GAN 類神經網路
自從深度學習於2012年開始受到關注後，全世界有非常多的專家學者致力於改良它，也因此造就了許多的創新以及突破。今天我們就來談談深度學習近幾年來一個非常熱門的新主題”生成對抗網路”GAN（*），這是2014年由當時為蒙特婁大學博士生的Ian Goodfellow所提出之類神經網路。
首先，我們先來看看GAN到底有多麼的火熱呢？我們可以觀察到，自從GAN被提出來後，短短的幾年內，相關的論文累積總量已經高達兩百多篇以上，不只如此，Facebook AI 大師 Yann LeCun也曾說過”GAN及其變形是近十年最有趣的想法”(*)，可見GAN這陣子在深度學習領域裡真的是括起了一陣旋風阿！
那麼到底GAN的概念是什麼呢？我們先來用一個簡單的例子來比喻吧！假設有一款遊戲有兩種角色，一個是偽造者而另一個是警察，偽造者的目標就是要儘可能的去製造出越接近真實鈔票的假鈔並騙過警察，而警察的目的就是要能夠判斷出拿到的鈔票是否為真的鈔票。假設偽造者一直無法騙過警察，那麼他得不斷的改良以及修正製造偽鈔的技術，而相反的，如果警察一直被偽鈔所騙過，那麼我們必須改進警察辨識鈔票真偽的能力，藉由雙方不斷你來我往的反饋學習，最終我們將可得到一個足以以假亂真的偽造技術並以這個技術來產生偽鈔，這就是GAN。上述雖然是以偽造者以及警察作為例子，但實際上這兩個角色在GAN裡面分別是兩個不同的類神經網路所組成，分別是生成模型（偽造者）以及判别模型（警察），藉由兩種模型互相學習，我們最終能產生出一個很厲害的生成模型，並自動生成我們想要的東西！
GAN常見的應用包含生成接近真實的假圖片、圖片風格轉換、影像壓縮等，此外，由於可以生成以假亂真的圖片，很多時候也可以拿來產生資料，這樣可以減少過去蒐集資料並標注所產生的勞力成本！
在未來，隨著GAN的技術越來越成熟，我相信會有更多元以及難以想像的應用被提出來，讓我們拭目以待吧！
- 生成對抗網路英文全名叫作Generative Adversarial Network（GAN）
- 原文為”This, and the variations that are now being proposed is the most interesting idea in the last 10 years in ML, in my opinion.”
＊本文由知名AI講師-Isaac Lee 李厚均所撰寫
文章轉載自我們共同經營的粉絲頁-小李談數智https://www.facebook.com/isaac60103
更多圖解內容可以到 耀西圖像視覺化教室看看https://www.facebook.com/YoshiGraphics
