刷爆朋友圈的猜畫小歌到底是啥？

你的朋友圈被一款名叫「猜畫小歌」的微信小程式遊戲刷屏了嗎？

就在前幾天，當小編早晨醒來習慣性的刷了一下朋友圈，結果發現幾乎所有人都在一夜之間成了「靈魂畫手」，其火爆程度不言而喻。

出於職業敏感和強大的好奇心，我決定今天來扒一扒這個「猜畫小歌」底，以及其背後的Google AI究竟在醞釀什麼黑科技。

或許有的朋友不喜歡刷朋友圈，還不知道發生了什麼。那麼就先讓我們來了解一下「猜畫小歌」究竟是個什麼鬼。

簡單的說，這是一款通過手機來繪畫的小遊戲，玩家需要在遊戲限定的20秒內完成要求的繪畫，如果你的畫作被AI識別成功，那麼就算順利達成。

「猜畫小歌」的一夜成名引發了全球媒體的強烈關注。據CNN訊息，Google正在嘗試一種新方式來開拓中國市場。

據悉，「猜畫小歌」由來自Google AI的神經網路驅動，該網路源自囊括超過5000萬個手繪素描的資料群。Google產品經理Chris Tam在部落格中說，這個遊戲旨在讓人們「有機會體驗一下人工智慧的互動現在是多麼自然」。

谷歌早在去年就通過另外一種方式迴歸中國，那就是在北京成立了Google AI中國中心。

相信正是因為這樣的契機，纔會讓我們中國的使用者通過微信小程式這個途徑， 獲得了這次「零距離」體驗人工智慧高科技的機會。同時也因為微信極強的社交屬性，讓這款小程式遊戲能夠在一夜之間火遍全中國，成爲了轟炸朋友圈的利器。

好了，現在來劃重點：「猜畫小歌」這款微信小程式遊戲來自Google AI，其技術核心是 「超過5000萬個手繪素描的資料群」 和 「Google AI的神經網路驅動」 這兩大關鍵。接下來我們就從這兩個技術入手，看看Google AI正在醞釀著哪些黑科技。

首先，我們就從資料的部分入手，看看谷歌都從哪搞來這麼龐大的圖形資料庫。

5000萬手繪素描資料來自哪？

按照機器的執行邏輯，不難猜出「猜畫小歌」的核心在於「資料」和「識別」這兩大核心技術。

只要有了強大的資料庫支援，然後再經過機器的篩選和識別，自然就能夠輕鬆的識別出你畫的是什麼鬼東西了~資料庫中的有效樣本越多，那麼識別的準確率也會越高。

其實這個道理也可以同樣應用於人身上，你的閱歷越豐富，那麼你越容易做出正確的決定。

那麼問題來了，Google AI的資料都是從哪裏來？前文提及的「超過5000萬個手繪素描的資料群」又是如何產生的呢？

其實早在2016年，Google就推出了一個網頁版的《快速塗鴉》小遊戲，但是由於中國大陸無法訪問Google，因此關注的人並不多。

筆者也實際體驗了一下這款網頁版本的《快速塗鴉》，相比用手指在手機螢幕上作畫，通過滑鼠在網頁作畫的體驗要差很多。

不過令人感到讚歎的是，當我的遙控器還沒畫完的時候，機器就已經非常快速的識別出，令人驚奇。

Google正是通過這個網頁小遊戲，讓來自全球的玩家通過滑鼠在網頁上進行作畫不斷的完善資料庫，以協助訓練神經網路識別塗鴉。

按照《快速塗鴉》的網頁提示，我們來到了塗鴉資料的大本營。在這裏彙集了全球1500萬玩家貢獻的超過5000萬份的塗鴉資料。

在Google看來，這些塗鴉是一個獨特的資料集，可以幫助開發人員培訓新的神經網路，幫助研究人員瞭解世界各地人們如何繪畫，並幫助藝術家創造我們尚未開始思考的事物。

我們點開「apple」這個樣本，會發現其實Google已經通過這個小遊戲收集了139,898個有效的資料樣本。

無論你是來自世界的任何一個地方，只要你見過蘋果，那麼蘋果在你的意識形態中的樣子基本不會超出這139,898樣本之外。這也就解釋了Google AI為什麼能夠如此快速的識別出你畫出圖形，因為這個資料庫實在是太過於強大了。

我現在越來越理解AI為什麼叫人工智慧了，那就是賦予機器像人一樣的邏輯和思維能力。而資料和決策，對人或者是對機器都是同等的重要。唯一不同的是，人有情感，而機器或許目前沒有，至於以後，誰知道呢~

神經網路如何像人類一樣思考？

解決了資料樣本來源的問題，那麼剩下的問題就是讓機器來如何學習和分析這些資料樣本，並最終做出決策。

關於「人工智慧」這個詞彙，其實我們都已經非常熟悉了，但是或許你很少聽到「神經網路」這個詞。而很多專業的人士認為，「神經網路」是「人工智慧」發展的基石，比如模式識別、自動控制，以及最核心的深度學習都基於它。

那麼神經網路究竟該如何理解呢？在很早以前，科學家們希望創造出能夠像人類一樣思考的機器。

經過研究發現，人類之所以具備思考的能力，其根本是我們體內的神經網路，而組成神經網路的個體就被稱為神經元。科學家們大膽設想，如果能夠製造出人工神經元，那麼就能夠製造出人工神經網路，從而讓機器「深度學習」並像人一樣「思考」。

提到「深度學習」這個關鍵詞，其實你可以把具備人工神經網路的機器視為一個剛剛出生的嬰兒，而嬰兒的大腦裡是一片空白。

嬰兒通過不斷的成長學習到更多的知識，並通過這些經歷形成了獨立思考和獨立決策的能力。而機器在通過「深度學習」之後，也將具備同樣的能力。

唯一不同的是，人靠的是大腦來進行思考。而機器是通過TPU對大量的資料進行分析和計算並通過建立的模型來做出最終的判斷。

那麼面對問題，人類是如何思考的呢？舉個簡單的例子，你正在為中午吃什麼而發愁。

擺在你面前的是三個問題：①沙縣小吃是否好吃；②沙縣小吃遠不遠；③外面天氣怎麼樣。

經過觀察和思考你會發現：你喜歡吃沙縣小吃，最近的沙縣小吃有點遠，外面天氣不錯。於是你糾結了，但你真的是個吃貨，最終你決定：今天中午走遠一點去吃沙縣小吃。

和你不同的是，機器會把這一切都變成0和1來進行計算。

比如問題①沙縣小吃好不好吃？答案是0代表好，1代表不好。機器通過採集到的資料對不同的問題進行判斷，形成不同的0或者1。那麼機器如何做最終的決定呢？

機器會把不同的問題加上一個加權值。比如你對口味要求高，那麼問題「①沙縣小吃是否好吃」的權重就更高；相反你不太在意距離的遠近，那麼問題「②沙縣小吃遠不遠」的權重就會很低。

通過對不同問題分析和判斷，並輔以加權值的複雜計算，最終機器會計算出一個結果：今天中午走遠一點去吃沙縣小吃。

就是這樣，機器和你都做出了你認為十分正確的決定，而且都經歷了「觀察」和「思考」的過程。

唯一不同的是，你是通過大腦裡神經元的微電荷來做出的決定，而機器是通過構建模型、大量資料的分析、對比、計算、加權……等一系列的複雜計算而做出的。

強大的AI人工智慧會取代你嗎？

既然AI人工智慧如此的強大，那麼它會最終取代人類嗎？關於這種擔心早在幾十年前就已經有了，並且根據相關題材演繹出了很多精彩的電影橋段，比如近期的《西部世界》。

其實這個話題在科學界爭論了幾十年都沒有最終的結論，膚淺的小編自然也不敢在這裏班門弄斧。但或許我們可以通過「猜畫小歌」這個遊戲，來聊聊自己對AI人工智慧的看法吧！

筆者首先想到的一個問題：為什麼Google選擇了塗鴉這個題材來讓人工智慧來進行學習，而不是語言或者音樂什麼其他的。

小編此時此刻突然想到了那些神祕而久遠的古代壁畫，人類在沒有語言的時候就已經出現了壁畫。時至今日，我們看這些古代的壁畫依然能看出個大概意思，且無論你的年齡、性別、種族、語言等諸多環境因素變數。

或許可以這樣說，圖形是全人類共通的語音，可以跨越地域、時空，以及人種。

那麼「猜畫小歌」這個遊戲究竟實在做什麼？畢竟Google做這件事情表面上看是沒有什麼盈利的可能，而且那個引以為傲「超過5000萬個手繪素描的資料群」也是完全開源共享的。

在筆者看來，Google正在試驗，或者說正在培育一個「嬰兒」建立對世界的認知。

其實這跟我們對幼兒的早期教育有著異曲同工之妙，我們經常會看到家長拿著各種圖卡告訴嬰幼兒這是什麼事物。

通過這些圖卡，家長幫助幼兒建立了對世界的基礎認知，比如雞蛋是橢圓形的，月亮是月牙形狀的。

顯然Google的人工智慧技術目前尚處在培育的階段，而「猜畫小歌」不就是一個正在對照著圖本在進行學習的「嬰兒」嗎？等到這個「嬰兒」長大成人並且變得足夠聰明，那麼將形成極為強大的技術革新，或可改變這個世界。

有一句名言「人類一思考，上帝就發笑」，用來回答「人工智慧是否會取代人類」的問題再合適不過。

比如在圍棋領域能夠輕鬆戰勝人類的「阿爾法狗」，卻在我們大A股輸的一敗塗地。其根源在於圍棋有明確的規則，而影響股票價格走勢的因子卻幾何倍的增加。

最關鍵的是，不同性格人有不同的投資習慣，投資者情緒對股票走勢影響也是十分之巨大。

人類除了會思考和決策之外，更重要的是有「性格」和「情緒」以及「情感」，這些機器所不具備的屬性，共同的交織成了我們獨有的「人性」。

如果有一天機器可以把「人性」資料化，那麼或許我們就會被機器徹底取代吧！你認為會有這一天嗎？