生成对抗网络，一个酷炫的深度学习

每天给小编五分钟，小编用自己的代码，带你轻松学习人工智能。本文将会为大家分析深度学习中生成对抗网络的应用和未来趋势。野蛮智能，小白也能看懂的人工智能。

自从2012年，深度学习作为一颗冉冉升起的新星，一度照亮了计算机视觉的未来，紧随其后，各种各样的网络通过对卷积神经网络的改进，不断在各个应用领域获得了良好的实验结果。深度学习在推动本领域的发展的同时，也推动了很多其他领域的发展。

其中，对抗生成网络算是深度学习中最富有想象力的一个网络架构了，它最早出现于2016年，是基于深度学习的卷积神经网络，在此基础上引入了编码器和自动变分解码器，来达到一个更好的训练结果。说他有想象力是因为这个神经网络架构里边包含了两个网络，一个负责生成，一个负责检测，这两个网络会互相竞争，彼此挑出对方的缺点，直到训练到最后，他们谁也分不出来个胜负了，这时候才会停止，基本上也达到了我们满意的训练目标。

那么这么有时尚感的网络的主要应用在哪里呢？

首先，一攻一守的网络架构，就决定了它可以做一些具有攻击性的事情。例如，假人脸的生成，加入你现在有了一个人脸解锁系统，那么如果你希望能够欺骗这样的识别系统应该怎么做呢？最好的选择就是对抗生成网络，通过两个网络的竞争，最后可以生成一个专门生成假人脸的模型。以此来欺骗人脸识别系统。

另一方面，这种人脸的生成能力也可以用在别的地方，例如，可以用来进行视频中人脸的替换，同样是一段影片，你通过对抗网络的处理，可以吧自己的脸输入到影片中，进而得到一个属于你自己的电影。在这部电影中，你的人脸替换了主角的人脸，这种替代感带来的喜悦是无法用金钱来衡量的。如果有哪一个视频APP开通了这样的功能，小编愿意第一个为这样的功能付费。

既然可以生成人脸，那么也可以生成背景了，通过对背景的改变，进一步融合生成出来的人脸，就可以做出来一个视频，那么这样的对抗网络，就真正具有了创作性，它可以凭借自己的学习能力，将视频，声音等信息融合在一起，生成一个新的视频。这样的一个任务为电影界的发展也会带来无限的可能，也许到时候的电影就不再需要群众演员了，只需要进行人脸的生成就可以了。

不仅是电影中，真实视频的创作，同样也可以在画画、美术、音乐等艺术方面进行创作，例如，最近通过风格迁移生成出来的图片，画风十分巍峨，通过对抗生成网络生成出来的音乐也是十分颤动人心。

不过，技术的进步空间总还是有的。我们希望在未来，这些技术能够不断发展，真正的进入到我们的生活中来。最后，如果大家有什么想表达的，对未来社会的预测。欢迎在评论区留言。