今天我想通過這款 Google 推出的微信小程序「猜畫小歌」，來聊一聊它背后的機(jī)器學(xué)習(xí)的相關(guān)知識(shí)，我個(gè)人僅僅只是讀過關(guān)于機(jī)器學(xué)習(xí)的資料和書，淺嘗輒止，我不是專門搞機(jī)器學(xué)習(xí)和人工智能的，所以只算是淺析和談自己的看法。

機(jī)器學(xué)習(xí)原理

要聊到機(jī)器學(xué)習(xí)，我們應(yīng)該知道，它主要有兩種方法：監(jiān)督式學(xué)習(xí)（Supervised Learning）和無監(jiān)督式學(xué)習(xí)（Unsupervised Learning）。

什么是監(jiān)督式學(xué)習(xí)

所謂監(jiān)督式學(xué)習(xí)，就是需要我們提供大量的學(xué)習(xí)樣本，包括樣本相關(guān)的特征數(shù)據(jù)以及相應(yīng)的標(biāo)簽。AI 程序可以通過這些樣本來學(xué)習(xí)相關(guān)的規(guī)律或是模式，然后通過得到的規(guī)律或模式來判斷沒有被打過標(biāo)簽的數(shù)據(jù)是什么樣的數(shù)據(jù)。

就比如：「猜畫小歌」，我們小程序的用戶畫了大量的帶著標(biāo)簽的畫作，通過你畫的每個(gè)帶著標(biāo)簽的畫作，AI 程序就知道，原來人類是這么畫這個(gè)房子，這個(gè)船，這個(gè)蘋果等等這些東西的。原來人類眼中的他們是這樣的。它就會(huì)分析我們畫作的每一個(gè)特點(diǎn)和特征，從而進(jìn)行自我學(xué)習(xí)。我們提供這些大量的帶著標(biāo)簽的數(shù)據(jù)樣本也叫：訓(xùn)練數(shù)據(jù)（training data） 。

通過機(jī)器學(xué)習(xí)的算法，找到每幅畫作在不同手寫體下的特征，進(jìn)而找到規(guī)律和模式。然后通過得到的規(guī)律或模式來識(shí)別那些沒有被打過標(biāo)簽的畫，以此完成識(shí)別手寫畫作的目標(biāo)。

當(dāng)然，這個(gè) AI 小程序在上線之前，肯定已經(jīng)用上萬甚至幾十萬的樣本訓(xùn)練過了，所以你在畫的時(shí)候，它會(huì)根據(jù)你畫的特征進(jìn)行一些分析和識(shí)別。而我們畫的這些又被它當(dāng)做樣本，通過算法進(jìn)行了自我學(xué)習(xí)。

其實(shí)說白了，Google 挺聰明的，讓 AI 小程序識(shí)別和猜測(cè)人類的畫作，通過大量我們提供的免費(fèi)標(biāo)注訓(xùn)練讓這個(gè)系統(tǒng)得到更好的學(xué)習(xí)，提升和優(yōu)化。其實(shí)最后的目的可能就是：AI 智能小程序就會(huì)自己獨(dú)立創(chuàng)作繪畫，畫出各種跟人類一樣的作品。

所以啊，大家都是在玩的同時(shí)，在給這個(gè) AI 小程序當(dāng)陪練呢?。?！我每個(gè)用戶都為它的進(jìn)化提供了大量的幫助和數(shù)據(jù)。大家畫的越多，提供的數(shù)據(jù)樣本就越多，它通過自我學(xué)習(xí)和算法分析，就會(huì)識(shí)別越準(zhǔn)確，自己也就越了解人類。

什么是無監(jiān)督式學(xué)習(xí)？

無監(jiān)督式學(xué)習(xí) (Unsupervised Learning) 是人工智能網(wǎng)絡(luò)的一種算法 (algorithm)，其目的是去對(duì)原始資料進(jìn)行分類，以便了解資料內(nèi)部結(jié)構(gòu)。有別于監(jiān)督式學(xué)習(xí)網(wǎng)絡(luò)，無監(jiān)督式學(xué)習(xí)網(wǎng)絡(luò)在學(xué)習(xí)時(shí)并不知道其分類結(jié)果是否正確，亦即沒有受到監(jiān)督式增強(qiáng) (告訴它何種學(xué)習(xí)是正確的)。其特點(diǎn)是僅對(duì)此種網(wǎng)絡(luò)提供輸入范例，而它會(huì)自動(dòng)從這些范例中找出其潛在類別規(guī)則。當(dāng)學(xué)習(xí)完畢并經(jīng)測(cè)試后，也可以將之應(yīng)用到新的案例上。

無監(jiān)督學(xué)習(xí)里典型的例子就是聚類了。聚類的目的在于把相似的東西聚在一起，而我們并不關(guān)心這一類是什么。因此，一個(gè)聚類算法通常只需要知道如何計(jì)算相似度就可以開始工作了。

可能還會(huì)有什么半監(jiān)督式學(xué)習(xí)，這個(gè)就是上述兩者的結(jié)合，基本思想是利用數(shù)據(jù)分布上的模型假設(shè), 建立學(xué)習(xí)器對(duì)未標(biāo)簽樣本進(jìn)行標(biāo)簽。

「猜畫小歌」背后的 AI 技術(shù)

「猜畫小歌」對(duì)我們畫作的辨識(shí)，其實(shí)利用的就是神經(jīng)網(wǎng)絡(luò)技術(shù)，是基于對(duì)大量涂鴉樣本的學(xué)習(xí)。就像，我剛才在上面監(jiān)督式學(xué)習(xí)那里所說的。

Google 表示，「猜畫小歌」由來自 Google 人工智能的神經(jīng)網(wǎng)絡(luò)技術(shù)驅(qū)動(dòng)。該網(wǎng)絡(luò)源全世界范圍，超過 5000 萬個(gè)手繪素描的數(shù)據(jù)群。機(jī)器學(xué)習(xí)手繪素描后，可以通過粗糙的草圖來識(shí)別物體。例如一團(tuán)長(zhǎng)著耳朵的墨跡可能是一只熊貓。

而這個(gè)小程序利用的技術(shù)就是：RNN，也就是遞歸神經(jīng)網(wǎng)絡(luò)。這個(gè)技術(shù)其實(shí)谷歌在之前早就使用了，并不新鮮，在去年 11 月，Google 專門研究人 “Quick, Draw!” 的看圖猜物品功能?？梢愿鶕?jù)你勾勒的幾筆猜測(cè)三個(gè)可能的物品。Google 表示，這個(gè)技術(shù)是通過模擬人腦在畫一個(gè)物體時(shí)是如何運(yùn)用線條、形狀以及其它繪畫要素來進(jìn)行推斷。

我們?cè)谶@個(gè)小程序上開始畫作，訓(xùn)練神經(jīng)網(wǎng)絡(luò)，讓 AI 來理解人們?cè)诶L制畫作時(shí)是在何時(shí)起筆、走筆方向、何時(shí)停筆的。當(dāng)經(jīng)過訓(xùn)練的 RNN 模型接收到人類繪制的畫作后，會(huì)生成一張類似的新畫作。

你以為僅僅如此嗎？不是，如果你畫的畫作不對(duì)，有瑕疵，它其實(shí)還會(huì)糾正呢！在 RNN 模型當(dāng)中，當(dāng)用戶創(chuàng)作出的靈魂畫作，還沒有畫完時(shí)，比如只是畫出了人的頭，還沒有畫耳朵，AI仍然能夠重構(gòu)出“正?！钡漠嬜鱽怼NN 模型仍然會(huì)繼續(xù)生成有耳朵，有眼睛的正常人頭。

所以，在「猜畫小歌」小程序中，你僅僅可能只是畫出了一個(gè)大致的線條，還沒畫完的時(shí)候，AI 就已經(jīng)認(rèn)出你畫的是什么東西呢？它讀取的是你的起筆，線條，和一些特征數(shù)據(jù)，就能夠快速猜出你畫的是什么？而且還能幫你補(bǔ)全和糾正。

你打開小程序，找到「我的畫作」點(diǎn)進(jìn)去，在每一幅畫作的下面寫著這么一句話：

最后，大家來欣賞一下我的靈魂畫作吧！如下：

最后，關(guān)于機(jī)器學(xué)習(xí)和 AI 技術(shù)，關(guān)于這款微信小程序，歡迎大家留言交流一下自己的看法和觀點(diǎn)，一起交流進(jìn)步。