過去幾年來，深度學習技術取得矚目進展，深度學習系統可以從足夠多的圖像進行學習，識別人臉情緒指數、X光片病症判斷等。這種方法已經讓一系列新事物成為可能，譬如自動駕駛汽車及聊天機器人。然而，儘管基於深度學習的人工智能系統能夠學習識別事物，它們卻一直不擅長創造事物。
直到最近，GAN（generative adversarial network）演算法為深度學習賦予新的想像力。Google科學家Ian Goodfellow【圖】在一次閒談中得到了讓兩個神經網路相互對抗的靈感，發明了被稱為「生成對抗網路」的演算法。GAN的神奇就在於兩個神經網路的相互對抗，模擬了一個「偽造者」和一個「鑑別師」之間的你來我往，兩者都在不斷試圖勝過對方，是不是有點金庸小說中周伯通的左右互搏呢？這項技術在機器學習領域引發了繼深度學習後另一個熱潮。
深度學習重大飛躍
香港科技大學的楊強教授就曾經用GAN方法，讓人工智能寫出「大數據」書法字體為我的新書封面所用。你可以想像為一個學生（機器學習A）努力臨摹名家字帖，在這過程中嚴格的老師（機器學習B）不斷給予回饋，直到連老師都被以假亂真為止。周而復始，A的書法水準會隨着不斷回饋而達到高手水平。這樣做不僅可以讓人工智能畫出漂亮圖畫或創作音樂，還可以減少人工智能在認識世界事物時對人類指導的依賴。未來，電腦將會更好地消化原始數據，在沒有人類指導的情況下自行搞清楚如何學習。這將標誌着人工智能領域所謂的「無監督學習」取得重大飛躍。
GAN最明顯的應用不僅在那些涉及大量圖像的領域，例如時裝及室內設計，更可以用於分析藥物治療效果。Facebook首席人工智慧科學家Yann LeCun把GAN稱為「過去20年深度學習領域最酷的想法」。