你就不想知道自己是如何輸掉「猜畫小歌」的？

各位，這幾天刷爆朋友圈的谷歌AI小程序「猜畫小歌」，你們都玩過了嗎？不知道各位成績如何，小卡只玩到Level 3就掛掉了，敗給了一隻桶。或許你會想，畫個桶能有多難？是真的難。看似簡單的小遊戲，其實一點也不簡單。例如，AI是如何在你只畫一筆的時候，就猜出了它是香蕉？今兒，我們不妨就來參一參，這款小遊戲背後所暗藏的大玄機。

你就不想知道自己是如何輸掉「猜畫小歌」的?

根據谷歌方面的介紹，「猜畫小歌」是由Google人工智慧的神經網路技術來驅動，該網路源自全世界最大、囊括超過5000萬個手繪素描的數據群，機器學習手繪素描後，便能通過粗糙的草圖識別出物體，這也是為什麼玩家勾勒出簡單的線條，AI就可以快速猜出你所畫為何物。

實際上，在「猜畫小歌」問世之前，Google Brain就已上線過一款名為名為《Quick, Draw!》的網頁版你畫我猜，基於一個名為「sketch-rnn」的生成式 RNN，遊戲也是隨機顯示一個名詞，要求玩家在20秒內把它畫出來，之後Quick, Draw!會判斷你畫的到底像不像。那麼，猜畫小歌用的是何妙宗呢？

「猜猜猜」背後的奧秘

其實，這兩款小遊戲都使用了神經網路技術，而神經網路是深度學習的基礎，最初還是受到生物神經系統的啟發，用來模擬生物神經系統而出現的。簡單來說，AI通過神經網路來認知世界，且都離不開CNN卷積神經網路或RNN循環神經網路。前者如今已被成功的應用到圖像識別的各類應用當中，而後者則能利用其內部的記憶處理任意時序的輸入序列，因此可以更容易處理如不分段的手寫識別、語音識別等。

有了神經網路技術加持，再通過後期大量的塗鴉樣本學習，猜畫小歌就可總結出不同事物的特徵點。當然，除了這些特徵點，數據訓練也可以給AI動態的畫圖過程，從而讓AI理解人類在畫某一個事物時，通常會選擇第一筆先畫什麼、如何走筆以及何時停筆。這就是為什麼，有時候玩家剛畫第一筆時，「小歌」就能給出正確的答案。因此，用來訓練的資料庫規模越龐大，AI給出的結果也就準確率越高。

既然如此，那麼為何有時候，我們都快將手機屏畫滿AI還是猜不出正確的答案？原因在於，你是否畫出了事物的核心特徵。

晉級的關鍵在於畫出「核心特徵」

就像下面這個梨，當我們畫出一個草圖後，在草圖的下方AI給出了鼻子、大提琴、小提琴多個選項，可唯獨沒有梨。。。說明在之前畫的這張草圖裡，沒有能讓AI識別出「梨」的核心特徵。因此，不妨多想想別人畫梨時，都會畫些什麼？怎麼畫才能讓 AI 認為你就是在畫梨，而非什麼提琴、鼻子！

又或者，當我們畫一條魚時，畫出來的可能是下面這個樣子，每個細節都很詳細。

但是，在猜畫小歌觀察了大量玩家的手作之後，小歌認為魚應該是這樣的。。

顯然，就猜畫小歌這個遊戲而言，這位玩家的魚畫的太過複雜了。所以，不難發現，除了快速畫出物體的核心特徵外，最好先勾勒一個大概的形狀（或輪廓），畢竟備選答案的數量是有限的，多猜幾次小歌總會猜對的。

>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>

截止本篇文章發布，小卡已經升至Level 5，最後卻敗給了「鸚鵡」，AI居然猜它是火烈鳥？請告訴我！我畫的哪裡不像鸚鵡了！有圖有真相

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！