|
Autodraw：人工智能涂鸦大师
文章开头提到的Auto draw就是Quick,Draw！数据的研究成果，也展示了谷歌强大的机器学习技术。
Autodraw能做到的不仅仅是识别你在画什么，它甚至能帮你补完未完成的涂鸦，纠正其中的错：如果你花了一只三只眼睛的猫，Autodraw会去掉一只眼睛。
这意味着，Autodraw已经拥有了我们所说的抽象思维，它并非仅仅是按照历史数据规整图画的线条，而是“知道”眼睛这一概念，并且知道猫只有两只眼睛。
Autodraw的背后，是人工智能系统SketchRNN。当我们在Quick,Draw！上作画时，SketchRNN会记下我们每一笔的形状和顺序，为每一种特定物体（猫、椅子等等）训练出一种神经网络。
把人类涂鸦的笔画当成输入，进行序列编码，用人们的绘画方式来训练神经网络。完成这一训练后，SketchRNN就了解了某一图案绘画时的“一般规则”。
比如我们画猫时，会画一张圆脸，两个尖耳朵，两只眼睛，六根胡须。SketchRNN就能明白，一个大圆、两个小圆、六根线和两个尖角加起来就是“猫”。然后，再向其中引入变量，让SketchRNN可以输出和接受随机性。比如猫脸的圆形可以不那么圆，猫的胡须可以长短不齐。但是三只眼睛这种错误超过了变量浮动的范围，是会被SketchRNN修正的。
和上图一样，同样是汽车，颜色越偏暖的图案，代表随机性越大，而这些全都是SketchRNN的作品。
SketchRNN虽然神奇，可很多人认为这项技术的实用性比较差。因为SketchRNN能识别甚至创造图形的原因，是因为团队为每一种图案都训练了一个神经网络。能做到这些，离不开Quick，Draw！收集到的庞大数据量，更离不开TensorFlow的强大算力。可动用了如此之多的资源之后，SketchRNN的应用范围还只限制于涂鸦之中，如果圈定在“笔画”这个逻辑里，或许以后还能在书法上有所作为，但效率如果还停留在每个个字搭建一个神经网络上，性价比未免太低了。
不过也有人提出了其他的看法，有学者认为，“笔画”是世界范围共用的沟通方式。象形文字、壁刻画式的线条会对人类大脑形成一种天然的刺激，人类的艺术创造越来越具象，或许展示了一种大脑和思维进化的可能。按照这个逻辑，SketchRNN或许能为我们找回曾经的思维方式，在未来帮助考古、史学、人类学等等领域更好的进行研究。
|