這次要介紹的文章是SA:MIND五月號中的Designing cameras that work like eyes，這篇文章探討眼睛運做的特性，以及如何將這樣的特性運用在相機成像的機制上。

隨著科技的進步，人們拍下的照片越來越多，以Instagram為例子，每分鐘就有38,000張照片被上傳，沒被上傳的數量不知道是這樣的幾倍。和過去的相機相比較，現在的相機也越來越聰明，拍出來的照片品質也越來越好，但難免會有模糊、曝光出了問題的情形。為什麼相機會出這樣的問題，但是我們的眼睛不會呢？

首先，眼中的感光細胞非常靈敏，而且可以迅速調整可感光的波長範圍。這點就是相機比較沒有辦法做到的，因此當同一個場景有量度差異很大的物體時，就會有辨識上的問題。

再者，眼睛的成像和相機有一個極大的不同：眼球不停的在震動，透過多個影像重新運算出現在所看到的影像，而不像相機一樣是定格一次成像。因為這樣，我們除非眼睛出了狀況，否則不會看到朦朧不清的影像。現在也有一些新的相機成像技術在開發中，例如有技術是計算拍照那段時間內，光能量的改變量，然後推算哪些是在移動、哪些是固定的物體。透過這樣的技術，重新成像，讓影像就不會是模糊不清的了。

眼睛另一個超越像機的功能，就是在物體辨識上面的能力。目前很多設備都支援人臉的辨識，但你知道這是怎麼做的嗎？目前的技術其實還沒有那麼聰明，可以知道知道這是人臉，而是透過是否有一個亮的區域(鼻子)在兩個暗的區域(雙眼)中間；如果有的話，就會認為這是一張臉。同理可證，現在很多的視覺辨識系統，都需要針對那些要辨視的物體做一些定義，然後透過持續的驗證，來歸納出最精準的辨識規則。但人在辨視物體時，其實仰賴相當複雜的運算規則，除了受到刺激誘發的部份之外，也會受到情境、目的的影響。以下圖為例，不同的詮釋方式，就會讓人有時候看到年輕女孩、有時候看到老太太。所以，人的物體辨視能力是非常複雜的，若能模擬人的物體辨識能力，那將會是相當大的進步。

最後，讓我們來思考一下所謂的視網膜呈現這件事情，為什麼一些新的設備都在強調這點呢？其實因為視網膜約有六百萬個感光細胞，若我們將這個和相機的畫素做類比，也就是只要超過六百萬畫素的呈現，都可以說自己是視網膜呈現或甚至是超越視網膜呈現。然而，這樣的比對其實是有問題的，因為感光細胞的運作，並不是像畫素一樣一個畫素對應到外在一塊區域。我們的感光細胞彼此間是會對話的，在訊息處理的不同階段，也會接受來自不同區域訊息的影響。另外，提一個大家可能都有的經驗，就是當我們把數位相片持續放大，就會看到模糊不清的影像，這其實是因為影像過度放大時，那些所看到的東西，都是相鄰的影像平均之後所得到的結果，自然就會是模糊不清的。

最後，隨著Google Glass的問世，越來越多公司在針對視覺辨視做努力，這些其實都是嘗試解析人眼的運作機制，也可說是某種的造人計劃。未來，這些辨視系統的能力肯定會越來越好，完全仰賴機器人來做物體區辨的日子，真的很近。

去訂閱Scientific American: Mind iPAD版