科研革命来了：AI在改变科学家的研究方式( 四 ) 新智元报道来

GAN分为两部分，一部分名为生成器，能够生成虚假数据，第二部分名为判别器，目标是区分虚假数据和真实数据。随着程序的运行，两部分的表现都会越来越好。可能你已经看过一些由GAN生成的超逼真的“面孔” ，这些足以乱真人脸图像最近已经成为热门话题。

更广泛地讲，生成建模系统利用数据集（通常是图像数据集），并将每个数据分解为一组基本的抽象构建模块，科学家将其称为数据的“潜在空间” 。算法能够利用元素潜在的空间，看看它会对原始数据造成什么影响，这有助于发现系统运行的实际过程。

潜在空间的概念是抽象的，但可以做一个粗略的类比，想想当你试图确定一张人脸的性别时，你的大脑在做些什么。也许你会注意发型、鼻子的形状轮廓等要素，以及那些不好用语言轻易表达的特征。

计算机程序同样在寻找数据中的显著特征：虽然它不知道留着小胡子的脸是什么性别，但经过数据集上的训练，其中一些图像会被标记为“男人”或“女人” ，如果其中有些图像有“小胡子”标签，系统就会很快推断出一个“小胡子”与“性别”之间的联系。

----科研革命来了：AI在改变科学家的研究方式//----江苏龙网 http://www.jiangsulong.com //

一家名为Modulos的AI公司的天体物理学家KevinSchawinski认为，一种名为“生成建模”的技术为我们提供了第三种了解宇宙的方法

在去年12月发表于《天文学和天体物理学》的论文中， Schawinski和同事DennisTurp、CeZhang使用生成模型来研究星系在演化过程中所经历的物理变化。（他们使用的软件对待潜在空间与生成对抗网络有所不同，因此技术上并不算是GAN ，但与之类似。）他们使用的模型创建了人工数据集，作为测试物理过程假设的一种方式。