生成对抗网络的基本原理

两个核心角色

生成器 —— “造假者”

• 任务：它的目标是制造出以假乱真的数据（比如一张假的人脸图片）。
• 起点：一开始它什么都不懂，只是随机输入一些噪点（就像电视雪花屏），试图拼凑出一张像样的图。
• 动力：它唯一的动力就是骗过那个“鉴定专家”。

判别器 —— “鉴定专家/警察”

• 任务：它的目标是辨别真伪。给它一张图，它要判断这是“真图”（来自真实数据库）还是“假图”（来自生成器）。
• 起点：一开始它也分不清，只能瞎猜。
• 动力：它要尽可能准确地抓出假货。

它们是如何“对抗”的？（训练过程）

1. 第一轮：
   • 造假者随手画了个乱七八糟的东西给警察。
   • 警察一眼就看穿了：“这是假的！”
   • 结果：造假者很丢脸，回去反思（调整参数），下次画得像一点；警察也觉得太简单了，下次得认真点。
2. 第 N 轮：
   • 造假者进步了，画得有点像个人样了。
   • 警察仔细看了看，发现耳朵有点歪，说：“还是假的！”
   • 结果：造假者继续改进，专门把耳朵画好；警察也升级了火眼金睛，开始看毛孔细节。
3. 第 10000 轮（最终状态）：
   • 造假者已经是世界顶级的“造假大师”，画出来的人脸连毛孔、光影都完美无缺。
   • 警察已经变成了顶级鉴画师，但面对造假者的作品，它只能无奈地耸耸肩：“这…我也分不清是真是假了，算你赢。”

用数学语言简单描述

• 判别器想要最大化自己判断正确的概率（把真的认作真，假的认作假）。
• 生成器想要最小化判别器判断正确的概率（也就是让判别器把假的认作真）。

生成对抗网络能做什么？

• AI 绘画：生成不存在的人脸、风景画（比如著名的“AI 生成美女”）。
• 老照片修复：把模糊的图变清晰（生成器负责“脑补”缺失的细节，骗过判别器）。
• 风格迁移：把你的照片变成梵高风格。
• Deepfake：也就是“AI 换脸”，这也是 GAN 技术的一种应用（虽然常被用于负面用途）。