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.
