那个给猫上色的 AI 现在来画人了，但人工智能眼中的人还有点恐怖

你应该还记得几个月前把涂鸦变成照片的工具 pix2pix，得到奇形怪状的猫咪让许多人不舒服，不适感超过了涂鸦原本就很糟糕的反思。当时的那款工具是 pix2pix 项目的第一次迭代，学习了数千只猫的颜色和纹路特征。而现在，新的版本接受了人像的训练，吸引着大批用户前往恐怖谷观光。

网站给出的示例结果。

新版本的使用方法和之前的一样，在输入框中绘制人像涂鸦，点击 process，生成的“照片”就会出现在 output 框中。如果想生成不那么恐怖的图像，就比较考验绘画功力。当然如果画功欠佳，也可以用 Fiddler AutoResponder 之类的工具导入图像。

用 Fiddler AutoResponder 导入的图像所生成的结果，来自 @SyntopiaDK

Pix2pix 基于一种很有前景的技术“生成对抗式网络”（GAN）。在这项技术当中，两个神经网络相互对抗，生成器（Generator）随机生成一张图片，鉴别器（Discriminator）则要判断生成的图片和真实的样本孰真孰假。二者相互博弈，砥砺相长，最终人工智能学会生成仿真照片，甚至能用照片合成视频。

数据集庞大的情况下，GAN 可以从零开始绘制图片。但在数据比较少时，比如在 pix2pix 当中，GAN 可以做到图到图的翻译。也就是把此前神经网络所学习的图像当作绘图材料，拼贴起来完成对手绘涂鸦的翻译。在这个过程中，神经网络分析涂鸦的特征，在数据集中找到相似的特征并配对，最后观察绘制的结果。

暗黑版的美少女，来自 @degidsan

除了猫咪和人像，pix2pix 只要经过训练，就可以模仿任何风格，比如把电影变成绘画。尽管它显示了机器学习对图像识别和处理的能力，但要想让生成的结果更为准确，仍然需要大量的数据和时间来训练神经网络。

现在 pix2pix 的服务器可能会有些拥挤，输入图形后需要等待一段时间才能得出生成的结果。尽管看上去人工智能对人类仍有很深的误解，但这项技术有趣的地方在于，GAN 可以是非常有用的机器学习手段，对事物的判断力也是变得更智能的关键。