Boards of Canada的专辑《Music Has The Right To Children》封面上，那张刻意模糊处理的脸，被PicsArt的AI图像放大工具跑过一轮之后，多了一双原本不存在的眼睛。Engadget作者Manuviraj Godara做的这个实验，讲出了AI放大最容易被忽略的一件事：它不是把糊掉的细节「还原」出来，而是凭统计猜测，画出一张新的、缩小后会很像原图的图片。因为多数人脸都有眼睛，模型就假设这张脸也该有，于是动手补上——即使原图根本看不到眼睛的痕迹。
这跟传统放大方法的运作逻辑完全不同。不管是你电脑内置的看图软件，还是任何修图工具，传统放大的原理都是取周围像素做平均，差别只在参考几个像素、给多少权重。换句话说，传统方法不会让照片变得更清晰，它只是把既有的信息摊开来填满新的画面大小。
四种传统放大法，各有各的地雷
Nearest-neighbor放大是唯一不做像素平均的方法，它直接拷贝最近的像素，保留原本的方块感，很适合像素风插画、图表这类边缘分明的图，但用在一般照片或有渐层的画面上，会出现明显的锯齿。
Bilinear放大会取周围四个像素做平均，不会有方块感，但容易让画面整体变得偏软，像稍微失焦一样，比较适合本来就不锐利的照片，不建议用在近拍或需要保留细节的画面。
Bicubic放大则是参考周围16个像素、离得越近权重越高，在画质和运算资源之间取得平衡，比bilinear锐利、又不会像nearest-neighbor那样出现锯齿，是多数照片的安全选择，缺点是可能出现光晕。作者也提到Lanczos这类更高级的算法，运算量更大，但实际效果跟bicubic差异不大，只有在对bicubic结果不满意时才值得一试。
AI放大则是反过来，先靠训练用的大量高分辨率图片学会「什么细节看起来合理」，再重建一张新图。这让老照片的颗粒感、模糊感可以被明显抹平、画面看起来更干净饱和，但代价是它可能编出原图没有的细节——就像那双被加上去的眼睛。作者的结论很直接：要求精确还原的照片，不要交给AI放大处理。
放大之外，格式也决定你能拿这张图做什么
JPEG兼容性最高，文件小，适合存放大量照片，但不支持透明背景，不适合拿来做logo或文字图。PNG属于无损格式，支持透明通道，反复编辑也不会损失画质，适合logo、插画、截屏，但用在一般照片上文件会不必要地大。
如果照片要放上网站，Google从2010年就推出的WebP格式体积只有PNG的四分之一左右，比JPEG小25%到34%，直接影响网页加载速度。而如果主力设备是iPhone和Mac，苹果官方说法是HEIC文件大小约为标准JPEG的一半、画质相当，用iPhone的照片App编辑还能保留编辑纪录，缺点是在Windows上得额外安装插件或看图软件才能打开。
