正在阅读：AI芯片是鸡肋or真有用：未来还能一键去码？AI芯片是鸡肋or真有用：未来还能一键去码？

　　·AI去码（图像修复）

　　看到这个小标题，可能很多老司机就顿时不困了。如果说AI实时P视频只是将已有的元素重新组合，例如场景换成另一个场景、人脸换成另一张人脸等；而AI去码，则可谓是凭空画饼，将原本不存在的事物添加上去，这在很多场景下都有极大用途。

　　一般而言，去马赛克是需要人类“脑补”的工作。从原理来看，马赛克属于不可逆运算，把大量的小像素点合并到一个大的像素点，并取平均色，就制造成了马赛克——很显然，你是难以知道被搅匀之前的各个小像素的颜色是如何排布的。一般来说，要消除马赛克，需要人进行想象脑补，然后把缺失的内容重新画出来。而有了AI，人不再是必须了，Google Brain的算法能够自动去除马赛克，骑兵自动变步兵。

就算是不可名状的马赛克，AI技术也能修复成高清

　　Google Brain使用的是一种全新的像素递归超分辨率技术，通过大量高、低分辨率的采样学习，然后得出规律来匹配修复结果。例如，Google Brain学习到了某种黑点是属于眼镜，那么在还原马赛克的时候，就可以把这种黑点还原成眼睛。从测试来看，效果的确不同凡响。

　　这样的AI技术有什么用？去除马赛克只是特定场合的具体应用，类似的算法在很多时候都可以发挥作用——只要当图像需要修复的时候，就用用武之地。例如拍照片手抖了失焦了，糊成一片该咋办？传统的方法可能就是简单粗暴的锐化了，而如果拍照APP使用AI技术，就可以“脑补”回丢失的细节和锐度，给你一张尽量可用的照片。

　　·AI上色

　　既然AI能够识别图像内容、脑补细节，那么AI自动上色也就成为了可能。上色其实涉及到了创作层面，而创作被很多人视为人类和机器的鸿沟，但这在AI时代不那么灵了。借助AI技术，手机APP可以自动为黑白照片甚至线稿画作来涂上适合的颜色。

　　类似的技术现在已经出现。照片处理自不必说，AI识别场景调节颜色和黑白照片上色并没有本质上的区别；而给线稿上色，在之前曾被认为是不可思议的事情——电脑能够读懂线条勾勒的是何种轮廓、该轮廓还得填上适合的颜色，听上去就如同魔法。不过Paintschainer推出的AI上色技术却令人大吃一惊——它可以识别某部分属于皮肤，某部分是头发，某部分是衣服，某部分是背景，然后分别涂上适当的颜色。

Paintschainer的AI自动上色，可以精准辨认线稿

　　不仅如此，Paintschainer的上色范围还相当精准，尽管线稿没有封闭，但颜色依然会保留在适当的范围，而不会涂得满地都是——用过PS中油漆桶工具上色的朋友，应该知道这是什么意思。

　　这意味着，以后在手机中绘画成为了可能。尽管手机的屏幕小且触控并不算精确（相比数位板），但得益于AI已经能辨识线稿，因此手指绘画粗糙的笔迹，就可以被AI完补为精细的描线，并填上适合的颜色。对于创作者而言，这大大节省了打磨具体画技所需要的功夫，将更多精力留给设计、构思，提高了效率。

　　这种AI辅佐创作的技术，并不仅能用于摄影、绘画，在作曲等领域也同样适用。或许在不久后，对着手机哼一段旋律，AI自动帮你编好曲、选择好演奏乐器、最后完成一段高质量曲子的日子，也已经并不遥远。

　　·AI自动翻译

　　语义识别可谓是AI另一大广泛实装的应用了。无论是语音识别，还是自动翻译，都离不开精准的语义判断。得益于AI，近年的机翻竟然也能说人话了——例如Google翻译，已经基本做到了语句通顺流畅，用来阅读一些专业性不强的外文，Google翻译绰绰有余。这是如何做到的呢？

　　这主要得益于Google翻译引入了神经网络和深度学习等人工智能算法，迈入了“神经机器翻译（GNMT）”的时代。得益于人工智能和谷歌的大数据，谷歌翻译对语言的解析有了远比之前深入的理解，因此在长句、整篇翻译方面有了长足的进步。

引入了GNMT后，Google翻译的精度与日俱增，越来越像是说人话了

　　在未来，AI翻译还会愈加强悍，也不仅仅局限于静态的文字。例如在Android 10当中，引入了Live Caption（实时字幕）功能，借助机器学习，它能够让手机在播放任何视频的时候，精准识别出音频，并生成字幕。该技术显然可以和AI翻译结合，帮助人们啃下各地语言的生肉，大大减少交流的鸿沟。

得益于AI，安卓可以为任何视频生成字幕，未来有望还能实时翻译

　　另外，AI自动翻译还可以用于语音交流。随着处理速度和精准度的上升，手机安装响应的APP后，化身同声传译器也并非不可能，虽然对于一些专业词句、地域文化梗的翻译，可能还比不上人工，但对比现在已有的机翻，这无疑要好上太多。