人工智能新用途：设计逼真的视频和游戏图像

编者按：本文作者 WillKnight，MIT Technology Review 资深编辑，主要报道方向为机器智能、机器人和自动化。

闭上眼睛想象一面砖墙，你的头脑中可能会浮现出一幅相当不错的画面。在见过众多此类墙以后，你的大脑就知道墙应该是什么样的了。 

英国一家创业公司利用机器学习，使计算机和智能手机通过类似方式模拟视觉信息。计算机能将这些视觉模型用于多种任务，从提高视频数据流到自动生成逼真的虚拟世界元素。 

Magic PonyTechnology 是一家由（伦敦大学）帝国理工学院的毕业生创立的公司，他们专攻统计学、计算机视觉技术和神经系统科学。该公司利用大型神经网络处理视觉信息。

实时视频游戏直播节目展示了该系统是怎样实时改善模糊片段的。 

Magic PonyTechnology 研发了一种将低分辨率的视频或图片优化为高质量的方法。将样例图片输入计算机，计算机会将其转换为低分辨率图片，然后分析两者之间的差别。曾经也有人使用过这种方法，不过这家公司可以在能打开应用程序的普通图形处理器上完成该操作。他们演示了一个使用这种技术及时提升实时游戏节目效果的例子。

                           Magic Pony 的算法能改善视频滤镜特性

Magic Pony 的联合创始人 Rob Bishop 说，他们正与多家有兴趣对此项技术进行授权的大公司谈判。他还说：“在线视频数据流业务很大程度上依赖于视频压缩技术。我们的第一款产品证明，图像质量可通过深度学习得到很大提高，而快速移动图形处理器（GPU）使我们能在任何地方开展工作。”

Bishop 补充道，该技术还能提升低像素手机摄像头或在低亮度环境中抓取的图像质量。MagicPony Technology 正在考虑设计其他应用程序，包括能将模糊的电脑图片转化为高分辨率图片的程序，或者能从以前的游戏或虚拟现实环境中自动生成大面积逼真地形和纹理的程序。

该公司处理视频片段的独特之处在于，他们不需要手动对样例进行标记。相反，程序能识别高分辨率和低分辨率样例中的统计模式，然后自学边缘、纹理、直线以及其他特征的形态。 

这种学习方式对人工智能的未来很重要。迄今为止，深度学习大多被用于识别高级对象，比如图片或视频中特定的面容，这项技术是通过处理多个标记样例来完成的。

                                         该系统可以自动生成复杂的纹理，比如受损的砖墙 

Magic Pony 的研究人员会在今年晚些时候的计算机视觉大会上提交一份报告。但是 Bishop 说，自从这份报告开始撰写以来，他的团队已经 “显著改善” 了这项技术，使其更加有效。 

Bishop 解释道，MagicPony 这个名字来自于一次会议。在会议中，公司最早的投资者将这项技术描述成 “魔术小马”，因为除非亲眼所见，没人会相信这是真实的。

注：本文译者 Raingy Yang。