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

一只手勢識別AI，怎樣才算得上 (優(yōu)) 秀?。?/p>

不停地變換姿勢，都能實時輸出Emoji，大約是很秀了：

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

是好運，一般會兩只手一起比。不過，也不是人類通用的手勢。

即便這樣，AI依然機智地識別出來。并且，它是在瀏覽器上跑，也幾乎沒有延時。

AI的爸爸，名字叫Nick Bourdakos (簡稱“尼克”) ，是來自IBM的程序猿。

△ 666

尼克用的是TensorFlow.js，實時識別毫無壓力。

他把算法開源了，說大家都可以試一試。

半小時就好

尼克說這個模型很簡單，就是SSD-MobileNet。

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

他是用IBM云上的GPU訓練的，免費的k80，半小時就訓練好了。

在訓練開始之前，要先準備數(shù)據(jù)：AI吃的是標注過的手勢圖。

準備就緒，就來安裝模型吧：

1$ npm install -g cloud-annotations 

然后，可以開始訓練了：

 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，大概要幾小時吧。

訓練完成，該在瀏覽器上跑了。GitHub項目里，自帶了轉(zhuǎn)換為TensorFlow.js模型的腳本。

把模型添加到React App里面。

寫一句nmp start，用瀏覽器打開http://localhost:3000。

耶，這樣就可以對著屏幕隨意舞動手指了，你的AI會明白的：

當然，這只機智的AI，才不是只能識別手指。

喝點什么

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)過瓶身，AI都不會被迷惑。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，分辨汽水，都不失水準。

那么問題來了，你想讓AI識別什么呢？

想好了就開始調(diào)教吧，代碼在這里：

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

P.S. 已經(jīng)有小伙伴親測成功，并表示Easy。