在看某些富有教育意義的影片時，經常會在某個不方便告知的部分加上了馬賽克。Google身為科技巨頭，當然不能讓這種事情發生，最近 Google Brain 就發表了全新的技術，能夠將 8*8 毫米網格的像素馬賽克轉換成肉眼可辨識的人臉圖像。
那麼，是怎麼增加這些原始圖片中完全沒有的細節呢？馬賽克圖片的眼睛只是兩個色塊，Google怎麼知道要辨識為笑臉的眼睛，或是瞪大的眼睛呢？其中的技術關鍵，就是透過深度學習，來模擬出人類「幻想」出來的細節，並用圖片來呈現。實際的操作方式，就是透過其他圖片的結果來針對這張馬賽克進行預測。
以面是復原的案例之一：
最右邊的圖是原始圖片、最左邊的圖是壓縮成8*8馬賽克的圖片。而中間，就是Google Brain根據馬賽克鎖推測出來的效果，所以各位可以與右邊的原圖相比，就可以看出預測的成效，已經相當令人印象深刻。
右手邊的圖片，是32 x 32 網格的真實人物頭像。左手邊的圖片，是已經壓縮到8 x 8 網格的相同頭像，而中間的照片，是GoogleBrain 基於低分辨率樣片猜測的原圖。
原理相當複雜，但簡單來說，Google Brain的復原過程結合了兩種神經網路技術，第一個是調節網路，可以把啲解析度的照片和資料庫中高解析度的照片進行對比，做法是先快速的壓縮資料庫裡的高解析度照片，並根據像素顏色與馬賽克照片對比；接著利用優先網路，預測哪些細節可以做為復原照片的特徵。假設根據調節網路計算出來的照片結果有名人以及臥室兩種可能，優先網路會根據優先級先確認是名人的照片。
下面也是一些通過超像素技術變化的樣本：
儘管技術是純淨的，全世界想必也有不少人對此懷抱著感恩之心，但這可能會有非常可怕的應用。就像是波士頓馬拉松爆炸案一樣，不難聯想到一些執法部門會濫用該軟件來抓取嫌疑犯。更為重要的是，人工智能的多次嘗試已經被證明存在種族主義，因為往往會參雜人類的偏見。分析型人工智能和圖像技術的結合，在未來必然會經歷一段漫長的調試過程。