我们可以从这个竞赛中得到下述推断：
对于图像修复 Image Inpainting 来说，由艺术家进行修复还是最好的选择（图中标注为红色的条块），机器的修复结果往往差强人意（图中标注为蓝色、绿色的条块）。
对于一些特定的图片，机器学习的方法也可以取得不错的效果。但是 “特定” 的特征和范围是什么？在这个竞赛中还缺乏系统性、深入性的分析。所以这种 “特定” 对于实际应用还是缺乏指导作用的。
在这个竞赛中，总体上机器学习的所谓 AI 方法要优于经典的图像处理方法（图中标注为蓝色的条块）。不过对于一些图片库来说，经典方法仍然是有优势的，AI 方法并没有压倒性的优势。
机器学习方法对于输入的掩模形状是有严格要求的，这与它训练 - 测试 - 应用的工作机制是分不开的。但是人类艺术家或经典方法就没有这种问题，可以处理任意形状的掩模，因此可以应用在多种实际场景中。
作者认为：这一领域的未来研究随着可学习数据量增多、GPU 计算能力提高和内存的增长将使得深度学习算法可能会超越传统的竞争对手，并给出与人类艺术家可以媲美的图像修复结果。然而，作者还是强调，鉴于目前的技术水平，对于 Image Inpainting 来说，选择一种经典的图像或视频处理方法可能比仅仅因为它是新鲜事物而盲目地选择一种机器学习方法要好。
2.2 文本生成能力对比（A/B testing OpenAI's GPT-3）
这是一场人类生成文案（Copyright）和由 OpenAI 的 GPT-3 API支持的 VWO 生成的文案之间的竞赛。
竞赛地址：http://vwo.com/ab-testing-openai-gpt-3/
在这场竞赛中，将测试赢咖4生成的标题、按钮或产品描述文案，与现有（或新的）参与网站的人类生成的书面文案进行对比。测试可以在 VWO 或参与者自己使用的任何 A/B 测试平台上进行。在这个竞赛中机器使用的方法就是 GPT-3，而对人类并没有特定限制，可以是任何参与者。
VWO 已经将 OpenAI 的 GPT-3 集成到它的可视化编辑器中，这使得任何人都可以很容易地使用它生成任何语言的文案。这项功能提供给了竞赛网站，为比赛提供了 A/B 测试。所以，小伙伴们都可以到网站上来试试。
目前已经给出的竞赛结果如下图。在 18 份有效参与竞赛中，有 1 项明确人类生成的文案胜过 AI 生成的文案，有 3 项则是判定 AI 获胜，还有 3 项判定是双方平手，其余 11 份则暂无打分（含一项还未最终完成）。
图 4. 文本生成竞赛结果
人类生成文案获胜的案例是 Booking.com 网站的竞赛作品（红色框，生成 button 的文案）。具体的人类生成的文案见图 5，AI 生成的文案如图 6。人类生成的文案 Human Copy 1 赢得了这次比赛。展示出的是模糊的屏幕截图以掩盖酒店的身份。游易德
图5
