【重要通知】【倒计时 2 天，点击“阅读原文”抢票】新智元和行业领袖英特尔联合举办，中国 AI 2017 开年盛典启幕在即。新智元327技术峰会暨颁奖盛典现场一律凭活动行二维码入场，大会于3月27日 8:00 正式开始签到，8:50会议开始，现场座位紧张请提前签到入场。活动行在大会现场设有咨询席位，但提前换二维码节省签到时间。请团购注册的公司关注，务必提醒参会的同事们手机接收二维码，如果不清晰可以打印出来，现场在签到处换领大会嘉宾胸卡。大会将在腾讯科技、云栖社区和爱奇艺上同步直播，欢迎关注。

　　【新智元导读】生成式对抗网络 GAN (Generative adversarial networks) 被Ian Goodfellow提出至今，目前已经成为人工智能学界一个热门的研究方向。本文是中科院自动化研究所王飞跃教授署名论文，他与所内研究员王坤峰、苟超、段艳杰、林懿伦以及明尼苏达大学的郑心湖共同详细解读了 GAN 的背景、理论与实现模型、应用领域（包括自动驾驶和语音）、优缺点及发展趋势之后, 讨论了 GAN 与平行智能的关系。

　　3月27日的新智元 2017 年技术峰会上，王飞跃教授作为特邀嘉宾将参加本次峰会的 Panel 环节，就如何看待中国 AI学术界论文数量多，但大师级人物少的现状？人工智能被首次写入中国政府工作报告，但中国的AI开源生态还刚刚萌芽，在全球尚处边缘化地位，如何打造中国AI的主流生态等议题进行讨论。关于GAN 与平行智能的关系，你可以来现场问问他。

　　本文2017年3月发表在《自动化学报》（第43卷，第三期）。

　　引用格式 王坤峰 ，苟超 ，段艳杰 ，林懿伦 ，郑心湖，王飞跃 . 生成对抗网络GAN的研究与展望. 自动化学报, 2017，43(3): 321-332

　　DOI 10.16383/j.aas.2017.y000003

　　论文作者：王坤峰 ，苟超 ，段艳杰 ，林懿伦 ，郑心湖，王飞跃

　　【摘要】 生成式对抗网络 GAN (Generative adversarial networks) 目前已经成为人工智能学界一个热门的研究方向。 GAN的基本思想源自博弈论的二人零和博弈, 由一个生成器和一个判别器构成, 通过对抗学习的方式来训练。目的是估测数据样本 的潜在分布并生成新的数据样本。在图像和视觉计算、语音和语言处理、信息安全、棋类比赛等领域, GAN 正在被广泛研究,具有巨大的应用前景。本文概括了 GAN 的研究进展, 并进行展望。在总结了 GAN 的背景、理论与实现模型、应用领域、优缺点及发展趋势之后, 本文还讨论了 GAN 与平行智能的关系, 认为 GAN 可以深化平行系统的虚实互动、交互一体的理念, 特别是计算实验的思想, 为 ACP （Artificial societies, computational experiments, and parallel execution) 理论提供了十分具体和丰富的算法支持。

　　关键词 生成式对抗网络，生成式模型，零和博弈，对抗学习，平行智能，ACP 方法

　　生成式对抗网络 GAN (Generative adversarial networks) 是 Goodfellow 等[1] 在 2014 年提出的一种生成式模型. GAN 在结构上受博弈论中的二人零和博弈 (即二人的利益之和为零, 一方的所得正是另一方的所失) 的启发, 系统由一个生成器和一个判别器构成。生成器捕捉真实数据样本的潜在分布, 并生成新的数据样本; 判别器是一个二分类器, 判别输入是真实数据还是生成的样本. 生成器和判别器均[2]可以采用目前研究火热的深度神经网络. GAN 的优化过程是一个极小极大博弈 (Minimax game) 问 题, 优化目标是达到纳什均衡[3] , 使生成器估测到数据样本的分布。

　　在当前的人工智能热潮下, GAN 的提出满足了 许多领域的研究和应用需求, 同时为这些领域注入了新的发展动力. GAN 已经成为人工智能学界一个热门的研究方向, 著名学者 LeCun 甚至将其称为“过去十年间机器学习领域最让人激动的点子”. 目前, 图像和视觉领域是对 GAN 研究和应用最广泛的一个领域, 已经可以生成数字、人脸等物体对象,构成各种逼真的室内外场景, 从分割图像恢复原图 像, 给黑白图像上色, 从物体轮廓恢复物体图像, 从 低分辨率图像生成高分辨率图像等[4]. 此外, GAN已经开始被应用到语音和语言处理[5?6]、电脑病毒 监测[7]、棋类比赛程序[8] 等问题的研究中。