第1333章 人眼和马赛克

小超人是纯纯的技术小白,属于什么都不懂的那种。

周不器、裴瑶虽然也是技术外行,但作为企业高管,一定的技术理论还是要知道的,耳濡目染之下要远远强于普通人。

对这个图片放大一倍的概念,就特别兴奋。

这可够厉害了!

难怪汤小歌教授信誓旦旦地说过去这几年,他这个多媒体实验室的科研水平能够跟麻省理工、剑桥相媲美。

这个“图片放大”的项目,才是技术硬核啊!

周不器甚至在某一刻产生了大胆的猜测。

这个多媒体实验室……

不会就是后来大名鼎鼎的人工智能实验室商汤科技吧?

人工智能是高端的前沿的科学领域,就算港校很厉害,也不是随随便便就能玩的。而且在论文规模上达到了麻省理工、剑桥的水准,这可不是朝夕之间就能达到的。

见到放大后的图片那一瞬,周不器就坚定了想法。

这个实验室,必须要资助、扶持、投资!

这个实验室,99.99%就是未来的商汤科技!

所谓的图片放大,其实很简单,就像小超人的认知那样,简单地把边拉长就可以了。

可在放大的时候,问题就出现了。

图片放大,分辨率就下降了。

720P的图片,放大一倍就变成360P了,再放大,变成180P,再然后就变成一块一块的马赛克了。

而汤教授的这个项目,是在图片放大的同时,保持原有的分辨率。

这可太有意义了。

汤教授的一个叫李晋中的博士,上台对着大银幕的投影图片,进行了对这个项目的讲解——

“过去的很多老照片,时间长了,或者拍摄设备不行,就会很模糊。通过这个算法程序,可以把照片清晰化。”

“如果进一步地发展,甚至可以进行颜色的修复。把过去的黑白老照片,变成彩色照片。甚至一张照片里比较模糊的文字,也可以比较清晰地识别出来。”

“刚才裴总说了美图秀秀,老师不太清楚,但是我知道。我们这个算法,应用起来可以对美图秀秀提供很大的帮助,用户可以先拍一张照片,然后再选择在哪一个点聚焦。还可以用滤镜把图片变成各种各样风格的画面。”

周不器很满意。

裴瑶也很满意,笑容满面,轻快地问:“李博士,你说的这些设想,颜色修复,不同风格的画面滤镜,这些现在可以实现吗?”

李晋中博士有些尴尬,“目前还不能,我们没有进行这方面的研究。不过,大体上使用的技术原理和人工智能的运用方式是一致的,跟图片放大都差不多,都属于深度学习的图像处理。”

旁边的汤教授比较内敛,很认真地说:“想实现这几点,需要更深层次的人工智能的学习。目前还不够,需要全世界同行的共同努力。”

周不器笑道:“汤教授有空了,我希望你能带着团队去首都,跟我们的CTO沈向阳博士进行交流。我们的紫微星研究院在重点发力人工智能,甚至在硅谷创办了AI实验室,一个最重要的方向就是深度学习算法框架的优化和设计。”

汤教授很高兴,“如果有机会,这自然最好不过。”

小超人刚刚私底下跟紫微星的专家有过短暂沟通,这下也就明白了,原来这个算法是提高图片的分辨率,就很好奇地问:“我记得很多好莱坞电影里都这么演,什么《碟中谍》《007》《谍影重重》之类的,说是通过卫星抓拍到了大街上的人脸,图片非常模糊。然后就通过技术处理,进行了细节的补充,变成了一张完整的脸,然后跟什么系统对接,就可以查到这个人的所有资料了。”

汤教授哈哈一笑,“对,很多。”

“是真的吗?”

“假的。”

小超人有点失望,“哦。”

“能具体说说吗?”

周不器却被小超人的这番话提了个醒,觉得这非常重要。

紫微星在做一个项目,叫微点地图,对标的是谷歌地图。

谷歌地图使用的是美国的商业卫星,然后对地球进行拍照,传输到计算机上进行数据的处理和整合,就变成了精密到泄密的谷歌地图,在上面甚至能看到小区里的花花草草。这主要就是源自技术的强大,美国的商业卫星精密度比国内的军用卫星还高。

这已经危害了国防安全,会被拍到很多机密场所。这些机密场所到底是什么,美国人不知道,所以拍到也没用。

可“谷歌地球”、“谷歌地图”上线之后,提供了“标记”功能。

也就是说,谁知道这些场所是什么,就可以在上面进行标注。很多国人不明所以,就标上去了。或者一些坏人收钱了,就偷偷过去调查,调查清楚后再标注上去,这有泄密的嫌疑。

所以国内的做法一方面是限制相关产品的使用,一方面是推出国产可控的类似产品。这个重要的关乎国家安全的任务,主要由百度地图和微点地图来承担。

可是,国内的商业卫星拍摄的精密度太差怎么办?

国家地理局等相关部门就组织了一些民用或者军用直升机,对大城市进行航拍。这种航拍的精密度可比卫星高多了。

可问题又来了。

国家这么大,怎么可能都用航拍?哪有那么多经费,哪有那么多人力物力和飞机啊?(实际上现在也没解决,直接一劳永逸地封杀谷歌完事)

解决这个问题的又是周不器,他牵头联系了国家地理局和八吉星,订购了一批无人机,通过无人机来进行拍摄。

记录国家日新月异的发展变化,这是一个非常有意义的战略性非盈利项目。

可这里还有一个问题。

无人机的技术不够成熟,拍摄的时候可能不够稳定,就会导致拍出的画面失焦、模糊,甚至因为阳光、曝光等原因,出现许许多多的细节问题。

无人机航拍,肯定不如人坐在直升飞机上用长焦镜头的专业相机来拍摄的效果好。

眼下的这个多媒体实验室的研究项目,似乎能解决这个问题!

多媒体实验室,顾名思义,研究的就是“投影”、“成像”、“图片处理”的实验室,在这个领域,他们比人工智能专家沈向阳还要专业。

通过人工智能算法,把无人机拍摄下来的照片进行处理,变成清晰的照片,就可以跟人工航拍的效果差不多了。

因为这是紫微星的项目,微点地图就有技术垄断权,微点地图就可以对百度地图进行压制了。

一举多得啊!

更有甚者,甚至可以推广到军用领域。

比如军事侦查,把拍到的模糊图片清晰化处理;比如国内的卫星拍到的国外画面太模糊,也可以清晰化处理。

不过,这显然还有很长的路要走,汤教授说道:“在警方和FBI的探案过程中,经常能获得一些犯罪嫌疑人的模糊照片。如果能对照片进行超分辨率处理,把照片变得清晰、漂亮,就会大大地提高破案率。可实际上这件事美国已经做了几十年,至今都无法做到。”

周不器问:“为什么?”

“算法的问题,”汤教授叹了口气,“我们对过去的算法很失望。”

周不器问:“基于人工智能的深度学习可以解决吗?”

汤教授道:“这件事很复杂,计算机处理的是0和1两种信号。通过这两种信号完成一些人类行为的判断,会非常复杂。比如这里有一张桌子,我们一眼就能看见,不要反应时间就能判断出来。可计算机如果要从图片中识别一张桌子,可能需要上百万次的计算才行。实际上,过去这几十年的图片识别领域,计算机的处理效率远远低于人眼。连人眼都看不清的东西,计算机就更不可能看清了。”

周不器似乎理解了,“过去的计算机处理能力太差,现在出现了很多超级计算机,紫微星甚至可以进行集群化的云计算,算力就大大增加了。”

汤教授看向周大老板的眼神发生了几分变化,很高兴地说:“没错,算力的提高,是人工智能发展的基础。不过,过去的算法肯定是不行的,要有新的创新、在学术上有新的发现。我给你举个例子,1放大2倍,是2;放大100倍,是100;放大1000倍,是1000。一个确定的数字1,放大多少倍,得到的都是确切数字。可是,一个不确定的数字ε,放大10倍是10ε,放大100倍是100ε,不管放大多少倍,得到的都是一个不确定的数字。”

在场的都是受过高等教育的,哪怕是外行,也能听懂这其中的逻辑。

就比如大银幕上演示的这张人像图片。

这张图片的原始照片是清晰的,就是确定的数字,所以不管放大多少倍,都是有算法基础的,都是确定的,放大之后可以给出清晰图像。

可如果原始照片过于模糊,模糊到连眼睛都看不清,就是一个不确定数字。不管放大多少倍,都是不确定的。

周不器点了点头,对此比较心安。

无人机拍的照片,就算模糊了一些,人眼也能看清。人眼能看清,就应该能处理好。

汤教授接着又说:“不过,在新技术之下,人眼无法分辨的不确定数字,未必就不能转化为确定数字!”

“哦?”

周不器眼睛一亮。

汤教授道:“依靠大数据。”

(本章完)

第1334章 不确定性到确定性的转化

周不器虽然是技术外行,但他重生之前,也常常被云计算、大数据、人工智能等几个概念给洗脑。

重生之后,对这几个方面就格外重视,逐渐地也产生了一些认知。

他还挺聪明,听到汤教授一说,马上就反应过来,脱口而出:“从逻辑学到统计学的算法思路改变?”

汤教授微微一怔,似乎很惊讶,“周总的理解力,令人惊叹!”

裴瑶带来了那四个T7的技术专家,也对周大老板的水平有了新的认识。

不得了!

从人工智能到大数据,这可是世界性的前沿性的科技课题啊,就算是内行人都迷迷糊糊,摸不着方向。

甚至其中一个T7专家,第一时间都没能反应过来。

大老板一个外行,竟然这么快就想通了?

当然,这跟周不器的层次有关,他平时接触的都是沈向阳博士、王建博士、陆器博士这种级别的科学家,要么就是跟清华、牛津的科学家交流。

有这些世界上最好的科学家当老师,学东西能不快吗?

同时,这一幕也让在场很多紫微星的工作人员都心有感触,深刻理解了公司在人才结构上要求年轻化的道理了。

年轻就是好啊!

学东西真快。

裴瑶发自内心地佩服,笑着说:“我们老板是一个纯计算机专业的外行,可能连一本《计算机基础》的入门书都没读过。不过在平时的工作中,他会跟很多科学家打交道,也会参加一些技术性会议,时间长了……可能就明白了。”

小超人附议,“周先生是天才。”

汤教授点头同意,“周总的领悟力和理解力,比内行还内行。”

周不器一向很谦虚,笑着说:“我算什么天才,差远了呢!我在硅谷,认识了一个企业家,叫埃隆·马斯克,那才是真正的天才。他是学计算机的,可他要做火箭,什么都不懂,就一边学习一边做产品。据说现在对航天工程技术的理解和应用,已经达到了一流科学家的水准。”

汤教授道:“周总也不差。”

这时,多媒体实验室里人已经很多了,出现了很多实验室里的其他教授和博士们在旁听。

汤教授是多媒体实验室的主任,是这个实验室人工智能领域研究方向的引领者,所有的教授和博士、硕士们都要按照他的这个大方向去研究。

他的方向选择对了,所有人都会一步跨上人工智能领域的大舞台,成为行业里的资深专家。他选择错了,大家一起完蛋。

不过,汤教授是麻省理工毕业的博士,很权威,大家都很相信他。

面对这么多实验室的同事和学生,汤教授就像上课一样,要说得详细一些。先简单阐述了一下逻辑学到统计学的思路转变。

图像由无数个点组成,分辨率越高,点数越多;分辨率越低,点数越少。

把图像扩大1倍,其实就是把点数增加1倍。

过去的算法,是数学、逻辑学的思路。即有了前一个节点,然后根据数学逻辑,推演到了下一个点,一个点变为两个点,就完成了拓展。把图片中所有的点都处理、扩展一遍,图片的放大就完成了。

可这是个确切的过程。

选择的节点得是确定的,才能衍生出第二个点。

如果第一个节点都是模糊的、不确定的,就算数学公式、逻辑思路再正确,也没用啊,巧妇难为无米之炊。

新的大数据下的图像处理思路,应用到的是统计学算法。

比如,有两条路,都可以到达终点,运动员选择哪一条路耗时更短?

传统的思路,就要通过数学和逻辑学上的计算。

计算路程长度,运动员的速度,以及运动员的状态、耐力、加速度、减速度、摩擦力所影响的摔倒几率等等。

拿出一套极复杂的公式出来。

可是,如果过来的运动员是没有腿的残疾人,或者盲人怎么办?过去的这套公式就都没用了。

统计学的思路就很简单了。

两条路,不管是正常人、残疾人,还是自行车、汽车,都无所谓,统计数据就好了。左边这条路测算1万次,右边这条路测算1万次。

经过测试,左边赢了8000次,右边赢了2000次,结果就出来了。

选择左边这条路耗时更短!

应用在模糊照片的清晰化处理上,就是大数据下的统计学。

比如一个模糊化的鼻子,原始形象是什么样?

统计就好了。

选1万个不同种类的鼻子,然后进行模糊化处理。模糊化处理后的鼻子,哪个跟模糊照片中的鼻子点位重合最高,就是哪个。

不过,想实现这一点非常复杂。

只要是大数据,就一定会涉及算力的问题。想处理、统计这么多的数据,普通的电脑根本没戏,一启动就死机。

汤教授道:“过去的图片处理,始终没能超越人眼的范畴,想要靠着计算机突破人眼的极限,除了大数据和人工智能相关技术的理解之外,还离不开强大的算力。”

周不器笑道:“算力不成问题,紫微星的云计算业务已经趋近成熟。如果实验室应用,我还可以帮你们跟联想联系,使用他们的HPC。”

HPC就是High型的PC,即高性能计算机、超级计算机,算力很强大。

所采用的技术原理跟云计算差不多,都是并行的集群化工程。紫微星的杨振坤博士一手开发了飞天数据库,并为云计算业务提供了技术储备和支持。他在被挖到紫微星之前,在联想研究院时就主要做HPC方面的研究。

现在的联想超算不像十年后那样威震世界,能跑到全世界给人家搭设超算平台。不过在市场化应用的领域,目前已经达到了国内第一的水平。紫微星有一大一小两个超算计算机平台,大的是惠普,小的是联想。

这个多媒体实验室体量有限,帮他们搭一个小型的超算平台足够了。

汤教授不由得一愣,“这价格可不低吧。”

周不器笑道:“没关系,我送给你们。”

裴瑶在旁笑着说:“我们周总最支持创新型技术的研究了,尤其是人工智能、大数据和云计算的领域,几乎每次会议都要提到。”

实验室里的教授、博士们就都很高兴。

这可太好了!

他们办公室采购的是一批性能极好的惠普电脑,可这也只是普通电脑,算力根本不够。刚才演示的时候,放大一个很小的图片,都要耗时3分钟。要是大点的项目,那得直接卡死。

有了HPC,那对他们今后的课题研究就方便多了。

汤教授很感谢,不过课还没上完,他要接着刚才的思路继续说:“眼睛能看到的,都是确切化的处理,刚才说了,从1到10到100到1000。变化很大,肉眼都能区分。如果是缩小就不一样了,从1到0.1到0.01,等缩小到了0.0000……001和0.0000……002的时候,这差距就非常小了,肉眼就看不见了。可是计算机却能够区分。这是在图片处理中计算机超越人眼的关键。强大的算力是基础。”

这么复杂的事,周不器就不好乱参与了。

紫微星的几个专家跟他们进行了讨论。

大概意思,就是给每一张清晰的点标号,然后对应一个模糊的点。一个清晰的点是1,对应的模糊点是0.0000……001,一个清晰的点是2,对应的模糊点是0000……002,先统计出来。

这样,等模糊的点0.000……00ε出现的时候,就可以朝着清晰点的ε靠拢了,就完成了从不确定性到确定性的转化。

当然,这个过程可能不是一一对应的,可能是多对多,还需要很复杂更详尽的统计、分析。

周不器想到了什么,问道:“用手机拍月亮,是不是就这个原理?”

“什么拍月亮?”汤教授没太理解。

周不器道:“手机的像素太低,而且夜景的采光也不行,根本拍不清。”

汤教授摆了摆手,“如果只是优化月亮图景,那会很简单,我们现在也能做到。月亮是固定的,是已知的,构图简单。拍出一个大概模型,人工智能去丰富就行了。可现存的模糊照片,其原本的样子是未知的,难度会大大提高。如果是拍月亮,对手机来说难的不是对模糊图片的清晰化处理,而是手机的算力能不能跟上,芯片要好。现在世界上不可能存在这样的手机芯片。”

另一个白人教授用中文说道:“我们实验室目前主要做的是人像的处理,主要是人脸。人脸的复杂度要远远超过月亮,需要在人脸检测、高分辨率、人脸的特性分布等所有方面做研究,还要有足够的人脸图像。”

周不器马上理解,“对,大数据嘛,得有数据才行!紫微星最不缺的就是图片,可以支持!”

得有足够多的确切的脸,才能得出足够多的模糊化脸的数据库,点对点的分析、对接。然后,等一张模糊化的脸出现后,才能通过点对点的分析、对接,反推出清晰化的脸。

这个工程一定要做。

一方面是技术的积累、沉淀。

一方面的确很有意义啊!

这在全世界都是一个无法解决的难题,如果紫微星解决好了,那就赚大发了,到时候可以卖给全世界的警察局。

全世界的警察局都是体制内部门,跟这种部门合作,油水都大大的。而且,这对警察来说是刚需性的技术,会大大地提高破案率。只要出现,各国警察都会抢着要买。

那就发财了!

不过,外国人的脸和国人的脸不一样,得拿到足够多的外国脸的样本进行分析统计才行。随着手机和社交网络的普及,这一点不是障碍,写一个爬虫算法,去网路上扒图就行了。

(本章完)

重新连接服务器...

连接失败... 将在 秒后重新尝试连接.

连接失败.
请刷新此页面.

此会话被服务器暂停.

恢复会话失败.
请重试或者刷新此页面.