我一直在读关于Gcam的文章，googlex项目最初是因为需要一个****头来安装在googleglass中，后来发展成为世界一流的Google像素摄像头。Gcam体现了一种非典型的摄影方法，它试图为传统的硬件问题找到软件解决方案。好吧，其他人也尝试过，但这些看起来总是像早期的噱头，所以我猜关于Gcam的史无前例的事情是它实际上是有效的。但最令人兴奋的是它预示着什么。

我想总有一天我们能在没有任何摄影设备的情况下拍摄图像。

现在我知道这听起来很荒谬，但我不认为这比互联网或人类飞行曾经看起来更荒谬。让我们考虑一下当我们点击相机上的快门按钮时会发生什么：光线信息被一个镜头收集并聚焦到一个数字传感器上，该传感器将接收到的光子转换成**可以理解的数据，然后**将其转换成显示器上的图像。所以我们只是把信息输入电脑。

我所设想的，以及谷歌表示其计算摄影工作的发展方向，是将机器学习应用到任务中的效果。如果你的**知道什么时候，在哪里，你指的是什么；如果它有一个数以万亿计的图像库；如果它能聪明地解释天气和时间之类的事情呢？它需要有眼睛才能看到你想要捕捉的场景吗？

这也许是遥远的未来主义，但它的基础已经建立起来了。谷歌已经将机器学习应用到其谷歌照片服务中，该服务根据不断提高的对对象、人脸和场景的理解和识别能力，自动为用户的图片添加标签和排列。欧洲最近推出的伽利略卫星导航系统可以提供实时定位精度，精确到“米范围”。告诉你的**你有多高，在它用来知道自己在地图上位置的同一方位传感器的帮助下，当你想拍照时，这个设备可以计算出你的拍摄对象和视角。如果这是像罗马论坛那样无所不在的照片，未来的Googlephone只需要知道在拍摄的特定时间云层的形成和太阳的位置，它就有足够的数据来合成一张照片。

如果你坚持要把自己或家人**快乐旅游快照，那也不应该太强求：只要提前拍一堆**，软件就会为你把这两张图片拼接在一起。接入同一连接生态系统的其他人，以及连接的汽车和公共汽车，也可以通过点击他们的位置数据选择性地添加到图像中。

Adobe在Photoshop中的内容感知填充更令人印象深刻。这个算法奇迹可能是我经历过的最接近真实人工智能的一次，因为这个工具使用整张照片中的信息来重建其中丢失或模糊的元素。需要扩展天空，移除道路，或者清理复杂物体上难看的灰尘吗？当图像编辑器具有上下文感知时，这不是问题。这是一种逻辑上的猜测。

老实说，这就是我的全部建议：真正的高级猜测，只是没有我们目前所依赖的光子信息。这是世界上最复杂的图像搜索，其中加入了上下文感知的度量。当然，这会让拍摄照片的体验变得不个性化，我也不知道这在私人空间里是怎么工作的，如果我们将来还剩下这些的话。但不管我们意识到与否，也不管我们是否选择依赖它，这都是我们正在建立的一种能力。

光的问题是很少有足够的光，捕捉光需要电池和复杂的物理元件。它曾经是照片的唯一信息来源，但在数字时代，我们还有无数其他来源。他们不需要完全更换相机，但他们肯定可以帮助，改善，并在某些情况下取代传统的方法拍照。如果相机要保持其质量，同时缩小到可以放入谷歌眼镜或其他可穿戴技术的微观水平，它们可能根本不需要成为相机。