AI一直是一个神秘又令人敬畏的概念。先不说普通人对AI的认知，就算是游走在边缘的程序员，对AI也是知之甚少。人类对未知的事物有一种莫名的兴趣，边肖是在接触了AI之后才深深体会到它的深刻。不花点时间深入了解AI是不可能的，但表面上了解还是很容易的。下面就带你用最直白的方式来揭秘AI的奥秘，以及它在我们身边的应用。

短篇小说

先看一个小故事。

生成网络有两个主要角色——生成器和鉴别器。两者不断对抗的过程使双方不断进步，这就是所谓的对抗学习。通过这个过程，生成者可以在学习后拥有创作具有自己风格的作品的能力，这是生成模型的中心思想。

乐趣& # 8211；根据[1]生成在线学习流程

本段故事为切入点，阐述对应代对抗网络的实现思路和过程。

故事中，两个主角小明和小花都是从零开始学习漫画的创作和欣赏，其中小明是创作者，小花是鉴别者。

一开始一个不会画，也不会欣赏另一个，更别说评判了。我该怎么办？要不要给他们上培训班？不，当然不是。难道不能像金庸先生描述的那样吗？一对仙女，一个弹琴，一个跳舞。过去弹钢琴的人技术提高了，跳舞的人舞蹈水平也随着音乐的提高而提高。相反，舞蹈水平的提高也会提高弹琴者的技巧。

接下来，是生成性对策网络的核心思想和过程:

1.先给小花分别看一些专业漫画家和小明的作品，提前告知小花哪些是专业作品(好作品)，哪些是小明的作品(还不是好作品)。重复这个学习过程后，小花会逐渐掌握一些欣赏漫画作品的能力。

2.然后，这个时候小明把自己新创作的作品交给小华判断，小华根据自己现有的鉴赏能力给小阿明判断。小花会根据作品的一些特点给作品打分，比如根据眼睛的大小，眼睛越大分数越圆。

图片来源:https://arxiv.org/pdf/1708.05509.pdf

3.小华打分完毕后，会把结果反馈给小明。这个时候，小明会根据作品得分的高低来决定下一步如何优化作品。根据上一次的启示，小明重新画了一些作品(都是大眼睛的二次元女生)让小华评判。

4.此时，小华现有的欣赏水平不足以分辨其作品的好坏。于是，在仔细研究了专业漫画家和小明的作品，了解到卡通人物的脸部轮廓也是用来判断的特征后，小华根据脸部特征进行评分。结果瓜子脸适当拿高分，中国脸适当拿低分。测评结束后，结果反馈给了小明。小明将按照新的标准提高自己的绘画水平。小花也在这个过程中提高了自己的欣赏水平。

5.最终，小明已经能够像专业漫画家一样画出优秀的漫画，小华也成为了漫画鉴赏大师。

以上是最简单的生成式对策网络的中心思想和流程。通过数学手段将上述过程简化为算法，形成了当今AI领域非常流行的生成式对抗性学习模型。

生成对抗网络的作战模式。

扩张& # 8211；著名的生成对抗网络

有时，我们希望控制模型生成的结果，例如，我们希望模型生成穿着短裙和腿袜的二维卡通人物。简单的生成式对抗网络显然是不可能的。在模型的输入端放一些条件指令，让结果符合我们想要的方向。于是，条件生成对抗网应运而生。

条件生成对抗网络

产生对抗性的网络应用[2]

目前，生成式对抗网络已经广泛应用于图像处理领域，这种网络生成的图像几乎都是乱真的。下面的卡通人物就是这个模型生成的。

生成对抗网络生成卡通人物。

你能说出下面哪张图片是模型生成的吗？右边的照片是模型生成的。怎么样？说不准！

我们可以控制条件信息的给定值，使生成式拮抗神经网络模型产生相应的结果。前段时间抖音的变老变胖特效和Aauto Quicker的时光机特效应用了条件生成对抗网络。[3]

抖音时间机器特效来源:Pinlue

参考数据

[1]https://arxiv . org/ABS/1809.11096

[2]https://arxiv . org/pdf/1708.05509 . pdf

https://arxiv.org/pdf/1711.11585.pdf

[3]产品简介& # 8211；被安利“变老”App x次震惊了，不玩都不好意思~