解密生成对抗网络 (GAN)

大家好，

今天的主题是人工智能的一个非常令人兴奋的方面，称为生成人工智能。简而言之，生成人工智能是指使机器能够使用文本、音频文件和图像等来创建/生成内容的算法。在上一篇文章中，我谈到了变分自动编码器以及它们如何生成新图像。我提到它们是一组更大的模型（称为生成模型）的一部分，我将在下一篇文章中详细讨论它们。所以我们就在这里。

创建/生成 变分自动编码器

正如我在那篇文章中简要解释的那样，模式有两种类型。判别和生成。第一种是最常见的模型，例如卷积或循环神经网络，它们用于区分/判别数据中的模式，以便将它们归类。图像识别、皮肤癌诊断、以太坊预测等应用都属于判别模式。

循环神经网络

后者能够在数据中生成新的模式。因此，它们可以生成新的图像、新的文本、新的音乐。用严格的数学形式来说，判别模型试图估计后验概率 p(y|x)，即给定输入样本（手写数字图像）输出样本（例如手写数字）的概率。另一方面，生成模型估计联合概率 p(x,y)，即输入样本和样本输出同时为真的概率。实际上，它试图计算一组类的分布，而不是它们之间的边界。

新模式 给定 一组类的分布，而不是它们之间的边界。 来自图像的文本 开发肿瘤学分子 发现新药 转移风格 Deepfakes 生成对抗网络

什么是生成对抗网络？

论文

轰！就是这样。我希望它就这么简单。事实并非如此。但这是 GAN 背后的主要原理。

奥莱利

奥莱利 奥莱利 def (