谷歌“AI猜画”朋友圈刷屏：用户参与让它变得更聪明

腾讯《一线》作者 韩依民

上线一天之后，谷歌推出的首款微信小程序猜画小歌已经在一些人的朋友圈刷了屏，大批“灵魂画手”乐此不疲的在朋友圈分享自己的画作，同时也发出诸多疑问：“为什么我画的这么像，AI却猜不出来？”

从传播效果来看，谷歌推出的首款微信小程序可以说取得了非常大的成功。

猜画小歌是一款玩法非常简单的小程序，具体玩法为，用户与谷歌 AI 组队，在有限的时间内进行速写。在每一轮体验中，用户需要在规定时间内勾勒出一幅日常用品的图画（比如狗、钟表或鞋子），AI 队友则需要在时间结束前猜出图画中的物体。

当 AI 猜出图画中的物体时，用户就会进入下一轮，用户的猜画连胜次数也会相应增加。用户还可以邀请朋友或家人一起挑战最长的连胜纪录、分享有趣的素描图，并在体验过程中不断收集新的题目和图画。

猜画小歌提供的排行榜显示，目前一位画室学徒级别的用户，因在25分30秒的时间内连续画出了能被AI准确识别的288张画作而名列排行榜第一。

猜画小歌中的成绩高低可能与你的画技并不一定成正比，事实上，很多用户在体验的过程中都会遇到这样的情况：明明已经很传神的画出了某样物品，但AI就是猜不出来。要解答这个疑问必须了解猜画小歌的运行原理。

猜画小歌对用户画作的辨识，利用的是神经网络技术，是基于对大量涂鸦样本的学习。

谷歌在官方说明中对其进行了简单的介绍：作为AI技术的一种，计算机视觉技术能让计算机直接理解输入的视觉信息，并由此“看到”这个世界。这一技术既能在视频通话中识别出你的朋友以便加上对应的标签，也能帮助识别人类眼底诊断图像上的早期糖尿病症状。得益于“神经网络”技术，一些看起来极其困难的事情，计算机也能处理得非常好：比如，通过粗糙的草图就能识别出是什么物体。现在，计算机已经能“看到”你随意涂鸦出的一团长着耳朵的墨迹可能是一只熊猫。

具体支撑这一游戏的是一个名叫RNN的递归神经网络，RNN可以利用它内部的记忆来处理任意时序的输入序列，这让它可以更容易处理如不分段的手写识别、语音识别等。所谓输入序列就是指写字时的笔划顺序，以及绘画时的前后过程。

事实上，早在2016年，谷歌就推出了玩法类似的网页版quick draw：它会随机显示一个名词，要求你在20秒内把它画出来。玩家需要用鼠标简单地把这个物体勾勒出轮廓，然后 Quick, Draw! 会判断你画的到底像不像。

虽然看上去游戏简单轻松，但它是谷歌一系列 AI 试验工具中的重要部分，它实际上使用了神经网络算法对玩家的涂鸦进行判断。谷歌试图用它来研究怎么让 AI 自学图像识别和光学字符辨识——这两项都是 AI 领域的核心课题。

一年之后，谷歌发布了该项目背后的数据集。Quick Draw 数据集是一个包含 5000 万张图画的集合，分成了 345 个类别，这些图画都来自于 Quick, Draw! 游戏的玩家。这些画都是加了时间戳的矢量图，并带有一些元数据标注，包括玩家被要求绘画的内容和玩家所在的国家。

这次引发朋友圈刷屏的猜画小歌同样被寄托了类似的目的：让每个人都有机会体验人工智能技术驱动下的人机交互。

在与AI不断互动的过程中，玩家可以看到AI猜画的过程。而谷歌也贴心的做了这样的设置，当用户通关某个物品后，便可以查看大家都是如何描绘该物品的——当一个物品的图画数据集被展示在你的面前时你或许可以尝试理解，在AI的眼中，“冰淇淋”是什么样的。

更重要的是，每一个体验了猜画小歌的用户，实际上也正在基于对于世界的认知，通过自己的画作，不断的训练着AI。

正如发布quick draw数据集时谷歌方面的发言：这不但是海量的数据，还是一面有意思的镜子——能借此透视怎么以众包的形式让公众参与训练机器学习系统，以及如何创建一个能反映不同文化背景与观念的数据集。

这句话同样可以用来描述猜画小歌：这不仅是一个小程序，更是一个让普通人参与训练机器学习系统的途径。

而从谷歌开发小程序的举动来看，这家国际科技巨头正在努力探索，找到最符合中国用户习惯的方式，来参与到自己的产品和技术研发中。