AI 百科丨生成对抗网络（GANs）是什么？

Generative Adversarial Networks（GANs，生成对抗网络）是一种深度学习模型，它由两部分组成：

生成器（Generator）和判别器（Discriminator）。它们通过一种“对抗”的方式共同学习。

想象一个制作假币的艺术家和一个侦探。艺术家的目标是用假币骗过侦探，而侦探则试图分辨出真币和假币。这个过程可以这样理解：

1. 生成器（Generator）：就像制作假币的艺术家，生成器的任务是创造出看起来像真的一样的东西，比如图片。它从一堆随机的数字开始，尝试生成看起来像真实图片的图像。

2. 判别器（Discriminator）：就像侦探，判别器的任务是检查一张图片，判断它是真实的还是由生成器制作的假图片。它学会识别真实图片和生成图片之间的差异。

这两个部分不断地进行以下游戏：

- 生成器创造出图片，试图欺骗判别器。

- 判别器尝试识别出哪些图片是真实的，哪些是假的。

随着游戏的进行，生成器变得越来越擅长制作看起来像真实图片的图像，而判别器也变得越来越擅长识别假图片。最终，生成器能够创造出非常逼真的图像，以至于判别器无法区分它们和真实图像之间的差异。

总之，GANs（生成对抗网络）凭借无需监督、高质量生成、创造性等方面的优势，在AI领域的发展情况非常迅速，它们已经成为了深度学习中的一个热门研究方向。

不过它仍然面临一些挑战，自身的比如训练不稳定、模式崩溃（生成的数据缺乏多样性）以及生成器和判别器之间的不平衡。还有外部 Transformer 等模型的快速进化的竞争压力等等。

编辑：阿茶