新iPhone推出的人像光效功能讓人驚嘆，這都是機器學習的功勞
公眾的印象里，蘋果好像在機器學習上動作很慢。AlphaGo以「阿法狗」的聰明可愛形象迅速躥紅，而反觀蘋果，除了虛擬助手Siri，似乎別無動靜。
事實上，蘋果一直在將機器學習研究成果投入實際應用，去年iPhone7Plus獨占的人像模式就是一個經典運用。而在今年的發布會上，蘋果又推出了一個新的攝像功能「人像光效」，它可以在使用人像模式時生成各種影棚級的打光效果，為你拍出更漂亮的人像照片。
能夠實現「人像光效」模式，除了iPhone8Plus和iPhoneX搭載了更強大的雙攝像頭之外，還要歸功于內置了支持神經網絡引擎的A11仿生處理器，它為機器學習提供了更好的硬件基礎。
人像光效模式詳解
使用
如果你學過攝影，一定會對攝影棚內復雜的布光印象深刻；即使你是個門外漢，也應該見過路邊婚紗攝影所用的反光板。這些工具可以人為改變光線，讓照片呈現攝影師預期的效果。
但是手機只有一組閃光燈，硬件上必然和專業的布光設備不能相提并論。為了獲得相近的人像攝影效果，蘋果用機器學習來彌補硬件不足。但是這一功能并非完全人工創作光線，而更像在原有基礎上為臉部補光，獲得更理想的效果。
目前僅有iPhone8Plus和iPhoneX支持人像光效，并且處于測試階段。使用這一功能的方法有兩種，用戶可以在相機模式下左滑進入Portrait（人像模式），于取景框下半部分直接選擇所需光效，庫卡機器人驅動器維修，效果會實時顯示在取景界面；或者在以人像模式拍攝照片之后，在系統相冊中進入編輯模式選擇不同光效，即可像添加濾鏡一樣方便地為人物面部后期「打光」。
左為拍攝界面，右為編輯界面，KUKA機器人示教器維修，皆可使用人像光效
人像光效支持自然光、攝影室燈光、輪廓光、舞臺光以及單色舞臺光等幾種光效。
就目前官方樣張來看，模擬舞臺光的效果最好，具有倫勃朗光的藝術效果。其他模式效果不明顯，只怪官方樣張向來清晰生動得不可思議，沒能看出對比來。
不過，看見舞臺光效果，我首先想到的應用場景居然是無需專門背景，庫卡機器人，輕松拍證件照。
或許這種場面要變成歷史了
原理
憑借A11仿生芯片和全新圖像信號處理器，人像光效利用面部識別技術和面部深度圖，可以為拍攝對象添加濃重陰影、聚光照明等光影效果，仿佛人工為其打光。
從發布會上的介紹看，人像光效通過「兩步走」來實現軟件打光：
為人物臉部進行3D建模
套用預設光影模板，模擬打光效果
局限
正如其名，人像光效也僅僅用于人像攝影，你不能給在別的場景下自由「打光」。過于雜亂的背景、糟糕的光線，也會讓人像光效打折扣。真正使用的時候，還是得細心采光，不可抱著一切交給機器學習的心態，幻想廢片變大片。
機器學習對攝影的影響
其實早在人像光效之前，機器學習（或說人工智能）就運用在了攝影與后期上。也許我們覺得這些技術太「bug」了，違背了攝影的初衷，把藝術的「記錄」變成了工業化的「生產」。別忘了Photoshop也曾給人「造假」的印象，時間則證明了適當后期是必要的。
人像模式
曾經被iPhone7Plus獨占的人像模式，也是通過機器學習呈現背景虛化效果。兩顆焦距與光圈均不相同的鏡頭，各司其職拍攝下遠處背景與近處人像，再交由處理器，用機器學習算法合并為一張圖像。
想在寸土寸金的智能手機實現背景虛化的人像模式，依靠光學組件不太現實，手機實在塞不下那么大的鏡頭。蘋果采用軟件算法來解決硬件問題，雖然效果并不完美，但不失為保持輕盈纖薄機身下的實用方案。
Prisma
不知是Prisma蹭了人工智能的熱度，還是它為人工智能熱潮推波助瀾，或者二者兼有之。總之，主打將普通圖片打造為大師風格畫作的Prisma，橫空出世之后火的不行。
Prisma的原理是「styletransfer（風格轉換）」算法，經神經網絡學習一張圖片的「風格」，將其用在另一張圖片上。與其說是攝影后期，不如說是Prisma制作出來的圖片是獨特的藝術形式。Prisma暫時還停留于趣味性，但未來神經網絡的運用還是很有看頭的。（Prisma原理論文PDF版）
殺雞亦用牛刀？
從人像模式到人像光效，蘋果花費了較大的成本去實現完善攝影后期。但是許多修圖應用好像也可以達到類似效果，蘋果把機器學習的牛刀用在拍人像上，是不是過于小用？
我更傾向于認為，這是蘋果的有益嘗試。一方面，機器學習尚沒有攻殼機動隊里那么夸張，目前更適合小范圍地運用；而長期來看，機器學習有著廣闊的前景，發展也較為迅猛，硬件支持不佳、傳統算法不適合的情況下，機器學習或許能露兩手。
每年手機攝影都在快速進步，讓我們可以用更簡單的方式拍照、修圖，但這不表示「器材黨」就勝利了。即便Prisma可以模擬出大師風格，藝術家們也不會放棄辛苦創作；即使人像光效在一定程度上可以「制造光」，但攝影依舊是一門用光的藝術。
機器學習可以作為輔助工具，但暫時還不能顛覆攝影乃至藝術的本質。攝影本身就是發展的，或許機器學習以后會和Photoshop一樣成為攝影師的利器。
媒體喜歡炒熱一些概念，把已經過去的2016年稱作VR/AR元年，將今年則夸成人工智能元年這種稱謂有點可笑，幾乎和把細菌尊為祖先一樣，在邏輯上不能說是錯誤的，但未免熱度虛高了。趙賽坡有句話很有意思：
某種意義上，深度學習是只是機器學習的1%，而機器學習則僅僅是人工智能的1%。
的確，隨著新iPhone的發布，機器學習-人工智能又一次點燃了消費市場的熱情，但是企業級人工智能運用的增速仍然相對緩慢。距離更普及的人工智能無論是科幻作品里的，還是硅谷大佬們鼓吹的路還尚遠。
眼下蘋果把機器學習的成果運用在攝影后期這樣的「小地方」，可能是適時的一份答卷。作為消費者，我們不妨多給技術一些時間。
少數派接下來仍會持續報道新iPhone和iOS11的方方面面，歡迎你通過少數派iOSApp及時獲取最新內容。