你的朋友圈被一个叫“猜画歌”的微信小程序游戏刷屏了吗？就在前几天，边肖早上醒来习惯性地刷朋友圈时，发现几乎所有人都在一夜之间变成了“灵魂画家”，其受欢迎程度不言而喻。
出于职业敏感和强烈的好奇心，我决定今天就来看看这首《猜小曲》的底部，以及背后Google AI在酝酿什么黑科技。
可能有些朋友不爱刷朋友圈，还不知道怎么回事。所以我们先搞清楚“猜画小曲”到底是什么鬼。
简单来说，这就是一个用手机画画的小游戏。玩家需要在游戏限定的20秒内完成要求的抽奖。如果你的图纸被AI成功识别，那么就成功实现了。
《猜画歌》的一夜成名引起了全球媒体的强烈关注。据美国有线电视新闻网(CNN)报道，谷歌正在尝试一种新的方式来打开中国市场。
据悉，《猜小曲》由来自Google AI的神经网络驱动，该神经网络来源于包含超过5000万张手绘草图的数据组。谷歌的产品经理克里斯谭(Chris Tam)在博客中表示，这款游戏旨在让人们“有机会体验现在人工智能的交互是多么自然”。
早在去年，谷歌就以另一种方式回归中国，那就是在北京成立了谷歌AI中国中心。
我相信正是因为这个机会，我们中国的用户才会获得这个通过微信小程序体验高科技人工智能的“零距离”机会。同时，因为微信强大的社交属性，这种小程序游戏可以一夜之间火遍全中国，成为轰炸好友的利器。
好了，现在来重点说一下：“猜画歌”，一个微信小程序游戏，来自Google AI。其技术核心是“超过5000万手绘草图的数据群”和“Google AI的神经网络驱动”。接下来我们就从这两项技术入手，看看Google AI在酝酿哪些黑科技。
首先从数据部分开始，看看Google是从哪里得到这么庞大的图形数据库的。
5000万手绘草图数据从何而来？
根据机器的运行逻辑，不难猜测“猜画歌”的核心在于“数据”和“识别”两大核心技术。
只要你有强大的数据库支持，再通过机器的筛选识别，自然就能轻松识别出你画的是什么鬼东西~数据库中有效样本越多，识别准确率就会越高。
其实这个道理也可以适用于人。你的经验越丰富，你就越容易做出正确的决定。
那么问题来了，Google AI的数据从哪里来？前面提到的“手绘草图超5000万的数据群”是怎么产生的？
其实早在2016年，谷歌就推出了网页版的《快速涂鸦》游戏，但是因为中国大陆无法访问谷歌，所以没有多少人关注。
我也实际体验过这个《快速涂鸦》的网页版，比用手指在手机屏幕上画画差多了。
然而，令人惊奇的是，当我的遥控还没完成时，机器很快就识别出来了，这太令人惊奇了。
正是通过这个网页游戏，谷歌让世界各地的玩家通过鼠标在网页上画图，并不断完善数据库，以帮助训练神经网络识别涂鸦。
根据《快速涂鸦》的网页提示，我们来到了涂鸦数据的大本营。这里汇集了全球1500万玩家贡献的5000多万涂鸦数据。
在谷歌看来，这些涂鸦是一种独特的数据集，可以帮助开发人员训练新的神经网络，帮助研究人员了解世界各地的人是如何绘画的，并帮助艺术家创作出我们尚未开始思考的东西。
当我们点击“苹果”样本时，会发现Google通过这个小游戏实际上已经收集了139898个有效数据样本。
无论你来自世界的哪个角落，只要你见过苹果，苹果在你意识形态中的出现基本不会超过139898个样本。这就是为什么Google AI能这么快识别出你的图纸，因为这个数据库太强大了。
现在我越来越明白AI为什么叫人工智能，就是赋予机器和人一样的逻辑和思维能力。数据和决策对人或机器同样重要。唯一不同的是，人是有情感的，而机器目前可能没有。至于未来，谁知道呢~
神经网络是如何像人类一样思考的？
解决了数据样本来源的问题，剩下的问题就是如何让机器学习和分析这些数据样本，最后做出决策。
其实我们都很熟悉“人工智能”这个名词，但或许你很少听到“神经网络”这个词。而且很多专业人士认为，“神经网络”是“人工智能”发展的基石，比如模式识别、自动控制、核心深度学习等都是基于它。
那么应该如何理解神经网络呢？很久以前，科学家希望创造能像人类一样思考的机器。
经过研究发现，人类之所以具有思考能力，是因为我们体内的神经网络，组成神经网络的个体称为神经元。科学家大胆设想，如果能制造出人工神经元，那么就能制造出人工神经网络，让机器像人一样“深度学习”、“思考”。
说到“深度学习”这个关键词，其实你可以把有人工神经网络的机器看成一个刚出生的婴儿，婴儿的大脑一片空白。
宝宝通过不断的成长学习更多的知识，通过这些经历，形成独立思考、独立决策的能力。机器经过“深度学习”后也会有同样的能力。
唯一不同的是，人是靠脑子思考的。机器通过TPU对大量数据进行分析计算，通过建立的模型做出最终判断。
那么人类面对问题时是如何思考的呢？举个简单的例子，你正在为中午吃什么发愁。
摆在你面前的有三个问题：沙县小吃好吃吗；沙县小吃远；外面天气怎么样？
经过观察和思考，你会发现你喜欢沙县小吃。最近的沙县小吃有点远，外面天气不错。所以你很纠结，但你真的是个吃货。最后，你决定今天中午去稍微远一点的地方吃沙县小吃。
不像你，机器会把这一切变成0和1进行计算。
比如问题沙县小吃好吃吗？答案是0代表好，1代表坏。根据机器收集的数据，判断不同的问题，形成不同的0或1。那么机器是如何做出最终决定的呢？
机器会给不同的问题加上一个加权值。比如你对口味的要求高，那么“沙县小吃好吃吗”这个问题的权重就会高一些；相反，如果你不太在意距离，那么“沙县小吃远吗”这个问题的权重会很低。
通过对不同问题的分析判断，辅以复杂的加权值计算，机器最终会算出一个结果：今天中午再走远一点去吃沙县小吃。
这样，机器和你都做出了你认为非常正确的决定，都经历了“观察”和“思考”的过程。
唯一不同的是，你是通过大脑中神经元的微电荷来做出决定的，而机器是通过建立模型、分析大量数据、比较、计算、加权等一系列复杂的计算来做出决定的。
