本文經(jīng)AI新媒體量子位（公眾號(hào)ID:QbitAI）授權(quán)轉(zhuǎn)載，轉(zhuǎn)載請(qǐng)聯(lián)系出處。

一只手勢(shì)識(shí)別AI，怎樣才算得上 (優(yōu)) 秀??？

不停地變換姿勢(shì)，都能實(shí)時(shí)輸出Emoji，大約是很秀了：

是守衛(wèi) (誤) ，是來(lái)自《星際旅行》瓦肯的舉手禮。不大常用，做起來(lái)甚至有難度。

是好運(yùn)，一般會(huì)兩只手一起比。不過(guò)，也不是人類(lèi)通用的手勢(shì)。

即便這樣，AI依然機(jī)智地識(shí)別出來(lái)。并且，它是在瀏覽器上跑，也幾乎沒(méi)有延時(shí)。

AI的爸爸，名字叫Nick Bourdakos (簡(jiǎn)稱(chēng)“尼克”) ，是來(lái)自IBM的程序猿。

△ 666

尼克用的是TensorFlow.js，實(shí)時(shí)識(shí)別毫無(wú)壓力。

他把算法開(kāi)源了，說(shuō)大家都可以試一試。

半小時(shí)就好

尼克說(shuō)這個(gè)模型很簡(jiǎn)單，就是SSD-MobileNet。

MobileNet是分類(lèi)，SSD是目標(biāo)檢測(cè)，搭配食用也是常規(guī)方法。

他是用IBM云上的GPU訓(xùn)練的，免費(fèi)的k80，半小時(shí)就訓(xùn)練好了。

在訓(xùn)練開(kāi)始之前，要先準(zhǔn)備數(shù)據(jù)：AI吃的是標(biāo)注過(guò)的手勢(shì)圖。

準(zhǔn)備就緒，就來(lái)安裝模型吧：

1$ npm install -g cloud-annotations 

然后，可以開(kāi)始訓(xùn)練了：

 1$ cacli 
 2┌─────────────────────────────┐ 
 3│ (C)loud (A)nnotations (CLI) │ 
 4│ version 1.0.12 │ 
 5└─────────────────────────────┘ 
 6 
 7Usage: cacli <command> 
 8 
 9where <command> is one of: 
10 init Interactively create a config.yaml file 
11 train Start a training run 
12 logs Monitor the logs of a training run 
13 progress Monitor the progress of a training run 
14 list List all training runs 
15 download Download a trained model 
16 
17cacli <cmd> -h quick help on <cmd> 

當(dāng)然，也不是非要用IBM云，也不是非要用GPU。拿CPU也能調(diào)教AI，大概要幾小時(shí)吧。

訓(xùn)練完成，該在瀏覽器上跑了。GitHub項(xiàng)目里，自帶了轉(zhuǎn)換為T(mén)ensorFlow.js模型的腳本。

把模型添加到React App里面。

寫(xiě)一句nmp start，用瀏覽器打開(kāi)http://localhost:3000。

耶，這樣就可以對(duì)著屏幕隨意舞動(dòng)手指了，你的AI會(huì)明白的：

當(dāng)然，這只機(jī)智的AI，才不是只能識(shí)別手指。

喝點(diǎn)什么

只看你用什么樣的數(shù)據(jù)去投喂AI了。

曾經(jīng)，尼克就幫AI修煉了分辨汽水的眼力。

題一：一瓶雪碧，一瓶Canada Dry，都是綠色。

不管調(diào)換位置、還是側(cè)過(guò)瓶身，AI都不會(huì)被迷惑。定格一看：

第二題：加大難度，兩瓶都是Mountain Dew，一瓶普通一瓶低糖。

AI依然分得清楚，毫不猶豫。

分辨手勢(shì)，分辨汽水，都不失水準(zhǔn)。

那么問(wèn)題來(lái)了，你想讓AI識(shí)別什么呢？

想好了就開(kāi)始調(diào)教吧，代碼在這里：

https://github.com/cloud-annotations/training/

P.S. 已經(jīng)有小伙伴親測(cè)成功，并表示Easy。