正所謂古有倉(cāng)頡，今有神經(jīng)網(wǎng)絡(luò)。

最近，谷歌大腦研究員David Ha做了個(gè)讓神經(jīng)網(wǎng)絡(luò)和你一起寫“漢字”的網(wǎng)頁(yè)版Demo。你在頁(yè)面上寫幾筆，神經(jīng)網(wǎng)絡(luò)會(huì)根據(jù)你寫出來(lái)的部分，補(bǔ)完一個(gè)“漢字”。

它的名字叫Kanji-RNN，創(chuàng)作過(guò)程就像這樣：

據(jù)網(wǎng)友探索和量子位自行測(cè)試，在頁(yè)面上畫圈圈有一定概率得到驚喜——這個(gè)Kanji-RNN可能會(huì)愣一下，甚至毫無(wú)反應(yīng)。

如果你不畫圈圈，很多時(shí)候會(huì)得到腦洞異常開闊的“偽漢字”。比如：

這是量子位遇到的一些未完成品，如果真的讓它無(wú)限開“腦洞”，恐怕biangbiang面都要甘拜下風(fēng)了。

Kanji-RNN模型是什么結(jié)構(gòu)、如何訓(xùn)練出來(lái)的呢？

David Ha沒有詳細(xì)介紹，不過(guò)根據(jù)名字、簡(jiǎn)介信息鏈接到的頁(yè)面、他以往做的工作，可以推測(cè)一二。

首先，它的名字叫Kanji-RNN。我們起碼可以看出，這個(gè)模型是用循環(huán)神經(jīng)網(wǎng)絡(luò)來(lái)預(yù)測(cè)下一筆該寫什么、寫在哪的；

其次，David Ha在Google參與的一項(xiàng)大工程，就是那個(gè)讓你教機(jī)器畫簡(jiǎn)筆畫的Sketch-RNN，他之前在GitHub上發(fā)布的舊版Sketch-RNN中，就包含了訓(xùn)練神經(jīng)網(wǎng)絡(luò)寫漢字的部分，還寫過(guò)一篇博客介紹如何用Sketch-RNN來(lái)生成漢字，所用的數(shù)據(jù)集是KanjiVG；

而如今的Kanji-RNN頁(yè)面上的簡(jiǎn)介信息，并沒有鏈接到原來(lái)的代碼，而是鏈接了TensorFlow官方賬戶下的一個(gè)Sketch-RNN-JS，可見和原來(lái)的有一定差異，以網(wǎng)頁(yè)Demo的形式呈現(xiàn)，大概是借助了TensorFlow.js的力量。

總之，這應(yīng)該是一個(gè)以Sketch-RNN的JavaScript實(shí)現(xiàn)為基礎(chǔ)，用KanjiVG訓(xùn)練的卷積神經(jīng)網(wǎng)絡(luò)，與之前廣受歡迎的Google神經(jīng)網(wǎng)絡(luò)畫簡(jiǎn)筆畫系列同宗同源。

說(shuō)到這兒，你大概也看出來(lái)量子位為什么要給“漢字”加引號(hào)了。一是因?yàn)樗⒉粫?huì)真的用你的筆畫匹配真正的漢字，而是根據(jù)你的筆畫“創(chuàng)造一個(gè)像漢字的圖形”，很多時(shí)候?qū)懗鰜?lái)的都實(shí)在不像字；另一個(gè)原因呢，就在它的名字Kanji-RNN，和數(shù)據(jù)集KanjiVG里。

這里的Kanji和我們?nèi)粘Ｋ鶎懙淖致杂胁煌?，指的是日語(yǔ)里用到的那些漢字，數(shù)量比我們用到漢字少，而且經(jīng)過(guò)了霓虹國(guó)人民的再創(chuàng)作。

根據(jù)訓(xùn)練集的指引，它們長(zhǎng)這個(gè)樣子：

對(duì)于那些向往神秘東方的美國(guó)人民來(lái)說(shuō)，Kanji-RNN的魅力不言而喻，在Reddit、HackerNews等論壇上都大受歡迎。

而從小寫漢字的中國(guó)人，從Kanji-RNN中大概能得到不一樣的樂趣：量子位就一心想讓它寫個(gè)認(rèn)識(shí)的漢字出來(lái)，一上午深陷其中不能自拔。

你也試試？

http:///kanji-rnn/

如果你也想自己訓(xùn)練一個(gè)，可以從下面這兩個(gè)地方找找靈感。

• Sketch-RNN的JS代碼：
  https://github.com/tensorflow/magenta-demos/blob/master/sketch-rnn-js/README.md

• 很久以前的Sketch-RNN代碼：
  https://github.com/hardmaru/sketch-rnn/

如果你不知道量子位說(shuō)的“Google用神經(jīng)網(wǎng)絡(luò)畫簡(jiǎn)筆畫”是怎么回事，一定要玩一下這個(gè)不容錯(cuò)過(guò)的小游戲：
https://quickdraw./

當(dāng)然，如果你想嚴(yán)肅地探討這件事兒，這篇論文再合適不過(guò)啦：
A Neural Representation of Sketch Drawings
David Ha, Douglas Eck
https:///abs/1704.03477