Google先前曾推出了引發熱潮的「Quick, Draw!」，除了讓大家知道自己畫的圖有多醜，醜到AI都認不出來之外，也替Google的圖像識別 AI 類神經網路提供了超多識別素材。隨著上傳塗鴉的人越來越多，將讓Google的圖像識別AI越發準確。
而Google AI在近日推出了「Emoji Scavenger Hunt」（表情符號尋寶遊戲），這次不用畫畫，而是要去找出真實世界中的「表情符號」，而Google搜集的目的是什麼？
真實版支援前線，透過Emoji找尋物品
遊玩前需要先打開手機或是電腦的鏡頭，在倒數過後Google AI會給你一張表情符號貼圖，有可能是「手錶」、「筆」、「鍵盤」、「鬧鐘」、「香蕉」等，接著你就必須在真實世界中找出這些物品，鏡頭後的Google AI會開始進行辨識。
跟「Quick, Draw!」同樣的是，在你尋找的過程中，Google AI 會不斷嘗試猜測，所以在你找到正確物品前，Google 小姐會不間斷的出聲煩你。
而 Google AI 團隊也在 Github 上公布了原始碼，甚至貼心地教導大家如何建立出自己的模型。最近各種資安事件搞得人心惶惶，Google也不忘宣布本次實驗的資料並不會被儲存下來加以利用。
Google 搜集素材背後2大目的
本次 Google 要大家用「鏡頭」協助搜集素材，除了玩起來一樣笑意滿點之外，跟過去「識別圖畫」相較起來有什麼值得注意之處呢？可以由兩個方面下手思考：
真實物品的圖像識別極具「商轉價值」
「Quick, Draw!」主要是識別使用者的「手繪圖形」，實驗性質較高（網友的參與程度、AI模型的建立），在搜集了大量數據後，儘管能加快識別速度，但未來應用的想像空間較小。
而真實物品的圖像識別就不一樣了，不只能運用於多種場景，就工研院產業分析師發布的「辨識技術應用趨勢探討」中提到，辨識後所得到的資訊具有發展成商業價值的產品或服務的潛力。
目前能夠應用的產業有安防（Surveillance）與汽車產業為主要的應用載具，常見的應用情境還包含：航空圖像、監控系統、車用識別系統等。
在身邊的鏡頭只會更多不會更少的未來，「實體圖像識別」的商轉潛力相當大。所以你如果對於識別技術有所想法，也可以直接使用Google提供的程式碼與教學，打造自己的識別模型。（不過有相關的授權問題，請詳閱公開說明書）
也許 Google Glass 將變得更強？
除此之外，雖然 Google 的 AI 相機應用 Google Lens 可以無痛升級此技術，但是另一個你可能遺忘的產品：曾死過一次的產品，Google Glass 也可能將變得更強。
雖然在 2017 年調整目標策略，轉向面對企業用戶，推出企業版 Google Glass Enterprise Edition（EE）後， Google Glass 浴火重生，大眾汽車、通用航空、快遞服務DHL都是其使用者。
應用場景從日常生活中跳到工作場域，工作者在 Google Glass 的協助下進行機械組裝、記錄工作內容、獲取貨物資訊等，而Google也因應這些需求，加強產品的電池續航力、防汗與折疊等特性。也因為 Google Glass 對於工作者的協助與效率上的提升，根據 Forrester研究報告預測，到了2025年，光美國就約有1,440萬名勞工配戴智慧眼鏡進行工作。
若能提供更準確的實體識別技術，將有效提高Google Glass的協助程度，除了提升企業版本的能力之外，如果Google Glass仍有走進人類日常生活的夢想，識別技術只會更加分。
不過這一切的前提是，需要搜集到足夠的資訊量才行，所以趕快到上面的連結玩玩看，為大家的未來貢獻一點識別資料給 Google 吧！
參考資料：The Team at X、Forrester、經濟部技術處。
