机器透过互相砥砺来学会如何创造—对抗式学习

近年来，随着人工智能的发展，机器的能力越来越强，相关技术也进入了我们的生活。例如，当我们将照片上传到Facebook时，Facebook可以准确地找到照片中的人物。面对，iPhone甚至可以知道一张脸是否是他的主人。但是，今天的机器更好地总结了数据的一般规则。例如，Facebook知道脸上有哪些共同特征，因此它可以检测到脸部，但是在能够总结之后，是否可以进一步创建机器？例如，由于机器知道脸部的特征，你能进一步画脸吗？

创造的挑战在哪里？机器的创新始于模仿。当机器学会写诗时，我们会给它一堆诗歌经文;在学画画的时候，我们会给它画一些画家的作品，机器可以很容易地把数以千计的例子。写下来，但是你如何让机器不受影响，而不是复制它看到的例子？让我们来看看如何通过学习如何创建第二维角色头像来解决上述问题。

接下来，人类向漫游者提供了大量由漫画家绘制的卡通化身。在鉴别器比较由创建者绘制的图片和由人绘制的图片之后，生成的图片和真实图片之间的差异被总结（这是今天的机加工车间）。专家），鉴别器可能会发现真实图片上有两个圆圈（即眼睛），但生成的图片却没有。

然后，鉴别器比较新生成的生成者图像与人绘制的图像之间的差异。由于制作者已经知道脸部有眼睛，因此必须使用两个圆圈来确定是否绘制了图像。规则不适用，因此鉴别器需要找出新规则。例如，可以发现生成的图像与人物绘制的图像之间的差异是颜色。然后，鉴别器将汇总的规则返回给生产者，生成器生成彩色图像，如下所示：

将继续重复上述过程，直到鉴别器不再能够总结所生成的图像与真实图像之间的差异。