簡(jiǎn)介：簡(jiǎn)而言之，機(jī)器學(xué)**是一種使人工智能成為可能的技術(shù)，深度學(xué)**是一種使機(jī)器學(xué)**成為可能的技術(shù)，而本文的主角生成對(duì)抗網(wǎng)絡(luò)是深度學(xué)**中的一個(gè)分類。

作者：施丹青來(lái)源：華章科技這些關(guān)系在圖1-11中清晰可見。

圖1-11 人工智能、機(jī)器學(xué)**、深度學(xué)**和生成對(duì)抗網(wǎng)絡(luò)之間的關(guān)系

01 從機(jī)器識(shí)別到機(jī)器創(chuàng)造機(jī)器學(xué)**和深度學(xué)**近年來(lái)取得了長(zhǎng)足的進(jìn)步。尤其是隨著深度學(xué)**的發(fā)展，計(jì)算機(jī)已經(jīng)獲得了極其強(qiáng)大的認(rèn)知能力。計(jì)算機(jī)可以識(shí)別物體、識(shí)別內(nèi)容，甚至理解任何事物。人們說(shuō)。在從機(jī)器學(xué)**到深度學(xué)**的發(fā)展過(guò)程中，機(jī)器不斷模仿人類思維，目的是像人類一樣思考，但僅僅擁有識(shí)別能力似乎還不夠。由于其創(chuàng)造力，我們希望計(jì)算機(jī)能夠自己創(chuàng)作藝術(shù)作品，例如寫詩(shī)、作曲、繪畫。越來(lái)越多的研究人員正在將研究方向從機(jī)器感知轉(zhuǎn)向機(jī)器創(chuàng)造，希望通過(guò)生成技術(shù)讓計(jì)算機(jī)擁有生成新事物的能力。馬蘇。在生成技術(shù)的研究中，本文的主角——生成對(duì)抗網(wǎng)絡(luò)順應(yīng)時(shí)代的需求而出現(xiàn)，打破了人們對(duì)傳統(tǒng)生成模型的認(rèn)識(shí)，取得了非常令人滿意的結(jié)果。要理解生成對(duì)抗網(wǎng)絡(luò)，首先需要了解“生成對(duì)抗網(wǎng)絡(luò)之父”Ian Goodfellow（見圖1-17，以下簡(jiǎn)稱Ian）。

圖1-17 GAN發(fā)明者：Ian Goodfellow

Ian 在斯坦福大學(xué)本科和研究生學(xué)**計(jì)算機(jī)科學(xué)，在蒙特利爾大學(xué)攻讀機(jī)器學(xué)**博士學(xué)位，師從頂級(jí)深度學(xué)**大師Yoshua Benjo（業(yè)界稱他為“三駕馬車”之一）。 ）。生成對(duì)抗網(wǎng)絡(luò)是伊恩在蒙特利爾大學(xué)攻讀博士學(xué)位時(shí)提出的一個(gè)想法。畢業(yè)后，Ian 在Google 和OpenAI 進(jìn)行深度學(xué)**相關(guān)研究，期間為GAN 的持續(xù)發(fā)展做出了重大貢獻(xiàn)。伊恩出于偶然的靈感發(fā)明了生成對(duì)抗網(wǎng)絡(luò)。當(dāng)時(shí)，他正在蒙特利爾大學(xué)與其他博士生一起研究生成模型。他們希望利用這種生成模型讓計(jì)算機(jī)自動(dòng)生成照片。他們當(dāng)時(shí)的想法是利用傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)技術(shù)來(lái)模擬人腦的思維方式來(lái)生成圖像。然而，生成的圖像質(zhì)量遠(yuǎn)不理想，并且當(dāng)前模型的持續(xù)優(yōu)化需要非常大的訓(xùn)練數(shù)據(jù)集，最終的可行性尚不清楚。當(dāng)時(shí)，Ian 對(duì)傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的使用提出了質(zhì)疑，并認(rèn)為這可能不是最理想的解決方案。一天晚上，他突然有了一個(gè)新想法。如果他同時(shí)使用兩個(gè)神經(jīng)網(wǎng)絡(luò)而不是一個(gè)，是否能得到更好的結(jié)果呢？這個(gè)想法給了他一種新的思維方式。在Ian的概念中，兩個(gè)神經(jīng)網(wǎng)絡(luò)處于博弈和沖突而非合作關(guān)系（見圖1-18）。這是原始的生成對(duì)抗網(wǎng)絡(luò)。

圖1-18 《麻省理工科技評(píng)論》 2018年十大技術(shù)進(jìn)步照片

與人類成長(zhǎng)經(jīng)歷類似，某些技能只有在與相似的人競(jìng)爭(zhēng)的環(huán)境中才可能學(xué)得更快；例如，在各種比賽中，尤其是體育比賽中，成績(jī)總是接近頂尖。雖然有局限性，但很大一部分原因是玩家之間的競(jìng)爭(zhēng)和對(duì)抗。從仿生學(xué)的角度來(lái)看，生物體的發(fā)育過(guò)程中其實(shí)也存在著類似的狀態(tài)，通過(guò)與其他物種尤其是天敵的對(duì)抗而不斷進(jìn)化，向更完整的狀態(tài)轉(zhuǎn)變。這一理論是由進(jìn)化生物學(xué)家Lee Van Valen于1973年總結(jié)并提出的。這被稱為“紅皇后假說(shuō)”。這是關(guān)于生物共同進(jìn)化的假說(shuō)。為了爭(zhēng)奪有限的資源，物種必須不斷優(yōu)化自身。與掠食者和其他競(jìng)爭(zhēng)對(duì)手戰(zhàn)斗。該物種的捕食者和競(jìng)爭(zhēng)者也必須不斷進(jìn)化以獲得相應(yīng)的資源。 Ian 是一位非常大膽的實(shí)干家和編碼高手。當(dāng)基本理論大致清晰后，他立即開始付諸實(shí)踐。在最初的幾次實(shí)踐中，這種相互矛盾的想法反映在實(shí)驗(yàn)數(shù)據(jù)的圖像中。取得了很好的成果。生產(chǎn)。生成對(duì)抗網(wǎng)絡(luò)是一項(xiàng)全新的技術(shù)，為人工智能領(lǐng)域的生成方向帶來(lái)了新的突破。在接下來(lái)的幾年里，生成對(duì)抗網(wǎng)絡(luò)成為深度學(xué)**領(lǐng)域的研究熱點(diǎn)。近年來(lái)，與GAN 相關(guān)的論文數(shù)量也迅速增加（見圖1-19）�；ヂ�(lián)網(wǎng)上有人正在構(gòu)建一個(gè)GAN 模型。截至2018年2月，企業(yè)數(shù)量超過(guò)350家，并且數(shù)量還在持續(xù)增加。

圖1-19 GAN論文數(shù)量趨勢(shì)圖

深度學(xué)**三駕馬車的另一位頂級(jí)專家Yann LeCun（紐約大學(xué)教授、Facebook 前首席人工智能科學(xué)家）稱生成對(duì)抗網(wǎng)絡(luò)是“過(guò)去20 年來(lái)深度學(xué)**領(lǐng)域最重要的事情�！庇惺芬詠�(lái)最酷的想法。”中國(guó)知名公司百度前首席科學(xué)家吳恩達(dá)也認(rèn)為生成對(duì)抗網(wǎng)絡(luò)是“深度學(xué)**領(lǐng)域非常重要的進(jìn)步”。在頂級(jí)機(jī)器學(xué)**會(huì)議NIPS2016 上，Ian 發(fā)表了關(guān)于GAN 的特別主題演講（見圖1-20）。

圖1-20 Ian先生在NIPS2016大會(huì)上的分享

這種對(duì)抗性神經(jīng)網(wǎng)絡(luò)思想被《麻省理工科技評(píng)論》 評(píng)為2018 年全球十大突破性技術(shù)（10Breakthrough Technologies）之一。 2018年10月，法國(guó)藝術(shù)制作團(tuán)隊(duì)Obvious使用GAN算法生成的一幅畫作以43萬(wàn)美元的高價(jià)被拍賣，甚至超過(guò)了同場(chǎng)拍賣的畢加索作品，其作品的受歡迎程度也迅速增長(zhǎng)。 GAN 在公眾中的影響力。 https://deephunt.in/the-gan-zoo-79597dc8c347

02 什么是生成對(duì)抗網(wǎng)絡(luò)？首先我們通過(guò)一個(gè)小例子來(lái)了解生成對(duì)抗網(wǎng)絡(luò)。首先，讓我們了解生成對(duì)抗網(wǎng)絡(luò)的兩個(gè)部分：—— 生成器和鑒別器。訓(xùn)練過(guò)程中兩者的配合非常重要。生成器可以比作古董造假者（雖然這個(gè)比喻可能不太恰當(dāng)），他們的成長(zhǎng)過(guò)程就是從零基礎(chǔ)的“初學(xué)者”到“山寨藝術(shù)家”。鑒定師扮演古董鑒定師的角色，一開始只是普通級(jí)別的“鑒定師”，但隨著與假冒廠商的博弈，逐漸成長(zhǎng)為技藝精湛的鑒定師。如圖1-21所示，下面我們將以假冒產(chǎn)品的生產(chǎn)和識(shí)別為例來(lái)解釋生成對(duì)抗網(wǎng)絡(luò)的工作原理。我們先來(lái)看第一種情況。造假者都是缺乏經(jīng)驗(yàn)的“初學(xué)者”，他們不了解真品古董的本質(zhì)，完全按照自己的想法創(chuàng)造產(chǎn)品。

圖1-21 生成對(duì)抗網(wǎng)絡(luò)：創(chuàng)建者和鑒別器

如果仿制品簡(jiǎn)單易辨，即使是技術(shù)不熟練的初級(jí)鑒定師也能一眼辨別出真假。鑒定完成后，評(píng)估員將撰寫一份報(bào)告，其中包含任何發(fā)現(xiàn)的結(jié)果，例如光潔度不佳或顏色變化。第一次對(duì)決就這樣結(jié)束了，看起來(lái)我們離預(yù)期的目標(biāo)還很遠(yuǎn)，不過(guò)沒(méi)關(guān)系，這只是一個(gè)開始。在第二階段，造假者通過(guò)某種途徑獲得鑒定人的證書，仔細(xì)檢查其中包含的所有信息，并利用該信息重新制造偽造品。他希望改進(jìn)后的假貨能夠愚弄鑒別者。這次造出來(lái)的贗品，肯定比之前的要成熟很多。作為鑒定師，如果你再次收到贗品和真品，你就必須重新評(píng)估該件作品的真?zhèn)�。這一次，我們還了解到，造假者的技術(shù)有所提高，需要他花更多的時(shí)間尋找更深層次的差異，以辨別真品和贗品。當(dāng)然，鑒定師費(fèi)了九牛二虎之力，順利完成了工作，并且和第一次一樣，寫了一份報(bào)告，總結(jié)了鑒定真?zhèn)蔚睦碛桑ㄟ@些信息后來(lái)會(huì)泄露給造假工人）。第二次交鋒到此結(jié)束。當(dāng)然，這場(chǎng)對(duì)抗并沒(méi)有結(jié)束，而且，就像上面的故事一樣，一次又一次地持續(xù)著……兩個(gè)人經(jīng)歷了N場(chǎng)比賽，在訓(xùn)練的過(guò)程中變得非常強(qiáng)大，其中還有很多模仿者的作品。真假難辨，鑒定師早已成為“目光敏銳”的專家。最終的博弈如下：偽造者完全了解鑒定者的心理。雖然他從未見過(guò)真正的古董是什么樣子，但他已經(jīng)熟悉了古董的特征以及可能的鑒定過(guò)程。大家都明白。就在他們心里。鑒賞家對(duì)此類贗品“眼尖”，但已無(wú)能為力，只能憑運(yùn)氣猜測(cè)真假，無(wú)法根據(jù)明確的理由做出判斷。這就是生成對(duì)抗網(wǎng)絡(luò)的最終目的，我們所要做的就是培養(yǎng)這個(gè)能夠鍛造真實(shí)事物的生成器。

作者簡(jiǎn)介：石丹青，御翼科技聯(lián)合創(chuàng)始人、技術(shù)總監(jiān)，畢業(yè)于同濟(jì)大學(xué)電子信息工程系。擁有多年AI領(lǐng)域創(chuàng)業(yè)和實(shí)踐經(jīng)驗(yàn)，擁有深度學(xué)**、自然語(yǔ)言處理、數(shù)據(jù)可視化等相關(guān)知識(shí)和技能。他熱愛(ài)AI技術(shù)，擁抱一切新興技術(shù)，始終相信技術(shù)共享的力量和開源精神。

本文摘自《生成對(duì)抗網(wǎng)絡(luò)入門指南》（第2版），經(jīng)出版商許可發(fā)布。

詳情請(qǐng)點(diǎn)擊這里《生成對(duì)抗網(wǎng)絡(luò)入門指南》（第二版）

推薦詞：探索AI如何生成逼真的面部圖像并追蹤GAN前沿技術(shù)的最新更新。