可能大家听了很多还是不太明白，到底什么是神经网络呢？用一个非常简单的例子，我知道在座的各位可能学什么的都有，但是我相信大家初中数学一定学过一个公式叫y=kx+b。

神经网络就是已知y和x，求k和b的过程，就是可以理解为最简单的神经网络。

一个案例就是上图，如果我在二维平面中有一大堆点，如何寻找一条直线最好拟合它们的关系？这就是神经网络要做的事情，也是它最早被提出来做的工作。

AI如何“看”图片？

人类看到的图，比如说这个可能是一个图。但是我们知道，计算机看到的是数字，看到的是一个数值矩阵。

我们的神经网络既然是仿人类，所以它在学习过程中也像人类一样是学习一个图的特征的。从左到右，由浅入深。

我们可以看到左图，在浅层学到的是圆弧、直线，一些比较简单的特征。在深层的神经细胞中，可以学到一些圆，特定的形状作为它的特征。到了最右边的图，可以看到它学到了很高级的特征，比如说车轮的特征，车门的特征等等。

这样的话，当输入一个照片的时候，它就可以通过特征来识别，提取它看到这张图片的特征，根据特征来判断它看到的是什么。

什么是对抗生成网络？

今天重点的东西叫对抗生成网络，简称就是GAN，它的读音就像拼音一样，读“GAN”。所以大家可以查一下，在网上可以看到好多开车的标题叫“不要怂就是干”、“干来干去”，其实就是讲它的一个文章。

大家看到这张图会想到什么？

放了一个比较没有内涵的图，因为主办方跟我说今天不能在这儿开车。它原图其实长这样。

我们的GAN能干什么呢？可以通过看到左边的图片把右边画出来，好多人可能觉得这东西有大用。

AI如何“画”图？

我们的GAN到底是怎么形成的呢？

比如我们遇到一个新游戏，我们如何让自己变成高端玩家？我要玩，我一开始不知道怎么玩，所以我玩的时候会死。死的时候不断总结自己的经验，同时会查攻略，请教一些大神教我怎么玩这个游戏，我可以玩得更好。通过不断的尝试，不断学习的过程，我会玩的越来越好，直到把游戏玩通关。

我们的GAN其实是同样的道理，只不过可以用来生成文字，用来画画。

开始我们什么不会画，画完之后交给老师看，就是这个过程中老师来判断画到底好不好，如果不好应该怎么改进，开奖，久而久之会达到一个最终的效果。

这是计算机生成的，GAN在学之前画的最初的画，是一大堆噪点，什么内容都没有。

学着学着就可以画出我们想要的图了，达到这样的效果。

比如说可以复现出一个照片，可以给他一个照片，它可以仿照这个风格，把这个风格的照片迁移出来。

比如说刚才大家很关心的如何去马赛克的问题，这是我们团队所做的图。

右边是原图，atv，中间是计算机看着左边画出来的。为什么不太像呢？因为我们团队比较穷，设备跟不上，所以画出来的不太好。

还可以有更好玩的？

它还可以干什么好玩的呢？它还可以干这个。比如我们可以画一个线稿，来脑补出这个线稿应该长什么样子。