八款来自Google的出色AI游戏
“在30秒内画一只猫！..哦，我知道，这是一只猫……也许不是。”-近似这种格式的神经网络快速绘制！快画！-Google开发人员已将其作为AI实验项目的一部分发布的新游戏之一。这里发布了很酷的玩具，甚至可以让您的孩子玩人工智能。但是也有成人游戏。除了玩游戏和娱乐之外，AI实验还提供了一些关于神经网络功能以及如何在实践中使用它们的见识。不只是为了好玩。乔治·凸轮
aiexperiments.withgoogle.com/giorgio-camAI实验网站上的第一款游戏。根据开发人员的说法，可能是最有趣的。将物体放在智能手机或PC上的镜头前，神经网络会根据识别结果立即产生韵律-并将其放入音乐中！有时结果很有趣。特别是将相机对准不寻常的物体时。
该项目使用MaryTTS，Tone.js和Google Cloud Vision API。乔治·卡姆（Giorgio Cam）的源代码与该项目上的所有其他游戏一样被发布。快画！
quickdraw.withgoogle.com在游戏中快速抽奖！人工智能给任务。一个人尝试用手指在平板电脑上快速绘图，而AI则确定图中显示的内容。事实证明，这很有趣，尤其是如果您真的不知道如何绘画时。重要的是，训练了神经网络以监视手指/光标的移动方向。因此，它可以更好地识别样品。无限鼓机
aiexperiments.withgoogle.com/drum-machine“无限鼓机”显示了一张地图，根据其相似程度在其上放置了不同的乐器声音。如果将鼠标拖到这朵云上，则会依次播放声音。如果您喜欢某种声音，那么我们将其放置在具有四个音轨的鼓机上。好了，我们开始玩了。这样的应用程序将在Google Play上大受欢迎。但是，就像AI实验网站上的其他游戏一样。如说明书中所述，在开发过程中使用了t-SNE技术，即非线性降维和可视化多维变量（t分布随机邻居嵌入）。该算法计算每个声音的数字指纹，并将其相对于其他指纹放置在多维空间中。为了与人互动，多维空间必须展平为二维。鸟的声音
aiexperiments.withgoogle.com/bird-sounds与以前的游戏一样，此处的系统使用t-SNE技术，根据相似性组织了数千种声音。只有声音不是乐器，而是鸟的声音。鸟类学家已经收集了数十年的收藏。事物翻译器
aiexperiments.withgoogle.com/thing-translator“事物的翻译器”从一种语言翻译成另一种语言，而不是单词，而是对象。他从字面上大声说出任何物体如何以您选择的语言发出声音。这只是使用Google机器学习软件界面（Cloud Vision API + Translate API）可以完成的工作的一个示例-甚至对机器学习一无所知。AI二重唱
aiexperiments.withgoogle.com/ai-duetGoogle另一个有趣的音乐游戏。您开始演奏旋律-电脑会使用最优美，最合逻辑的续奏为您继续演奏。您可能会猜到，在训练神经网络时，会播放成千上万种现有音乐。AI逐渐开始理解旋律图中的音符并认识到和谐。了解旋律应在哪个位置改变方向，以什么节奏继续旋律等。他逐渐绘制出最受欢迎的地图，即和谐的序列和过渡。为了使计算机获得最大的嗡嗡声，建议连接MIDI键盘。然后，借助AI，您可以依次播放音乐来组织成熟的作曲家二重奏。他会继续您的工作，并且会和他一起演奏。可视化高维空间
aiexperiments.withgoogle.com/visualizing-high-Dimension-space该实验有助于了解人工智能“大脑”中正在发生的事情。程序在屏幕上将其可视化。在这里，您可以亲眼看到前面提到的多维空间，并了解t-SNE魔术技术的工作原理。在测量次数大于三个的空间中如何组织数据。其中一位作者在演示视频中解释说，即使人也可以表示为多维空间中的多维对象。很简单在一个维度中，我们使用参数“出生日期”-在这个维度中，我们与其他类似的多维对象（人）相关联。在下一个维度中，我们具有“工作地点”参数-在这个维度中，关系完全不同。依此类推。绝对地球上的所有人都是这个多维网络的一部分。为单词含义，图像，旋律和任何其他数据构建了相同的多维空间。然后，当神经网络学习识别图像，理解含义空间中单个单词的含义时，所有这些都将在实际应用中使用。Google开发的可视化技术将对所有使用多维空间，t-SNE和神经网络的开发人员有用。神经网络看到了什么
aiexperiments.withgoogle.com/what-neural-nets-see另一个显示“计算机大脑”内部的实验。在这种情况下，我们不是在谈论多维空间的测量，而是在谈论神经网络的各个层，每个层对某些信号做出反应。在神经网络的许多层进行顺序处理的过程中，随后的每一层都处理前一层的结果，因此AI开始识别更高水平的特征。
请记住，您使用Google人工智能的时间越长，使用图纸和观察行为的学习速度就越快。不幸的是，人们不仅会教书，还会毁掉人工智能。例如，由于文盲，许多人以龙卷风的形式绘制飓风。逐渐地，神经网络将拒绝将热带气旋模式识别为飓风，只有龙卷风模式才会考虑飓风。总的来说，一切都如同生活。 Source: https://habr.com/ru/post/zh-CN399321/
All Articles