跟谷歌旗下的人工智能玩《你画我猜》是什么体验?
与AI互动的新奇体验是《猜画小歌》玩法的核心，游戏类型与《你画我猜》相同，但是现在与你对抗的不再是网络那端的游戏玩家，而是强大的GoogleAI。
玩家只用按照系统给出的随机题目，在手机上使用手指即兴涂鸦出尽量符合问题的作品，而AI队友则需要在游戏时间结束之前把答案猜出来。当猜到正确答案的时候，游戏就会自动进入下一轮。
在极短的时间用手指在手机上作画，质量可想而知。
于是一些奇形怪状的作品在各路玩家手下不断创作出来，但谷歌的AI并不是那么不堪一击，它随着资料库的不断完善，愣是判断出了答案。
虽然有些作品连你自己都不知道画了个什么......
而且玩家在画每一笔的时候，AI“小歌”都在不停的猜测完成后的图像是什么，有时候还会接收到TA的一波无情嘲讽“你画的啥玩意”？
“她居然说猜我在胡写乱画？一下子我就不开心了我给你说！”
从最开始的十几秒判断答案，到现在的几秒钟猜出答案，AI像我们展示出了惊人的学习速度，让一众玩家猜测谷歌是不是在拿我们测试AI......
或许很多人有和酱油妹一样的疑问：为什么AI可以快速又准确的猜中这些“不明物体”到底是啥？
仔细想想《猜画小歌》的“亲生父亲”——谷歌就不难理解了。
据Google黑板报公布的信息，《猜画小歌》小程序由来自GoogleAI的神经网络驱动，为此还特意建立了一个囊括5000万个手绘素描的数据群，用来帮助“小歌”赢在起跑线上。
这款数据库来自于谷歌人工职能部门GoogleBrain开发的绘画相关AI“Sketch-RNN”，基于此款人工智能的诞生，这一年内采集了来自全球100多个国家和地区人们的绘画数据，并且也被用来优化“小歌”的开发。
智能AI学习手绘素描后，可以通过粗糙的简笔画草图来识别物体。
并且每次“小歌”猜对的题目会收入图库，玩家在游戏结束后还可以查看其他玩家的作品，不得不说有些网友的画风也算是相当“有创意”了…….
你能想象到这是达芬奇的旷世名作“蒙娜丽莎”吗？
虽然作为龙的传人，但这道题实在是超纲了。龙大哥，我们尽力了。
最像的你不认识，瞎画的你倒猜出来了？
当我佩奇不是猪吗？！小歌你是不是社会人？
小歌让我对自己的抽象画艺术充满信心，想和她恋爱，超级懂我der~
刚画了个轮廓，AI就猜出来了，毫无游戏体验。作为一个有尊严的画家，我只想安安静静的把画画完！(╯‵□′)╯︵┻━┻
好不容易斗智斗勇AI猜不出来了，那么恭喜你，游戏结束了。你就说气不气！这人工智能怎么跟常人思维一点都不一样？
所以即便Google数据库很大，但一千个人中，可以有一万个哈姆雷特。针对数量庞大的玩家，即使是人工智能也会有些力不从心。
再加上简笔画涂鸦本身就是一个抽象的概念，所以有时候“小歌”识别起来，还是会有难度，出现偏差什么的，也是在所难免。
虽然新奇的AI技术和创新的交互设计，让玩家们都纷纷对这款小游戏赞不绝口。但在用户体验方面，《猜画小歌》还是存在可提升空间。
例如，游戏只能在失败结束后一次性分享自己的全部作画，不能在游戏过程中即时转发；
而在排行榜系统里也没有突出与微信间其他好友的互动性，相比其他爆款的微信小游戏来说，《猜画小歌》在产品的传播方面并没有做的那么成熟。
“《你画我猜》中一个重要的点在于画的趣味性，如果不能跟身边的人分享，那的确是可惜了。”
但如果换个角度想，谷歌创造出《猜画小歌》不是为了做一款游戏，而是想窃取中国人的隐私，那就不难理解它在社交上的缺失了。
嗨呀，美帝亡我之心不死！
或许是“无心插柳柳成荫”的结果，就算《猜画小歌》在一些方面做的并不是那么完美，但依旧席卷了朋友圈及微博的清一色好评，这也进一步说明了AI与游戏结合的趋势。
不过，如果说这是谷歌向微信小程序游戏进军的第一步，或者又扯上什么“重回中国市场”似乎就有点过了。
据谷歌人工智能开发部门的反馈，开发绘图类AI技术的初衷是运用这些草图，让计算机学习绘画。
可以想象，在《猜画小歌》的微信小程序上线后，除了此前的100多个国家和地区，往后中国区域的庞大绘画信息数据也将得到补充。
看来这一次Google带着“Sketch-RNN”刷完100套世界卷练习题后，现在来刷中国卷了。
不过实在是很担忧在经受了这么多“灵魂画手”的摧残过后的AI，未来画风到底会变成什么样子。
你们到底能不能好好调教TA啊喂！？(#`O′)返回搜狐，查看更多
人工智能实验——对抗搜索游戏（吃豆人）
人工智能实验——对抗搜索游戏（吃豆人）实验内容主要包括了三个方面，改进Reflex智能体、设计Minimax智能体、设计Alpha-Beta智能体。以下为我的实验步骤与过程。（实验所修改或添加的代码均位于压缩包中的“multiAgents.py”），本篇博文主要讲理论，并不包含实现的代码，若需要代码可以访问我个人主页下载，也可以私信我要。
统计程序接口本实验由于是在已有程序的基础上进行修改与添加的，所以统计一些必要的接口是比较重要的。下面为几个重要的接口，其详细说明如图所示。其中下面的gameState为程序中的GameState类对应的一个对象。
gameState.getLegalActions(index)gameState.getPacmanPosition()gameState.getFood()gameState.getGhostPositions()ghostState.scaredTimergameState.getCapsules()gameState.getWalls()gameState.generateSuccessor(agentIndex,action)gameState.getNumAgents()以上九个接口的详细说明如下图所示[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传
ReflexAgent智能体修改设计ReflexAgent我采用了BFS算法加贪婪算法的组合进行了修改，下面为具体的修改思路。
首先创建一个BFS搜索的函数，接收豆人的位置参数。然后利用此参数获取合法路径对应的坐标，并把这些坐标以队列的数据结构入队。设置一个循环语句，其判断语句为当坐标位置处有豆时退出。此循环语句中若位置不存在豆则出获取此位置处的合法移动路径的坐标并把这些坐标入队，然后把先前的坐标出队进入下一轮循环。.其流程图如图所示。贪婪算法指引前进方向，利用上面BFS中获取的坐标计算各个合法移动操作对应的坐标到此点的距离，并以此作为分数。
除了要有导向性外，还要考虑与幽灵的距离。所以这里利用了吃豆人与幽灵的曼哈顿距离来进行躲避。当与幽灵的距离小于等于1时返回负无穷的分数以及时制作行为的产生。
foriinghosstP:ifabs(newPos[0]-i[0])+abs(newPos[1]-i[1])