年度必看AI论文：生成式非对抗网络（停止对抗，用爱学习）

震惊！(本次使用已获UC震惊部授权)

就在昨天，人工智能领域一个开创性的成果出现了：关于生成对抗网络(GAN)的最新论文出炉。很多学者和业内人士，都用震惊二字描述内心的波澜。

这篇已经在arxiv上公布的论文，题目是：《STOPPING GAN VIOLENCE: GENERATIVE UNADVERSARIAL NETWORKS》，并且已经作为会议论文提交SIGBOVIK 2017评审。这个大会将于3月31日在卡内基梅隆大学召开。

在Reddit上，有人评价这篇是自己近年唯一从头到尾读完的论文。这么重要的论文，量子位看过之后，赶紧跑来跟大家分享笔记。

核心摘要

神经网络苦对抗久矣。吾闻生成对抗网络(GAN)暴力也，不当立，当立者乃生成式非对抗网络(GUN)。在这一框架下，我们同时训练两个模型。

一个是生成器G，用以捕捉任何自认可以处理的任一数据分布。一个是激励器M，鼓励G努力奋斗。在奋斗的过程中，两个模型通过学习各自的差异而演变。

这个框架的理论基础是博弈论，并且可以看做是双赢的结构，两个模型结成团队以争取最佳结果。整个模型的原理如下：

△ 论文作者特别提示：低分辨率、远距离条件下观看效果更佳

生成器G提出样本：PROPS，作为回应，激励器M给出确认和赞美：ACKS。这样两个网络之间就产生了协同效应。

而此前的生成对抗网络，要求生成器G和鉴别器D不断对抗。

训练过程如图所示：(图a) 在激励器(红线)的帮助下，生成器(黄线)正为目标数据分布(蓝色虚线)而努力。 (图b) 激励得当的情况下，生成器完成目标。 (图c) 在激励器的鼓舞下，生成器还能额外做出10%的努力，这不是错误，而是激励有效的证明。

在经过叨逼叨逼的试验后，结论如下：

这项研究表明，GAN这种一个神经网络对另一个神经网络施加暴力的行为，不仅不道德而且不必要。试验显示，更幸福的网络性能更好。事实上，非对抗式学习在深度学习的广阔天地中，必将大有作。下一步的研究将纳入梯度等问题。

拜见作者

如此令人心旷神怡的论文，由三位作者合作完成。他们是：

半路出家，文笔一流君Samuel

云山雾罩，自学成才君Sebastien

微小贡献，强行采访君Joao

以上。

延伸

还记得开头说的SIGBOVIK 2017大会么？这个大会2007年首次召开，组织方是SIGBOVIK，也是一个脑洞大开的组织。欢迎实在很闲的情况下自行搜索……