TechRadar得到了观众的支持

TechRadar得到了观众的支持。当您通过我们网站上的链接购买时，我们可能会获得会员佣金。这就是您可以信任我们的原因。人工智能(AI)无处不在。Siri、Alexa和GoogleAssistant已成为数百万用户不可或缺的一部分。特斯拉Autopilot有可能永远改变驾驶。IBM沃森在第一份工作处于危险之中后，接受了一份为企业提供大数据解决方案的新工作。

这些只是最突出的例子。人工智能的有用应用正在广泛的行业中部署，但人工智能也有可能被滥用。

Zenfolio，网站建设者和照片分享网站，最近推出了应用人工智能来协助摄影师的技术(在新标签中打开)从通常在照片会话期间拍摄的数千张照片中选择最佳照片。先进的图像识别技术非常强大，可以让摄影师比他们想象的更有效率。

在探索将AI推广到摄影界的最佳方式时，Zenfolio就企业责任及其义务进行了一些有趣的讨论。

人工智能的概念是几个世纪前由希腊哲学家提出的(在新标签中打开)，关于塔洛斯和潘多拉的神话造成混乱和破坏。

也许这些关于人造生物的警示故事影响了我们今天的思维。虽然古希腊人无疑会对Zenfolio哲学话语的初级性质感到好笑，但该公司的优势在于基于实际实施的讨论，而不仅仅是理论上的思考(而且团队穿着更实用的衣服)。

人工智能以早期希腊人无法想象的方式提高了效率、准确性和生产力。它已经发展到能够进行语言处理、光学识别和人机交互。

然而，围绕负责任的人工智能部署，有积极和消极方面需要考虑。

人工智能在摄影中的积极应用

由于数码相机和最好的照片编辑器，摄影行业正在生成比以往任何时候都多的图像。摄影师需要在从数千张中寻找最佳图像的耗时过程中提高效率和生产力。

AI可以分析大量数据并执行特定功能，在学习过程中变得更快、更准确，通常是在经过人工微调后。

由于每位摄影师都有独特的风格，并依靠他们的创意眼光来描绘他们的作品，因此建立一个模型非常重要，让AI可以协助完成特定定义的任务，同时将最终的创意控制权交给摄影师。

人工智能在摄影中的固有偏见

许多类型的人工智能面临的一个主要挑战是偏见。尤其是在面部识别技术方面。

一些AI模型从训练它们的数据集中继承了偏见，因此可能会加强或加剧社会偏见。这往往是由于模型的训练集中缺乏多样性而发生的。

多样化的数据有助于缓解导致系统偏差的问题，但数据集仍需要过滤以防止错误。

我们已经看到了面部识别技术的几个有争议的用途。今年早些时候，一家总部位于纽约的初创公司被罚款数千万美元(在新标签中打开)欧洲当局从Facebook、LinkedIn和其他网站收集数十亿张面部图像和个人信息。然后，用它来训练面部识别软件，以根据面部扫描识别个人。

该公司通过声明其技术旨在供执法机构用于打击犯罪来证明其行为是正当的。但是，还有其他公司的网站允许任何人上传任何照片来识别主题。

面部识别技术无疑是摄影师及其客户轻松分组和查看特定人物照片的强大工具。例如，它是GooglePhotos应用中最好的功能之一。

但是，企业无需将个人身份信息(PII)与图像相关联以实现这些结果。

对于生成数千张图像的照片会话，许多照片中都出现了一组相似的主题，应用面部识别来查找特定的人不需要应用程序了解该人的任何信息，除了他们独特的面部特征。

一旦人工智能选择了一个人的所有照片，它就可以根据一组按重要性排序的标准对每张图像进行评分，例如最清晰的图像、最快乐的面孔、眼睛是睁着还是闭着。

通过将初始照片集保存在摄影师的计算机上，该技术可以以非常有用的方式应用，而照片中的主体不会面临人工智能模型学习从大量私人图像中更准确地识别它们的风险.

如果摄影师随后通过Zenfolio云存储服务与其客户共享最佳照片的子集，例如，画廊受密码保护，摄影师可以通过高级设置为每个客户的画廊启用或禁用面部识别功能.

赋予专业摄影师以负担得起的高级人工智能访问权限是一项非常新的举措。

PhotoRefine.ai背后的团队在部署解决方案时一直保持谨慎和深思熟虑，甚至可能是哲学上的。

使用尖端技术，利用近二十年的图像和视频保护经验，并与最好的安全技术提供商合作。

情况总是有可能以意想不到的方式发展，但公司采取的方法是尽量确保它不会启用或促成人工智能技术的负面应用。

也许古希腊哲学家会对今天他们的Talos驾驶特斯拉感到惊讶。或者他们担心潘多拉带来的混乱和破坏仅限于音乐行业。如果所有公司都花时间考虑他们的创作对道德和伦理的影响——束腰外衣和凉鞋是可选的——也许我们可以证明这些古老的担忧是没有根据的。

但正如当代哲学家道格拉斯亚当斯所说：“人们在试图设计完全万无一失的东西时常犯的一个错误是低估了完全傻瓜的独创性。”