生成对抗网络（GAN）是一类机器学习框架，也是处理生成式AI的一种重要框架。该概念最初由伊恩·古德费洛及其同事于2014年6月提出。在GAN中，两个神经网络以零和博弈的形式相互竞争，其中一方的收益即为另一方的损失。
给定训练集，该技术学习生成与训练集具有相同统计特性的新数据。例如，在照片上训练的GAN可以生成新照片，这些照片至少在表面上对人类观察者而言是真实的，并具有许多逼真的特征。尽管最初是作为无监督学习的生成模型提出的，GAN也被证明在半监督学习、全监督学习和强化学习中很有用。
GAN的核心思想基于通过判别器进行的“间接”训练，判别器是另一个神经网络，能够判断输入看起来有多“真实”，而该网络本身也在动态更新。这意味着生成器并非被训练为最小化与特定图像的差异，而是被训练为欺骗判别器。这使得模型能够以无监督的方式进行学习。GAN类似于进化生物学中的拟态现象，两者之间存在一种进化式的军备竞赛。
架构
GAN由两个主要部分组成：生成器和判别器。生成器是一个神经网络，它从潜在空间（通常是多元正态分布）中获取随机噪声，并将其映射为数据样本，例如图像。判别器是另一个神经网络，它接收来自训练集的真实样本和来自生成器的合成样本，并输出给定输入是真实的而非生成的概率。
训练过程是一个迭代博弈。首先在已知数据集上训练判别器，使其能够以可接受的准确率区分真实与伪造。然后，根据生成器是否成功欺骗判别器来训练生成器。两个网络都应用独立的反向传播过程：生成器调整其权重以生成更有说服力的样本，而判别器则提高其识别伪造输入的能力。在用于图像生成时，生成器通常是反卷积神经网络，而判别器是卷积神经网络。
数学表述
形式上，GAN博弈定义在概率空间（Ω，μ_ref）上。生成器的策略集是Ω上所有概率测度μ_G的集合，而判别器的策略集由从Ω到[0,1]上概率测度的马尔可夫核组成。目标函数为：
L(μ_G, μ_D) = E_{x~μ_ref, y~μ_D(x)}[ln y] + E_{x~μ_G, y~μ_D(x)}[ln(1-y)]
生成器旨在最小化该目标，使μ_G接近μ_ref，而判别器旨在最大化该目标，对真实数据输出接近1的值，对生成数据输出接近0的值。该极小极大博弈存在一个理论均衡，其中生成器完美复制参考分布，而判别器只能随机猜测。
与其他生成模型的关系
GAN是隐式生成模型，这意味着它们不显式建模似然函数，也不提供找到给定样本对应潜在变量的方法，这与基于流的生成模型等替代方案不同。与WaveNet和PixelRNN等全可见信念网络以及一般的自回归模型相比，GAN可以在单次前向传播中生成一个完整样本，而无需多次传播。
与玻尔兹曼机和线性ICA不同，GAN对网络使用的函数类型没有限制。由于神经网络是通用逼近器，GAN是渐近一致的。截至2026年，变分自编码器也已被证明是通用逼近器，但GAN因其对抗性训练范式而与众不同。这种方法使GAN在图像合成、风格迁移和数据增强等任务中特别有效，这些任务需要生成高维、逼真的样本。
应用与影响
GAN推动了深度学习和机器学习应用的重大进展。它们被广泛用于生成逼真的图像，包括人脸、风景和医学图像。在人工智能研究中，GAN促进了半监督学习的发展，在标注数据稀缺的情况下尤为有用，也推动了强化学习的发展，其中GAN可以建模环境或生成训练经验。
对抗性训练的概念也影响了其他领域，例如Transformer和大语言模型，尽管这些架构使用不同的训练目标。GAN仍然是生成建模的基础框架，持续的研究正在解决训练不稳定和模式崩溃等挑战，其中生成器只产生有限的多样性。其进化式军备竞赛的类比继续激发学术界和工业界的新方法。
局限性与挑战
尽管GAN功能强大，但它们面临若干已知困难。训练可能不稳定，因为两个网络必须保持平衡；如果判别器变得过强，生成器会收到梯度消失，而如果判别器过弱，生成器可能无法有效学习。模式崩溃是另一个常见问题，即生成器只产生少量可能的输出，无法捕捉训练数据的全部多样性。
评估GAN性能也并非易事，因为没有显式的似然函数可供衡量。研究人员通常使用Inception Score或Fréchet Inception Distance等指标，但这些指标存在局限性。截至2020年代中期，包括扩散模型在内的更新型生成模型在某些任务上已获得青睐，但GAN仍然是一个活跃的研究领域，特别是在实时应用和单次生成具有优势的场景中。