GAN：让机器学会做梦

2014年，伊恩·古德费洛在一次酒吧讨论后灵光一现，提出了生成对抗网络（GAN）。GAN的天才设计是让两个神经网络互相竞争：生成器（Generator）不断尝试生成以假乱真的图像，判别器（Discriminator）则努力识破伪造——就像一对造假者和警察在相互博弈。这种对抗训练让AI第一次有能力创造逼真的新内容，而非只是分类已有内容。YannLeCun将GAN称为”过去20年机器学习最令人兴奋的想法”。

【为什么重要？】
GAN是生成式AI的奠基技术之一，从此AI不只能”看”和”分类”，还能”创造”——图像合成、数据增强、风格迁移、Deepfake等技术都源于此。

【逻辑闭环】
解决了什么：提供了第一个高质量图像生成框架，让AI具备了创造能力。局限是什么：GAN训练极不稳定（模式崩溃、训练不收敛），且生成的图像难以多样化控制——你能让它生成人脸，但很难精确指定”生成一个戴眼镜的微笑男性”。这些局限推动了扩散模型（Diffusion Models）和CLIP引导生成的研究——后来的DALL-E、Stable Diffusion正是在此基础上超越了GAN。