目前，AI技术已经可以实现图片的超分辨率，即通过算法将低分辨率的图片转换为高清图片。以下是一些常见的AI让图片高清的方法：

1、基于深度学习的超分辨率算法：这类算法通过训练深度神经网络来学习低分辨率图像与高分辨率图像之间的映射关系。常见的模型包括SRCNN、ESPCN、VDSR等。这些模型通过学习大量图像数据，可以有效地将低分辨率图像转换为高分辨率图像。

2、GAN（生成对抗网络）：GAN是一种生成模型，它由两个神经网络组成：生成器和判别器。生成器负责将低分辨率图像转换为高分辨率图像，而判别器则负责区分生成的图像是真实的还是虚假的。通过对抗性训练，生成器可以生成越来越逼真的高分辨率图像。

3、ESRGAN（增强型超分辨率生成对抗网络）：ESRGAN是基于GAN的一种改进算法，它在生成高分辨率图像时考虑了感知质量和细节信息的保留。实验表明，ESRGAN在生成高清图像方面取得了很好的效果。

4、深度学习图像增强：除了上述方法外，还有一些其他深度学习技术也可以用于图像增强，例如去噪、去模糊等。这些技术也可以用来提高图像的清晰度。

要使用AI让图片高清，通常需要以下步骤：

收集数据集：收集大量的低分辨率和高分辨率图像对作为训练数据。
选择算法：根据需求选择合适的超分辨率算法。
训练模型：使用收集的数据集训练模型。
测试和评估：在测试集上评估模型的性能。
应用模型：使用训练好的模型将低分辨率图像转换为高分辨率图像。

目前，已经有许多预训练的模型和开源工具包可供使用，例如ESRGAN、SRResNet等，用户可以直接使用这些模型来提高图片的清晰度。

例如，使用Python的`esrgan`库可以实现简单的图片高清化：

python
from PIL import Image
from esrgan import ESRGAN

加载模型
model = ESRGAN(scale=4)

加载低分辨率图像
lr_image = Image.open('low_resolution_image.jpg')

使用模型将图像转换为高清
sr_image = model.enhance(lr_image)

保存高清图像
sr_image.save('high_resolution_image.jpg')

请注意，这只是一个简单的示例，实际使用时可能需要根据具体需求调整参数和模型。