「嗯！開始畫畫讓人工智慧去辨識，我要畫恐龍」
（跑出了一隻鸚鵡鳥）
「天呀！我明明畫的是恐龍呀！看來人工智慧還有一段努力的空間」
Google近期推出AutoDraw後，有人開始重拾對畫畫的信心，但其實它尚在實驗階段，其中一個著重在辨識您畫的是什麼？然後去和資料庫比對，找出跟您畫最像的icon圖形。因此，嚴格說起來是從我們畫的圖樣去配對可能的圖形，這個歷程看似簡單，卻蘊藏了知覺心理學的知識。
假設一個情況是：您徒手繪圖請另一個人看，請他猜您畫的東西是什麼？您覺得對方猜對的比率有多少？您覺得這樣的判斷讓人腦及電腦來決策，哪個會比較精準？認知心理學就是在探討人類刺激判斷、學習記憶、問題解決、思考模式等歷程怎麼運作？而另一個面向的應用就是「類神經網絡」，簡單地說就是讓電腦模擬人腦的神經網絡，然後跑出一個模型去預測最後可能的結果。
抓住特徵就好辨識
認知心理學的「特徵比對理論（feature-matching theory）」解釋人類判斷事物的模型。所有事物或圖形都有其各自組成的屬性或特徵，因此要辨識這些事物或圖形的特徵，就要先分析它們的屬性，接著再進行判斷。這些屬性可能是物理特徵，也可能是功能特徵，屬性或特徵區辨的能力來自經驗，而知識的獲得有一部分來自對事物的分辨。在心理學領域裡，如果您某領域的區辨能力比別人強，您通常可以成為那個領域的知識領先者；例如：您可以用肉眼觸覺辨識多種布料類型，或者可嗅出不同香水氣味，甚至品嚐出咖啡紅酒的不同產地及風味…等。而有些人就是對某些特徵的屬性特別敏感。
 |
| 同樣是英文字母A，不同的形態我們的可以很輕易辨識，但對電腦來說，並不是那麼容易，只要一些特徵改變電腦要判斷可能就得要花一段時間。 |
 |
| 像藍色的手寫字，如果讓人腦判斷，左邊是R，右邊是A；但電腦判斷左邊卻是A，右邊卻是R。因為電腦在屬性判斷上還是有一些侷限。 |
特徵對比被Selfridge和Neisser（1960）發表的論文進一步延伸為屬性對比 （Pandemonium: A paradigm for learning），他在論文中描述了一種計算機處理模型，稱為「魔宮（Pandemonium）」，裡面包含了屬性計算機會可以通過該模型識別新模式，基本上它就包含了「屬性」、「認知」和「決策」三個關卡，屬性負責特徵的偵測，認知負責一種事物的偵測，而決策則是最後宣布它們所接受到的訊息是什麼？
而Selfridge和Neisser的魔宮理論也在人工智慧（A.I.）的發展史上佔有一定的影響力。既然影響決策的會是個體對事物的屬性和認知，因此在繪圖呈現上呈現最重要的特徵，就容易被屬性和認知歷程處理，如果特徵不明顯，決策判斷時間就會拉長甚至做出錯誤決策（您以為只有在講繪圖嗎？其實簡報也是呀！特徵就是我們想說的關鍵重點）。
人工智慧學特徵
回過頭來講Google這系列的A.I.開發還有一個是「Quick, Draw」的小實驗，會出現一個名詞然後要我們在20秒內快速畫出來。在心理學裡限時的目的在於控制反應時間，而反應時間的操弄可以影響意識的反應，如果Quick, Draw是每個東西給我們2分鐘慢慢畫，那麼我們可能就會畫比較多的細節；但限制在20秒裡，就比較可以捕捉到該事物在人類記憶裡的共同原型。
雖然AutoDraw是依據我們手繪去判斷畫的圖形，而「Quick, Draw」看似是一個遊戲，但網頁標註「這是一個人工智慧的實驗（This is an A.I. experiment）」，從心理學的角度來看可能就是在蒐集與建立不同物體的數據，然後讓A.I.去學習這些物體的特徵，讓它對圖形的判斷越來越精準。
其實在學習歷程中，有時候新的資訊會干擾現有存在的知識，這是所謂的「穩定性與可塑性的進退兩難（stability and plasticity dilemma）」；人常要克服學習訊息的彼此干擾，更何況是電腦要怎麼解決這個問題，這是在開發A.I.或類神經網絡學習可能會遇到一個難題，不過若克服這樣的技術問題，未來真的要透過手繪讓電腦優化出屬於自己的扁平icon也不無可能。
畫特徵從觀察開始
最後順便回答一些朋友常問我的問題：「不太會畫圖怎麼辦？」
那可以從AutoDraw練習，看我們有沒有抓到想畫物體的特徵。或者從平常生活練習塗鴉，只要抓到關鍵特徵就可以辨識。
也有些朋友問：「那不知道怎麼抓特徵怎麼辦？」
那從觀察身邊的微物該始，很多好的設計或者簡報是從觀察開始。
還有些朋友問：「不知道怎麼觀察怎麼辦？」
那…我來開個塗鴉思考術好了！
教大家怎麼把生活物品拆解您覺得呢？？？
教大家怎麼把生活物品拆解您覺得呢？？？
 |
| 左邊是人，難道右邊你就看不出來是人嗎？ XD 畫出右邊的圖很可恥嗎？一點也不呀！ |
