猜畫小歌是如何火起來的

Google一直是AI屆的引路人，不論是2016年的AlphaGo擊敗人類世界圍棋冠軍，還是AI大神李飛飛作為Google AI的領軍人物，對AI技術及應用的推動作用，我們都能看到Google在AI領域中的影響力。7月18日《猜畫小歌》小程序上線，短短3個小時刷爆朋友圈。看到朋友圈不少人分享了自己的畫作，於是C博士也體驗了下這款小程序，我們來看下這款小程序的技術原理及用戶運營方面的策略。

技術原理：

1、AI=神經網路+大數據

人工智慧是模仿人的能力，目前AI領域有三大技術，分別是圖像識別，語音識別，NLP自然語言處理。本次猜畫小歌的技術正是圖像識別。圖像識別也是三大AI技術中最為成熟的。

為什麼說人類會首先把圖像識別的能力讓位於計算機？

是因為相比於語音及自然語言，圖像具有多維信號的特質，如結構、紋理、顏色等。人類處理這類的信號，天生不如GPU的計算能力，GPU最早來源於顯卡，更適合處理圖形圖像的運算，同時具有很強的並行處理能力。

神經網路究竟為何物？

Google公司於2014年提出一種新型的神經網路GooLeNet，在這之前人們採用的是AlexNet、VGG等網路結構，這些網路都是通過增大網路的深度（層數）來獲得更好的訓練效果。GoogLeNet網路（Inception網路）的提出則從另一種角度來提升訓練結果：能更高效的利用計算資源，在相同的計算量下能提取到更多的特徵，從而提升訓練結果。以下是GoogLeNet結果圖，共有22層，神經網路模擬了人的大腦處理信號的結構，層與層之間通過信號採樣，激活函數進行連接，通過卷積、激活、池化、完全連接進行操作，將信號從上一層映射到下一層，最後通過與訓練集中的標註結果進行對比，修改中間的網路參數，經過幾百萬次甚至更多次的訓練後，使得訓練結果與目標結果接近一致。

2、5000萬原始數據，在猜畫小歌上線的那一天識別率就會在95%以上

要想讓網路結構具有信息處理能力，就需要經過大量的訓練。猜畫小歌在上線前，原始的訓練數據有5000萬的手繪素材。

5000萬的訓練數據是個什麼概念？

要知道最著名的ImageNet數據集，共有1400多萬張圖像，涵蓋2萬多個類別。2015年AI正是在ImageNet數據集的基礎上，圖像識別率超過了人類。人眼識別錯誤率為5.1%，而AI可以將圖像識別錯誤率降低到4.94%，在此之後AI在圖像識別的能力進一步提升。本次5000萬個手繪圖像，雖然只是原始數據，基本上也可以讓AI的識別率達到95%以上。

為什麼機器會猜多次？什麼是TOP-1，TOP-5？

人們為了給AI演算法提出評價標準，提出了TOP-1，TOP-5兩個指標。

TOP-1（錯誤率），是對一個圖片，如果概率最大的是正確答案，才認為正確。

TOP-5（錯誤率），是對一個圖片，如果概率前五中包含正確答案，即認為正確。

以下是使用已知神經網路，對ImageNet數據集進行的結果比對（取自YOLO官網）

我們能看到TOP-1的識別率還比較低，TOP-5可以達到很好的效果，在實際ImageNet比賽中，選手會做各種優化從而達到95%以上的識別率。這就好比使用搜索引擎，如果只給一個結果，不一定是我們想要的。但是第一頁的結果中是我們想要的概率會大幅提升。

3、藉助微信生態圈，讓使用和傳播更便捷

據統計，微信小程序已有2.8億的日活，微信月活躍用戶達到9.3億，整個中國移動互聯網的人數為11億。微信毫無疑問是用戶社交及分享的主戰場。「體驗小程序，傳播朋友圈」將成為未來微信生態的常態。用戶不用下載，一分鐘也可以挑戰猜畫小歌，此外挑戰的內容可以形成話題，在朋友圈中分享，吸引更多人的好奇心來參與挑戰。

AI技術具有很強的門檻，但同樣能讓用戶自主參與起來，從而收集更多數據，進一步加強AI識別率則需要更強的運營能力。下面我們看下，從用戶的感知角度，這款小程序是怎樣的？

1

畫的丑的可能是正確的，畫的美得不一定對

2

闖關次數越多，成就感越強

從Lv1到Lv19，從畫室學徒，到畫圈新貴，再到神筆馬良，小程序會給你更多的Title，在UI設計上也會有變化，讓你感受到每次解鎖和晉級的喜悅。社交產品最大的特點就是對比，通過排行榜可以看到好友成績和排名

3

好奇心驅使，看看大家都是怎麼畫的

只有當解鎖成功後，才能看到別人畫的圖都是什麼樣子。當然網路上也有各種攻略，整理出來的畫作合集。總之AI更希望你來挑戰，補充更多人類的數據，當你畫的圖沒有正確識別的時候，AI會建議你分享到朋友圈讓好友來猜猜。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！