得益于谷歌研究人员开发的一种新型人工智能（AI）模型，如今机器能够像人类一样，根据照片的美学吸引力对其进行排序。
神经图像评估（Neural Image Assessment，简称 NIMA）采用一种名为卷积神经网络（CNN）的机器学习算法设计而成，该算法使用由人类评分和标注的数据。
与现有模型通常只根据图像质量对图片进行分类不同，NIMA 可以经过训练，预测人类会认为哪些图片在技术上质量出色且在美学上富有吸引力。
研究人员在一篇博客文章中介绍这项技术时表示，NIMA 通过识别并依据人类与情感和美感相关联的多种特征对图片进行分类，并以 1 到 10 分为每张图片打分。
研究人员称：“这与训练数据通常的采集方式更加直接地吻合；事实证明，与其他方法相比，这种方式更能预测人类偏好。”
为了测试该模型的能力，研究人员将 NIMA 与大型美学视觉分析（AVA）数据库中的照片进行了对比。每张 AVA 照片都会根据摄影比赛的参赛情况，由平均 200 人进行评分。
经过训练后，NIMA 对其中许多照片给出的美学排名与人类给出的平均分高度吻合，如下图所示。
据谷歌介绍，NIMA 的评分可用于比较同一张图片不同版本的质量，这些版本可能经过了各种方式的失真处理；评分还可用于提升图片的感知质量，为亮度、高光和阴影找到“在美学上近乎最佳”的设置。
研究人员表示，NIMA 还可用于实时改善摄影效果，并辅助编辑过程。
言之有据
有意思的是，NIMA 只是谷歌开发的多种具备近似人类能力的机器学习工具之一。
例如，一篇研究论文介绍了这家科技巨头于 1 月发布的一种名为 Tacotron 2 的文本转语音系统。该系统声称能够以近乎人类的准确度，将文本转换为模仿真人说话的音频。
该系统还能处理难以发音的词语和姓名，并根据标点符号调整发音方式。例如，大写单词会被重读，就像人们在强调某个词是句子重要组成部分时所做的那样。
棋坛冠军
与此同时，谷歌 DeepMind 人工智能实验室的研究人员最近开发了 AlphaZero，它在约四小时内吸收了人类所有的国际象棋知识。
AlphaZero 只被输入了国际象棋规则，却已精通这项游戏，甚至能够击败评分最高的国际象棋程序 Stockfish。
国际象棋科学网站 Chessable 的首席执行官 David Kramaley 表示：“它无疑将彻底改变这项运动，但想想它还能如何应用于国际象棋之外。这种算法可以管理城市、大洲乃至宇宙。”
