計算機視覺頂會盛會CVPR 2018召開在即，從官方現在接收的論文類型來看，這屆會議展現出了一個奇怪的現象：生成對抗網絡GAN，正在成為新的“深度學習”。MMP，深度學習還沒學會，難道我又要被時代抛棄了嗎？
根據Google Research的研究科學家Jordi Pont-Tuset做的一個統計，它通過檢視這些
論文的類型，看到了未來深度學習的發展趨勢。結果，他發現生成對抗網絡（GAN）強勢出擊，大有取代“深度學習”（Deep Learning）之勢。
不要不信，我們可是有圖有真相！下面這張圖展示了CVPR 2018的論文題目中，關鍵詞GAN、Deep，以及LSTM的對比：
可以看出，
普通的“深度學習”已經在走下坡路，而且趨勢明顯。Jordi Pont-Tuset認為，這很可能是有些研究人員絕對深度學習已經沒什麼研究的了，都去嘗試一些新的領域。
在普通的“深度學習”走下坡路的同時，GAN慢慢的成為新寵，統計顯示
有8%的論文标題中含有GAN（這一資料相比2017年增長了2倍多）。
需要指出，這裡統計的僅僅是三大計算機視覺會議接收論文的标題裡的關鍵詞。Jordi
Pont-Tuset推測：普通的“深度學習”可能已經為人熟知，如今在研究領域開始往更細的、更具體的方向發展，比如GAN。
GAN 是新的“深度學習”？生成對抗網絡（Generative Adversarial Nets）是Ian Goodfellow 等人2014年的論文《Generative Adversarial Nets》中提出，它是非監督學習的一種方法，通過讓兩個神經網絡互相博弈的方式進行學習。
來源：Slinuxer
生成對抗網絡是由一個生成網絡（Generator）與一個判别網絡（Discriminator）組成。生成網絡從潛在空間（latent space）中随機采樣作為輸入，其輸出結果需要盡量模仿訓練集中的真實樣本。判别網絡的輸入則是生成網絡的輸出，其目的是将生成網絡的輸出從真實樣本中盡可能分辨出來。而生成網絡則要盡可能地欺騙判别網絡。兩個網絡互相對抗、不斷調整參數，最終目的是使判别網絡無法判斷生成網絡的輸出結果是否真實。
還不能完全了解GAN？害怕自己會落後？不要着急，雲栖君給你彙總一些自家産的生成對抗網絡學習資料：
1.
GAN網絡通俗解釋（圖畫版）摘要：最通俗的GAN網絡介紹！
2.
創意對抗網絡（CANs）你知多少？摘要：人類最難讓計算機做的事情之一就是創造性地思考。計算機非常善于從事人們精确指定的工作，并且完成的速度非常快。而創造力是一個抽象的概念，把給計算機賦予創造力已經被證明是機器學習方面一個非常困難的的挑戰。
3.
神經網絡中的造物者-GANs摘要：人工智能正在成為一種創造性的力量，本篇文章介紹了GANs的由來和應用，并且探尋GANs在人工智能中的重要意義。
4. 深度卷積對抗生成網絡(DCGAN)實戰摘要：本文作者通過一個實戰小例子介紹了什麼是GANS，如何使用TensorFlow來實作GANS，對于想要了解GANS的學習者來說，這篇文章絕對入門。
5. 程式員的魔法——用Masking GAN讓100,000人都露出燦爛笑容摘要：本文使用Masking GAN來對靜态的圖像中的人物圖像進行處理，使其都露出燦爛笑容，堪稱魔法。每個程式員都是一個魔法師，你玩過的魔法是什麼呢？歡迎留言秀出各自的魔法。
沒有學盡興？沒有關系，雲栖君還給你準備了很多大禮，收藏一下，慢慢學習！
請收下這份關于人工智能的根目錄——部落格整理系列（一） 關于資料科學的那些事——部落格整理系列（二） 機器學習必備手冊——部落格整理系列（三） 擴充眼界的都在這——部落格整理系列（四） 深度學習必備手冊（上）——部落格整理系列（五） 深度學習必備手冊（下）——部落格整理系列（六） 最受歡迎的張玉宏博士的深度學習入門篇——不看絕對後悔！ 程式員技術進階手冊（一） 程式員技術進階手冊（二） 數十款阿裡雲産品限時折扣中，趕緊點選領劵開始雲上實踐吧！本文由@愛可可老師推薦，@
阿裡雲雲栖社群組織翻譯。
文章原标題《 are-gans-the-new-deep？ 》， 譯者：虎說八道，審校：袁虎。 文章為簡譯，更為詳細的内容，請檢視 原文 。