神经网络造“汉字”新技能全开，biangbiang面自愧不如

李林 发自 学院路 量子位 出品 | 公众号 QbitAI

正所谓古有仓颉，今有神经网络。

最近，谷歌大脑研究员David Ha做了个让神经网络和你一起写“汉字”的网页版Demo。你在页面上写几笔，神经网络会根据你写出来的部分，补完一个“汉字”。

它的名字叫Kanji-RNN，创作过程就像这样：

据网友探索和量子位自行测试，在页面上画圈圈有一定概率得到惊喜——这个Kanji-RNN可能会愣一下，甚至毫无反应。

如果你不画圈圈，很多时候会得到脑洞异常开阔的“伪汉字”。比如：

这是量子位遇到的一些未完成品，如果真的让它无限开“脑洞”，恐怕biangbiang面都要甘拜下风了。

Kanji-RNN模型是什么结构、如何训练出来的呢？

David Ha没有详细介绍，不过根据名字、简介信息链接到的页面、他以往做的工作，可以推测一二。

首先，它的名字叫Kanji-RNN。我们起码可以看出，这个模型是用循环神经网络来预测下一笔该写什么、写在哪的；

其次，David Ha在Google参与的一项大工程，就是那个让你教机器画简笔画的Sketch-RNN，他之前在GitHub上发布的旧版Sketch-RNN中，就包含了训练神经网络写汉字的部分，还写过一篇博客介绍如何用Sketch-RNN来生成汉字，所用的数据集是KanjiVG；

而如今的Kanji-RNN页面上的简介信息，并没有链接到原来的代码，而是链接了TensorFlow官方账户下的一个Sketch-RNN-JS，可见和原来的有一定差异，以网页Demo的形式呈现，大概是借助了TensorFlow.js的力量。

总之，这应该是一个以Sketch-RNN的JavaScript实现为基础，用KanjiVG训练的卷积神经网络，与之前广受欢迎的Google神经网络画简笔画系列同宗同源。

说到这儿，你大概也看出来量子位为什么要给“汉字”加引号了。一是因为它并不会真的用你的笔画匹配真正的汉字，而是根据你的笔画“创造一个像汉字的图形”，很多时候写出来的都实在不像字；另一个原因呢，就在它的名字Kanji-RNN，和数据集KanjiVG里。

这里的Kanji和我们日常所写的字略有不同，指的是日语里用到的那些汉字，数量比我们用到汉字少，而且经过了霓虹国人民的再创作。

根据训练集的指引，它们长这个样子：

对于那些向往神秘东方的美国人民来说，Kanji-RNN的魅力不言而喻，在Reddit、HackerNews等论坛上都大受欢迎。

而从小写汉字的中国人，从Kanji-RNN中大概能得到不一样的乐趣：量子位就一心想让它写个认识的汉字出来，一上午深陷其中不能自拔。

你也试试？

http://otoro.net/kanji-rnn/

如果你也想自己训练一个，可以从下面这两个地方找找灵感。

• Sketch-RNN的JS代码： https://github.com/tensorflow/magenta-demos/blob/master/sketch-rnn-js/README.md
• 很久以前的Sketch-RNN代码： https://github.com/hardmaru/sketch-rnn/

如果你不知道量子位说的“Google用神经网络画简笔画”是怎么回事，一定要玩一下这个不容错过的小游戏： https://quickdraw.withgoogle.com/

当然，如果你想严肃地探讨这件事儿，这篇论文再合适不过啦： A Neural Representation of Sketch Drawings David Ha, Douglas Eck https://arxiv.org/abs/1704.03477