說到人工智能，除了某些很酷的前沿應用外，其實對于這個話題我們經常會想到「假」這件事，用人工智能完成的造假除了一些灰產之外，更成為了一種娛樂方式，其中最有名的可能就是 AI 換臉的了，這種換頭術至今還在 B 站大肆流行著。

相反的，AI 應用在現實中帶來的「真」變化可謂少之又少。不過最近美國麻省理工學院的研究人員發現了一種與「造假」相反的 AI 研究，這種研究反而需要 AI 來點「真」的東西，準確的說是針織的東西。

這項研究讓人有點出人意料，誰能想到機器學習的能力會用在復制針織品身上呢？

首先我們要回答一個問題：為什么不能直接交給 Shima Seiki這樣的自動針織機進行「復制」或「創造」。

關于這件事如果你拿出幾件自己的針織衫看一下可能就知道答案了，在很多的針織品中實際上表面并不是完全平整的，商家為了滿足個性化需求通常會在針織品上再做出不同的針織圖案，而這些圖案的織法和其它地方是不同的，也正是因為了有了這部分「創意」存在，死板的自動針織機就無法完成這項任務了。

為此研究人員中有了一項新的想法，要使用自動針織機需要大量的專業知識為其「編程」，所以他們想出了用一種方便理解的軟件去簡化這個流程，即便是沒有相關經驗的人也能夠上傳自己的作品。

但即便如此這仍然需要大量手動去設置指定圖案的織法，而這就是機器學習有趣的地方，通過神經逆編織網絡，它可以通過算法去學習針織手法。然后將真實的織法與設計圖案相結合，并轉換成自動針織機能夠識別的指令。你可以將這種模式成為「計算編織」。

不過就如包含補充材料的論文中詳細描述的那樣，神經網絡必須計算兩個不同的東西：它必須首先計算所展示的服裝的理想表現形式，然后再計算所涉及的針腳。

首先，神經網絡被送入兩種樣本，即作者從頭開始編織然后拍攝的針織服裝真實照片，然后由他們的軟件合成服裝圖像。合成之后的圖片會比真實世界的照片更簡潔。

為了將設計圖案與真實圖案進行融合，AI 其中起到了很大作用。

然后進行 IMG2PROG，就是將圖案轉換為指令，支持將這種像「混合圖層」之后的合稱圖案導出指令，為了簡化過程，程序開發者定義了 17 條基本針織手法的指令標簽，而合成圖案上會帶有這些標簽，再通過神經網絡與這些標簽進行「交叉熵」優化，最后完成機器統計，再輸入自動針織機，大功告成。

這就是 AI 有趣的地方，它是一個人與機器之間溝通的橋梁，理解人類的自然語言、想法已經創造力，并將其轉換成機器與數字世界的語言。

在未來，很多事你未必懂得具體的實現過程，但只要你有足夠的想象力，AI 就能幫助你將其變成現實。