如果你想知道你的下一部**的摄像头会有多好，那么最好注意一下**商对人工智能的看法。除了炒作和吹嘘之外，这项技术在过去几年里已经使摄影技术取得了惊人的进步，没有理由认为进步会放缓。

平心而论，仍然有很多花招。但最令人印象深刻的是，最近摄影技术的进步发生在软件和硅水平，而不是传感器或镜头——这在很大程度上要归功于人工智能让相机更好地理解他们所看到的东西。

谷歌照片（Google Photos）清楚地展示了在2015年推出该应用时，人工智能和摄影的结合将有多么强大。在此之前，这家搜索巨头多年来一直在使用机器学习在Google+中对图像进行分类，但其照片应用的推出包含了大多数人无法想象的面向消费者的人工智能功能。用户杂乱无章的数千张未标记照片库一夜之间被转换成可搜索的数据库。

突然，或者看起来是这样，谷歌知道你的猫长什么样。

谷歌在2013年收购的DNNRearch之前的工作基础上，建立了一个深度神经网络，对人类标记的数据进行训练。这称为监督学习；这一过程包括对数百万张图像进行网络训练，以便在像素级寻找视觉线索，帮助识别类别。随着时间的推移，该算法在识别（比如）熊猫方面越来越好，因为它包含了过去用于正确识别熊猫的模式。例如，它可以了解黑色皮毛和白色皮毛之间的关系，以及它们与荷斯坦奶牛的皮毛之间的区别。通过进一步的训练，可以搜索更抽象的术语，如“动物”或“早餐”，它们可能没有共同的视觉指标，但对人类来说仍然是显而易见的。

训练这样的算法需要花费大量的时间和处理能力，但在数据中心完成任务后，它就可以在低功耗移动设备上运行，不会有太多麻烦。繁重的工作已经完成，所以一旦你的照片上传到云端，谷歌就可以使用它的模型来分析和标记整个图书馆。谷歌照片发布大约一年后，苹果宣布了一项类似于神经网络训练的照片搜索功能，但作为公司对隐私承诺的一部分，实际分类是在每个设备的处理器上分别执行的，而不发送数据。这通常需要一两天的时间，并在安装后的后台进行。

智能照片管理软件是一回事，但人工智能和机器学习可以说在一开始就对图像的拍摄方式产生了更大的影响。是的，镜头继续变得更快，传感器也总是可以变得更大一些，但我们已经在突破物理学的局限性，将光学系统塞进纤薄的移动设备中。尽管如此，如今**在某些情况下拍摄的照片要比很多专用相机设备拍摄的照片要好，至少在后期处理之前是如此。这是因为传统相机无法与另一类对摄影同样重要的硬件竞争：芯片上的系统，包括CPU、图像信号处理器，以及越来越多的神经处理单元（NPU）。

这是被称为计算摄影的硬件，这是一个广泛的术语，涵盖了从**肖像模式中的假景深效果到帮助驱动谷歌像素难以置信的图像质量的算法的一切。并非所有的计算摄影都涉及人工智能，但人工智能无疑是其中的一个主要组成部分。

苹果利用这项技术驱动其双摄像头**的肖像模式。iPhone的图像信号处理器使用机器学习技术，通过一个摄像头识别人，而第二个摄像头创建深度图，帮助隔离对象并模糊背景。当这项功能在2016年首次推出时，通过机器学习识别人的能力并不是什么新鲜事，因为照片组织软件已经在这么做了。但以智能**摄像头所需的速度实时管理它是一项突破。

然而，谷歌仍然是这一领域的领先者，三代Pixel的卓越成果是最令人信服的证据。默认的拍摄模式HDR+使用一种复杂的算法，将几个曝光不足的帧合并成一个，正如谷歌计算摄影主管Marc Levoy所指出的，机器学习意味着系统只会随着时间的推移而变得更好。谷歌已经在一个巨大的标签照片数据集上训练人工智能，就像谷歌照片软件一样，这进一步帮助相机曝光。特别是Pixel 2，它产生了令人印象深刻的基线图像质量，以至于我们中的一些人在这个站点上的专业工作中已经非常舒适地使用它。

但谷歌的优势从未像几个月前推出夜视仪时那样明显。新的像素功能将长时间曝光缝合在一起，并使用机器学习算法计算更精确的白平衡和颜色，结果令人震惊。这项功能在Pixel 3上效果最好，因为算法的设计考虑到了最新的硬件，但谷歌为所有Pixel**提供了这项功能，即使是最早的，它缺乏光学图像稳定功能——这是一个惊人的广告，说明了软件在移动摄影中的重要性比相机硬件更大。

这就是说，硬件仍有发挥作用的空间，特别是在有人工智能支持的情况下。Honor的新款View 20**和母公司华为的Nova 4是第一款使用索尼IMX586图像传感器的**。这是一款比大多数竞争对手都大的传感器，4800万像素，是迄今为止**上最高的分辨率。但这仍然意味着将大量微小像素塞进一个微小的空间，这往往会对图像质量造成问题。然而，在我看来，在20次测试中，Honor的“AI超清晰”模式擅长于最大限度地利用分辨率，对传感器不同寻常的滤色器进行解扰，以解锁额外的细节。这会产生巨大的照片，你可以放大几天。

一段时间以来，图像信号处理器对**摄像头的性能一直很重要，但随着计算摄影技术的发展，NPU似乎将扮演更重要的角色。华为是第一家宣布采用专用人工智能硬件的片上系统的公司，麒麟970，尽管苹果的A11仿生最终首先到达了消费者手中。全球最大的安卓处理器供应商高通公司（Qualcomm）尚未将机器学习作为主要关注点，但谷歌已经开发了自己的名为Pixel Visual Core的芯片，以帮助完成与人工智能相关的成像任务。与此同时，最新的苹果A12仿生系统有一个8核的神经引擎，可以在苹果的机器学习框架core ML中运行任务，速度是A11的9倍，并且首次与图像处理器直接相连。苹果公司表示，这可以让相机更好地了解焦平面，例如，有助于产生更真实的景深。

这种硬件对于高效、高性能的设备机器学习将变得越来越重要，因为机器学习对处理器的要求有着极高的上限。记住，支持谷歌照片的算法是在大型、功能强大的计算机上进行训练的，这些计算机具有强大的GPU和张量内核，然后才在你的照片库中释放出来。可以说，大部分工作可以“提前”完成，但在移动设备上实时执行机器学习计算的能力仍然是最先进的。

谷歌已经展示了一些令人印象深刻的工作，可以减轻处理负担，而神经引擎正在逐年加快。但即使在计算摄影的早期阶段，围绕机器学习设计的**摄像头也能带来真正的好处。事实上，在过去几年AI炒作浪潮带来的所有可能性和应用中，今天最实用的领域可以说是摄影。照相机是任何**的基本功能，人工智能是我们改进它的最佳途径。