Boards of Canada的專輯《Music Has The Right To Children》封面上，那張刻意模糊處理的臉，被PicsArt的AI影像放大工具跑過一輪之後，多了一雙原本不存在的眼睛。Engadget作者Manuviraj Godara做的這個實驗，講出了AI放大最容易被忽略的一件事：它不是把糊掉的細節「還原」出來，而是憑統計猜測，畫出一張新的、縮小後會很像原圖的圖片。因為多數人臉都有眼睛，模型就假設這張臉也該有，於是動手補上——即使原圖根本看不到眼睛的痕跡。
這跟傳統放大方法的運作邏輯完全不同。不管是你電腦內建的看圖軟體，還是任何修圖工具，傳統放大的原理都是取周圍像素做平均，差別只在參考幾個像素、給多少權重。換句話說，傳統方法不會讓照片變得更清晰，它只是把既有的資訊攤開來填滿新的畫面大小。
四種傳統放大法，各有各的地雷
Nearest-neighbor放大是唯一不做像素平均的方法，它直接複製最近的像素，保留原本的方塊感，很適合像素風插畫、圖表這類邊緣分明的圖，但用在一般照片或有漸層的畫面上，會出現明顯的鋸齒。
Bilinear放大會取周圍四個像素做平均，不會有方塊感，但容易讓畫面整體變得偏軟，像稍微失焦一樣，比較適合本來就不銳利的照片，不建議用在近拍或需要保留細節的畫面。
Bicubic放大則是參考周圍16個像素、離得越近權重越高，在畫質和運算資源之間取得平衡，比bilinear銳利、又不會像nearest-neighbor那樣出現鋸齒，是多數照片的安全選擇，缺點是可能出現光暈。作者也提到Lanczos這類更進階的演算法，運算量更大，但實際效果跟bicubic差異不大，只有在對bicubic結果不滿意時才值得一試。
AI放大則是反過來，先靠訓練用的大量高解析度圖片學會「什麼細節看起來合理」，再重建一張新圖。這讓老照片的顆粒感、模糊感可以被明顯抹平、畫面看起來更乾淨飽和，但代價是它可能編出原圖沒有的細節——就像那雙被加上去的眼睛。作者的結論很直接：要求精確還原的照片，不要交給AI放大處理。
放大之外，格式也決定你能拿這張圖做什麼
JPEG相容性最高，檔案小，適合存放大量照片，但不支援透明背景，不適合拿來做logo或文字圖。PNG屬於無損格式，支援透明通道，反覆編輯也不會損失畫質，適合logo、插畫、截圖，但用在一般照片上檔案會不必要地大。
如果照片要放上網站，Google從2010年就推出的WebP格式體積只有PNG的四分之一左右，比JPEG小25%到34%，直接影響網頁載入速度。而如果主力裝置是iPhone和Mac，蘋果官方說法是HEIC檔案大小約為標準JPEG的一半、畫質相當，用iPhone的照片App編輯還能保留編輯紀錄，缺點是在Windows上得額外安裝外掛或看圖軟體才能開啟。
