生成对抗网络

对抗博弈的原理

Ian Goodfellow 2014 年在酒吧想到这个点子并在当晚完成了初版代码。GAN 的类比非常直观：生成器（Generator）像一个伪造货币的罪犯，从随机噪声出发学习生成以假乱真的数据；判别器（Discriminator）像警察，学着区分真实数据和生成数据。两者互相进化，最终生成器学到了真实数据的分布。

训练目标是一个 min-max 博弈：生成器最小化判别器识破的概率，判别器最大化识别准确率。理论上的纳什均衡是生成器生成的数据和真实数据无法区分。但实践中训练极不稳定，经常出现模式崩溃（mode collapse）——生成器只学会生成一两种看起来能骗过判别器的样本，丧失多样性。[1]

GAN 的爆发与扩散模型的崛起

2017-2021 年是 GAN 的黄金时代。StyleGAN2（NVIDIA，2020）生成的人脸照片已经让专业摄影师难以分辨真假，「thispersondoesnotexist.com」让这个能力大众化。Pix2Pix、CycleGAN 实现了图像风格互转。视频生成的 Vid2Vid，语音合成的 WaveGAN，都来自这个体系。

2022 年之后，扩散模型（Diffusion Model）在图像生成质量和训练稳定性上全面超越 GAN，Stable Diffusion、DALL-E 2 成为主角。但 GAN 在需要实时推理的场景（如视频流式生成、低延迟风格迁移）仍有竞争力，因为 GAN 的推理只需一次前向传播，而扩散模型需要几十步迭代。