先有Alpha Go在數億人的眼皮底下，五戰四勝將人類從圍棋神壇上“拉下馬”。后有Prisma風靡全球，一時間人人皆開了梵高、葛飾北齋的“金手指”，深度神經網絡漸漸開始從幕后走到臺前，從不可見變得可見可觸，從賦能于企業走向“賦能”與每一個普通人。

如果說Alpha Go還讓普通人仰之彌高，可望不可及的話，那么上至總統下至中學生，人人皆可“調戲”的Prisma可謂是第一款人工智能平民化應用。在手機的硬件軍備競賽人困馬乏、了無新意的時代，利用人工智能技術，通過“云端算法”的遠程助力，可以在硬件瓶頸之下大幅提高手機的“智能化”水平。

如果說Alpha Go出盡風頭是因為背靠Google在深度學習領域的深厚功底，成功非一般創業公司可復制，那么四人團隊一個半月時間內開發出的Prisma則意味著：站在人工智能領域前人的成果之上，小團隊也有可能touch the sky。

將卷積神經網絡應用于“圖片合成”乃至“藝術品濾鏡”，Prisma并不是第一個。早在去年，DeepArt團隊的三名成員就通過兩篇論文《Texture Synthesis Using Convolutional Neural Networks》和《A Neural Algorithm of Artistic Style》分步拆解，提出了合成名畫風格的照片的具體方法。去年上線的DeepArt.io也得到了WIRED、The Washington Post等媒體的廣泛報道，只不過由于是網頁版收費服務、處理時間長達半個小時，所以未能如Prisma這般引爆流行。

卷積神經網絡是如何生成“星月夜濾鏡”？

即使將卷積神經網絡用于“藝術品濾鏡”，Prisma也不是第一個。這個領域的先驅是DeepArt團隊，幾篇論文記錄了它們從“物體識別——紋理合成——風格提取——圖片合成”一步步的研究軌跡。也像我們展示了用于識別貓的圖片的卷積神經網絡是如何用來讓《星月夜》變成一款濾鏡的。

不同光照環境之下的同一張人臉?

同一張人臉在不同光線之下，輪廓、形狀可能完全不同，而物體識別的難點也就是在不同的變量（比如光照條件）之下對物體存在的感知，這意味著神經網絡要把圖片的內容從風格中抽離出來，也意味著物體識別的神經網絡中內在地存在著Prisma的運作機制：從圖片中提取藝術風格特征。

問題是如何把梵高的《星月夜》中旋流不息的筆觸與夢幻一般的用色“抽象”成一種風格濾鏡，然后用在所有的照片之上？這就涉及到卷積神經網絡的“過濾原理”。

就像Alpha Go的12層神經網絡劃被劃分為負責選擇落子的‘策略網絡’（policy network）和則負責計算棋面優劣的‘價值網絡’（value network）一樣。卷積神經網絡也是通過一些可供“調教”的參數，分層處理圖片以便實現某些目的，例如目前應用最為廣泛的物體識別，圖片分類，也可以用于圖片降噪或去模糊。

卷積神經網絡運行原理圖示

也正如其他的人工智能神經網絡一樣，卷積神經網絡的運行方式是前向分層處理。一張圖片相繼通過神經網絡的各個分層，最后一層產生的圖片即為最終結果。每一層都有一組參數，在運行過程中被不斷訓練。這些可以調教的參數決定了每個“過濾層”的功能。圖像每經過一個“過濾層”都會產生一組“濾后圖像”，被稱為feature map（特征映射）。每一張feature map都代表了原始圖像的某一特征（邊緣、角度、輪廓等）。

通常，當一張圖像經過了多層過濾之后，后面留下的特征會越來越抽象。例如，如果卷積神經網絡被訓練用于物體識別，更深層次的“過濾層”更能“感知”到物體的存在而非具體的像素值。

經過多年發展，用于物體識別的卷積神經網絡表現已經越來越好，挑戰門檻也越增越高。ImageNet圖像識別挑戰賽2014年的獲獎者是一個有19層“過濾層”和相對更小過濾器的深度卷積網絡，這就是DeepArt系統的基礎VGG網絡。

? ? ? ?人造紋理的合成步驟

在《Texture Synthesis Using Convolutional Neural Networks》中，DeepArt團隊介紹了用于物體識別的卷積網絡是如何用來合成人造紋理的，意即模仿原始圖像的紋理創造一張人工合成的圖像。一般來說，可以被“打散重組”的圖片都包含某一特定的圖樣，比如沙子、紙張、碎云、木紋、混凝土的特寫圖片，整體布局對于這類圖片來講并不像對于地標建筑那樣是重要。

合成圖片的產生過程就是不斷迭代“升級”這些含有“隨機噪音”的圖片，直至產生與原始圖像相似的圖片。“相似性”的標準就是色彩和局部細節被保留，而總體布局發生改變。

我們想要的結果是去除空間信息，保留紋理。問題在于一張特征圖本來就是原始圖像的“過濾版”，肯定會保留空間信息。如何加以去除呢？DeepArt團隊采取的方法計算一個去除了空間信息的過濾層中，不同feature map之間的相關性（只要兩張feature map之間的相關系數是單一值，那么空間信息就肯定被去除了）。作者計算了一個過濾層中所有特征圖的相關性，得到了一個N×N的格拉姆矩陣（Gramian matrix），其中N是這一層中feature map的數量。

迭代升級程序不斷修改“噪聲圖”，直至它的格拉姆矩陣接近原始圖像。這種迭代升級可以通過多層神經網絡標準的誤差反向傳播（BackPropagation）算法來完成，通過這一程序，就可以創造出與原始圖像相似的紋理。

在后一篇論文《A Neural Algorithm of Artistic Style》中，DeepArt為原來的紋理合成方法增加了新的一步，目標是模擬VGG網絡中特征圖的格拉姆矩陣，以得到一張風格相似但內容不同的圖片。

而格拉姆矩陣從某種意義上來說就相當于一名藝術家的風格。他再現一張臉的方式與再現一棵樹、一幢房的方式有某種相關性。只要捕捉到了這種相關性就捕捉到了風格。

模擬圖片的內容與紋理合成的方法類似，只不過標準不同：目標是直接模擬VGG網絡深層過濾層的數值。步驟可以概括如下：

讓藝術家畫作經過VGG神經網絡，計算并保存格拉姆矩陣 G。然后再讓用戶的照片通過VGG神經網絡，保存特征圖F。生成一張白噪音圖片，通過誤差反向傳播算法，不斷升級這張圖片直到它的特征圖接近F，格拉姆矩陣接近G。

通過很難找到一張完美匹配G和F的圖片，所以就需要做出一定程度的妥協。是更接近G還是更接近F？如果生成的圖片更側重于格拉姆矩陣接近G，那么它就更接近藝術品的風格。如果生成的圖片更側重于特征圖接近F，那么它就保留更多照片的內容。下面的幾張圖片演示了這種妥協，從左至右，藝術風格越來越淡化，圖片內容越來越凸顯。

為什么Prisma注定曇花一現？

Prisma的濾鏡更像臉萌而不是Instagram、Faceu，是娛樂型產品而不是工具型產品，更不用說進階為社交應用了。實際上，很多新奇酷產品都把握不好娛樂產品和工具型產品的界限——是可以日常使用還是偶爾玩耍？使用場景是什么？Faceu之所以沒有曇花一現，是因為它可以用于自拍、美顏、自帶表情聊天，那么Prisma則只是為了追求新鮮炫酷。Faceu是錦上添花，Prisma則是改頭換面。

而對于圖片工具的主要應用場景——社交網絡而言，被發在那里的照片主要是為了凸顯內容而不是彰顯風格，追求真實性大于效果炫酷，過度使用濾鏡、使用過度“失真”的濾鏡乃是一大忌諱。

更為重要的是，美顏是國內用戶“修圖”的首要驅動力，一切不能美顏的修圖工具都是“耍流氓”，而Prisam過度“風格化”的濾鏡在人像尤其是面部處理方面很難令人滿意。美顏需要的是對面部細微之處的修修補補，輕抹慢涂，而不是狂放藝術家的筆刷橫掃，顏料潑灑。

一方面要用藝術家的風格讓人耳目一新、為之驚嘆，一方面又要保留每一張照片的內容，這就意味著Prisma只能選取印象派之后、現代主義之前的藝術流派，正如一位學藝術的朋友所言：“它的智能尚不能學著像畢加索那樣去解構人體，更不消說康定斯基完全不依實物作畫。”而且后古典主義時代的審美（擺脫對于“像不像”的糾纏，同時注重內容與表現形式）目前在大眾中尚未被普遍接受，Prisma的“日常化”尚不具備群眾基礎。

人工智能正在讓智能手機更“智能”

機器學習在互聯網應用中已經無處不在：Facebook利用它來決定哪條新聞出現在你的時間線上，Google圖片用它來做面部識別。微軟的Skype Translator利用機器學習把演講實時轉換成不同的語言。Google還利用DeepMind 為它晝夜運行的數據中心節能降耗。而基于深度神經網絡的人臉識別技術已經廣泛應用于線下的身份認證。

然而，這些面向企業用戶、運行于后臺的的人工智能技術還沒有“把玩”在普通用戶手中，響應他們的每一次需求，使智能手機真正變得智能起來。

Prisma的風行，標志智能手機的硬件時代已經過去，人工智能時代已經到來。Prisma使用的卷積神經網絡技術，正是現在人工智能的前沿。以后各種頂尖的人工智能技術將繼續平民化，實現在各種移動硬件上。實際上，除了Prisma這樣的娛樂化應用，人工智能也正在被用于解決智能手機用戶的真正“痛點”。

如果你是個拍照達人，不知不覺中相冊中已經泛濫成災了上千張照片，讓你有心去整理而又不知從何下手。現在，Apple Photos、Flickr、 Google Photos等都開始利用圖像識別技術幫助你自動整理、歸類圖片。

應用了人工神經網絡之后，Swiftkey的預測準確性有了明顯提升

而今年，人工智能技術也第一次應用在輸入法上，7月份，全球擁有3億用戶的Swiftkey發布了一款利用人工神經網絡預測用戶輸入內容的輸入法SwiftKey Neural Alpha，相比于過去只能根據最新鍵入的兩個詞進行“局部預測”，SwiftKey Neural Alpha通過對每個單詞編碼，然后尋找句子中不同詞語之間的相關性，基于云端數百萬的語料庫，從而實現基于句子的“全局預測”。這是神經網絡技術首次應用在輸入法上，SwiftKey的聯合創始兼CTO Ben Medlock稱，他們的一些想法是受到了英國著名科學家圖靈的啟發。

人工智能概念股：埃斯頓、科大智能、漢王科技、江南化工、華東數控、和而泰、中科曙光、永創智能、北京君正、通富微電、永創智能、勁拓股份。