前两天，大家还在手机上胡写乱画。
而现在，如果你看到某个同事，对着电脑展现ta婀娜的舞姿。
△失败的“过电”
ta说不定是在扒舞。
有一点点可能，是在玩谷歌发布的又一个AI游戏，名字叫Move Mirror(动镜) 。
这个游戏里，只要打开摄像头，对着它做你最舒服的动作。
一瞬间，很多人就会“排队”来学着你跳了，一丝不苟，还原神韵。
恭喜你，领取了一呼百应成就。跟你一起跳舞的人，你基本没见过，可能还有从二次元来的朋友。
满足感是否油然而生？
对一个页游来说，这计算量也算是鞠躬尽瘁了。
姿势匹配，一气呵成
这个游戏里，负责捕捉你姿势的机器学习模型，叫做PoseNet。
看着你愉快地舞动，模型要实时捕捉你的姿势，全程不能松懈。
浑身上下，有17个关键点，每个姿态都是由这些点，共同描写的。
针对每一帧影像，系统都要搜遍80,000张的图库，从茫茫人海里找到姿势差不多的那一位。
这个数据集里，人类的姿态非常丰富，每一张都精挑细选。确实，不可能直接随机取样，每个人的姿势都差不多的话，就没用了。
虽然数据千姿百态，但搜索一次、找到目标，也只要15毫秒而已。
然后，系统迅速用千军万马拼出你的动感，也几乎不用什么时间。
需要的话，还可以把生成效果转成gif，分享到喷油圈——
这似乎是从宅舞向，变成了运动向，AI可能是个偏爱肌肉的妹子。
另外，游戏是用TensorFlow.js做的，不用存储你的影像，也不会把数据传到遥远的服务器里。
和谷歌AI以往的许多页游一样，低碳又安全。
花式PlayPlay
大家不妨一试，看看AI怎么理解你的动作，说不定还能发现一些神匹配。
如果想用TensorFlow.js，自己写一个观察姿势的小应用，可从文底的传送门前往GitHub项目页面，查看代码。
另外，在下比较期待，等哪天游戏里增加了面部动作的识别……
大概就可以更充分地观察，AI对动作的解读方式了。
问题来了，你想用什么姿势来考验它呢？△仅因姿势销魂而乱入
