看样子是个让人很有联想的应用。岛国的爱情动作片飘过眼前，有了这款软件是要彻底攻占骑兵的堡垒，宣告步兵的胜利吗？

是的，你看到了一篇假文章。

严肃脸：下面我们开始认真研究一下谷歌的这款人工智能产品。

其实，把模糊照片放清楚，是有着很实际的用途的。比如说，缉拿犯罪嫌疑人的时候，没有足够清晰的照片，可以借助这项功能将照片放大，从而给警方提供更多的线索支持。

谷歌大脑的这款新产品就可以在这方面提供一些颇有价值的帮助。现在他们已经成功将8*8（毫米）网格的像素马赛克转换成为肉眼可辨识的人物图像。这项技术叫做“像素递归超分辨率”技术（Pixel Recursive Super Resolution）。

以这组图片为例。最右侧是32 x 32像素的真实图片，左侧是已经压缩到8 x 8像素的图片，中间的就是通过这项技术还原的结果。结果不算很理想。还原过的图片和真实的图片看起来像是两个人，但是比起左侧的模糊图片，已经好太多了，左侧的图片单独来看完全看不出什么内容。

谷歌大脑是怎么做到的呢？它聚合了两种神经网络，来补充图片的细节。

第一部分是条件网络(conditioning network)。比如，在上面这个案例中，它会将8×8的图片与高清图片进行对比，将其他高清图片缩小到8×8的分辨率，寻找图案、颜色的相似关系。

第二部分是优先网络(prior network)，使用PixelCNN(像素神经网络)向8×8的源图片中增加真实的高清细节。在上面的例子当中，优先网络就吸收了大量的名人照片。

然后，当需要解析源图片时，便会从其已知的图片中寻找与之匹配的新像素，并将添加进去。例如，图片顶部有一个棕色像素，而优先网络或许认为那是一条眉毛：于是，当要解析图片时，就会用眉毛形状的棕色像素填补进去。

为了制作出最终的无码高清图片，需要融合这两个神经网络输出的数据。总结来说，就是通过学习大量图片，获得给照片补充细节的能力。OK，这多少有点类似于P图去水印还原图片的过程。

谷歌团队测试了呈现效果。向人类展示高清明星照和还原照片时，人类观察员被骗的比例达到了10%，而达到50%就属于完美得分。

在卧室照片的同类对比中，观察员被骗的比例达到28%。这个得分怎么样？

此外，谷歌也对比了另一个还原照片的技术——双三次插值放大技术，这项技术没有骗过任何一个观察员。

当然，还原的图片肯定不同于真实的图片，会有一些额外添加的细节，这在图像处理领域里术语被称作“幻象”，只是计算机的“猜测”，换句话说，系统认为新图片的清晰度足以“欺骗”人类的眼睛。但是，新添加的细节很可能与事实有别，似是而非。

不过，这项技术也有让人担心的地方。随着这项技术的成熟，肯定可以让还原照片高度接近真实照片。这样的话，网上流传的一些模糊处理的照片就失去了价值，可能导致当事人隐私泄露，带来人身财产的安全隐患。