各位，这几天刷爆朋友圈的谷歌AI小程序“猜画小歌 ”，你们都玩过了吗？不知道各位成绩如何，小卡只玩到Level 3就挂掉了，败给了一只桶。或许你会想，画个桶能有多难？是真的难。看似简单的小游戏，其实一点也不简单。例如，AI是如何在你只画一笔的时候，就猜出了它是香蕉？今儿，我们不妨就来参一参，这款小游戏背后所暗藏的大玄机。

你就不想知道自己是如何输掉“猜画小歌 ”的

根据谷歌方面的介绍，“猜画小歌 ”是由Google人工智能的神经网络技术来驱动，该网络源自全世界最大、囊括超过5000万个手绘素描的数据群，机器学习手绘素描后，便能通过粗糙的草图识别出物体，这也是为什么玩家勾勒出简单的线条，AI就可以快速猜出你所画为何物。

实际上，在“猜画小歌 ”问世之前，Google BrAIn就已上线过一款名为名为《Quick, Draw!》的网页版你画我猜，基于一个名为“sketch-rnn”的生成式 RNN，游戏也是随机显示一个名词，要求玩家在20秒内把它画出来，之后Quick, Draw!会判断你画的到底像不像。那么，猜画小歌 用的是何妙宗呢？

“猜猜猜”背后的奥秘

其实，这两款小游戏都使用了神经网络技术，而神经网络是深度学习的基础，最初还是受到生物神经系统的启发，用来模拟生物神经系统而出现的。简单来说，AI通过神经网络来认知世界，且都离不开CNN卷积神经网络或RNN循环神经网络。前者如今已被成功的应用到图像识别的各类应用当中，而后者则能利用其内部的记忆处理任意时序的输入序列，因此可以更容易处理如不分段的手写识别、语音识别等。

有了神经网络技术加持，再通过后期大量的涂鸦样本学习，猜画小歌 就可总结出不同事物的特征点。当然，除了这些特征点，数据训练也可以给AI动态的画图过程，从而让AI理解人类在画某一个事物时，通常会选择第一笔先画什么、如何走笔以及何时停笔。这就是为什么，有时候玩家刚画第一笔时，“小歌”就能给出正确的答案。因此，用来训练的数据库规模越庞大，AI给出的结果也就准确率越高。

既然如此，那么为何有时候，我们都快将手机屏画满AI还是猜不出正确的答案？原因在于，你是否画出了事物的核心特征。

晋级的关键在于画出“核心特征”

nbsp;就像下面这个梨，当我们画出一个草图后，在草图的下方AI给出了鼻子、大提琴、小提琴多个选项，可唯独没有梨。。。说明在之前画的这张草图里，没有能让AI识别出“梨”的核心特征。因此，不妨多想想别人画梨时，都会画些什么？怎么画才能让 AI 认为你就是在画梨，而非什么提琴、鼻子！

nbsp;又或者，当我们画一条鱼时，画出来的可能是下面这个样子，每个细节都很详细。↓

nbsp;但是，在猜画小歌 观察了大量玩家的手作之后，小歌认为鱼应该是这样的。。↓

显然，就猜画小歌 这个游戏而言，这位玩家的鱼画的太过复杂了。所以，不难发现，除了快速画出物体的核心特征外，最好先勾勒一个大概的形状（或轮廓），毕竟备选答案的数量是有限的，多猜几次小歌总会猜对的。

截止本篇文章发布，小卡已经升至Level 5，最后却败给了“鹦鹉”，AI居然猜它是火烈鸟？请告诉我！我画的哪里不像鹦鹉了！有图有真相↓