文｜脑极体

算法，就像是武林绝学中的“内功”，是计算机领域最重要的基石。不过，算法多了也很麻烦。不断推陈出新的算法是否更新更快更好，大厂各执一词，评价褒贬不一。

没有“内功”，不可能成为高手；“内功”多了，难免走火入魔。

或许搞清楚一种算法是在何时以何种方式何种面貌进化的，能更清晰地理解它的现在和未来。

今天的算法简史，就从火遍整个AI圈的机器学习模型GAN说起。

生成式对抗网络（GAN, Generative Adversarial Networks ）是一种深度学习模型，作为在无监督学习上最具前景的算法之一，最早是在2014年由学者Ian J. Goodfellow等人提出的。

在GAN所代表的深度学习之前，已经有很多生成模型。但这种模型是从概率统计角度出发的，指的是用于随机生成可观测数据的模型，很难直接描述和建模。让科研人员在遇到了不少挑战。

比如说传统的图像生成模型，将图像表示为一个随机向量，其中每一维都代表一个像素值，然后假设自然场景中的图像都服从一个未知的分布规则，再通过一些观测样本来估计其分布。

显然，这种难以描述和直接建模的生成模型，让科研人员遇到了不少挑战。最为重要的一点是，系统无从判断预测结果的质量。