MIT发布2018年10大突破性技术，我最关注的是：对抗性神经网络 留言

《MIT Technology Review》杂志发布2018年的10大突破性技术：3D金属打印、人造胚胎、传感城市、云端人工智能、对抗性神经网络、巴别鱼耳塞、零碳排放天然气发电、完美网络隐私、基因占卜、材料的量子飞跃。

“突破性技术”聚焦于已经或即将对人类生活产生巨大影响的技术。

人工智能在识别事物方面越来越强：向它展示一百万张照片，它可以用惊人的精确度告诉你哪些照片中有行人正在通过马路。

但是，AI自身并不能生成行人的图片。如果能做到这一点，它将能够创造出合成的逼真图片，来描绘各种环境下的行人，让自动驾驶汽车无需上路就可以训练自己。

问题是，创造一个全新的东西需要想象力。这也一直困扰着AI。

解决方案首先出现于2014年在蒙特利尔大学博士生Ian Goodfellow的学术论证中。该方法被称为生成对抗性网络(generative adversarial network，GAN)，它采用两个神经网络(支持大多数现代机器学习的人脑的简化数学模型)，并在“猫捉老鼠”的数字游戏中让它们彼此对抗。

两个网络都使用相同的数据集进行训练。其中一个被称为生成网络，负责为它已经看到的图像创建变化，比如可能是一个带有额外手臂的行人图片；第二个被称为判别网络，被要求判断它所看到的例图是像它被训练过的图像还是生成网络产生的虚假图片，例如，让它判别那个三臂人是不是真实的？

随着时间的推移，生成网络可以很好地生成图片，判别网络无法识别该“假货”。实际上，经过训练之后，生成网络已经可以识别并创建逼真的行人图片了。

该技术在过去十年中已成为人工智能领域最具潜力的技术突破，能够帮助机器产生“欺骗”人类的结果。

GAN已被用于制作逼真的语音和逼真的虚假图片。在一个引人注目的例子中，来自芯片制造商Nvidia的研究人员为GAN提供名人照片训练，生成了数百张看起来非常逼真的面孔，而这些人并不真实存在。

另一个研究小组制作了一些看起来像梵高作品的假画作。更进一步，GAN可以通过不同的方式重新设计图像：使阳光明媚的道路看起来像雪地一样，或将马匹变成斑马。

结果并不总是完美的：GAN可能为自行车生成了二套车把手；眉毛出现在人脸错误的地方。

但是因为图像和声音往往非常逼真，所以一些专家认为，GAN开始理解他们所看到和听到的世界的底层结构了。这意味着人工智能可能会获得一种更具独立能力的想象力，让人能够理解它在世界上看到的东西。

技术突破：两个人工智能系统相互对抗，创造超逼真的原创图片或声音，这是机器以前从未做过的。

意义：它赋予了机器类似想象力的能力，这可能会帮助他们减少对人的依赖，同时也将它们变成数字造假的超强大工具。

关键参与者：Google Brain、DeepMind、Nvidia

成熟期：现在