求變多，Bionz 又要兼顧其他所有的功能，
在晶片本身是為多工設計而缺乏 AI 優化的運算架構下，效能不足
所以 A7R5 增加了 AI 獨立晶片
但反過來講，要達到同樣水平的 AI 性能
缺乏 AI 獨立晶片的舊機型自然就不太可能單靠韌體更新就在 Bionz 上跑起來
這是我要表達的意思
另外我也相信 AI 獨立晶片不會是 One-Time Programmable 晶片
至少在我碰過的產品裡多數還是通用的 AI Inference chip
但晶片設計不是我的專業，我不確定在消費性相機上
將 AI model 架構和參數寫死在晶片裡對速度和成本是否有效益，不方便評論
AbdA wrote:
承上前面我有談到，影(恕刪)
另外你對深度學習似乎有些誤會
Deep learning 技術是建構 AI 模型的一種手法，而不是在使用的時候有學習的能力
使用情境中學習的設計稱為 Online learning
但在訓練的過程中需要消耗大量的運算資源，所以通常只會在線上服務看到
基本上不可能在相機這種講求實時運作又只吃電池的機器上進行
而且 Online learning 通常需要搭配使用者的標記才能優化
(當你在 Amazon 買東西, 在 YouTube 點下"不要推薦我這個影片"都是在做標記)
沒有人能接受你用相機的時候背後有個 Task 一直耗電還要你幫他標記學習吧
所以要變強就是等 Sony RD 收了客戶抱怨，採用新的 model 架構和訓練技術，
更新訓練資料，在下一版韌體推上新 model 才有辦法進步，
至於這個進步的幅度有多大那可難說
就拿 Apple 採用 reparameterization 技術的新架構 MobileOne 來看
(沒錯就跟本站站名一樣)
換個架構速度就可以差快 10 倍，而且硬體根本沒動
都在 iphone12 上面用 a14 inference engine 跑，結果還更準
像對焦這種連續影像 object detection task
很有可能是用綜合投票的方式來判定物件
只要 model 準確度上去對焦速度就會大幅提升
但到底 Sony 未來要不要把更新更強的架構更新上去，那又是刀法的問題了...
不過剛好讓我好好想一想有沒有必要入手a7r5。
1. 8k錄影- 對我來説沒用，我連4K都沒在拍。
2. 8級防抖-目前有看到有Youtuber 手持1秒拍攝，也有說成功率大概70%。
3. 高ISO的噪點-目前看起來噪點的彩噪比較糟糕，但目前應該還不是最終版本。預計最終版本跟a7r4一樣，希望不會比a7r2差太多。
4. AI對焦- 雖然看起來很特別，但對我來説只要對焦準確與迅速就好，我手頭上的a7m3對焦還是很不錯的。
5. 新的翻轉熒幕-這點很吸引我，畢竟平常居高拍照的時候，很難使用垂直。現在可以了。
6. 無低通濾鏡- 這是R系列吸引我的地方。
7. CF-A雙卡槽- 我主要還是使用USH-1的卡 = . = 。
8. 可以調整的RAW文件- 目前我主要還是使用壓縮RAW，可以儲存M-RAW 讓我就算拿來拍活動或婚禮也不用太擔心文件太大。
內文搜尋
從 APP 打開
X