上線一天之后，谷歌推出的首款微信小程序猜畫小歌已經在一些人的朋友圈刷了屏，大批“靈魂畫手”樂此不疲的在朋友圈分享自己的畫作，同時也發出諸多疑問：“為什么我畫的這么像，AI卻猜不出來?”

從傳播效果來看，谷歌推出的首款微信小程序可以說取得了非常大的成功。

猜畫小歌是一款玩法非常簡單的小程序，具體玩法為，用戶與谷歌 AI 組隊，在有限的時間內進行速寫。在每一輪體驗中，用戶需要在規定時間內勾勒出一幅日常用品的圖畫(比如狗、鐘表或鞋子)，AI 隊友則需要在時間結束前猜出圖畫中的物體。

當 AI 猜出圖畫中的物體時，用戶就會進入下一輪，用戶的猜畫連勝次數也會相應增加。用戶還可以邀請朋友或家人一起挑戰最長的連勝紀錄、分享有趣的素描圖，并在體驗過程中不斷收集新的題目和圖畫。

猜畫小歌提供的排行榜顯示，目前一位畫室學徒級別的用戶，因在25分30秒的時間內連續畫出了能被AI準確識別的288張畫作而名列排行榜***。

猜畫小歌中的成績高低可能與你的畫技并不一定成正比，事實上，很多用戶在體驗的過程中都會遇到這樣的情況：明明已經很傳神的畫出了某樣物品，但AI就是猜不出來。要解答這個疑問必須了解猜畫小歌的運行原理。

猜畫小歌對用戶畫作的辨識，利用的是神經網絡技術，是基于對大量涂鴉樣本的學習。

谷歌在官方說明中對其進行了簡單的介紹：作為AI技術的一種，計算機視覺技術能讓計算機直接理解輸入的視覺信息，并由此“看到”這個世界。這一技術既能在視頻通話中識別出你的朋友以便加上對應的標簽，也能幫助識別人類眼底診斷圖像上的早期糖尿病癥狀。得益于“神經網絡”技術，一些看起來極其困難的事情，計算機也能處理得非常好：比如，通過粗糙的草圖就能識別出是什么物體。現在，計算機已經能“看到”你隨意涂鴉出的一團長著耳朵的墨跡可能是一只熊貓。

具體支撐這一游戲的是一個名叫RNN的遞歸神經網絡，RNN可以利用它內部的記憶來處理任意時序的輸入序列，這讓它可以更容易處理如不分段的手寫識別、語音識別等。所謂輸入序列就是指寫字時的筆劃順序，以及繪畫時的前后過程。

事實上，早在2016年，谷歌就推出了玩法類似的網頁版quick draw：它會隨機顯示一個名詞，要求你在20秒內把它畫出來。玩家需要用鼠標簡單地把這個物體勾勒出輪廓，然后 Quick, Draw! 會判斷你畫的到底像不像。

雖然看上去游戲簡單輕松，但它是谷歌一系列 AI 試驗工具中的重要部分，它實際上使用了神經網絡算法對玩家的涂鴉進行判斷。谷歌試圖用它來研究怎么讓 AI 自學圖像識別和光學字符辨識——這兩項都是 AI 領域的核心課題。

一年之后，谷歌發布了該項目背后的數據集。Quick Draw 數據集是一個包含 5000 萬張圖畫的集合，分成了 345 個類別，這些圖畫都來自于 Quick, Draw! 游戲的玩家。這些畫都是加了時間戳的矢量圖，并帶有一些元數據標注，包括玩家被要求繪畫的內容和玩家所在的國家。

這次引發朋友圈刷屏的猜畫小歌同樣被寄托了類似的目的：讓每個人都有機會體驗人工智能技術驅動下的人機交互。

在與AI不斷互動的過程中，玩家可以看到AI猜畫的過程。而谷歌也貼心的做了這樣的設置，當用戶通關某個物品后，便可以查看大家都是如何描繪該物品的——當一個物品的圖畫數據集被展示在你的面前時你或許可以嘗試理解，在AI的眼中，“冰淇淋”是什么樣的。

更重要的是，每一個體驗了猜畫小歌的用戶，實際上也正在基于對于世界的認知，通過自己的畫作，不斷的訓練著AI。

正如發布quick draw數據集時谷歌方面的發言：這不但是海量的數據，還是一面有意思的鏡子——能借此透視怎么以眾包的形式讓公眾參與訓練機器學習系統，以及如何創建一個能反映不同文化背景與觀念的數據集。

這句話同樣可以用來描述猜畫小歌：這不僅是一個小程序，更是一個讓普通人參與訓練機器學習系統的途徑。

而從谷歌開發小程序的舉動來看，這家國際科技巨頭正在努力探索，找到***中國用戶習慣的方式，來參與到自己的產品和技術研發中。