如果在小说中大多数人工智能（AI）的描述中存在一种普遍的刻板印象，那就是计算机完全缺乏想象力。这是为人脑保留的质量，对于硅脑而言是无法实现的，无论其处理能力多么无限。也许不是？如果技术进步向我们展示了一件事，那是我们的想象力在预测未来时就会落下。正是这种质量（想象力）现在可以通过一种新型的算法（称为生成对抗网络（GAN））来使用。
早在2014年的一个晚上，计算机科学家伊恩·古德福（Ian Goodfellow）当时是蒙特利尔大学（加拿大）机器学习领域的博士生，在酒吧与他的一些同事会面，以庆祝毕业。在傍晚，关于如何教授机器来发明真实物体表示的讨论，而无需复制已经存在的物体，以使结果看起来像一张真实的照片。
？
AI系统是处理大量数据以解决问题的专家，甚至可以在没有人类监督的情况下学习。但是，显然很简单，例如在没有帮助的情况下创建人脸的合理形象是一项不可能的复杂任务。
一些神经科学家指出，人脑的卓越性在于我们无法处理的处理模式的能力：从很小的时候，我们就可以识别出彼此之间非常不同的面孔的图像，因为我们知道是什么使脸脸。近年来，在神经网络中使用的深度学习算法（受人脑启发的计算机系统）使机器具有识别模式的惊人能力，无论它们是对话中的单词还是自动驾驶汽车移动的周围环境。
与对手的网络
但是，当从学到的东西中创建新的东西时，机器失败了。他们产生的图像通常是有缺陷的，并且不会达到令人信服的现实主义水平。如何教计算机发明现实中不存在的面孔？在蒙特利尔的该酒吧的讨论中，提出了对对象表示的多种基本细节的统计处理的建议。但是该方法将以每种新的混凝土应用程序都需要大量工作的方式乘以数据。Goodfellow有了一个更好的主意：为什么不让两个神经网络相互竞争以从他们的错误中学习？
算法的示例，该算法填补了基于上下文中图像中空白的空白。学分：加州大学伯克利分校
那天晚上，Goodfellow开始编写引起gan的代码：其中一个网络，即生成器，学会了在图像上创建变体。另一个是歧视者，评估他们以决定他们是否真实。生成网络不断改善其创造力，试图欺骗歧视者，这又完善了其区分真实和人造的能力。与没有对手的生成网络不同，甘斯只能使用几百个图像进行训练。
但是，如果甘恩的概念似乎类似于图灵测试，其中一台机器试图欺骗人类评估者认为这是一个人，那是因为实际上，对抗性培训的想法已经在进行了数十年。在1990年代初，现为瑞士AI实验室IDSIA科学总监JürgenSchmidhuber出版了一个由“两个互相打击的网，一个最大化对方的错误最小的网络组成的系统”，Schmidhuber总结了Open -Mind。
从未存在的名人
2013年，谢菲尔德大学（英国）的教授罗德里希·格罗斯（Roderich Gross），马萨诸塞州理工学院（美国）的访问科学家（美国）主持了一个项目，该项目也预见了一个在系统中允许机器学习的系统的想法动物的行为。格罗斯（Gross）创造了术语Turing Learning，这是对不一定使用神经网络的gan的概括，并且可以“推断人类或其他动物的行为”。该应用程序将允许系统继续说：“了解行为，这可能是在网络世界中，例如在亚马逊上购物，也可以在物理上购物。”
但是自2014年，当Gans通过Goodfellow（现在是Google Brain的研究人员）的工作变得流行以来，GAN已被主要用于创建现实的视觉效果，并具有惊人的结果。2017年，图形微处理器公司NVIDIA使用名人的照片训练了一个甘恩，以制作自己的超现实图像，以实现现实世界中从未存在过的名人。甘斯（Gans）已被用来创建视频，以模拟场景的未来几秒钟，在景观视频中改变白天到晚上或夏季，填补图像中的空白或在脸上增加数年的空白，以及许多其他壮观的演示。
六个由gan创建的假想名人。学分：nvidia
赫尔辛基大学的科学家进一步扭转了，记录了一群志愿者的脑波，他们看着一系列面孔，以确定他们发现有吸引力的人，然后使用gan创建了针对每个人的口味量身定制的新面孔。但是，除了这些或多或少的娱乐应用外，甘斯还为科学和医学提供服务。例如，改善天文成像或建模宇宙中暗物质的分布或有助于诊断成像。
所有这些应用都是基于甘恩斯的巨大力量，甘斯的强大力量使这些网络赢得了麻省理工学院技术评论列出的2018年10个突破技术。用Schmidhuber的话说，“决斗网络概念是将想象力赋予机器的力量的一种方式。”显然，现在是时候拆除刻板印象了。根据Schmidhuber的说法，我们已经生活在人工创造力和好奇心“可能会驱动人工科学家和艺术家”的时代。
但是，即使这些惊人的工具也有其局限性。2021年，纽约州立大学的一项研究表明，甘斯常常忽略甚至一个孩子知道的东西：人类学生是圆形的。那些看似完美的虚构面孔经常有不规则的学生，因为机器尚未掌握人类解剖结构的基本概念。一支Google团队发现，其他AI系统的表现优于诸如锐化或扩大像素化图像的任务，以刀片Runner中Deckard的虚构特征使用的设备风格。在AI系统的这一种族中，许多技术正在竞争打破人造想象力的界限。
哈维尔·亚纳斯（Javier Yanes）
@yanes68
编辑注：9月16日更新的文章？