HBO的抢手悲剧《硅谷》曾经火了整整四时，这部相较之下最为切近硅谷实在静态的情形悲剧为我们带来无量欢乐的同时，也激起了我们关于硅谷，关于科技生态的思索。
而如今，《硅谷》也终究迎来了本人的周边产物：
并非魔笛手团队身着的T恤，也不是Richard大概Elrich的人偶，而是第四时第四集合，由杨靖和巴赫曼率领的See Food Inc开辟出的“不是热狗(Not Hotdog)”使用程序。这一app如今已登录iOS和安卓平台。
必需要感慨一句，HBO深谙观众的口胃，以最硅谷最nerd的办法又给本人做了一波收费宣扬。
固然这个傻傻的app看上去仿佛没有任何卵用（我们本人岂非没法分辩出来么？），但其但是有着纯粹的硅谷极客血缘，实打实地使用了最新潮的人工智能手艺。
甫一推出，热狗app就在收集上引爆了言论。
在 Hacker News上，网友们对 Not Hotdog 展开了强烈热闹的会商，一些网友暗示如许的使用（需求用到卷积神经收集）在 TensorFlow 上颠末约 15 万张图片的锻炼即可实现。
而 Not Hotdog 的制作者在 Github 中声称他们只用到了出名图象数据集 ImageNet 中 1857 张差别热狗的图片，和 4024 张不是热狗的图片停止锻炼。（不外依据他们最新的更新，的确使用到了15万张图片停止锻炼，不能不服气网友的聪慧是无量的）
咦，仅颠末这么少的锻炼做出来的使用，真的牢靠么？
我们特地从使用市肆下载了这个使用，决议亲身实验一下。
Not Hotdog界面
Snapchat界面，能否是以为非常相似呢？
点开app后，扑面而来的就是一个神似Snapchat的极简作风界面，以至只要三个按键。左上为闪光灯，右上为翻开相册引入其中的照片停止测试，两头下方的黄色按键为照相键。
热狗app运用起来极端复杂，经过导入照片或使用手机停止照相，以后app将主动剖析照片中物体能否为热狗。最初该使用程序给出“Yes”或“No”的结论，你能够挑选将后果分享。
纸上来得终觉浅，让我们开端尝试吧！
首先是查验网上找到的热狗和皮鞋的图片。嗯，它精确无误地闯过了第一关。看来它关于这类复杂的义务仍是随心所欲的。
不外话说回来，如果这都判别不合错误，真的还好意思叫“人工智能”么？
既然热狗是长条形的，那它能否会被此外长条形物体利诱住呢？我们找来了牙膏停止检验。暗示不错，这一次也没有被诈骗到。
看来它仍是有点智慧啊，这大大地激起了笔者的好奇心，脑洞大开起地思索起来怎样才干瞒过人工智能呢？
长条形物体这个概述仍是太粗陋了，笔者决议从热狗的构造动手。嗯…两片面包夹着一根腊肠？笔者找来了手边的文具，摆出了热狗的外型。
唉，又让它闯过了一关。
能否是方才的“热狗”色彩不太对，让人工智能看着太没有食欲了呢？那此次，我们换个色彩碰运气好了。
哈哈哈哈，耍了个小智慧就胜利击败了“人工智障”！
不难发明，这张图中两根白色的笔实践完整差别，但这一粗陋的组合凑合起低级的人工智能仍是相称绰绰有余了。
不外此次能这么顺遂地击败“人工智能”，一定程度也多亏了研发职员和“不是热狗”一同偷懒，没有吃苦进修，在常识面上吃了大亏。
固然这个app看上去没有那末灵光，但倒是一个协助我们理解人工智能使用研发及主要手艺细节的珍贵案例。
开辟“不是热狗”的工程师Tim Anglade在一篇博客中，具体记叙了开辟这一产物中的手艺困难及需求仔细思索的细节，可谓干货满满。
复杂来讲，工程师们设想了一个能够间接在手机上运转的定制神经收集，并用Google供给的机械进修开源框架Tensorflow，Keras和Nvidia的GPU对其停止锻炼。
固然这个使用的运用场景非常诙谐，但倒是一个同时使用深度进修和边沿计较的规范。
一切的AI任务包罗图片的处置在内都在用户的装备内完成，这使全部处置进程变得更加疾速，可离线运用且有着更好的隐私。而关于开辟者来讲，采纳这类形式的最大长处当属哪怕有超越百万的用户，使用的保护本钱都能够被抬高到零元；在省钱这方面，可比传统的云端AI办法不知道高到那里去了。
这一app完满地解释了甚么叫做“易学难精”。任务职员仅用了一个周末的工夫，便在了谷歌云平台供给的 Vision API和 React Native的协助下构造出其原型；但随后花了数周的工夫来对其停止锻炼，进步精确性，以致优化iOS和安卓用户的运用体验。
一开端的原型由搭载了Transfer Learning的Inception Arcitecture搭建；而这一模子失利后，Tim Anglade挑选了更加精简的收集系统SqueezeNet，停止了少量的锻炼。
但是这个版本的模子仍然没法精确捕捉到热狗的特质地点，会将一切涂有番茄酱的物体当做甘旨的热狗，颇使人啼笑皆非。
喂，我的胳膊可不是热狗肠啊
幸亏这时候，Google宣布了他们名为MobileNets的论文，提出了在挪动装备上运转神经收集的新办法。该办法胜利地在体积巨大的Inception和功用疲软的SqueezeNet间找到了平衡点，得以统筹运算的速率及后果的精确性。
Anglade从GitHub上找到了一个名为Keras的开源东西作为基石，做了一系列针关于模子和用户体验的优化。
终极的模子阅历了15万照片的试炼，其中有3000张为形态万千的热狗，别的的14万7千张都是用来形成紊乱，进步“不是热狗”疾速做出准确判此外图片、
不难看出，一个小小的带有戏谑性质的AI app，都需求阅历云云冗长庞大的开辟进程，并且还没有能达到100%的精确性（还记得前文用两根红笔和一根荧光笔诈骗AI的故事么？）。我们不难设想开辟Alpha Go如许功用强大得多的项目，会消耗部分研究职员多少的工夫和血汗。
怎样寻找到最为适宜的东西来停止开辟？怎样停止优化提拔用户体验？怎样低落保护本钱？……
想法想法霸占这些成绩，已然成为每个人工智能开辟者的必修课。
大概几年后的AI开辟者，跟着全部行业的迅猛发展，将再也不需求闯过这一道又一道的关卡。
但是如今AI还处于起步阶段，我们只要不时地深化研究，获得效果，那一天赋有可能到来。
