深度学习(deep learning)技术引进，带动人工智能(AI)的第三波应用风潮，但深度学习能力依赖数据量，若数据量不足或数据类型太过偏颇，学习效果便有限；而被称为生成式对抗网路(Generative Adversarial Networks；GAN)的新技术，现在被用于弥补深度学习的弱点。GAN概念首先提出于2014年，刚开始的用途在识别人物相片的真伪，不过现在用途已经快速扩大，比方位于日本东京的新创企业Ascent Robotics，便利用GAN训练该厂设计的自动驾驶AI，NTT等其他厂商正在开发翻译软件或材料科学等多种用途，未来发展潜力不可低估。日经产业杂志(Nikkei Business)报导，GAN与深度学习的关系，就像诈欺犯与警察的关系，比方美国半导体大厂NVIDIA的实验，在实际的富豪照片中，追加AI自动合成的假富豪照片，再由AI辨识真假富豪，接下来再制造更逼真的富豪照片与再度识别，反覆进行，互相提升性能。深度学习的*大问题，就是难以举一反三，如果数据只有黑马，可能会出现白马非马、斑马却是马的结论。但利用GAN技术，就有可能让AI懂得举一反三，甚至创造出程式工程师都没想到的层面。NVIDIA的实验比较接近纯技术研究，但其他厂商已经注意到生成对抗网路技术的用途，比方自动驾驶，为避免2016年Tesla发生的识别错误型车祸，有一种想法是输入3D地图以供比对，但这需要相当大的记忆容量，而且街景随时会因工程改变，无法即时更新就会有变数。Ascent Robotics的做法，就是以GAN技术自动制造街景，让AI学习各种状况下的应对，这不仅有助减少对3D地图的依赖，还可以任意追加行人或车辆让自动驾驶系统学会辨识，考虑到不可能每日更新全球各地的3D地图，用这种方式让自动驾驶系统学会临机应变，或许更有利。NTT则利用对抗网路技术研发发语音翻译软体，考虑的是针对发音不标准人士的口音辨识；东京大学(University of Tokyo)则用以进行人脑研究，新创企业Araya用在生物种与药品研发，论文即将发表。接下来还有哪些机构推出相关商业应用，值得期待。
公安机关备案号：
