Google改善Gboard手寫輸入辨識模型，錯誤率減4成

Google AI研究團隊透過遞歸神經網路（RNN），將Gboard手寫輸入辨識模型的錯誤率降低了20%～40%，Google也為所有以拉丁字母書寫的語言，推出新版的辨識模型，並發表相關的研究論文，詳細解釋該版本模型背後的技術。

過去，Google採用的辨識方法是將手寫輸入切割成單個字符，再針對字符進行解碼，Google解釋，對每個手寫辨識系統而言，接觸點是開端，系統將一序列的點視為筆畫，而手寫輸入就是用筆畫序列來表示，且每個點都會附有時間戳，由於Gboard被用於多種不同的設備，也意味著有著不同的螢幕解析度，因此，Google的第一步即是要將接觸點座標正規化，接著，為了正確地擷取手寫輸入的形狀，Google將接觸點組成的序列，轉換三次貝茲曲線（cubic Bézier curves）序列，再將其序列作為遞歸神經網路的輸入資料。

Google表示，雖然用貝茲曲線作為手寫辨識的資料已經行之有年，但是將其當作AI模型的輸入資料卻是非常新穎的，如此一來，也能夠在不同樣本數量和正確率的多種設備中，提供一致的輸入資料，有別於過去切割和解碼的辨識方法，Google現在則是創建多個如何將筆畫分解字符的不同假設，接著從這些分解後的序列中，找出最適合的字符序列。

這個新方法的另外一個優點是，貝茲曲線的序列比接觸點序列來得小，使模型更容易取得輸入資料的時間依賴性，也就是每條曲線都是由起始點、終點，以及兩個額外的控制點所定義的多項式來表示，透過迭代的方式將輸入座標和曲線之間的平方距離最小化，來找出準確表示手寫輸入的三次貝茲曲線序列。

找出手寫輸入的三次貝茲曲線序列之後，還需要將曲線序列轉譯為真實寫作字符，為此，Google利用多層遞歸神經網路來處理曲線序列，並針對每個曲線搜索所有可能字符的機率分布，再將該機率分布輸出成矩陣。

在研究的過程中，Google嘗試過多種不同種類的遞歸神經網路，最後選擇雙向版本的準遞歸神經網路（quasi-recurrent neural networks），準遞歸神經網路能夠在卷積層和遞迴層之間交替，提供有效的預測能力，同時也能夠維持相對較少的權重數量，權重數量會直接影響模型的大小，模型越小效能就越好。

此外，為了提供最佳的用戶體驗，模型不但要準確也要快速，因此，Google將在TensorFlow訓練好的模型轉換成行動裝置版的TensorFlow Lite模型，在模型訓練的過程中量化所有權重，同時，TensorFlow Lite針對二進制進行優化的特型，能夠減少APK的大小。