画得这么烂还能猜出来！猜画小歌背后的秘密是什么

这几天你的微信有没有被一个叫“猜画小歌”的小程序刷屏了？没有的话你该怀疑一下是不是被大家拉黑了。

“猜画小歌”是一个由谷歌开发出的游戏，你需要在20秒内画出要求的图形，人工智能会根据形状猜出你画的是什么。

你还可以看到别人画的作品，比如下面这个图，是小程序猜对的各种龙的画作，学堂君忍不住要咆哮：你！们！都！是！灵！魂！画！手！

玩这个游戏的时候你会感觉到，为什么我画的这么好小程序还猜不出是什么！为什么别人画得乱七八糟程序还能猜出是什么东西！

这个嘛，我们要从“猜画小歌”的图像识别原理说起。“猜画小歌”是通过“神经网络”的方法识别图像的，什么是“神经网络”呢？我们就从“识别手写数字0到”这个案例开始说起。

尽管这个案例算是神经网络版的“hello world”，但对于从未接触过人工智能的大多数人来说已经是非常复杂了。不用担心，这里我们不使用术语，即使你是中学生，你也能看懂它是怎么工作的。

想想你是怎么认识数字的（你肯定记不得了），或者看看周围的儿童是怎样认识数字的，你会发现这是多么神奇的过程。识字卡片上印着标准的印刷体数字，孩子们一遍遍地摹写它们，用不了多久，孩子们就能够写出歪歪扭扭的数字，还能够辨认出其他孩子写的歪歪扭扭的数字。

也许你不觉得这个过程没什么了不起的，但这个问题放在几十年前电脑还无法解决。尽管那时候的电脑已经能够计算出人类几百年都未解决的数学问题，但却连简单的手写数字都认不出来。而这种问题对于孩子来说却是轻而易举，甚至我们还认为这种事是理所当然的。

看看下面这个图，不同人写出来的数字是多么的千奇百怪，但我们却能够一眼认出它们是什么。

现在我们要设计一个程序，让计算机能够识别出上面手写的字，想一想，你会怎么做呢？必须承认，学堂君看到这个问题也不知道怎么做。冷静冷静，梳理一下思路，这个程序的输入必然就是这些歪歪扭扭的字体，经过一坨乱七八糟看不懂的程序，输出的结果是0到9这10个数字。写成流程图是这样的：

现在这个问题还是非常复杂，但我们可以做一些力所能及的事，让它变得稍微简单一点。这个过程就像玩拼图，我们总是从比较简单的四个角落开始拼起，然后延伸到它的四个边，拼出一个框架，最后才把中间的拼图填上。

同样的，知道了输入和结果，我们就可以从两个方向反推，探索中间的过程来。

在输入的方向，我们可以更进一步，把这一堆数字切成一个个数字图片，每一张图片切割成若干个小方块。比如前面几个数字，我们用28×28的网格，把它们切成784个小方块。现在它们看起来是这样子：

我们发现，每一个方块都有特定的颜色。没有墨迹的方块是白色的，有墨迹的方块是黑色的，如果你把数字放得足够大，你会发现墨迹和空白之间的一些地方是灰色的。我们需要为这些颜色赋值，转换成计算机能够理解的数据。白色的方块我们赋予一个值0，黑色的方块赋予一个值1，灰色的方块可以为它们赋予一个0到1之间的值，这样计算机就能读取图片了。

到这里，我们已经迈开了人工智能识别数字的第一步，下一步该做什么呢？我也不知道。既然输入这个方向推进不下去了，我们就从输出反推回来。

从输出反推的过程，其实跟我们学习数字是很相似。如果你观察孩子学习数字的过程，有时候你会听到爸爸妈妈教给孩子的一些记忆口诀。例如“1字像粉笔，2字像鸭子，3字像耳朵……”等等，这些口诀能够帮助孩子记住每一个数字的形状，我们要是教会电脑这些“口诀”，它是不是也能学会认识数字呢？

当然，我们不是教会电脑粉笔、小鸭、耳朵等比喻。我们可以将数字拆解成直线、横线、弧线、圆形四种基本的形状，不同的形状组合成不同的数字，然后再告诉电脑记忆口诀。例如：

0=1圆形；1=1竖线；3=2弧线；4=2竖线+1横线；5=1横线+1竖线+1弧线；6=1竖线+1圆形；7=1横线+1竖线；8=2圆；9=1竖线+1圆形；

我们用不同的颜色来区分它们，红色是横线、蓝色是直线、黄色是弧线、绿色是圆形。

当然我们还需要注意他们的位置关系，例如6是直线在圆形上方，9是直线在圆形下方，如果没有这个限制的话，可能人工智能就无法分辨6和9了。

换句话说，计算机要是识别到特定的形状组合，就可以判断出画面的数字了。这样我们又迈出了人工智能识别数字的第二步（或者说是倒数第二步）。

计算思维的一个方法，就是把复杂问题分解成若干简单的问题。但让计算机识别出这四个形状也不是什么容易的事。没关系，我们可以进一步分解问题，把各个形状分解成更加细微的组成部分。

例如，我们可以把圆形分解成一个左弧线和一个右弧线，长的直线分解成两根短的直线，用这种方法一步步推进，我们发现这个拼图可拼合的地方越来越多了。

那么，我们要推进到哪一步呢？当然是让它能够和输入值相结合的一步，这意味着我们需要找到一个函数，让它判断最基础的图形是怎么样的。

这样我们就能够找到解决问题的一个思路。来看看这个思路的全过程吧，如果我们这个过程画成图像，它大概是这样子的。

我们对这个图稍加分析一下，你就大概能看懂了。

图片最左边的inputs代表的是我们将手写数字转换成784个小方块，并为每一个小方块的颜色赋予一个值；

第二排的圆圈，代表我们用函数判断它的基本组成形状，猜测它最可能属于哪一类基本形状（直线、横线、弧线），并赋予一个值；

第三排的圆圈，代表我们根据上一步猜测的形状的组合，猜测这个图形有几根横线、直线、弧线或圆，并为不同的组合赋予一个值。

最右边的output，代表计算机根据上一层组合的图形和位置判断结果，并判断出最有可能的一个结果。

举个例子来说明一下，加入我输入的是手写的4，通过函数激发了第一层的不同位置的短竖和横线，第一层的结果激发第二层的短竖、横线和长竖，并根据“4=2竖线+1横线”的口诀识别出手写的数字是4。

其实，我们在看到数字也经历了类似的过程。光线到达我们的眼睛中，视锥细胞把光线转化为电信号，经过一层层的神经传导到我们的大脑，大脑判断形状我们就能认识到它是什么数字。所以，我们把这个过程称之为神经网络。

到这里，我们已经完成了半个人工智能，但它还不能认全认识所有的数字。例如，我们教会电脑的是识字口诀是1弧线+1横线=2，但是我们手写的却是1弧线（黄色）+1横线（红色）+1圆圈（绿色），这样，人工智能就不能识别出来了。

怎样让人工智能上面这个写法也是2呢？我们可以给人工智能安排一个“老师”，一旦它认不出或者认错这个字，我们就告诉他正确答案是2。这种反馈过程，让人工智能学会1弧线+1横线+1原型同样也可能是2，并将结果反馈到前面的过程中。这样我们就构建出能够完整识别数字的人工智能。

这是“猜画小歌”猜出帽子的形状。你可以看到大家画的帽子有棒球帽，有礼帽，有鸭舌帽，也许某类型的帽子就是被“老师”指正之后才学会的。而这个“老师”可能就是广大玩家，也包括你。

我们上面说的是一个为了让大家更好理解的极端简化过程，真正的神经网络比这个还要复杂得多。如果你已经坚持看到这里，还意犹未尽的话，记得关注点赞分享，学堂君为你推荐一本面向中学生的人工智能书籍《人工智能基础（高中版）》。

这是一本面向中学生的人工智能教材，这本书的第三章将进一步介绍用人工智能识别图片的方法，帮助你更深层次地认识和理解“猜画小歌”背后的工作原理。

科技学堂

科技辅导员在线学习平台

微信号：sciclass