Wie die Maschine Muster erkennt
Sie haben gerade sechs Dinge gezeichnet, und eine Stimme hat mitgeraten, während Sie noch malten. Wahrscheinlich lag die Maschine ein paarmal daneben, und zwar anders, als Sie erwartet hätten. Hier steht, warum.
Das Spiel oben ist ein Nachbau von Googles „Quick, Draw!“. Zwei Dinge macht es anders: Es zeigt, wie die Vermutung mit jedem Strich kippt. Und es rechnet vollständig in Ihrem Browser. Nichts von dem, was Sie zeichnen, verlässt Ihren Rechner.
Sie sieht Formen, keine Dinge
Was in der Maschine vorgeht, während sie rät, lässt sich von außen nicht ablesen. Was man sehen kann, sind ihre Fehler, und die sind aufschlussreich.
Am häufigsten verwechselt sie Achteck mit Sechseck, Becher mit Tasse, Jacke mit Pullover und Fahrrad mit Motorrad. Das sind Paare, die sich wirklich ähneln, da würde auch ein Mensch zögern. Die zweite Sorte Fehler ist die interessante: Baum und Brokkoli. Kompass und Uhr. Mond und Keks. Diese Dinge haben nichts miteinander zu tun. Sie sehen nur gleich aus, wenn man sie mit wenigen Strichen zeichnet.
Daran erkennt man, worauf die Maschine achtet. Nicht darauf, was ein Ding ist, sondern darauf, welche Form auf dem Papier entsteht. Ein Brokkoli ist für sie ein Baum mit kürzerem Stiel. Den Mond erkennt sie nur in der Hälfte der Fälle. Sonst hält sie ihn für einen Kreis, einen Keks oder eine Banane. Wer den Mond als Sichel zeichnet, hat bessere Chancen als jemand, der ihn rund malt, denn rund sieht er aus wie vieles andere auch.
Die Prozentzahlen neben den Balken sagen dabei nicht, wie sicher die Maschine sich ist. Dahinter steckt eine Umrechnung der Werte, die am Ende des Netzes stehen. Solche Netze geben sich gern zu sicher. Auch bei neunzig Prozent kann sie falsch liegen.
Was beim Raten wirklich passiert
Die Maschine vergleicht Ihre Zeichnung nicht mit einem gespeicherten Bild von einem Hund. So etwas gibt es in ihr nicht. Sie rechnet die Zeichnung durch ein Netz aus 945.164 Zahlen. Am Ende steht für jeden der 300 Begriffe ein Wert. Der höchste gewinnt.
Diese Zahlen sind alles, was beim Lernen entstanden ist. Sie wurden so lange nachjustiert, bis die Antworten für Millionen fremder Zeichnungen meistens stimmten. Was sie einzeln bedeuten, weiß niemand, auch die Leute nicht, die solche Netze bauen. Man kann sie auslesen, aber nicht lesen.
Eine Milliarde fremder Kritzeleien
Google hat „Quick, Draw!“ 2016 nicht als Spielerei gebaut, sondern um an Daten zu kommen. Über eine Milliarde Zeichnungen aus 236 Ländern sind zusammengekommen, und fünfzig Millionen davon hat Google unter einer freien Lizenz veröffentlicht. Der Aufwand hinter diesem Spiel ist also längst bezahlt, und zwar von über fünfzehn Millionen Menschen. Wer heute so etwas bauen will, muss nichts mehr sammeln.
Von Googles 345 Begriffen sind hier 300 übrig. Sechs sind ausgeschieden, weil sie niemand zeichnen kann, darunter „Tierwanderung“ und „Yoga“. Neununddreißig weitere sind gestrichen, weil die Maschine sie zu selten erkannt hat. Eine Reihe von Alltagsbegriffen habe ich gegen die Zahlen behalten. Hund, Bär, Vogel und Frosch stehen weit unten in der Erkennungsliste, aber ein Zeichenspiel ohne Hund ist keins.
Vierzig Minuten auf einem Laptop
Das Lernen selbst ist unspektakulär: 3,4 Millionen Zeichnungen, fünf Durchgänge, vierzig Minuten auf einem gewöhnlichen Laptop. Danach steht fest, was das Programm kann. Es lernt nicht weiter.
Übrig bleibt dabei erstaunlich wenig. Die Maschine hat aus 2,7 Gigabyte Bildmaterial gelernt. Ausgeliefert wird eine Datei von 1,2 Megabyte. Auf einen Begriff kommen damit rund vier Kilobyte. Was die Maschine über Hunde weiß, passt in eine sehr kleine Datei.
Was sie gut kann und was nicht
Die folgenden Zahlen stammen aus einer Messung an 44.229 Zeichnungen, die beim Lernen zurückgehalten wurden. Das Netz hatte sie nie zuvor gesehen.
Am zuverlässigsten erkennt sie Leiter, Briefumschlag, Kopfhörer und Dreieck, alle über 91 Prozent. Diese Dinge haben eines gemeinsam: Es gibt genau eine Art, sie zu kritzeln. Ein Briefumschlag ist ein Rechteck mit zwei Diagonalen, immer.
Ganz unten stehen Bär und Hund mit je 33 Prozent, dann Frosch, Maus und Vogel. Auch sie haben etwas gemeinsam, und es liegt nicht an der Maschine: Jeder Mensch zeichnet einen Hund anders, und die wenigsten zeichnen ihn gut. Wo die Vorlagen uneinheitlich sind, kann kein Muster entstehen.
Über alle 300 Begriffe erkennt sie 73 Prozent der Zeichnungen richtig. Zählt man mit, wenn der gesuchte Begriff unter den ersten drei Vermutungen steht, sind es 87 Prozent.
Warum das Rechnen bei Ihnen stattfindet
Googles Spiel schickt beim Zeichnen etwa jede Sekunde eine Anfrage an einen Server, der die Erkennung übernimmt. In einer mitgeschnittenen Runde waren das 153 Anfragen bei 252 Strichen.
Hier ist das anders, aus einem praktischen Grund: Diese Seite soll keine laufenden Kosten verursachen, egal wie viele Leute sie besuchen. Das Modell wird einmal geladen und rechnet danach im Browser. Eine Vermutung dauert dort zwischen 50 und 90 Tausendstelsekunden. Möglich wären zehn Vermutungen in der Sekunde und mehr. Das Spiel rechnet dreimal pro Sekunde, sonst flackert die Anzeige.
Jede Zahl des Modells ist von einer Kommazahl auf ein einzelnes Byte zusammengestaucht, damit die Datei klein genug bleibt. Statt 3,6 Megabyte sind es 1,2, und die Trefferquote sinkt dabei um 0,01 Prozentpunkte.
Eine Stelle, an der alles kippt
Beim Bauen ging etwas schief, das mehr über solche Systeme sagt als jede Erfolgsmeldung. Das Modell hat mit Bildern gelernt, die Google aus den Strichdaten erzeugt hat. Wenn der Browser die Striche des Besuchers auch nur geringfügig anders in ein Bild umrechnet, bricht die Erkennung zusammen. In der ersten Fassung war der Strich sechs statt sechzehn Punkte breit, und die Trefferquote fiel von 97 auf 44 Prozent.
Der Fehler bleibt unsichtbar. Es gibt keine Fehlermeldung, keinen Absturz, keinen Hinweis. Es sieht nur so aus, als sei die Maschine dumm. Gefunden hat ihn eine eingebaute Gegenprobe, die bekannte Bilder durchrechnet und prüft, ob das erwartete Ergebnis herauskommt. Ohne sie stünde hier ein Spiel, das schlecht funktioniert, und niemand wüsste, warum.
Das ist die unangenehmste Eigenschaft dieser Systeme: Sie merken selbst nicht, wenn sie falsch liegen.
Dasselbe Verfahren, größer
Das Spiel ist ein Spielzeug, das Verfahren dahinter nicht. Nach demselben Prinzip liest die Post handgeschriebene Adressen. Kameras erkennen so Nummernschilder. Der Unterschied liegt in der Menge der Daten und in der Größe des Netzes.
Die Eigenart bleibt dabei dieselbe. Ein solches System erkennt keine Gegenstände, es erkennt Muster in Bildpunkten. Es kann auch nicht sagen, dass es etwas nicht kennt. Es nennt immer den nächstliegenden Begriff aus seiner Liste. Zeichnen Sie eine Zitrone, die unter den 300 Begriffen nicht vorkommt, bekommen Sie trotzdem eine Antwort, und zwar eine selbstbewusste.
Woher die Angaben stammen
- Google Creative Lab: „Quick, Draw!“, 2016, quickdraw.withgoogle.com. Der daraus veröffentlichte Datensatz mit fünfzig Millionen Zeichnungen in 345 Kategorien steht unter der Lizenz Creative Commons Attribution 4.0.
- Google Open Source Blog: „Introducing a Web Component and Data API for Quick, Draw!“, 2018, mit den Angaben zu Umfang und Herkunft der Sammlung.
- Sämtliche Prozentzahlen, Verwechslungen und Zeitangaben stammen aus eigenen Messungen am Modell dieser Seite, September 2026. Die Trefferquoten sind an 44.229 Zeichnungen gemessen, die beim Training zurückgehalten wurden.