口袋妖怪图鉴 想拥有一个宝可梦图鉴？现在，你的机会来了

翻译:Wooogi

想必每个玩过神奇宝贝系列的玩家都有一个梦想——收集所有的图片。当所有的图片都收藏好了，成就感油然而生，他手里的一张图片仿佛拥有了全世界！

历代插图，图片来源:https://wiki.52poke.com/

但是，地狱里总会有一些飞蛾扑火，让你很难收集到所有珍贵的梦境…像阿尔宙斯…

阿尔·宙斯:来逮捕我吧

当然，游戏中除了有图片指南外，很多玩家在现实生活中都幻想有这样的图片指南，比如打开图片指南，在战斗中扫描对面的宝可梦，然后宝可梦的详细数据就会出现。或者扫描一下神奇宝贝Go中遇到的宝可梦，方便快捷的获取他们的信息！

你说不可能？不，现在，这些不是梦！

今天的机器有能力在学习和训练后看一个宝可梦，然后给你看它的名字和详细的数据。这个功能不简单，因为宝藏有上百种，有18种不同的分类标准。这种计算机能力的核心技术是所谓的神经网络。

宝可梦分类示例，图片来源:https://wiki.52poke.com/

神经网络是一种由“层”连接节点组成的计算机程序，对输入数据进行半随机运算，输入数据也可以是图片等。计算机将重复运行，直到它们“学会”如何正确识别它们的对象。这个过程叫做“训练”，一旦这个过程完成，神经网络就可以识别出与这个对象不相似的对象。

巴西独立研究员恩里克·苏亚雷斯(Henrique Soares)想出了一个主意，用无数人喜爱的游戏宝可梦来测试AI的图像识别技术，对他以后提高自己在这方面的能力也很有帮助。

当然这也很有意思。

苏亚雷斯说，阅读或解决经典问题是学习东西的好方法，但只有将这些应用到新问题中，知识才能转化为实践技能。

那么，他做了什么，结果如何？

Soares数据库示例。资料来源:极客研究杂志/恩里克·苏亚雷斯

首先，苏亚雷斯建立了宝可梦的数据网络。他收集了前五代游戏的数千个宝可梦，包括数百个不同的宝可梦。数据的来源是这样的。经过可视化优化和分类，Soares用其中的20%进行训练，剩下的80%作为结果测试。

来源:https://veekun.com/

公认的宝可梦结果，截图来源:极客研究杂志/亨里克·苏亚雷斯

一般来说，简单一瞥，电脑就能达到39%的正确识别率。还可以，比随机猜测好一点，但也不是很好。但是仔细观察就会发现，AI在某些个体梦境中可以非常准确(达到90%的准确率)，但是对其他人来说就非常不好了，有点麻烦。神经网络对于喵型可以达到92%，对于鬼系统只能达到17%。

宝可梦样本太少，可能是整体准确率低的主要原因之一。毕竟，最好的神经网络是用数百万个数据集训练出来的。

你可能想知道，在决定一个宝藏梦的类型时，互联网在“寻找”什么。很有可能是在观察颜色，来源等等。比如很多水系是蓝色的。但这恰恰是神经网络最有趣的地方:我们真的不知道它们是如何制造的。幸运的是，借助一些尖端的可视化工具，苏亚雷斯能够绘制不同的网络层，以查看宝可梦“激活”了哪些特殊的神经元。

杰尼龟“激活”神经网络层。截图来源:极客研究杂志/恩里克·苏亚雷斯

苏亚雷斯解释说:“我们可以发现，杰尼龟的红色区域具有明显的映射效应，也就是说，网络可能会学会识别颜色，并将结果与最终类型联系起来。”。“但我们走得越远，学得越深，就越难解释后面一层的结果。”

如果你想在这项工作中帮助苏亚雷斯，你可以在GitHub上找到这个项目。

当然...如果你真的理解它...

来源:

https://母板. vice . com/en _ us/article/bless-the-man-who-training-ai-to-identify-pokemon-type

https://母板. vice . com/en _ us/article/ai-deep-learning-ethics-right-to-explain

项目地址:

https://github.com/hemagso/Neuralmon

"

虾丸君:不知道用这个机器扫描现实生活中的生物会怎么样…扫描青蛙的时候能不能弄个妙蛙种子…？

不要胡闹

ID:极客游戏

游戏，一部科学的时代史

更多文章请访问菜单栏中的“虾丸主线”和“虾丸社区”

如有投稿或合作意向，可发至邮箱

我得不到赞美！救命啊！