Hi，生成式AI（Generative AI）

GANs,生成式AI的核心技术

生成式对抗网络（GANs, Generative Adversarial Networks ），这是生成式AI的关键技术。其本质是一种深度学习模型，是近年来复杂分布上无监督学习最具前景的方法之一。

2014年，研究人员首次使用计算机，利用生成对抗网络GANs，创造出了逼真的人脸。

GAN如何工作？

GAN通过使两个神经网络相互竞争来学习数据集的概率分布。一个叫做Generator的神经网络生成新的数据实例，而另一个Discriminator评估它们的真实性。即，鉴别器决定它检查的数据的每个实例是否属于实际的训练数据集。

同时，生成器正在创建新的合成/伪造图像，并将其传递给鉴别器。这样做是为了希望即使它们是假的，它们也将被认为是真实的。生成器的目标是生成可传递的图像：说谎而不被捕获。鉴别器的目的是将来自发生器的图像识别为伪造的。

GAN采取的步骤

1.生成器接受随机数并返回图像；

2.生成的图像与从实际的真实数据集中获取的图像流一起馈入鉴别器；

3.鉴别器同时获取真实图像和伪造图像，并返回概率（介于0和1之间的数字），其中1代表对真实性的预测，0代表伪造。

因此，有一个双重反馈循环：鉴别器处于反馈循环中，具有图像的基本事实。发生器与鉴别器处于反馈回路中。

☰

─   ╳

AI生“万物”

当下，生成式AI已在研究和商业的多种场景得到应用。具体而言，有以下领域：

生成图形：AI可以从艺术品中抽象视觉图案，然后将这些图案应用到具有该艺术品特征的虚拟图像再现中。这些算法还可以将粗糙的涂鸦转换为令人印象深刻的绘图，该图像似乎是由描绘真实世界的专业人类艺术家创作的。

生成照片：生成式AI可以通过生成并叠加到原始任何缺失、模糊或误导性的视觉元素上来自动更正照片，将低分辨率原始图像转换为高分辨率版本，也可以通过混合现有的肖像或从任何特定的肖像中抽象特征来产生自然的外观，或者从语义标签中生成逼真的图像。

生成音频：生成式AI可以将任何计算机生成的声音渲染成一个听起来像是在人类声带中自然产生的声音，也可以将文本翻译成语音。

同样，生成式AI也可以生成视频、文本、字幕等。

生成材料：生成式AI甚至可以通过3D打印、CRISPR和其他技术从零开始呈现假肢、有机分子和其他物品。

在今年的8月，Insilico Medicine和西湖制药Westlake Pharma宣布建立战略伙伴关系，共同开发针对新型冠状病毒（COVID-19）的创新小分子药物。

眼见为实or虚？

根据Gartner的预测，到 2025 年，全球10%的数据将有生成式人工智能产生，而今天这一比例还不到 1%。

俗话说眼见为实，可是随着生成式人工智能技术的不断发展，大家准备好生活在一个眼见不一定为实的世界了吗？

文字 | 公共管理学院 徐珍珍

图片 I  公共管理学院

校对 I 赵改改

排版 I 江婉怡

责编 I 陈琛 王婷婷