人類有無數(shù)種辦法打發(fā)無聊的時(shí)間，“找茬”就是其中一種。

別誤會(huì)，這里說的不是打架那種找茬，而是那種在圖片中找到特定要素的小游戲。我身邊就有一些朋友很喜歡玩這種類型的游戲，不論是在手機(jī)上還是雜志上，這樣的休閑方式的確很消磨時(shí)間，近些年移動(dòng)平臺(tái)還誕生了諸如《隱藏的人》這樣優(yōu)秀的另類找茬游戲作品。

不過，一旦把這樣的游戲，比如流行至今的“Where is Waldo”（中文名沃利藏在哪兒）交給機(jī)器來玩，它也許會(huì)瞬間毀掉殺時(shí)間的樂趣，你不相信？那先來看一段視頻吧。

這是來自創(chuàng)意廣告代理商 Redpepper 的設(shè)想，他們假設(shè)能通過機(jī)器學(xué)習(xí)的方式識(shí)別圖片信息，然后用攝像頭來拍攝圖片并查找到特定要素，從而迅速完成原本需要人眼觀察的找茬游戲，雖然聽上去可行，但效果怎樣就要進(jìn)行驗(yàn)證了。

于是就有了這套一樹莓派計(jì)算機(jī)＋機(jī)械臂＋攝像頭＋硅膠手組合起來的機(jī)器人。它重點(diǎn)部分自然是利用相機(jī)部分實(shí)現(xiàn)機(jī)器的面部識(shí)別。為此，開發(fā)者采用了 Google AutoML Vision 服務(wù)來進(jìn)行數(shù)據(jù)分析。這套系統(tǒng)會(huì)通過照片訓(xùn)練來達(dá)到面部識(shí)別的高準(zhǔn)確度匹配，準(zhǔn)確率雖然沒有 99％，但 95％ 的匹配率對(duì)于玩這樣一個(gè)雜志上的小游戲來說還是沒多少問題的。

機(jī)械臂部分采用的是 uArm Swift Pro，這個(gè)結(jié)構(gòu)簡單的機(jī)械臂實(shí)際上能完成很多類似人手才能完成的高級(jí)任務(wù)，實(shí)際上早在去年年初我們就曾對(duì)它進(jìn)行過介紹，這一次團(tuán)隊(duì)嘗試拿它當(dāng)作眼睛的一部分，手臂在圖像上來回掃動(dòng)可以讓攝像頭記錄完整圖像信息，從而保證信息收錄的完整。

為了看清數(shù)據(jù)信息，團(tuán)隊(duì)還需要能識(shí)別出畫面中的特定要素。這時(shí)候采用 Google 服務(wù)就體現(xiàn)出了優(yōu)勢(shì)，團(tuán)隊(duì)創(chuàng)意技術(shù)專家 Matt Reed 談到，Google 搜索引擎中關(guān)于要尋找的特定元素，也就是主人公 Waldo 有不少樣本數(shù)據(jù)，這讓他們不用再花功夫上傳那么多樣本。

通過對(duì) 62 個(gè)不同的 Waldo 頭像和 45 個(gè)上半身圖像的識(shí)別訓(xùn)練，機(jī)器已經(jīng)得到了一個(gè)新的模型，盡管團(tuán)隊(duì)最開始對(duì)于這樣的數(shù)據(jù)樣本并沒有太多信心，但結(jié)果它的匹配程度出乎意料，在光線、圖片等外部環(huán)境都正常的情況下，你可以看到讓它找出目標(biāo) Waldo 有多簡單。

所以問題來了，為什么有人要花心思做這樣一套機(jī)械系統(tǒng)來玩這種本來供人娛樂的小游戲？

Matt 談道，其實(shí)他是從 Amazon Rekognition 系統(tǒng)識(shí)別名人的事情中受到啟發(fā)，既然能夠識(shí)別出現(xiàn)實(shí)中的名人圖片，那么漫畫中的人物是不是也能做到呢？于是就有了今天我們看到的這個(gè)特別的“找茬”機(jī)器人，別說，它還真是比人的眼睛要快很多，幾乎是片刻之間就能找到目標(biāo)。

這件事讓我想起極客之選（微信號(hào) GeekChoice）曾報(bào)道過的另一件類似的事情，就是一位住在荷蘭的軟件工程師，因?yàn)椴辉敢庾屃骼素堅(jiān)谕馐軆�，設(shè)計(jì)了一個(gè)“貓臉識(shí)別”系統(tǒng)，只要貓來到家門，系統(tǒng)識(shí)別后就能給它開門。

實(shí)際上這套系統(tǒng)用到的就是 Amazon Rekognition 服務(wù)，這說明不論 Google 或是 Amazon，這些互聯(lián)網(wǎng)公司提供的服務(wù)都可以用來完成“特殊的面部識(shí)別”這樣的事情，這就為面部識(shí)別的應(yīng)用創(chuàng)造出更多可能。

不過，要是哪一天滿心期待地翻開這些書，卻看到已經(jīng)有誰把 Waldo 用記號(hào)筆圈出來，還寫著“我是機(jī)器人”時(shí)，那真的會(huì)讓人頭大呢。