K_程式人

在深度學習中,

或許大家有聽說過"生成對抗網路"這一詞,

這是2014年由Ian Goodfellow所提出的,

論文: Generative Adversarial Networks,

那什麼是生成對抗網路呢?!

這邊就舉一個小例子,

假設我們打算訓練一組鳥的樣本,

在訓練前需經過人類仔細在一張張影像上標記,

這些標記完後的影像才能用來訓練神經網路,

同時這樣的做法傷財有傷時,

GAN與傳統的神經網路的最大差異,

在於他是一個有想像力的神經網路,

可大幅降低傳統神經網路訓練時所需的資料量，

其實GAN並非是單一神經網路來做訓練,

而是訓練兩個相互競爭的神經網路,

上方有提到想要訓練一組鳥的資料,

GAN的作法則會試圖創作出像鳥的假鳥圖片,

再經由判別網路來檢視鳥圖片,

並試圖判斷其真假,

藉由一來一往的較勁,

GAN所創作出的假鳥影像越加逼近真鳥圖片,

甚至可以假亂真,

擁有如此創造力的GAN,

對於現在各方向研究者來說,

或許是一種突破,

畢竟並非在各領域上都有足夠量的樣本來訓練神經網路,

甚至需要花費好幾年時間也只能收幾個幾百張,

特別是醫學方面還要考量隱私問題,

造成無法獲得大量資料影像,

而GAN的出現或許可以填補樣本過少的問題,

對於GAN來說,

仍然還有一段路要走,

目前的GAN仍就會產生相似度不高的影像,

且無法產生出複雜的資料,

雖說有些遺憾,

但已經逐漸邁向人工智慧的一小步了,

就讓我們持續關注GAN的成長吧~