我哥哥在这张照片中八岁。他跪在我们南本德的前院，1976年夏末，眯着眼睛看向阳光。他的牛仔裤膝盖上有浅棕色的补丁。他的浅褐色背心领口和手臂周围有褐色的装饰。我之所以知道这些是因为我在场，50年后我竟然仍然记得。我在实验AI对一些黑白扫描图像进行上色，想知道这项技术到底能做什么。我告诉它我记得的颜色。雪松木瓦是暗绿色的。山墙是白色的。他的牛仔裤是蓝色的，带有那些浅棕色的补丁。ChatGPT对此接受得很快。房子的绿色虽然不完全正确，但很接近。背景中有一辆我模糊记得的邻居的车——ChatGPT将其上色为淡蓝色，效果也不错。然后我看着我哥哥的脸。ChatGPT给了他眉毛——但画错了。这已经不是我哥哥了。那是一个冒名顶替者。在黑白扫描中你看不到他的眉毛。我用一台简单的相机拍摄了那个胶卷，使用了药房胶卷，并用亚马逊上可以买到的“数字化仪”将其数字化，价格一百美元。也许只是没有从负片中提取出所有信息。然后我想起我也使用Epson V300平板扫描仪和SilverFast扫描过同一个负片，这是一种更好的设置。它带出了更多的细节和更丰富的色调。然而，即使如此，这也没有揭示我哥哥的眉毛。眉毛根本不在那张负片上。AI没有办法知道这一点。它看到了一个缺失信息的脸，并填补了这个空白。我还让ChatGPT为我很久以前拍的一张照片着色，这张照片是1920年代早期在伊利诺伊州东中部修建US 40的路工。那是一个大约三英寸长的小照片。我使用的佳能CanoScan 9000F扫描仪非常强大，但对这种照片能解析的信息有限。这次我有一个秘密武器——我有这些砖头在2007年作为废弃道路的照片。我与ChatGPT分享了这些照片，并请它以这些照片作为参考进行上色。对于砖头，ChatGPT表现得很好（但公平地说，即便如此，它也需要猜测哪些砖是哪个颜色）。砖下的沥青变黑了。ChatGPT猜测东伊利诺伊州的草是绿色的，而土壤是棕色的，这种推测也不是不合理。工人的服装呈现出褪色的蓝色、灰色和浅棕色，在某种程度上与我看过的现代电影中的那个时代相符合。但没有办法知道他们当天的衣服是什么颜色。然后我注意到了标志。ChatGPT试图将其解析为信息。“美国自由贷款”，现在它是这样说的。但当我查看原始扫描时，中间一行更像是“洛克比”，上面和下面的行根本无法辨认。这时我开始不太考虑颜色而更多地考虑信息。在处理这些图像时，我不断将我所拥有的分成三堆。一些信息幸存下来，是已知的，能够被描述——砖头还在那儿，我能在上面走动并拍照。一些信息可以合理推断——1920年代的工作服颜色范围有限；一辆1970年代的汽车可以合理地是淡蓝色，而合理的猜测就是合理的猜测。一些信息则简单丢失，或从未存在过，而这正是AI做出通常无法跟踪的选择的地方。我哥哥的眉毛和那个标志上的字母就属于最后一类——至少是根据可用的源材料。如果路工的负片在某处幸存，也许可以进行鼓式扫描，以提取出每一个像素的可用信息，也许这样那个标志就会变得清晰可读。也许吧。我确信，对我哥哥的负片进行鼓式扫描并不会神奇地让他的眉毛出现，鉴于拍摄这张照片的镜头和胶卷的非常真实的局限性。我回去明确告诉ChatGPT不要解析文件中不存在的细节。它仍然这样做了，不过程度要小得多。它移除了山墙上的木板，锐化了许多细节。但我哥哥的脸好多了。你可以感觉到眉毛，即使没有看到它们。这个脸的追踪是准确的。我没有意识到我需要告诉AI不要发明眉毛，直到我看到它发明了眉毛。从这点开始，我开始学习这项技术的工作原理：空白是需要解决的问题，而AI的默认设置是解决它们。除非你告诉它，否则AI不会放过它们，即便如此，它有时也无法自我控制。在我克服了恼怒之后，我意识到没有人能在暗室里走进去，就在第一张纸上制作出完美的打印。你制作了一张打印，认真观察它，并注意到让你感到困扰的地方。再打印一次，增加或减少光线。烧天空。遮住脸。再试一次。迭代就是整个过程，而不是绕过它。我在这里写了关于这一点的文章。在我母亲去世后，一些手工上色的家庭照片也...