【Google 最新黑科技】Google Brain 突破性進展：成功將馬賽克轉換為清晰圖像

【我們為什麼挑選這篇文章】Google的Google Brain團隊公布了最新的研究成果。利用兩種神經網路來將馬賽克轉變為肉眼可辨識的圖片。不過要如何在不違反倫理的前提下應用，則是未來必須面對的難題。（責任編輯：黃筱雯）

在觀看島國教育片的時候，往往在不可描述的部位打上了馬賽克，固然呈現了朦朧美，但部分觀眾依然希望變得更加清晰。現在，Google Brain 在提升圖片分辨率方面取得了突破性進展。他們已經成功將 8*8（毫米）網格的像素馬賽克轉換成為肉眼可辨識的人物圖像。

而真正能夠提升低分辨率照片細節的最佳突破口就是神經網路。當我們被照片中所包含的像素信息難倒的時候，深度學習能通過人類常說的「幻想」來增加細節。實質就是軟體基於從其他圖片中學習到的信息對圖片進行猜測。

Google Brain 的研究團隊已經公布了「像素遞歸超分辨率」技術（Pixel Recursive Super Resolution）的最新進展，盡管結果看上去有點嚇人，但是整個還原效果令人印象深刻。

下面是他們復原的效果案例之一：

右手邊的圖片，是 32 x 32 網格的真實人物頭像。左手邊的圖片，是已經壓縮到 8 x 8 網格的相同頭像，而中間的照片，是 GoogleBrain 基於低分辨率樣片猜測的原圖。

整個復原過程使用了兩種神經網路。首先介紹的是調節網路（Conditioning Network），它將低分辨率照片和數據庫中的高分辨率照片進行對比。這個過程中迅速降低數據庫照片中的分辨率，並根據像素顏色匹配一堆同類照片。

接下來介紹的是優先網路（prior network），它就會猜測那些細節可以作為高分辨率照片的特徵。利用 PixelCNN 架構，該網路會篩查該尺寸的同類照片，並根據概率優先對高分辨率照片進行填充。例如，在論文提供的例子中，提供的同類照片是名人和臥室，優先網路根據優先級最終確認了名人的照片。優先網路會在低分辨率和高分辨率照片中做出決定，如果發現鼻子的可能性比較大，就會選擇鼻子。

接下來，兩個神經網絡的最佳猜測就會進行整合，最終形成的圖像如下：

下面也是一些通過超像素技術變化的樣本：

在你開始思考：「這並不準確，這個人工智慧是愚蠢的」，那麼請記住人類同樣也是愚蠢的。一名志願者參與了這樣的測試，同時展示降低分辨率的照片和通過 Google Brain 復原的照片，然後提問「你猜那張照片來自於相機？」，最終結果是 10% 的名人照片，測試者選擇了 Google Brain 的照片。在 28% 的臥室樣片中，測試者選擇了 Google Brain 的照片。

儘管技術是純淨的，但是未來可能會有非常可怕的應用。就像是波士頓馬拉松爆炸案一樣，不難聯想到一些執法部門會濫用該軟體來抓取嫌疑犯。更為重要的是，人工智慧的多次嘗試已經被證明存在種族主義，因為往往會參雜人類的偏見。分析型人工智慧和圖像技術的結合，在未來必然會經歷一段漫長的調適過程。