AI英雄 | GAN之父：让机器拥有天赋 我还在对付利用AI作恶的人

▼

点击上方蓝字 关注网易智能

为你解读AI领域大公司大事件，新观点新应用

本期嘉宾为伊恩·古德费洛（Ian Goodfellow），他因提出了生成对抗网络而闻名，他被誉为“GAN之父”，甚至被誉为人工智能领域的顶级专家。

资料显示，古德费洛等人于2014年10月在Generative Adversarial Networks中提出了一个通过对抗过程估计生成模型的新框架，框架中同时训练两个模型：捕获数据分布的生成模型G，和估计样本来自训练数据的概率的判别模型D。G的训练程序是将D错误的概率最大化，这个框架对应一个最大值集下限的双方对抗游戏。可以证明在任意函数G和D的空间中，存在唯一的解决方案，使得G重现训练数据分布，而D=0.5。在G和D由多层感知器定义的情况下，整个系统可以用反向传播进行训练。在训练或生成样本期间，不需要任何马尔科夫链或展开的近似推理网络，实验通过对生成的样品的定性和定量评估证明了本框架的潜力。

通过让神经网络互相攻击，伊恩·古德费洛（Ian Goodfellow）创造出强大的人工智能（AI）工具，赋予机器以想象的能力，现在，他和我们其他人必须面对这种工具带来的后果。

2014年的的某个晚上，古德费洛和一名刚刚毕业的博士生共同喝酒庆祝。在的蒙特利尔颇受欢迎的酒吧Les 3 Brasseurs，许多朋友请求他的帮助，因为他们正在开发一个棘手的项目，即可以自己创作图片的电脑。

生成对抗网络的诞生

这些研究人员已经在使用神经网络，即模仿人脑神经网络建立的松散模型算法，作为“生成”模型来创建自己的新数据。但结果往往并不如人意：电脑生成的人脸图像往往是模糊的，或者出现像丢失耳朵这样的错误。

古德费洛的朋友们提出的计划，是对构成照片的元素进行复杂的统计分析，以帮助机器自己创作图像。这就需要大量的数字运算，而古德费洛告诉他们，这根本行不通。

但当他边喝啤酒边思考这个问题时，突然想出了一个主意。如果让两个神经网络对抗会产生什么样的结果？朋友们都对此持怀疑态度，所以当他回到家，女朋友已经睡熟后，他决定试一试。古德费洛在最初的几个小时里进行编码，然后测试了他的软件，没想到第一次就取得了成功。

古德费洛在那个夜晚开发出的技术现在被称为“生成对抗网络”（GAN）。这一技术已经在机器学习领域引发了巨大的兴奋，并将其开发者变成了AI领域的名人。

在过去的几年里，AI研究人员使用一种叫做深度学习的技术取得了令人印象深刻的进展。提供足够图像给深度学习系统，它会从中学习，比如识别一个即将穿越马路的行人。这种方法使得无人驾驶汽车和能驱动Alexa、Siri以及其他虚拟助手的对话技术成为可能。

可是，虽然深度学习可以学会识别事物，但他们并不擅长创造它们。GAN的目标就是赋予机器这种类似于想象的天赋。将来，计算机将会更好地享受原始数据，并计算出它们需要从中学到什么。这样做不仅能让它们绘画或作曲，还将使它们减少对人类的依赖，可以自行学习了解世界及其运作方式。

如今，AI程序员们经常需要告诉机器，在训练数据中到底有什么东西，比如数百万张图片中都有行人过马路的场景。这种方法不仅成本高昂，而且劳动强度相当大。此外，哪怕是稍微偏离了所接受的培训，AI系统处理图像数据时都会遭遇挫折。而在将来，电脑将会更好地处理原始数据，并在不被告知的情况下计算出它们需要学习的内容。

这将标志着AI“无监督学习”的巨大进步。无人驾驶汽车可以在不离开车库的情况下了解许多不同的道路状况，机器人可以预见到繁忙仓库中可能遇到的障碍，而不需要再绕过它。