Pixel 3 擁有強大的低光拍照效能，這得益於 Google 為它開發的強大演算法。

不過麻省理工的研究人員，剛剛訓練出了一個“能夠在接近一片漆黑”的情況下、重建照片中暗部細節的人工智慧。

藉助深度神經網路，該技術重建生成的畫面，有望實現超過 1000 倍的對比度。

最初的透明蝕刻（最右），黑暗中拍攝的照片（左上），基於物理的演算法（右上），訓練過的神經網路（左下）。將基於物理的演算法和神經網路結合起來，可以更加清晰準確地重建影象（右下）。

研究團隊為該神經網路提供了超過 10000 張透明玻璃狀的蝕刻影象，它們是在極低光照條件下（每畫素約 1 光子）拍攝的。研究一作 Alexandre Goy 表示：

當我們用肉眼去觀察時，它們看起來都像一塊透明的玻璃。但實際上，其暗藏了非常精細、淺顯的結構，仍會對光產生影響。

在完成了對神經網路的訓練之後，團隊打造了一套全新的模式，它已不再是原始資料集的一部分。在對其進行系統分析後，我們發現深度學習確實可以揭示在黑暗中隱形的物體。

MIT 機械工程系教授 George Barbastathis 指出，若用光照射實驗室中的生物細胞，會將它們燒焦而不會留下任何影像。此外，如果讓患者接受過量的 X 射線，會增加其患癌的機率。

好訊息是，這項技術能夠在保持同等影象質量的前提下，減少光線或 X 射線的曝光。除了醫學成像，它也適用於天文攝影。