Google猜测了歌曲小程序和AI技术分析

的发展 最近，每个人都沉迷于谷歌开发的《猜画小歌》小程序，它简直好笑，随便画，谷歌人工智能可以猜出正确答案。然后让我们分析一下这个小程序背后的原理。

谈到机器学习，我们应该知道有两种主要方法：监督学习和无监督学习。

什么是监督学习

所谓的监督学习要求我们提供大量的学习样本，包括样本相关的特征数据和相应的标签。 AI程序可以通过这些样本学习相关的规则或模式，然后确定未被获得的规则或模式标记的数据的数据。

例如：“猜猜小歌”，我们的小程序用户绘制了大量标记的绘画。通过你绘制的每个标记的绘画，AI程序知道人类就像这样画房子。船，这个苹果等。事实证明，在人类眼中，它们就像这样。它分析了我们绘画的每一个特征和特征，并进行自我学习。我们提供了大量标记的数据样本，也称为：训练数据。

通过机器学习算法，找出不同笔迹下每幅画的特点，然后找出规则和模式。然后，通过识别未标记的图案或图案，完成识别手写绘画的目标。

当然，这个AI 小程序必须在上线之前已经训练了数万甚至数十万个样本，所以当你绘制时，它会根据你绘制的特征进行分析和识别。我们绘制的那些用作样本和通过算法自学习。

事实上，它是生硬的，谷歌非常聪明，让AI 小程序识别和猜测人类绘画，通过我们提供的大量免费注释培训，使这个系统更好地学习，推广和优化。事实上，最终目标可能是：AI Smart 小程序将独立创作绘画，并绘制各种像人类一样的作品。

所以，每个人都在玩，同时将这个AI 小程序作为陪练！我的每个用户都为其演变提供了大量帮助和数据。人们绘制的越多，他们提供的数据样本就越多。通过自学和算法分析，它们越准确，他们就越了解人类。

什么是无监督学习？

无监督学习是一种人工智能网络算法。其目的是对原始数据进行分类，以便了解数据的内部结构。与监督学习网络不同，无监督学习网络在学习时不知道分类结果是否正确，也就是说，它不受监督（它告诉它哪种学习是正确的）。其特征在于仅为一种类型的网络提供输入示例，并且它自动从这些示例中找到其潜在的类别规则。完成研究并进行测试后，您可以将其应用于新案例。

无监督学习的典型例子是聚类。聚类的目的是将类似的东西聚集在一起，我们不关心这个类是什么。因此，聚类算法通常只需要知道如何计算相似度并且可以开始工作。

可能会有一些半监督学习。这是两者的结合。基本思想是在数据分布上使用模型假设来建立学习者来标记未标记的样本。

我们绘画中的“猜小歌”识别实际上是基于神经网络技术，它基于对大量涂鸦样本的研究。就像，我刚刚在监督学习中说过我上面所说的内容。

根据谷歌的说法，“猜歌”是由谷歌人工智能的神经网络技术提供支持。该网络资源在全球拥有超过5000万个手绘草图数据集。在机器学习手绘草图后，您可以使用粗略草图识别对象。例如，一组带耳朵的墨水可能是熊猫。

这个小程序使用的技术是：RNN，它是循环神经网络。这项技术实际上是谷歌之前使用的，并不是新技术。去年11月，谷歌专注于“快速，抽奖！”您可以根据您概述的几个笔划猜测三个可能的项目。根据Google的说法，这种技术基于模拟人类大脑如何使用线条，形状和其他绘画元素来绘制对象。

我们开始在这个小程序上绘画，训练神经网络，让人们在人们开始绘画，笔方向以及何时停止绘画时理解AI。当训练的RNN模型接收人类绘画时，生成类似的新绘画。

你认为这是唯一的方法吗？不，如果你画的画是错的，有一个缺陷，它实际上会纠正它！在RNN模型中，当用户创建尚未绘制的灵魂绘画时，例如仅绘制人头而不绘制耳朵，AI仍然可以重建“正常”绘画。 RNN模型将继续产生具有耳朵和眼睛的正常头部。

所以，在“猜小歌”小程序中，你可能只画一条粗线。当你还没有完成绘画时，人工智能已经认识到你在画什么？它会读取您的笔，线条和一些要素数据，您可以快速猜出您正在绘制的内容？它可以帮助您完成和纠正。

你打开小程序并找到“我的绘画”指向。在每幅画下面写一个句子：

以上是Google猜测歌曲小程序的开发案例。如果您需要更多信息，可以关注我们~~

HiShop小程序工具提供多种类型的商城/商店小程序制作，可视化编辑1秒，在线生成5个步骤。通过拖动和拼接模块布局小程序商城页面，你可以看到你得到的东西，你只需要艺术家来制作一个漂亮的商场。有关更多小程序商店，请参阅：小程序商店

＆lt; 汇海（www.hvihi.com）是国内知名的商城系统和商城网站建设提供商，其中汇海技术小程序系统提供小程序商城开发，小程序配送系统，微分配系统，商城系统，电子商务网站建设， 微信发行系统，小程序商城及其他多端商场和电子商务行业解决方案＆gt;

确认：这个文件和图像源网络编辑器的网站部分，如果有侵权及时通信删除。 汇海hvihi.com网站原创文章，请注明出处。