AI 可以告诉你一只眼睛闭上了。它无法告诉你，新娘的笑声恰好像她的母亲。
这种差异包含了关于 AI 照片筛选的全部争论。软件非常擅长在大量照片中搜索可见证据。当证据悄然变成决定权时，筛选就会变得危险——“可能有些模糊”变成“没必要查看”，或者“闭眼”变成“糟糕的照片”。
用 AI 减少搜索。不要把减少搜索误认为完成了判断。
机械层面的工作很有价值
有些筛选工作与审美无关。它包括定位相似照片、找出其中的人脸、测量重要细节周围的清晰度、注意可能的眨眼，并将相关候选照片集中起来。在数千个文件中重复这些检查会消耗注意力，却不值得拥有创作层面的决定权。
辅助工具可以降低这一层工作的成本。摄影师仍然会阅读照片，但不再需要手动发现每一条技术线索。
证据不是裁决
每一种技术信号都有合理的例外。闭眼可能是眨眼、大笑、亲吻、悲伤、专注或祈祷。运动模糊可能是失误，也可能正是照片的全部意义。最清晰的画面可能出现在动作完成之前。一张近似重复的照片，可能包含客户唯一能认出“这就是自己”的表情。
因此，有用的输出应该是“检查这一张”，而不是“这张照片没有价值”。工具要赢得信任，就必须让证据清晰可见，保留周围的连续画面，并让不同意见的处理成本足够低。
主观层面属于拍摄任务的要求
模型可以学习常见偏好，甚至学习你过去选择中的模式。但它仍然不了解完整的拍摄任务。它没有听到客户的要求，不知道脆弱的家庭关系，不清楚哪位赞助商需要被记录，也不明白一张不完美的照片完成了整个连续画面。
- 技术问题：关键人物的脸是否可能清晰？
- 编辑问题：这是故事所需要的那张脸吗？
- 技术问题：这些照片在视觉上是否相似？
- 编辑问题：它们中的两张是否承担不同的作用？
- 技术问题：眼睛是否可能闭上了？
- 编辑问题：这个表情是生动自然，还是意外捕捉到的？
有意识地选择决定权的层级
AI 照片筛选产品处于一个连续光谱上。有些产品标记技术问题；有些产品将候选照片分组并推荐一张优胜者；有些产品会为整组拍摄评分；还有些产品会自动生成一个精简集合。这些方法本身都没有错。恰当的层级取决于漏选的代价，以及你的评比时间有多宝贵。
对于要求宽松的常规大批量拍摄任务，积极的自动化可能是合理的。婚礼、纪实拍摄任务，或包含不可重现瞬间的个人项目，则可能更适合辅助筛选，同时由人检查每一张建议排除的照片。在进度条开始之前，就决定好自动化应拥有多大的决定权。
针对你最担心的错误进行测试
不要只问 AI 筛选工具选出的画廊整体上是否看起来不错，以此评估它。这样会掩盖代价最高的失败。检查它没有选出的照片。
- 使用一次真实拍摄任务，其中包含有意的模糊、闭眼时的情绪、困难的曝光，以及重复出现的瞬间。
- 在看不到自动化结果的情况下，先自行列出候选名单。
- 比较筛选结果、推荐结果与排除项。
- 将漏选单独统计，不要与无害的额外保留项混在一起。
- 在不同题材中重复测试，然后再把一次成功的婚礼拍摄当成普遍结果。
多排除一张照片，付出的是评比时间；漏掉一张无法重现的画面，失去的则是照片本身。
值得信赖的辅助应当是什么感觉
你能看出一张照片为何被呈现出来。你可以检查它的相邻照片。没有任何重要内容会藏在一个分数后面。覆盖决定只需一次操作。系统会继续执行你的决定，而不是要求你永久接受它的审美。
Cullibrate 目前让 AI 保持在可见的评比界面中，例如面部感知检查和基于视觉的工作流程信号。分组、评比、评分以及最终选择，仍然保留在由摄影师主导的工作区中。