详细内容或原文请订阅后点击阅览
创意对抗网络：它们如何产生艺术？
为什么重要：基于深度学习、神经网络和人工智能的 CAN 使机器能够创造性地思考，这意味着这不是对任何现有艺术品的廉价模仿。
来源:人工智能+简介：
简介：对于人类来说，最困难的事情之一就是编写或开发一个学习过程，让计算机进行创造性思考或帮助它们理解风格规范。几个世纪以来，人类、现实或当代艺术家一直在用不同的绘画风格和人类智能创作艺术。毫无疑问，计算机非常擅长按照我们的要求去做，而且它们能够快速完成任务，但创造力是一个抽象的概念，把它教给机器一直是一项具有挑战性的机器学习任务。为了克服这一挑战，罗格斯大学的一组学生在一篇研究论文中提出了 CAN（创造性对抗网络）的概念。
运行在深度学习、神经网络和人工智能上的 CAN 使机器能够进行创造性思考，这意味着这不是对任何现有艺术品的廉价模仿。
基于深度学习、神经网络和人工智能的 CAN 使机器能够创造性地思考，这意味着这不是对任何现有艺术品的廉价模仿。让我们学习和了解什么是 CAN 以及它们如何工作。
CAN 是一种具有创作过程的 GAN
CAN 是一种具有创作过程的 GAN为了理解 CAN，您首先需要了解生成对抗网络 (GAN)，它是由 Ian Goodfellow 和他的同事在几年前创建的。对 GAN 的良好理解将使您能够完全理解 CAN。
通用对抗网络 (GAN) 是一种生成模型，它观察许多样本分布并生成更多相同分布的样本。它由两个主要组件组成，即生成器和鉴别器。在生成器模型中，信息（示例图像）是根据输入的数据集生成的，而鉴别器模型则确定图像是真是假。