入选MIT十大突破性技术 ，AI版双手互搏到底

日前，《麻省理工科技评论》发布了其评选的2018年十大突破性技术榜单，“对抗性”（GAN）技术赫然在列。那么，究竟何为对抗性技术？为何它能受到如此高度的评价？它的独特之处何在，与我们熟知的技术又有何不同？其在人工智能领域的应用前景如何？又有哪些关键问题亟待解决？针对这些疑问，我们有幸采访到了中国自动化学会混合智能专委会副主任、中国人工智能学会专委会常委、复旦大学博士生导师张军平教授，他为我们带来了深入浅出的解释。

张军平教授首先指出，虽然GAN技术是科技领域的新星，但其理念在中外小说的悠久历史中早已初现端倪。GAN网络的本质可以理解为一种人工智能的对抗。在这个游戏中，有两个主要角色——生成器与判别器。生成器的任务是生成类似自然世界中的目标，而判别器的任务则是区分真实目标和生成的目标。这个过程就像一场反复博弈的较量，最终使两者能力都得到显著提高。

正是这种独特的对抗性机制，使得GAN网络具有广泛的应用潜力。虽然最初主要应用于图像相关任务，但其普适性机理意味着它可以应用于任何需要这种“对抗”机制的场景。例如，在年龄估计中，GAN可以通过对抗过程，根据给定的人脸图像生成其衰老或年轻时的模样。在多视角、跨视角步态识别领域，它也可以实现人脸和步态的自动旋转，提高识别精度。

而在自动驾驶领域，GAN技术的应用更是具有革命性的。智能汽车需要在复杂环境下进行虚拟训练，GAN就可以发挥巨大的作用。通过输入随机噪声图像，经过生成器和判别器的反复博弈，可以获得与真实环境一致的交通场景。这不仅大大缩短了虚拟训练与真实场景之间的差距，也为自动驾驶技术的快速发展提供了可能。

自2014年Ian J. Goodfello等人提出GAN网络以来，其各种版本就像攻城掠地般在各个领域得到广泛应用。在今年的人工智能顶级会议IJCAI、ICML和NIPS，以及学习著名会议ICLR上，GAN网络的应用成果频频亮相。图像处理、计算机视觉、自动驾驶、安全监控等领域都能看到GAN网络的身影。似乎在一夜之间，GAN已经变得无所不能。

张军平教授的解释为我们揭示了GAN技术的神秘面纱。作为一种新兴的人工智能技术，GAN的未来发展前景令人充满期待。随着技术的不断进步，我们有理由相信，GAN将在人工智能领域发挥更大的作用，为我们带来更多的惊喜。