成像伦理学：你的月亮是 p 的吗？
最近华为 p30 pro 拍月亮的事情闹得沸沸扬扬，微博、知乎上各种唇枪舌战，好不热闹。我和小伙伴们在一个微信群里来回论战了好几个回合，中间不免有些争执（在此我向误伤的小伙伴们道歉）。而现在回看，我仍然觉得这场讨论非常有价值。有小伙伴戏称，这是「成像伦理学」的开端（小伙伴就是 @李泰宇 ）。那么，我斗胆借用这个词来做一回标题党，记录一下我的一些思考、以及与小伙伴们的辩论吧。
本文写作大纲参考了 @王卓骁 在群里对辩论内容的总结，特此感谢。
任何技术的革命和换代，都是艰难而阵痛的。老技术的拥趸会鄙视，新技术的萌芽尚未获得足够的支撑，两种观点一定会有激烈的交锋。
这样的交锋，历史上曾无数次上演。
在蒸汽机车取代马车的时候，一定有无数的车夫和民众对这个发出巨响的庞然大物感到害怕，一定有无数贬低甚至诋毁蒸汽机车的言论。200 年前的大 V 也许还会说：蒸汽机车啊请等一等你的人民！没有用脚步度量的旅程，是没有心的！
在数码相机取代胶片相机的时候，一定有无数的老摄影师看不起数码相机，色彩暗淡、宽容度就是个笑话，分辨率低成满眼马赛克……缺点多如麻。20 年前的大 V 也许会说：只有 01 的世界是没有灵魂的！
现如今，我们正站在一个新的历史变革的舞台上。在计算机技术急速发展的今天，在数码成像技术已经遍地开花的今天，数字图像处理算法，终于可以发挥真实的威力，全面提升画面质量。摄影，已经开始了新的时代；而算法，是这个新时代中，新生的王。
@玩机小胖 有一篇文章也表达过类似的思想：
玩机小胖：瞧不起算法？它或许才是摄影的未来历史的车轮无法阻挡，再激烈的争辩也无法阻止历史前进的脚步。我们回过头看当年蒸汽机车与马车的争辩，看当年数码与胶片的争辩，大概只会轻轻一笑。
对于技术革命，有人这么形容：就像一列向我们驶来的火车，一开始我们听见火车的鸣笛声，以为这列火车离我们很远，可是下一秒，这列火车就从我们身边呼啸而过，永远不会再回头。在技术革命的浪潮中，我们即使不是坐在车头上的司机，也要在火车经过身边的时候，努力爬上车厢成为乘客。
我先介绍一下，这场技术革命的核心——算法，在这里到底起了什么作用。
戏说不是胡说，算法处理图像也不是靠瞎猜，而是靠算。我这里形象地、不那么严谨地比喻一下。小华养了一个婴儿，希望他长大之后成为最厉害的「月亮美颜师」，于是从小给他看各种各样的月亮的图片：有的是高清拍摄、纹理丰富，于是告诉小婴儿这是好的图；有的是随手一拍，糊成一团，于是告诉小婴儿这是坏的图。小婴儿逐渐成长，他看了成千上万张图，好的图坏的图，他学到了什么是好的月亮，什么是坏的月亮。这个时候有人拿来一张拍糊了的月亮图片给他请他帮忙修一修，他就按照学到的知识，加强一些纹理，锐化一些细节，把糊的月亮修得像好看的月亮的风格一样。
这是不是和人类学摄影很像？老师不停给你看摄影大师的作品，告诉你什么是好照片什么是不好的照片，慢慢你就对好照片有感觉了；老师不停给你看伟大画家的画作，告诉你什么是好的构图和色彩，什么是不好的画作，慢慢你就培养起审美来。
这时候你来到一个公园，走来一位客人请你帮忙拍个照。于是你拿起相机，在按下快门的时候，脑子里回想起伦勃朗的光，于是你请客人调整了角度让阳光斜斜的射过来；你回想起了蒙娜丽莎的微笑，于是请客人勾起嘴角，摆好手臂……终于你按下了快门，拍出了一张非常棒的照片。
你见识过的素材越多，你的老师教育得越高明，你的摄影水平就越高明，你的审美就越独到，你给客人拍的照片就越好看。
算法也是一样，喂给了他越多的训练材料，它就越聪明，对图像的增强效果也就越好。
你拍的照片里，有伦勃朗的光影，有达芬奇的构图，但客人还是客人。你并不是对伦勃朗或者达芬奇的生搬硬套，而是融汇贯通。
算法也是一样，月亮还是你拍的月亮，增强的细节并不是使用素材进行贴图，也是一种融汇贯通——或者，在机器学习领域里，可以叫学到了一些先验知识。
在我和小伙伴的讨论中，我有一个观点，就是先验知识在后期处理中所扮演的角色是什么。举个例子，比如有人觉得，华为 p30 pro 拍的月亮细节多了一点，是「无中生有」，所以是造假；但是对于风光摄影师常见的大光比环境下，包围曝光、后期合成 HDR 照片，却觉得不是造假，认为是真实反映人眼所见。
其实两者本质上是类似的。对于 HDR 图片，因为我们人眼能同时看到高光和阴影的细节，我们先验地觉得 HDR 场景就应该是这样的，于是我们按照先验知识对图片进行了改变，得到一张 HDR 的风景；而对于月亮的细节呢？算法在训练的时候见识了很多月亮的图，它就学会了一个「月亮是长这样的」先验知识，当你给了它一张模糊的图片告诉他是月亮，他就按照先验知识对图片进行了改变，增加一些细节，于是我们看到细节变多了。
所以，月亮的照片不是「无中生有」，而是根据先验知识，对原图进行加工——而这，正是所有人类摄影师在做的事情。只不过，一个是人类头脑中的先验知识，一个是算法模型中的先验知识。
类似的，最近的大新闻：人类终于拍到了黑洞的第一张照片。然而如果你去看科学家们发表的论文，了解了这个照片是怎么出来的来龙去脉，就会发现，这简直比无中生有还要无中生有。如果直接把原始数据画出来，基本就是白茫茫一片，什么都没有。科学家是如何从这一片白茫茫中看出黑洞的模样？还是先验知识，科学家使用了不同的先验知识作为引导，算法从白茫茫中的蛛丝马迹取得信息进行计算，配合先验知识的引导，就得到了黑洞的照片。
即使如此，科学家选用不同的先验知识，取得的照片也是不一样的，在论文中贴出了四组不同的科学家，用四种不同的先验知识来引导不同的算法，得到了四张，在外人眼里看来，「千差万别」的图像：
人类首张黑洞照片正式发布，有哪些重要意义？这四张照片，谁是真的？谁是假的？其实都是真的，都是基于先验知识，对数据进行加工，从一片白茫茫的原始数据中提取、重构、增强了黑洞的细节。只是他们基于的先验知识（以及算法）不一样。
我再举一个例子，我们都知道，相机传感器并不是每一个像素都能完整接受 RGB 三原色的，可是我们得到的照片却是每一个像素都有 RGB 的分量，这是怎么做到的呢？在相机的 ISP 处理流水线上，这一步叫 debayer，有人翻译为去马赛克，也有人喜欢通俗化地叫做猜色。
在每一个像素上，对于缺失的 RGB 分量，就从相邻的其他像素上来计算（比如平均一下，比如线性插值一下）。这也是一种「无中生有」（生出了没有感知到的颜色分量），可是每一个了解 debayer 原理的人都觉得非常理所当然，并没有觉得不妥。包括我与 @刘博洋 的讨论中，博洋兄提到，线性插值是无脑算的典型，debayer 应当视为不依赖先验知识的例子。
真的没有先验吗？其实不是的。
我们之所以承认 debayer 这种「无中生有」是有道理的，是因为我们有一个先验知识：颜色在相邻的像素上是差不多的，不会突然变化，所以我用相邻的像素颜色来计算本像素的颜色，是可以的——这并不是显然成立的，这是我们的先验知识。
在讨论中，有一个问题大家辩论了很长时间：华为把出师表拍出了月亮的细节，是不是说明算法在造假？是不是拿了别的素材贴图的铁证？
我认为根源还是在先验知识，这里 @Nekit CrB 给出了一个绝妙的例子：
这个图，对于「不懂汉字的外国人」、「普通中国人」、「熟知杭州地名的中国人」来看，肯定会有不一样的结果。对于不懂汉字的外国人，甚至普通中国人来说，如果我告诉他上面有两个字「桂乎」，他会不会觉得很有道理？甚至拼命把马赛克的明暗方块跟「桂乎」两个字对应起来：你看这里就是那个短横，那里就是一个短撇，你看我勾勒一下，更明显了是吧？
可惜，这两个字是「临平」——这个时候有人跳出来说，哈哈哈明明是临平你给勾勒出桂乎，你一定是造假，是不是在暗讽某个蓝色狗头网站？——那对于这个做着勾勒工作的人来说是不公平的。
对算法来说，出师表还是月亮，这是无法分辨的（只给那一张拍糊了的图，即使是人也无法分辨）、并且算法的职责也不是分辨是出师表还是月亮。但是用户选了 AI 模式，并且显示了是月亮（当然这是由另一套算法来分辨），那么算法就开始按照月亮来进行处理了：这里有一点暗影，大概是月海，那里有一点小白点，估计是环形山，我给你弄明显一点……都在按照月亮这个先验知识进行修改，可惜，这个先验知识就错了。
就像上面举例的黑洞照片，如果你拿出师表的数据作为输入让四个团队的科学家计算，那也一定会出来一些明暗的斑点、环纹的，因为你预设这是黑洞的数据了。但要因此说科学家造假，那未免太不理智了。
我不禁想起了前两年闹得很火的「绿茶验尿」的新闻。尿检的机器、试剂，都是按照尿液来设计的，你拿绿茶去送检，当然会指标爆炸。
比如「仪器检测的就是【悬浮固体含量】这项指标，你用茶去测，测出的就是「茶叶残渣含量」；你用尿去测，就是「尿酸晶体含量」。如果你预先告诉机器，你测的是尿，但实际拿的是茶（茶里当然没有尿酸晶体，只有残渣），但报告当然会告诉你是：尿酸晶体超标」就像是用茶去验尿，不仅会验出尿酸超标，还会验出葡萄糖超标。茶水里哪来的葡萄糖？机器测的只是还原性物质而已，你告诉它是茶，报告里就会显示「茶多酚含量xx」，你告诉它是尿，他就会显示「葡萄糖含量xx」（这两个很棒的解说来自 @Nekit CrB ）大家觉得华为拍月亮，用算法增强细节是在造假。这引出了又一个很大的问题：摄影的真实性怎么考虑？这个问题太大了，在一篇文章的一个小节中肯定无法展开得详细，只能说一些我思考的碎片。
很多摄影老法师会觉得直出才是真的摄影，你需要的所有效果，就应该在前期全部搞定。拍风光？用渐变灰滤镜压一压控制光比；拍人像？三四个灯+反光板，好好化个妆，光线、氛围都有了。你要说后期 HDR 啊，什么磨皮啊中性灰啊，人家就觉得都是假的。
其实啊，直出的片子，就一定真吗？从前面我举的 debayer 的例子来看，当前几乎所有的数码照片，全都是依照某些先验知识对数据进行修改的结果。如果我们认定对数据修改就是造假的话，那么恐怕没有一张照片是不假的了。
即使是严肃的场合如天文领域，对数字后期也是非常宽容的，天文学家们反而是数字图像处理的急先锋。相信大家看过给哈勃 P 图的新闻也会有所了解。有人会反驳说，这不一样，这些处理手段都是有依据的，是有道理的处理，不是 P 图。
可是啊，深入想一想，本质上还是利用先验知识对原始数据进行修改，这一点并没有任何区别，凭什么天文学家的先验知识就是真的，算法的先验知识就是假的呢？
有小伙伴说可以从结果改变幅度来看，哈勃 P 图没改变原图的纹理，华为的月亮改变了原图的纹理。但是，什么样的改变叫改变了纹理，什么样的就不是呢？这个问题可能只能由人来判断，而无法形成一个客观标准。因为，「有意义的纹理」，这是一个高层的、抽象的、语义层面的信息。也许有人会说可以用神经网络模型来学习高层次的语义信息——这又回到原点了，这次整个大辩论的起源之一，正是有人对算法的不信任。
摄影的真实性边界在哪里？
很难回答了。如果认为一切修改都不行，那只好承认现在几乎所有摄影师都在造假；如果认为某种程度可行，那这个程度的界限在哪里呢？
就像忒修斯之船，换了一个钉子、换了一块木板，大家也许还觉得这船没变，可是到最后整条船每一一个零件都换了一遍，没有一个是出发时候的零件了，那这条船还是原来的船吗？
在这里我无法回答。
技术革命的高速列车是不会停下的，未来一定是算法为王的时代。尽管如此，列车的轨道还是可以有道岔，列车还是可以驶向不同的方向。
当眼见不再为事实，「无图无真相」这句话大概要彻底进入历史的垃圾堆了；在不同场合（比如新闻报道、摄影比赛、艺术创作、科学研究）中图片的创作和使用，也一定会建立更为完善的条款和制度。
在这个全新的时代，我们该走出什么样的路？我不知道细节，但是我自己的行动是明确的：
作为图像算法工程师，我要坐在前排车厢欣赏这全新时代的绝美风景，我要为这辆高速列车增添新的动力，我要招呼更多的人登上这辆列车；
作为摄影师，我引用一下好友 @江文韬 的话：
风光摄影、星野摄影，本来就不是纪实、新闻这种严肃的摄影主题，无论风光也好星野也好，前后期都有一堆增强细节，甚至修改像素来强化主题的技巧。 技术是无罪的，何况这还是大趋势，未来肯定会有越来越多类似的技术出现。 纠结是不是无中生有，还不如把精力搁在摄影本身上，想想咋去拍好一张照片，讲好照片背后的故事深以为然，引以为戒。
也许，未来真的会成立一门「成像伦理学」的学科呢。
至于华为 p30 pro 拍了个假月亮？我才不管，还愣着干嘛，买买买啊~
许多小伙伴在讨论中给出了很有深度的思考，令我受益匪浅，在此一并感谢！（我不知道所有人的知乎账号，先列出我已知的，后面慢慢补充）
@王卓骁 @Nekit CrB @刘博洋 @丘寒 @朱一静 @江文韬 @Steed @李泰宇
各位评论区的杠精要笑死我了，花式冷嘲热讽，还说我拿钱洗地的，就这还得了不少赞。这算哪算洗地呀？你看要是换一家苹果三星小米发布这个，我这篇文章是不是还一样写。把里面举例的时候名字换一家就是了。所以啊，好多人真的是不看完文章的，连我这篇文章在讨论什么都不清楚。我这里统一说一声，这种评论我就一律忽略了。