昨天晚上，华为 P30 Pro 拍月亮的视频可以说瞬间上了热搜，爱否科技主编质疑华为 P30 Pro 拍月亮是 P 图，瞬间引发了数码圈的一场大地震。
而最后经过证实，华为 P30 Pro 的月亮模式会对月亮进行细节优化，从而让拍出的月亮更好看一些，并不会增加不必要的细节。
而爱否科技主编最后的内裤识别成环形山（其实是月海，并非是环形山），最后才发现是并没有对焦成功拍糊的情况下 AI 对照片自动做出的优化，而在对焦清晰的情况下，内裤还在。
在没有对焦完全清晰的情况下，虽然内裤模糊，但是轮廓还在
这一轮下来，对于吃瓜群众来说的感受就是，哇塞，华为 P30 Pro 的拍照真牛，毕竟去掉月亮模式，也可以非常清晰地拍清楚整个月亮。
而月亮模式对月亮的细节优化，严格来说并不算 P 图，应该是用到了 AI 里的深度学习。
我们知道人工智能发展到一定程度的情况下，他就会对很多事情进行合理地推断预测，从而模拟或实现人类的学习行为，由此诞生了 AI 里的一个领域，叫“机器学习”。
机器学习（Machine Learning）是一门专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能的学科。
1959 年来自 IBM 的工程师塞缪尔设计了一个西洋跳棋程序Checkers，想看看计算机是否具有学习能力。结果发现它可以在不断的对弈中改善自己的棋艺。4年后，这个程序战胜了设计者本人。又过了3年，这个程序战胜了美国一个保持8年之久的常胜不败的冠军。
这个程序向人们展示了机器学习的能力，由此慢慢演变出“机器学习”这门学科，包括你看，前段时间阿尔法狗 0 比 3 完虐世界围棋第一人柯洁，就可以知道，计算机是可以通过不断学习来提升自我，明明在一年以前，阿尔法狗对战早已不再巅峰状态的李世石，还无法取得完胜，但是一年以后，就可以挑战处在巅峰状态的柯洁，并且取得完胜。
但是机器学习的出现，在提出了许多令人深思的社会问题与哲学问题。那就是人工智能会不会不断发展，慢慢取代人类，还有就是“我”这个终极哲学命题，也在此基础上，诞生了许多的人工智能电影，讨论这个话题，比如《我，机器人》、《机器纪元》等。
而2006年，“AI 教父”谷歌大脑研究小组的负责人，多伦多大学的荣誉教授 Geoff Hinton 在机器学习的基础上提出了“深度学习”的概念，1956年，美国认知心理学家弗兰克·罗森布拉特基于神经元的理论发明了一种
模拟神经元的方法。可以模拟人脑计算的方式。和我们从感官中获取数据一样，这些神经元可以获取传入数据并进行学习，所以神经网络可以随着时间的推移做出决定。但是因为时代的原因，学习算法当时对于多层结构的神经网络不起作用。人工智能学者们也因此放弃了学习式软件的想法。他们转而研究起了机器学习。
而出于人脑的好奇， Geoff Hinton 通过使用计算机科学的方法来模拟大脑，并进入人工智能领域，开始了他近40年的神经网络研究生涯，从而提出了“深度学习”这一概念。
深度学习的概念源于人工神经网络的研究。含多隐层的多层感知器就是一种深度学习结构。深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。
如果是传统机器学习的方法，我们会首先定义一些特征，作为我们的机器学习的特征，以此来对我们的对象进行分类识别。比如耳朵、鼻子、眼睛，从这个特征里，对对象进行分类。
而深度学习的方法则更进一步。深度学习自动地找出这个分类问题所需要的重要特征！传统机器学习则需要我们人工地给出特征！
像如果我们要识别出图片上有哪些物体，找出它们的位置。那么传统机器学习的做法是把问题分为两步：发现物体和识别物体。先 物体边缘的盒型检测算法，把有可能的物体框定。然后，再使用物体识别算法，例如SVM在识别这些物体中分别是什么。
但是深度学习不同，给它一张图，它直接给出把对应的物体识别出来，同时还能标明对应物体的名字。这样就可以做到实时的物体识别。例如YOLO net就可以在视频中实时识别。
今天我们通过语音识别进行图片检索、在手机上把语音转化为文字的技术的实现，都是仰赖于深度学习，而研究更深度的神经网络，以解决更复杂的问题，也可以应用在更加广泛的方面，比如自动驾驶。
甚至于谷歌的AI图片预测补全技术，根据已知数据和大数据补全图片信息，就是在深度学习的基础上研究的算法，这非常适用于刑侦破案。
我们现在所用到人脸识别技术也是来自于深度学习。
当然了，深度学习是一个非常大的门类，涉及到非常多的不同算法，究竟华为 P30 Pro 使用的是什么算法来对月亮进行细节优化，这个就不了解了。
深度学习很多时候我们难以理解。一个深层的神经网络，每一层都代表一个特征，而层数多了，我们也许根本就不知道他们代表的啥特征，我们就没法把训练出来的模型用于对预测任务进行解释。
例如，我们用深度学习方法来批量批改作文，也许我们在训练的时候，做出来的模型对作文评分都十分的准确。
但是现实存在的情况太多种多样了，我们又无法理解模型到底是啥规则，这样的话，那些作文拿了低分的同学找你质问“凭啥我的分这么低啊？！”，你也哑口无言····因为深度学习模型太复杂，内部的规则很难理解。
这也是为什么 华为 P30 Pro 在拍摄月亮时，对细节的优化并不是都一样，因为它自己对每个月亮的判别是不同的，所以它在进行细节优化的时候，得出的结果肯定也是不一样的，这也是为什么在月亮上有内裤的时候，没有对焦上，内裤模糊的时候，它会自动判定为月海，对图片进行修正，让月亮的轮廓、细节变得更清楚。
毕竟，AI 终究是 AI ，它怎么也不会想到，里面没有对焦清晰的东西会是一个内裤。当然了，在对焦清楚的情况下， 在知道月亮里的物体是什么情况下，它就不会对内裤进行修正，因为它虽然具备发达的神经网络，但是它毕竟不会和人脑一样会思考：为什么月亮里会有内裤，但是是拍照出现问题了，那我应该要把内裤进行进行修改成月海。
它并不会这样，只是会在细节上进行修正，或者对模糊的图片进行重新推倒还原。让图片变得更加清晰。比如华为工程师提到的开源算法：Deep Plug-and-Play Super-Resolution for Arbitrary Blur Kernels
但是这远远够不上 P 图，就好像我们平常拍照会对自己美颜一样，或者对风景美颜一样，只是会让照片变得更加好看而已。
当然了，这也让我们看到了华为在软件算法领域的深度探索，的确在硬件与软件领域，都取得非常重要的突破。
閱讀更多 胖福的小木屋 的文章
