这个故事开始的时候很像笑话：一位研究人员走进酒吧，出来时已经在深度学习领域取得了革命性的进展。
现在，没人会笑话 Google 在职研究员 Ian Goodfellow 萌生生成式对抗网络 (GAN) 这一想法的方式。
在本周的这集 AI Podcast 中，Goodfellow 指出深度学习的一大障碍是需要“经过标记的海量训练数据”，而这需要人工完成大量工作。
“如果你有一个深度神经网络并教它阅读，实际上是教它看照片并识别在照片中看到的字母，那么，它能像人一样做好这件事。”Goodfellow 对 AI Podcast 主持人 Michael Copeland 这样说。 “但是，它学会这样做的过程与人类学会阅读的过程一点都不像。”
GAN 能让深度神经网络更快速地使用和学习数据，并减少了人力投入。两个网络相互竞争时就会出现 “对抗” 。生成器网络负责创作图像，而判别器网络负责辨别图像的真假。
“可以将它想象为类似于艺术评论家。判别器网络观看图像，并指出它是真的还是假的。”Goodfellow 说道。“它还能够告诉生成器网络应该怎么做来让图像看起来更像真的。”
当回想起在安大略的 Les Trois Brasseurs 酒吧进行的简短争论如何让其萌生 GAN 的想法时，Goodfellow 坚定地认为，成功的研究人员不应只沉浸在课题中，还要给自己留出时间去创新。
他说：“我尽力确保自己不会投入到太多事情中，因为我要留出一些空间来触发一点灵感。”
AI Podcast：AI 创作出颠覆以往体验的精彩集锦
电竞迷绝对不能错过上周的播客节目。我们采访了雅虎的高级研究员 Yale Song。快来看看他如何训练 AI 创作出精彩的电竞游戏集锦。
如何收听 AI Podcast
我们的 AI Podcast 通过 iTunes、DoggCatcher、Google Play Music、Overcast、PlayerFM、Podbay、Pocket Casts、PodCruncher、PodKicker、Stitcher 和 Soundcloud 播出。如果这里没有列出您爱用的方式，请向 aipodcast@nvidia.com 发送电子邮件以告知我们。
