什麼是「對抗型神經網路」？
要回答這個問題，最簡單的方法，就是從去年底在網路上流傳的一段影片和一組照片說起。
多數人看到這組照片（參見以下連結）的第一個想法大概都是：演藝名人大會串。湯姆…貝克…碧昂…這些大明星的名字在嘴邊打轉，但就在快要脫口而出那一刻，那些名字又縮了回去，因為它們每一張都似是而非，像誰…又不像誰。
這些照片是顯示晶片大廠Nvidia的傑作，其目的，是要展示近年興起的「對抗型神經網路」憑空「炮製」名人的能耐。照片中的俊男美女，沒有一個是真實存在的人物，儘管眉尖唇角神似某某人，或像極了誰，但他們全都是人工智慧所「創作」出來的虛擬人像。
換句話說，AI已經從「模仿」，推進到了「創作」的領域。
運用類似演算法，工程師可以讓AI創作出油畫、搖滾樂、即興演說、甚至是散文、詩詞。讓AI從工廠、機房，呆板的一個指令一個動作中解放出來、脫胎換骨，晉升為藝術家。而此一人工智慧大躍進，全都是拜簡稱GAN的對抗型神經網路之所賜。
GAN被臉書的人工智慧專家Yann LeCun譽為「過去20年機器學習領域最酷的點子」，但技術由來，卻是只花一晚上就完成的神來之筆。蒙特婁大學機器學習博士Ian Goodfellow在2014年和幾個朋友到城裡酒吧聊天，談起電腦合成相片技術，Goodfellow突然靈光一閃，想到何不用兩個神經網路彼此對抗，一個扮演創作者的角色，一個專挑毛病，藉由不斷來回校正，創造出既擬真又獨特的作品？返家後，Goodfellow立刻著手寫程式，一夜趕工的結果，第一次測試，就成功。
對抗型神經網路之所以能讓許多平日冷靜的AI專家興奮到失去理智，乃在於GAN有機會讓人工智慧從過去填鴨式的人工教導和學習，進步到「自主學習」的更高境界。過去人工智慧學習新事物的方法，是由人工餵給機器大量影像資料，並且必須一張張不厭其煩地圈點學習重點。但GAN賦予了機器自己找重點，拼湊出模式，再根據模式自行揮灑的能力，從某個角度看，可以說GAN讓AI擁有了「想像力」，變得更像人。
但若從另一個角度看，科幻電影裡的惡夢情節，也因此又更逼近了我們一步；假新聞、假消息、假照片，未來都只是GAN所可能衍生社會問題的冰山一角。
資料來源：MIT Technology Review, DL4J, Engadget
