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 播客中，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 播客的主持人 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。”