摘要：绿色直接 “跳反” 成青色（-18），洋红像开了霓虹灯（+18），紫色和青色在打架+13/-15），红色和黄色饱和度直接拉满（+16/+17），像把彩虹糖倒进火山口，色彩爆炸到眼睛快罢工！

绿色直接 “跳反” 成青色（-18），洋红像开了霓虹灯（+18），紫色和青色在打架+13/-15），红色和黄色饱和度直接拉满（+16/+17），像把彩虹糖倒进火山口，色彩爆炸到眼睛快罢工！

这是AI在分析过我提供的校色文件后，对于对应滤镜的评价。当然最初它也很正经，给出的评价是：

绿色、品红色相偏差极大，蓝、青饱和度骤降，红、黄饱和度飙升，可能导致画面出现强烈的黄绿—品红对比。

但在要求它放纵一点后，就成了开篇的样子。

如何让AI识别颜色？

如何提高与AI的沟通效率？

除了吐槽，AI还能提供什么帮助？

什么滤镜会如此偏色？

本文会回答以上问题。

参与实验的部分滤镜和色卡

1

如何让AI识别颜色？

通过拍摄色卡，可以在软件中得到一个对应的校色文件，而这个校色文件是明文文本的，像下面这样：

将其中的校色参数提交给AI，它的反馈如下：

显然它成功地识别了颜色，并给出了建议。

接着我设计了一个计分规则，让它综合计算色相和饱和度这两种校色参数，计算最终的总分。AI不但完成了任务，还主动增加了结论和校正建议。

当然这里的校正建议纯属多余，不过无伤大雅。

2

如何提高与AI的沟通效率？

先是一片滤镜一片滤镜的提交，效率很低，而输入又有字数限制无法提交大量文字。想用附件方式上传长篇文本，结果针对附件无法启用深度思考，导致回答质量下降很多。

后面尝试着换了一个AI平台，没想到问题就解决了。再经过几轮调试，就得到了如下结果：

全文2500多字就不贴了，精华是这个表格。我觉得它输出的内容有些枯燥，就让它生动一些，可以多用比喻，于是就得到了这样的内容。

由于存在明显错误，因此这个内容显然是AI原创的，它杂糅了很多东西，融合得还不错。但是，由于没有常识，这些内容不能较真。

3

除了吐槽，AI还能提供什么帮助？

不得不说这些吐槽还是挺可爱的，比喻很恰当，很好地强调了滤镜偏色的特性。

出现了直接的横向对比，这就是参数打包提供的好处。不过，下面这个更精彩。

AI准确“识别”出了5和6是一枚滤镜的两个状态，偏色吐槽全部是对比，这还是很牛的。

在总结分析中给的建议也更加通俗易懂，当然其中还是有一些莫名其妙的东西，对于当前这种瞎想型AI，这也是没办法的事情。

除了图一个嘴上痛快，AI输出的这些内容有实际价值么？

简单地回答就是这些内容具有很强的参考价值，作为一种辅助分析工具，当前的AI是合格的。需要注意的是，这是建立在锁死输入变量的前提下，如果输入是开放的，比如让AI自己去检索，结果也就完全不可控了。

4

什么滤镜会如此偏色？

答案是：不是一枚滤镜，而是三枚滤镜叠加后的效果。一枚偏振镜叠加两枚ND镜（减光镜），不但彼此的偏色被累加，还互相干扰导致了整体颜色的失控。

这种失控后的颜色是什么样子，真的如AI所说达到色彩灾难的级别么？

大家自己看吧。

评测并不严谨，情况也没有AI形容得那般夸张，甚至还不如很多人刻意制作的效果滤镜，不过大体的趋势没有错误。通过使用AI弥补了很多欠缺的知识，也大大提升了效率，它作为一种信息处理工具是合格的。

既然滤镜的偏色可以评测，那么镜头的色彩玄学AI是否也能捕捉到呢？它的判断又和市场上的传说一致？

能否让AI设计效果滤镜，通过校色文件对图片进行快速地颜色处理呢？

大家如果对相关内容感兴趣，欢迎留言讨论。

来源：笑到飞起