【老计带你懂AI算法】17：GAN生成对抗网络，两个网络互相较劲，造出以假乱真-二趣网

【老计带你懂AI算法】17：GAN生成对抗网络，两个网络互相较劲，造出以假乱真

开头：让AI从判断走向创造

前面讲的模型，大多在做判断和预测，这是猫还是狗、房价多少、会不会流失。它们是在认识世界。从这一篇开始，我们进入一个更神奇的领域，生成式AI，让AI去创造，生成本来不存在的图片、艺术、内容。

如今满天飞的AI绘画、AI换脸、AI生成的虚拟人脸，这些"无中生有"的能力，背后的开山鼻祖之一，就是这一篇的主角，GAN（生成对抗网络，Generative Adversarial Network）。它2014年提出，用一个极其巧妙、充满博弈智慧的设计，让机器学会了创造，一度是生成式AI最耀眼的明星，也让"AI也能搞创作"这件事第一次真正走进大众视野。

核心思想：一个造假高手和一个鉴宝专家的较量

GAN最精彩的地方，是它的设计思想，像一场猫鼠游戏。它让两个神经网络互相对抗、彼此较劲，在斗争中共同进步。这两个网络是：

生成器：一个"造假高手"。它的任务是凭空造出假的东西（比如假的人脸图片），目标是骗过鉴别者。
判别器：一个"鉴宝专家"。它的任务是判断给它的东西，是真的（来自真实数据）还是生成器造的假货，目标是别被骗。

这两个网络的目标完全对立，于是形成了一场持续的博弈。我用一个比方讲清这个过程，特别生动：

想象一个专造假钞的团伙（生成器）和一个验钞的警察（判别器）。一开始，造假团伙手艺很烂，造的假钞一眼假，警察轻松识破。造假团伙一看被识破了，就改进手艺，造得更逼真。警察发现认不出了，也提升自己的鉴别本领，学会看更细的破绽。造假团伙再升级，警察再升级……就这样，双方在一轮轮的对抗中互相逼着对方进步，造假的越来越以假乱真，验钞的越来越火眼金睛。最终，造假团伙的手艺高超到连最厉害的警察都难辨真假，这时候，生成器就能造出以假乱真的作品了。

这就是GAN的精髓，用对抗来驱动学习。不是直接教生成器怎么画好，而是给它找了个越来越强的对手（判别器），逼着它在对抗中自己学会造出逼真的东西。这个设计在当时惊艳了整个AI界，它的提出者古德费洛也因此声名大噪，据说灵感就来自一次酒吧里和朋友的争论。

值得一提的是，这种"对抗"的智慧，其实在生活里随处可见，理解了能帮你记住GAN。竞技体育里，对手越强你越能被逼出真实力；商业竞争中，旗鼓相当的对手会逼着双方都不断创新；甚至学习本身，一个会不断出难题挑你毛病的严师，比一味夸你的老师更能让你进步。GAN不过是把这个"在对抗中共同进化"的朴素道理，用两个神经网络精巧地实现了出来。想通这一层，你就抓住了GAN的灵魂，它的技术细节可以忘，但这个对抗博弈的思想值得记一辈子。

为什么对抗能学会创造

再把这个"对抗为什么有效"讲深一层，你会更佩服这个设计。

判别器的存在，本质是给生成器提供了一个不断进化的、越来越苛刻的评判标准。如果只是让生成器随便生成、没人评判，它根本不知道自己造得好不好、往哪个方向改。判别器就是那个挑剔的老师，它总能指出"你这里还是假、那里露馅了"，生成器就朝着"骗过判别器"的方向努力。

关键在于，判别器自己也在变强。这就避免了一个问题，如果评判标准是固定的、僵化的，生成器很容易钻空子、糊弄过去。可判别器越来越聪明，生成器就没法糊弄，只能真刀真枪地把质量提上去。这种"魔高一尺、道高一丈"的动态对抗，逼出了双方真正的实力。到最后，生成器为了骗过一个几乎完美的判别器，就不得不学会生成几乎和真实数据分不出差别的作品，这就是创造。

输入和输出长什么样

生成器的输入：一串随机数字（术语叫随机噪声，可以理解成随机的种子）。从一堆随机数出发，是GAN能"无中生有"的关键，不同的随机种子，生成不同的作品。
生成器的输出：一个生成的样本（比如一张图片）。
判别器的输入：一个样本（可能真可能假）。输出：一个概率，判断它是真的可能性。
训练完成后，我们要的是生成器，判别器完成了陪练的使命就可以功成身退。用的时候，给生成器喂随机噪声，它就源源不断产出新作品。

上代码：训练一个生成手写数字的GAN

用PyTorch搭一个极简GAN生成手写数字。输入：随机噪声。输出：生成的数字图像。重点看两个网络对抗训练的结构。

# 依赖：pip install torch torchvisionimporttorchimporttorch.nnasnnfromtorchvisionimportdatasets,transformsfromtorch.utils.dataimportDataLoader# 加载MNIST,像素归一化到[-1,1]tf=transforms.Compose([transforms.ToTensor(),transforms.Normalize([0.5],[0.5])])loader=DataLoader(datasets.MNIST("./data",train=True,download=True,transform=tf),batch_size=128,shuffle=True)# 生成器:从100维随机噪声 生成 784维(28x28)图像G=nn.Sequential(nn.Linear(100,256),nn.ReLU(),nn.Linear(256,784),nn.Tanh(),# Tanh输出到[-1,1])# 判别器:输入784维图像,输出"是真图"的概率D=nn.Sequential(nn.Linear(784,256),nn.LeakyReLU(0.2),nn.Linear(256,1),nn.Sigmoid(),)loss_fn=nn.BCELoss()optG=torch.optim.Adam(G.parameters(),lr=0.0002)optD=torch.optim.Adam(D.parameters(),lr=0.0002)forepochinrange(1):# 演示只跑1轮fori,(imgs,_)inenumerate(loader):real=imgs.view(imgs.size(0),-1)bs=real.size(0)real_label=torch.ones(bs,1);fake_label=torch.zeros(bs,1)# 1.训练判别器:真图判真,假图判假z=torch.randn(bs,100)fake=G(z)d_loss=loss_fn(D(real),real_label)+loss_fn(D(fake.detach()),fake_label)optD.zero_grad();d_loss.backward();optD.step()# 2.训练生成器:努力让判别器把假图判成真z=torch.randn(bs,100)g_loss=loss_fn(D(G(z)),real_label)# 目标:骗过判别器optG.zero_grad();g_loss.backward();optG.step()ifi%200==0:print(f"批{i}判别器损失{d_loss.item():.3f}生成器损失{g_loss.item():.3f}")print("训练中,G在学着造更真的数字,D在学着更好地鉴别")

运行输出（示例，训练有随机性，两个损失会来回拉锯，数值每次不同）：

批0 判别器损失1.386 生成器损失0.693 批200 判别器损失0.921 生成器损失1.487 批400 判别器损失1.043 生成器损失1.126 训练中,G在学着造更真的数字,D在学着更好地鉴别

运行你会看到两个损失此消彼长地拉锯。核心就是那两段训练，先训练判别器提高鉴别力，再训练生成器努力骗过它，两者交替、互相对抗。多训练些轮次后，生成器就能画出像模像样的手写数字了。这段代码把GAN的对抗博弈完整地展现了出来。

关键概念与难训练的坑

GAN效果惊艳，但出了名的难训练，这是它一个绕不开的短板：

训练不稳定：两个网络的对抗要棋逢对手、势均力敌才能一起进步。一旦一方太强（比如判别器碾压生成器），另一方就学不动了，训练崩掉。调平衡很微妙。
模式崩溃：生成器可能偷懒，发现只造某一种能骗过判别器的样本就够了，于是翻来覆去只生成那几种，失去了多样性。比如让它生成人脸，它只会生成几张雷同的脸。
不好评价：生成的东西好不好，没有一个简单的数字指标能衡量，往往要靠人看。

这些坑让GAN的调试很吃功夫，后来有很多改进版本（如DCGAN、WGAN、StyleGAN）来缓解这些问题，其中StyleGAN能生成极其逼真的高清人脸，那些"这个人不存在"的网站就是它的杰作。

让生成听指挥：条件GAN

原始的GAN从随机噪声出发，你没法控制它生成什么，喂进去随机种子，出来的是随机的数字或人脸，全凭它高兴。可实际中我们常常想指定生成的内容，比如"我就要生成数字7"“生成一只戴帽子的猫”。

这就催生了条件GAN。思路很简单，在给生成器喂随机噪声的同时，再多喂一个条件（比如你想要的类别标签），并且让判别器也知道这个条件，判断的不再是"这张图真不真"，而是"这张图是不是符合条件的真图"。这么一来，生成器就学会了按你的指令来造。打个比方，原始GAN像个只会随手涂鸦的画家，你不知道他下一笔画啥；条件GAN则像个能听要求的画师，你说画只猫他就画猫。

这个"给生成过程加上可控条件"的思想极其重要，它是通往今天文生图（输入一句话生成对应图片）的关键一步。你现在用的那些AI绘画工具，输入"赛博朋克风格的城市夜景"就能出图，本质上就是把你那句话当成了控制生成的条件。虽然它们背后的主力已经换成了扩散模型，但"用文字或标签作为条件来引导生成"这个思路，正是从条件生成这里一脉相承下来的。理解了这一步，你就明白AI绘画为什么能听懂你的话。

优缺点与适用场景

优点：能生成非常逼真的样本、对抗思想新颖强大、生成速度快（一次前向就出结果）。缺点：训练不稳定难调、可能模式崩溃、不好评价质量。

适合场景：图像生成、人脸生成、图像风格转换（把照片变成油画）、图像超分辨率（把模糊图变清晰）、数据增强（造更多训练数据）、老照片修复等。

这里必须严肃地提一句GAN带来的一个现实问题，深度伪造（Deepfake）。GAN能生成以假乱真的人脸和视频，这项技术被滥用，就出现了换脸假视频、伪造名人言论、制造虚假色情内容等严重危害，甚至被用于诈骗（伪造老板的声音和视频骗员工转账）。这提醒我们，生成式AI是一把锋利的双刃剑，同样的造假能力，用在影视特效、艺术创作上是造福，用在欺诈和诽谤上就是作恶。作为技术人，理解这些技术的同时，也要有清醒的伦理底线，不参与、不助长技术的恶意滥用。好在，道高一尺魔高一丈的对抗也延伸到了这里，如今也有大量研究在做AI生成内容的检测和溯源，用技术手段来对抗技术的滥用。这场攻防，某种意义上又是一场新的"生成对抗"。

要说明它今天的定位：GAN开创了生成式AI的一个时代，但近几年在图像生成的王座上，已经很大程度上被下一篇要讲的扩散模型取代了。如今最火的AI绘画工具，背后多是扩散模型。不过GAN的对抗思想影响深远，仍在很多地方发挥作用，它是理解生成式AI绕不开的经典。

小结与承上启下

GAN：两个网络对抗，生成器造假、判别器鉴假，在猫鼠游戏里双双变强。
为什么行：判别器提供不断进化的苛刻评判标准，逼生成器真刀真枪把质量提上去。
输入输出：生成器从随机噪声无中生有造样本，训练完只留生成器用。
短板与定位：难训练、易模式崩溃，图像生成已很大程度上被扩散模型取代，但对抗思想影响深远，仍是理解生成式AI绕不开的经典一课。

GAN用对抗来学习创造，思路巧妙但难驯服。有没有一种更稳定、生成质量更高的创造方式？有，它的灵感来自一个意想不到的地方，物理学里的扩散现象。下一篇我们讲如今AI绘画背后的真正主力，扩散模型，看它怎么从一片噪声里"雕刻"出精美的图像。

我们下一篇见。

企业官网建设流程全解析