人類有無數種辦法打發無聊的時間，“找茬”就是其中一種。

別誤會，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，不論是在手機上還是雜志上，這樣的休閑方式的確很消磨時間，近些年移動平臺還誕生了諸如《隱藏的人》這樣優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）交給機器來玩，它也許會瞬間毀掉殺時間的樂趣。

這是來自創意廣告代理商 Redpepper 的設想，他們假設能通過機器學習的方式識別圖片信息，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，但效果怎樣就要進行驗證了。

于是就有了這套一樹莓派計算機＋機械臂＋攝像頭＋硅膠手組合起來的機器人。它重點部分自然是利用相機部分實現機器的面部識別。為此，開發者采用了 Google AutoML Vision 服務來進行數據分析。這套系統會通過照片訓練來達到面部識別的高準確度匹配，準確率雖然沒有 99％，但 95％ 的匹配率對于玩這樣一個雜志上的小游戲來說還是沒多少問題的。

機械臂部分采用的是 uArm Swift Pro，這個結構簡單的機械臂實際上能完成很多類似人手才能完成的高級任務，實際上早在去年年初我們就曾對它進行過介紹，這一次團隊嘗試拿它當作眼睛的一部分，手臂在圖像上來回掃動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。

為了看清數據信息，團隊還需要能識別出畫面中的特定要素。這時候采用 Google 服務就體現出了優勢，團隊創意技術專家 Matt Reed 談到，Google 搜索引擎中關于要尋找的特定元素，也就是主人公 Waldo 有不少樣本數據，這讓他們不用再花功夫上傳那么多樣本。

通過對 62 個不同的 Waldo 頭像和 45 個上半身圖像的識別訓練，機器已經得到了一個新的模型，盡管團隊最開始對于這樣的數據樣本并沒有太多信心，但結果它的匹配程度出乎意料，在光線、圖片等外部環境都正常的情況下，你可以看到讓它找出目標 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械系統來玩這種本來供人娛樂的小游戲？

Matt 談道，其實他是從 Amazon Rekognition 系統識別名人的事情中受到啟發，既然能夠識別出現實中的名人圖片，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特別的“找茬”機器人，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。

這件事讓我想起極客之選（微信號 GeekChoice）曾報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，因為不愿意讓流浪貓在外受凍，設計了一個“貓臉識別”系統，只要貓來到家門，系統識別后就能給它開門。

實際上這套系統用到的就是 Amazon Rekognition 服務，這說明不論 Google 或是 Amazon，這些互聯網公司提供的服務都可以用來完成“特殊的面部識別”這樣的事情，這就為面部識別的應用創造出更多可能。

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