深入浅出讲解21世纪最强大的深度学习算法之一：GAN

在人工智能的深度学习中，算法是核心。GAN（生成对抗网络），作为一个神奇的也是最强大的深度学习算法之一，其发明的过程非常有意思，而效果却是想象不到的有效。本文深入浅出为您讲解GAN。

是谁发明了GAN？效果如何？

2014年的一个晚上，伊恩-古德费洛与几个朋友出去庆祝，当时他们要求他协助完成一个项目，即计算机可以自行生成图像。

他在思考了一段时间后发明了一个想法。如果将两个神经网络对立起来会怎样？他的同伴们很怀疑，所以他决定回家后试一试。古德费罗几个小时，然后测试了他的软件。从第一次尝试就获得了成功。
那天晚上，他构建了现在被称为GAN的东西，即 "生成对抗网络"。该算法在深度学习领域引起了极大的兴趣，因为这个算法，伊恩已经成为一个人工智能的超级明星。

介绍

GAN 或生成对抗网络是一种基于深度学习的生成建模方法。

生成式建模是一项无监督的机器学习任务，需要自动检测和学习传入数据中的模式，以便该模型可用于生成与原始数据无法区分的新假副本。

你肯定已经知道 GAN 的应用，因为它们在年轻人中很受欢迎。

示例 1

生成新数据： GAN 能够在没有足够的数据开始时生成新数据。“这个人不存在”是一个网站，它生成的人脸是假的，但你感觉不到，因为它们太逼真了。

示例 2

通过实时绘画生成图像： NVIDIA Canvas 是一个绘画程序，它使用人工智能从简单的笔触创建风景图像。

示例 3

将现实生活中的图像转换为艺术：使用 GAN，您可以教您的计算机将您选择的照片转换为狗、涂鸦、辛普森，反之亦然！

GAN如何工作？

GAN 由卷积神经网络 (CNN)组成。它是人工智能的一个分支，是一种用于图像识别和处理的人工神经网络，专门用于处理像素数据。

GAN 算法由 2 个相互竞争的神经网络组成：一个生成器和一个鉴别器。GAN 的工作是一个涉及造假者和调查员的游戏，他们在其中相互竞争（这由 GAN 中的 A 描述，它代表对抗性，意思是反对）。造假者是我们的制造者，调查者是我们的鉴别者。

鉴别器的工作是识别给定的数据是真实的还是人造的。因此，它只是一个二进制分类器，输出 1 为真，0 为假。

生成器的工作要困难得多。它使用随机向量并尝试重新生成看起来像输入（真实）数据的数据。

这是一场零和游戏，这意味着总是有赢家，也总是有输家。生成器制作一个伪造的副本来欺骗鉴别器。如果鉴别器无法区分生成器的真实输入和虚假输入，则生成器获胜并且不会对其算法进行任何更改。而自从鉴别器丢失后，它会自行更改其算法。这就是为什么这个 GAN 被称为无监督机器学习任务的原因。

显然，生成器算法更难训练，因为它需要处理数千个像素，而鉴别器只需给出输出是真还是假的最终判断。

更多人工智能与深度学习方面的算法可以关注我们或者联系作者（微信同名）。