人工智能，能做什么?

　　對于一般用戶來說，人工智能更多的只是在智能音箱、手機上的“智能助手”中出現(xiàn)。他們最大的用途，也只是為你打打電話、設置日程和管理家中的智能家電。做的，應該都是一些簡單且瑣碎的事。

　　但在AlphaGO出現(xiàn)后，相信很多人也了解到“人工智能”的潛力，他們理應承擔更多任務，為人類創(chuàng)造更多的價值。而IBM推出的人工智能Watson，已經(jīng)能夠完成音樂創(chuàng)作和文字寫作任務。擁有創(chuàng)作力的它，更加像人類了。

　　話雖如此，現(xiàn)在已經(jīng)有部分人工智能產(chǎn)品具備創(chuàng)作能力，但要它們?nèi)ゾ妥髌返暮脡淖雠袛?，還有些難度。要讓人工智能擁有跟人一樣的判斷力，還需要讓它們多加學習才可以。

　　近日，Google發(fā)布了一款名為神經(jīng)元影像評價系統(tǒng)(NIMA)的系統(tǒng)。這套系統(tǒng)可以判斷照片“好與不好”，它給出的分數(shù)跟人評出來的很相近。

　　根據(jù) Engadget的報道，Google這套NIMA系統(tǒng)具備深度學習能力，它可以學習別人對照片的評價，然后將這個數(shù)據(jù)整合，形成一套完整的評價系統(tǒng)。這套評價系統(tǒng)可以根據(jù)構(gòu)圖、色彩、和物件位置的組合作出分析，在根據(jù)收集回來的數(shù)據(jù)做判斷，從而為你的照片評分。

　　Google在相關測試中也找來了一些專業(yè)的照片評論員，他們把NIMA運算出來的結(jié)果和評論員的作比較，發(fā)現(xiàn)兩者的相差其實并不是很大。從而看到，NIMA這套系統(tǒng)還是能夠根據(jù)人類給的數(shù)據(jù)去“學習審美”，要評論接近“大眾口味”，或者可以通過堆入大量的數(shù)據(jù)來實現(xiàn)。

　　雖然，Google并沒有公開這套系統(tǒng)的判斷方法，但他們在研究報告中提到，NIMA其實還能夠體現(xiàn)個人化風格的。只要錄入到數(shù)據(jù)和評論的照片是統(tǒng)一風格，NIMA在這個學習過程中就會形成一種特定的風格。如果它是一個植入在你手機中的人工助手，它長期對著你的照片，那它最終形成的審美風格就會跟你一致了。

　　這套系統(tǒng)對于今后的創(chuàng)作，其實還具備一定意義。

　　NIMA能夠就作品給出“好與不好”的判斷，也能夠經(jīng)過不斷的學習來適應你的風格。這樣的話，它既能評論你的照片，也可以在你拍攝時提供幫助。將NIMA這個照片評論技能和拍照輔助整合起來，既然它學習照片評論也讓它學習攝影技法。當用戶打開取景器的時候，人工智能就可以識別出當前的畫面和構(gòu)圖，從而能夠更精準地選出當前合適的方案。

　　對于一些完全不懂拍照的用戶來說，這也是一個很好的解決方案。

　　在這個時候，人工智能就是為了降低用戶的學習積累成本而存在的，它的輔助能夠讓沒有學習過這方面技術(shù)的人快速上手，并拍出“還不錯”照片。雖然這樣會少了人的思考，少了些個人風格。但畢竟這對應的是沒有學習過的用戶，能夠拍出還算好看的照片，這樣也不是什么壞事。

　　另外，Engadget也在報道中提到，NIMA這既能也能夠放在一些照片后期應用中，為用戶后期修整圖片帶來更多建議。經(jīng)過學習的話，它也能夠?qū)⒄掌{(diào)成你合乎口味的色彩和亮度對比，而不只是單純用數(shù)學模型去調(diào)曲線，這也算是一件方便的事。

　　總的來說，NIMA的出現(xiàn)給圖片生產(chǎn)帶出了一個新的方向?；蛘?，我們以后再Google上搜索圖片還能夠直接看到用NIMA檢測出的評分，又或者你的手機也會跳出來嫌你拍的照片。

　　這，應該是不遠的事情。