那么Prisma背后的技术原理是什么呢？如果按照网上的“白话”说法，Prisma将人工智能技术应用到了图片处理中。老土对这种提法相当的不感冒。固然Prisma在图片处理中用到了“卷积神经网络（Convolutional Neural Networks/CNN）”技术，但这种技术与“人工智能”并没有太直接的关系，虽然的确有很多人愿意生硬的将这个具体技术与人工智能关联起来。
不管CNN与人工智能有多少直接关系，这里无法否认的是CNN技术足够复杂，所以如果真的要从技术细节层面上解读Prisma的工作原理还是要扎扎实实读几篇深奥的论文的。
A Neural Algorithm of Artistic Style（https://arxiv.org/pdf/1508.06576.pdf）
Image Style Transfer Using Convolutional Neural Networks（https://www.computer.org/csdl/proceedings/cvpr/2016/8851/00/8851c414-abs.html）
如果觉得上面的论文太硬，可以看看下面这篇比较硬的。
AI修图艺术：Prisma背后的奇妙算法（https://www.leiphone.com/news/201607/DAHZ0RG1kuVi8bNB.html）
如果有人愿意刨根问底，还可以关注一下Prisma相关技术的演进历程（全文较硬）。
Prisma 技术发展的前世今生（http://www.sohu.com/a/141334878_717210）
然而是否可以在极硬的论文级的解答和极软的“人工智能”技术之间找到一个更为易懂的解释呢？这里老土尝试一下。
首先，“神经网络”这东西是在用技术模拟大脑的运作方式（模拟脑神经元的运作）。当外界不断的给脑神经刺激，久而久之，脑神经元就会对相同的刺激作出用户期望的反应。那个著名的巴普洛夫“条件反射”实验就是一个典型案例。摇铃，而后给狗吃的，狗会分泌口水。在一段时间的训练之后，只要摇铃（输入）就会导致流口水（输出），而这个规律是“神经网络”自主发现并学习掌握的。因此，“神经网络”技术非常适合“发现规律”这个应用场景，这种算法被大量应用在识别车牌、人脸识别、动物分类等场景中。
其次，“神经网络”技术被Prisma应用到用户上传的“用户原图”处理之上，用于完成对“用户原图”的“内容（特征）”的提取；“神经网络”技术被Prisma应用到“名画原图”处理之上，用于完成对“名画原图”的“样式（特征）”的提取。
第三步，就是将从“用户原图”中提取的“内容（特征）”与从“名画原图”中提取的“样式（特征）”加以“混合”，从而得出处理后的图片。当然因“内容（特征）”与“样式（特征）”混合比例的不同（内容权重更高，或是样式权重更高），可以调整最终的呈现效果。
最后，因为神经网络的计算复杂度较高，无法在用户的手机端完成处理，所以需要将图片提交到云端进行处理，并在处理后将生成的图片返回。这进一步导致如果用户太多，服务器端可能来不及处理。
[未完待续]
在简单解释了Prisma的工作原理后，老土更想从Prisma的原理讲开去，谈谈“技术与市场”的关系，谈谈“此技术与彼技术”的关系...明天再说了！
