猜画小歌怎么刷分作弊 微信猜画小歌辅助刷分攻略

“猜画小歌“对你画作的辨识，利用的是神经网络技术，是基于对大量涂鸦样本的学习

涂鸦是人们对事物的抽象表达，只不过，这个抽象对AI来说有点困难。谷歌的研究人员正在朝这个方向努力，训练机器像人类一样学习绘画和生成抽象的概念。
这里利用到的技术有一个高大上的名字：RNN，也就是递归神经网络。不过你不用管这个名字，你只需要知道，你们费力怼出来的灵魂作品，最后都跑去丰富了人家庞大的人类涂鸦数据集。

光是苹果就已经攒了这么多

那……拿到了这些涂鸦，AI怎么学？

研究人员在人类涂鸦数据集中训练神经网络，让AI来理解人们在绘制涂鸦时是在何时起笔、走笔方向、何时停笔的。当经过训练的RNN模型接收到人类绘制的涂鸦后，会生成一张类似的新涂鸦：

有样学样哈？

不过照着描毕竟还是简单。如果人类提供的涂鸦本身有瑕疵，AI“知道”要纠正吗？

答案是肯定的。

在RNN模型中，当研究者输入参与者创作出的灵魂涂鸦，例如没眼睛猫、没鼻子猫和没胡子猫，AI仍然能够重构（强扭）出“正常”的图像来。甚至到了下图的最后一排，那明显是一把刷子啊，但是模型仍然执着于生成有猫耳朵、猫胡须、猫脚的图像。

还真把刷子当猫……

我们再用猪来试试。

第三排的猪猪，8条腿被修正成了4条腿。然而可能是为了遵守原来的笔画数，猪身上乱入了奇怪的东西：不可名状的眼睛、翅膀和犄角什么的……

再输入一张卡车图：

猪就很像卡车了……

可是一千个人会画出一千种不同的小猪，同一个抽象概念可能被表达成不同的样子，模型要怎么理解这些差异？

还是用小猪举例子（强势出镜）：

一开始只有头，再后来各部位尺寸被不断调整，然后身子出现了，最后，我们得到了一只完整的小猪。

科研人员还发现，RNN模型的确对不同的涂鸦进行了类比。

比如上图，模型将“身体”部分进行了类比，选择给猫头涂鸦加上身体，或是将“完整小猪”中的身体去掉，只剩下猪头。

知道了这些，我们就应该能够自如的根据原理来刷分了，祝你早日登榜！