業界近年發展機械學習、深度學習，但卻因無法解釋模型的推論決定而備受質疑。研究可解釋 AI 是技術突破的方向。中大訊息工程學系助理教授周博磊從研究可解釋 AI ，開發出自動改圖編輯器 SeFa ，更可控制當中的參數，輕易產生大量圖像。
SeFa 採用生成對抗網絡（ Generative Adversarial Networks，GAN ）以非監督方式，由兩個深度學習模式分別負責產生影像和評價，不斷反覆修改而成最終圖像。他指出，只要給數千張同類物件的圖片給訓練模型， SeFa 便通過 GAN 產生相關影像，而且可控制結果，例如大小、顏色、角度、形狀等， 1 秒內產生圖像，過程不需人手標籤。
以貓為例，經過訓練後的 SeFa ，只提供一張貓相，便能隨意修改影像，改變拍攝角度、姿勢等。再以汽車示範，甚至從正面變成背面，生成的影像幾可亂真。
周博磊解釋， SeFa 以可控制 AI 的技術，識別出 GAN 模型的潛在語義，成為圖片編輯的調整參數，自動生成需要的影像。
他在中國上海交通大學取得生物醫學工程學位，前去香港中文大學攻讀資訊工程研究士，之後赴麻省理工獲博士學位，專注研究可解釋 AI 技術。亦因這研究成果，令人工智能模型變得更透明，獲選入 MIT Technology Review 2020 的 35 歲以下亞太區科技創新者。他表示， SeFa 是研究成果所伸延的技術之一。
該演算法的論文已在《 arXiv 》上發表，並將會免費公開。此技術可用於創作漫畫、平面設計、電影，更可給自動駕駛汽車作模擬訓練。周博磊稱，在虛擬訓練自動駕駛的模型，未必有足夠的真實影像數據提供，通過 SeFa 生成，能短時間內產生大量不同的路面影像。他透露，該技術目前還未在商業領域上使用，不過跟大陸幾間互聯網公司示範過，正在洽談進一步合作。