雲栖号： https://yqh.aliyun.com 第一手的上雲資訊，不同行業精選的上雲企業案例庫，基于衆多成功案例萃取而成的最佳實踐，助力您上雲決策！
AI一直是一個神秘且又令人心生敬畏和向往的概念。先且不論常人對AI的認知，就連遊走在邊緣的程式員們對AI也是知之甚少。人類對未知事情都存有莫名的興趣，小編也是接觸了AI之後才深感其博大精深。想要深入去了解AI不花些時日是不可能的，但是如果做表層的了解認知還是很容易的。下面小編就以最直白的方式帶大家一起揭秘AI的神秘面紗以及其在我們身邊的應用。
小故事
先看一個小故事
生成對抗網絡有兩個主角-生成器和判别器。兩者經過不斷對抗而讓雙方持續進步的過程， 這就稱為對抗式學習。經由這個過程生成器能通過學習後擁有創造出有自己風格的作品的能力，這就是生成模型的中心思想。
趣解--生成對抗網絡學習流程[1]
本段以上文中的故事為切入點講解對應生成對抗網絡的實作思想和流程。
故事中兩個主人公小明和小華都是從零開始學習漫畫的創作和鑒賞，其中小明是生成者，小華是判别者。
最初,一個不會畫另一個也不會欣賞,更别說做判别了。怎麼辦呢？難不成要給他們辦個教育訓練班？不，當然不需要。難道就不能像金庸先生筆下描述的那樣？一對神仙眷侶，一人撫琴一人起舞。常此以往，撫琴的人技藝提升了，跳舞的人也随着音樂的提升舞蹈水準也提升，反之跳舞人水準提升也會使得撫琴人技藝提升。
接下來就是生成式對抗網絡思想和流程的核心：
1、先分别給小華看一些專業漫畫家和小明的作品，并且事先告知小華，哪些是專業的作品（好的作品），哪些是小明的作品（暫時還不好的作品）。一直反複這樣的學習過程，小華便會漸漸掌握一些鑒賞漫畫作品的能力。
2、然後，小明在此時再将自己新創作的作品交予小華判斷，小華在目前已具有的鑒賞能力下給予小明評判。小華會根據作品中的一些特征來給作品打分，比如，按眼睛大小打分，眼睛越大越圓分數越高。
3、小華打完分後，将結果回報給小明。此時小明就會針對自己的作品的高低分來決定自己下一步該怎麼優化自己的作品。小明根據上一次得到的啟示重新畫了一些作品（都是具有大眼的二次元妹子）給小華去評判。
4、此時小華現有的鑒賞水準已經不足以分辨出作品的好壞。是以又仔細端詳專業漫畫家和小明的作品，又學習到漫畫人物的臉型輪廓也是一個用來判斷的特征，小華就依據臉型特征來打分。于是，瓜子臉妥妥的拿高分，國字臉妥妥的低分。做完評判後，又将結果回報給小明。小明又會依據新的标準去提升自己的繪畫水準。而小華也在此過程中提升了自己的鑒賞水準。
5、最終，小明已經能夠畫出像專業漫畫家一樣優秀的漫畫了，而小華也成為漫畫鑒賞大師。
以上就是最簡單的生成式對抗網絡的中心思想和流程。将上述過程通過數理方式簡化為算法就形成了如今AI領域十分紅火的生成式對抗學習模型。
生成對抗網絡運作模式
擴充--有名的生成式對抗網絡
有時，我們想控制模型生成的結果，例如，想讓模型生成穿短裙、腿襪的二次元漫畫人物。簡單的生成式對抗網絡顯然是做不到的。在模型的輸入端放入一些條件指令，使得結果符合我們希望的方向。是以條件式生成對抗網絡就應運而生。
條件式生成對抗網絡
生成對抗網絡應用[2]
目前生成式對抗網絡已經被廣泛應用于圖像處理領域，由該網絡生成的圖像幾可亂真。以下漫畫人物就是由該模型生成。
生成式對抗網絡生成漫畫人物
下面這組圖檔你能分辨出來哪個是由模型生成的嗎？最右邊的照片是模型生成的，怎麼樣？辨識不出來吧！
我們可以經由調控給定的條件資訊數值，讓生成式對抗類神經網絡模型産生對應的結果。前段時間火爆抖音的變老變胖特效和快手的時光機特效就應用了條件式生成對抗網絡。[3]
抖音時光機特效 來源：品略
參考資料
[1]
https://arxiv.org/abs/1809.11096[2]
https://arxiv.org/pdf/1708.05509.pdf https://arxiv.org/pdf/1711.11585.pdf[3]品略--被抖友安利了 x 次的“變老” App，不玩都不好意思 ~
原文釋出時間：2020-01-10
本文作者：程式設計老大叔
本文來自阿裡雲雲栖号合作夥伴“
今日頭條”，了解相關資訊可以關注“
”