让机器学会“左右互搏”

GAN网络的原理本质上就是这两篇小说中主人公练功的人工智能或机器学习版本。

一个网络中有两个角色，修炼的过程中左手扮演攻方，即生成器（generator），试图生成和自然世界中拟完成任务足够相似的目标；右手扮演守方，即判别器（discriminator），试图把这个假的、生成的目标和真实目标区分开来。经过反复多次双手互搏，左手右手的功力都会倍增，从而达到“舍我其谁”的目标。

明白这个道理，就不难明白为什么GAN网络一出，就有独孤求败的感觉了。

正是因为GAN网络的机理是“双手互搏、一心两用”，所以，虽然最初的应用场景是针对图像相关任务，但其机理是普适性的。只要能用这个“诀窍”的地方，都能把自己的功力提升一个档次。不过，需要注意的是，GAN只把双手互搏用来训练自己“双手”的功力。在多数实际应用中，它只用了自己千锤百炼出来的生成器，就得到了非常好的结果。

于是，自2014年GAN网络被Ian J. Goodfellow等人提出，至今其演绎出的各种版本就像攻城掠地般在各个领域蔓延。

在今年的人工智能顶级会议IJCAI、机器学习顶级会议ICML和NIPS、深度学习著名会议ICLR上，光读参会论文的标题，就能发现大量GAN网络的工作痕迹。图像处理、计算机视觉、自然语言处理、语音识别、智能驾驶、安全监控……似乎GAN已经无所不能了。

张军平用几个比较火的人工智能应用场景举例——

在年龄估计中，GAN能通过攻守互搏，基于给定的人脸图像实现对其人衰老或年轻时的样貌生成。

在多视角人脸识别、跨视角步态识别领域，采用类似的机理，实现对人脸角度和步态角度的自动旋转，从而有效提高了多视角、跨视角人脸和步态识别的精度。

在自动驾驶领域，需要对智能汽车进行复杂环境下的虚拟训练。此时，就可以利用GAN来实现与实际交通场景分布一致的图像生成。具体来说，可以先给GAN输入一张随机噪声图像，通过其生成器来最小化与真实场景接近的图像，同时判别器最大化生成场景与真实场景间的差异。经过反复迭代的攻守博弈，从而获得与真实环境一致的交通场景。

“不光在应用领域上有了突破，互搏的方式也有了不少变化。既然可以双手互搏，那当然可以三手甚至更多手的互搏，也可以组团逐对互搏、成串互搏，诸如此类。还可以把圆和方换成其他东西或者所谓的函数或结构来互搏。但万变不离其宗，内在的机理是不变的。”张军平补充道。

GAN有什么“软肋”

“毫无疑问，这种可倍增‘功力’的技术入选MIT年度十大突破性技术是当之无愧的。但值得注意的是，这一技术仍然有较大需要改善的空间。”作为《IEEE Intelligent System》（智能系统）和《IEEE Transactions on Intelligent Transportation Systems 》（智能交通系统）等著名期刊的编委，张军平对GAN的“软肋”了如指掌——

首先，对抗不好是容易出问题的。比如那位B博士。国棋象棋的世界冠军在觉察到他的强烈焦躁与急切情绪后，就有意识地放慢下棋速度。结果诱发了B博士的精神分裂，使得他再次陷入狂乱的自我对弈之中，最终才幡然醒悟而告别了棋局。对抗网也是如此，稳定性一直是其存在的问题之一。尽管理论上Wasserstein GAN （WGAN）可以部分解决其收敛性问题，但实际的效果还没有达到尽人意的地步。

其次，枪打出头鸟，既然这项技术这么牛了，过来挑战的也不少。据不完全报告，似乎已经有十五波“武林高手”对GAN网络的抗击打能力进行了挑战。极端情况，在图像中加一个像素就可能使GAN网络产生误判。

第三，GAN网络也是深度网络的一种，在可解释性这条路上，仍然没有找到非常明确的方向。

最后，双手互搏的基础还是手。而这一基础的结构并没有从近几十年来人工智能发展的框架中脱离出来。

因此，张军平提醒，期望以GAN之奇技，从弱人工智能冲击“能真正推理和解决问题，且有知觉、有自主意识的”的强人工智能还遥遥无期。

来源：互联网