生成對抗網路(GAN)
圖1. 『全球首次！AI創作肖像畫 10月佳士得拍賣』，圖片來源：佳士得網站
話說水能載舟，亦能覆舟，AI雖然給人類帶來了許多便利，但也造成不小的危害。近幾年氾濫的深度偽造(Deepfake)就是一例，它利用AI技術偽造政治人物與明星的視訊，能夠做到真假難辨，一旦在網路上散播開來，就形成莫大的災難，根據統計，名人色情片8成都是偽造的。深度偽造的基礎演算法就是『生成對抗網路』(Generative Adversarial Network, GAN)，接下來我們就來探究一下GAN的演算法原理。
關於生成對抗網路有一個很生動的比喻：它是由兩個神經網路所組成，一個網路扮演偽鈔製造者(Counterfeiter)，一直製造假鈔，另一個網路則扮演警察，不斷從偽造者那邊拿到假鈔，並判斷真假，然後，偽造者就根據警察判斷結果的回饋，不停改良，直到最後假鈔變成真假難辨(天啊！這是什麼電影情節！)，這就是GAN的概念。
偽鈔製造者稱為『生成模型』（Generative model），警察則是『判别模型』（Discriminative model），簡單的架構如下圖：
圖2. GAN架構
GAN分別定義兩個神經網路的損失函數，經過不斷的對抗，最後透過反向傳導可以得到優化的模型，也因而可以生成幾可亂真的圖像。
GAN不是只有一種模型，其變形非常多，可以參閱『The GAN Zoo』(https://github.com/hindupuravinash/the-gan-zoo)，有上百種不同的模型，譬如：
圖3. CGAN演算法的姿勢生成
圖4. ACGAN演算法，從左邊的動漫角色，生成為右邊的新角色
