生成对抗网络（GAN）从对抗博弈到创造的艺术

一、开篇：机器学会创造2014 年，28 岁的 Ian Goodfellow 在蒙特利尔的一家酒吧里，和朋友辩论如何让神经网络生成逼真的图像。回家后一个通宵，他写出了第一版代码——生成对抗网络（Generative Adversarial Network, GAN）。第二天模型就跑通了，生成了一些 MNIST 数字。这个模型颠覆了整个生成式建模的思路。在 GAN 之前，主流的生成方法（如 VAE、Boltzmann Machines、自回归模型）都需要显式建模概率密度p ( x ) p(x)p(x)——写出一个似然函数，然后最大化它。但真实数据的似然函数几乎总是难解的。Goodfellow 的洞察是：我们不需要写出