Google改善Gboard手写输入辨识模型，错误率减4成

Google AI研究团队透过递归神经网络（RNN），将Gboard手写输入辨识模型的错误率降低了20%～40%，Google也为所有以拉丁字母书写的语言，推出新版的辨识模型，并发表相关的研究论文，详细解释该版本模型背后的技术。

过去，Google采用的辨识方法是将手写输入切割成单个字符，再针对字符进行解码，Google解释，对每个手写辨识系统而言，接触点是开端，系统将一序列的点视为笔画，而手写输入就是用笔画序列来表示，且每个点都会附有时间戳，由于Gboard被用于多种不同的设备，也意味着有着不同的屏幕分辨率，因此，Google的第一步即是要将接触点座标正规化，接着，为了正确地撷取手写输入的形状，Google将接触点组成的序列，转换三次贝兹曲线（cubic Bézier curves）序列，再将其序列作为递归神经网络的输入资料。

Google表示，虽然用贝兹曲线作为手写辨识的资料已经行之有年，但是将其当作AI模型的输入资料却是非常新颖的，如此一来，也能够在不同样本数量和正确率的多种设备中，提供一致的输入资料，有别于过去切割和解码的辨识方法，Google现在则是创建多个如何将笔画分解字符的不同假设，接着从这些分解后的序列中，找出最适合的字符序列。

这个新方法的另外一个优点是，贝兹曲线的序列比接触点序列来得小，使模型更容易取得输入资料的时间依赖性，也就是每条曲线都是由起始点、终点，以及两个额外的控制点所定义的多项式来表示，透过迭代的方式将输入座标和曲线之间的平方距离最小化，来找出准确表示手写输入的三次贝兹曲线序列。

找出手写输入的三次贝兹曲线序列之后，还需要将曲线序列转译为真实写作字符，为此，Google利用多层递归神经网络来处理曲线序列，并针对每个曲线搜索所有可能字符的概率分布，再将该概率分布输出成矩阵。

在研究的过程中，Google尝试过多种不同种类的递归神经网络，最后选择双向版本的准递归神经网络（quasi-recurrent neural networks），准递归神经网络能够在卷积层和递回层之间交替，提供有效的预测能力，同时也能够维持相对较少的权重数量，权重数量会直接影响模型的大小，模型越小效能就越好。

此外，为了提供最佳的用户体验，模型不但要准确也要快速，因此，Google将在TensorFlow训练好的模型转换成行动装置版的TensorFlow Lite模型，在模型训练的过程中量化所有权重，同时，TensorFlow Lite针对二进制进行优化的特型，能够减少APK的大小。