它们间的亲密关系可以透过图1-11清晰地表示。
▲图1-11 人工智慧、电脑自学、广度自学与聚合对付互联网三者的亲密关系01 从电脑交互到电脑缔造电脑自学与广度自学在过去几年获得了重大成果，特别是广度自学的产业发展让计算机系统具有了十分强大的交互潜能，计算机系统可以交互物体、识别内容，甚至认知现代人说的话。
从电脑自学到广度自学的急速产业发展操作过程中，电脑一直在不停地仿效人类文明的思维形式，期望能像人一样思索，但仅仅具有交互潜能似乎是不够的，人类文明思维潜能的妩媚之处更是它的缔造潜能，我们期望计算机系统能自己创原画作，如作诗、作曲、原画等。
越来越多的科学人类学家将自己的科学研究方向从电脑交互转向了电脑缔造，期望透过聚合控制技术能让计算机系统具有聚合新事物的潜能在聚合控制技术的科学研究中，本文的主人公——聚合对付互联网不断涌现，它打破了现代人对现代聚合数学模型的认知，并获得了十分令人信服的效用。
要了解聚合对付互联网，不得不先哥们“聚合对付互联网先驱”Ian Goodfellow（蟹蛛科花1-17，以下简称Ian）。
▲图1-17 GAN 发明人：Ian GoodfellowIan专科与科学博士生在斯坦福理工学院计算机系统科学专业就读，读教授时期在渥太华理工学院科学研究电脑自学，师事广度自学的世界顶级大师Yoshua Benjo（业界公认他与Geoffre Hinton、Yann LeCun并列为广度自学领域的“国观轿子”），而聚合对付互联网正是Ian在渥太华理工学院读教授期间提出的设想。
Ian在毕业后先后在Google和OpenAI展开广度自学相关的科学研究，在此之后对GAN的持续产业发展做出十分大的贡献Ian发明聚合对付互联网是出于一个偶然的意念，彼时他正在渥太华理工学院和其他教授生一起展开聚合数学模型的科学研究，他们想透过该聚合数学模型让计算机系统自动聚合照片。
彼时他们的设想还是期望采用现代的数学数学模型方法，期望透过模拟人的神经系统思索形式来展开相片的聚合但是聚合的图像质量始终不平庸，假如继续对现在的数学模型展开优化，需要十分大量的训练数据集，而且最终的可行性研究也未确定。
彼时的Ian对采用现代数学数学模型的形式产生了怀疑，他认为也许这绝非最平庸的软件系统一天晚上，他突然想到一类崭新的路子，假如不是再加一个数学数学模型，而要同时采用三个数学数学模型，会不会有更好的效用呢？这一设想为他打开了一类崭新的路子，在Ian的构想中，三个数学数学模型绝非合作亲密关系，而要一类博弈与对付的亲密关系（蟹蛛科花1-18），这就是聚合对付互联网最初的思想。
▲图1-18 相片来自《麻省理工学院科技评论》的2018十大控制技术突破就如同人类文明自身在产业发展操作过程中经历的那样，只有在和同类竞争的环境下，对于某类专业技能的自学才会更加快速，比如各类赛事，特别是艺术类体育竞技每年的成绩都在急速逼近人类文明无限大，这其中有很大一部分原因是赛事球手间的PK与过招。
假如从仿生学的角度来看，其实在生物的产业发展操作过程中也有类似的状态，在与其他物种，特别是与天敌的对付中，自身会急速进化，从而向着一个更完善的状态转变这一理论是由进化生物学家Leigh Van Valen在1973年总结提出的，称为“红皇后假说”——一类关于生物协同进化的假说，物种间为了争夺有限的资源，不得不持续优化自身以对付自身种族的捕食者与竞争者。
而对于该物种的捕食者与竞争者来说，也同样需要急速进化来获取相应的资源Ian是一个十分果敢的执行派，同时也是一个代码高手，在基础理论大致清晰了之后，他立刻就开始了实践，并且在最初的几次实践中，这种对付的思想就在实验数据的图像聚合上获得了十分平庸的效用。
聚合对付互联网这种崭新的控制技术为人工智慧领域在聚合方向上带来了崭新突破在之后的几年中，聚合对付互联网成为广度自学领域中的科学研究热点，近几年与GAN有关的论文数量也急速上升（蟹蛛科花1-19），互联网上有人整理了近年来的GAN数学模型，截至2018年2月已经有350多个，数量仍然在持续增加。
▲图1-19 GAN 论文数量趋势图广度自学“国观轿子”中的另外一位世界顶级专家Yann LeCun（纽约理工学院教授，前Facebook首席人工智慧科学家）称赞聚合对付互联网是“过去20年中广度自学领域最酷的思想”，而在国内被大家熟知的前百度首席科学家Andrew Ng也把聚合对付互联网看作“广度自学领域中一项十分重大的进步”。
在电脑自学世界顶级会议NIPS2016上，为Ian专门开设了关于GAN的主题演讲（蟹蛛科花1-20）。
▲图1-20 Ian 在NIPS2016大会上展开分享在2018年，这一对付式数学数学模型的思想被《麻省理工学院科技评论》评选为2018年全球十大突破性控制技术（10BreakthroughTechnologies）之一。
2018年10月，由法国艺术创作团队Obvious采用GAN算法聚合的画作以43万美元的高价被拍走，价格甚至远超同场拍卖的毕加索作品，这一事件也飞速提升了GAN在大众中的影响力https://deephunt.in/the-gan-zoo-79597dc8c347。
02 什么是聚合对付互联网让我们先用一个小例子来哥们聚合对付互联网首先来哥们聚合对付互联网的两方——聚合器与判别器，在训练操作过程中两者的配合十分重要我们可以把聚合器想象成一个古董赝品制作者（虽然这一比喻可能不太合适），其成长操作过程是从一个零基础的“小白”慢慢成长为一个“仿制品艺术家”。
而鉴别器担任的则是一个古董鉴别专家的角色，它一开始也许仅仅是一个普通等级的“鉴别师”，在与赝品制作者的博弈中它逐渐成长为一个控制技术超群的鉴别专家如图1-21所示，下面我们就以赝品制作与鉴别为例来说明聚合对付互联网的工作原理。
让我们来看一下最初的情况是怎样的：赝品制作者还是个什么都不懂的“小白”，也不懂真实的古董到底应该是什么样子，完全凭借自己的心意随意制作产品
▲图1-21 聚合对付互联网：创作者与鉴别师面对简单易分辨的仿制品，初级鉴别者即便功力不深也能一眼分辨出真假在分辨完成的同时，鉴别者会将自己的判断结果写成报告，比如做工不精细、颜色不协调等第一次对付就这样完成了，似乎离我们期待的目标还十分远，但是没亲密关系，这才刚刚开始。
现在进入第二阶段，仿造者透过一些渠道，拿到了鉴别者的判断报告，他认真研读了里面的每一条信息，根据这些信息重新制作赝品，虽然他依然不知道真实古董到底是什么样子，但他期望改进后的赝品能骗过鉴别者这一次创作的赝品比之前的确实要成熟不少。
到了鉴别者这边，当他再次拿到赝品和真品时，要重新判断作品的真假这一次他也发现赝品制作者的潜能有所提升，为了区分真假作品，他需要花时间去寻找一些更深入的区别点当然，一番努力过后，鉴别师顺利完成了任务，同时他也如第一次一样，将他区分真假的理由写成报告（之后依然会流出到赝品制作者手里）。
第二次对付到这里也完成了当然，对付远远没有结束，如同上述的故事一直持续了很多很多次……在经历了N次的互相博弈以后，两者在整个训练操作过程中都变得十分强，其中的仿造者几乎能制作出以假乱真的作品，而鉴别者也早已是“火眼金睛”的鉴别专家了。
最后一次博弈是这样的：赝品制作者已经完全摸透了鉴别师的心理，虽然他还是没有见过真的古董是什么样子，但是对古董应该具有什么样的特性已经十拿九稳，对于可能的鉴别操作过程也都了然于心对于如此以假乱真的赝品，虽然鉴别者拥有“火眼金睛”，但已然是无能为力了，他可以做的只能是凭运气猜测是真是假，而无法用确定的理由展开判断。
这也就是聚合对付互联网最终的目的，而我们所需要做的就是培养出这个能以假乱真的聚合器关于作者：史丹青，语忆科技联合创始人兼控制技术负责人，毕业于同济理工学院电子信息工程系拥有多年时间的AI领域创业与实战经验，具有广度自学、自然语言处理以及数据可视化等相关知识与专业技能。
是AI控制技术的爱好者，并拥抱一切新兴科技，始终坚信控制技术分享和开源精神的力量本文摘编自《聚合对付互联网入门指南》（第2版），经出版方授权发布。
延伸阅读《聚合对付互联网入门指南》（第2版）
