深度學習領域的巨擘,同時也是Facebook的AI研究院長楊立昆(Yann LeCun),director of Facebook’s AI research group ,曾表示對抗訓練是有史以來最酷的技術(Adversarial training is the coolest thing since sliced bread),對於GAN他也說:「它為創建無監督學習模型提供了強有力的算法框架,有望幫助我們為AI加入常識(common sense)。我們認為,沿著這條路走下去,有不小的成功機會能開發出更智慧的AI。」link1 link2
如同警察與小偷, 軍情局與白帽駭客 (https://zh.wikipedia.org/wiki/%E9%BB%91%E5%AE%A2) 。
1999年4月30日,CIH病毒(又叫 車諾比 Chernobyl 病毒) 第一次發作後4天,台灣警方追查出此病毒的原創者,當時在軍隊服役中的陳盈豪,便被刑事警察局約談,由於當時中華民國沒有任何對於電腦病毒的刑事法令,陳盈豪獲不起訴處分,民事部份也無受害者提出告訴。
2000年4月25日,在任職公司美商網虎陪同之下,發布「CIH」的免疫程式,曾經在美商網虎及技嘉科技公司工作過,並與刑事局定時連絡,協助開發過濾詐騙電話的預警功能。他也固定到軍情局、刑事局講授網路犯罪課程。
link
軍情局與白帽駭客合作, 競爭得更好結果的概念, 一起找出最佳方式。
Generative Adversarial Network 生成對抗網絡(英語:Generative Adversarial Network,簡稱GAN)是非監督式學習的一種方法,通過讓兩個神經網絡相互博弈的方式進行學習。該方法由Ian Goodfellow等人於2014年提出, link。生成對抗網絡由一個生成網絡與一個判別網絡組成。
以往訓練神經網路常是透過人類提供大量標記資料供機器分析練習(即監督式學習)比如知名的圍棋人工智慧AlphaGo前期的訓練,便是針對人類輸入的大量棋譜進行監督式學習(後期開始自我對弈的訓練則是非監督式學習,某種層面上也有點對抗訓練的概念)
而GAN透過自己相互對抗的生成與鑑別網路,大幅減少資料量的需求,也為非監督式學習提供了更為進步的方法。