1.1 一场酒馆赌局催生的模型：GAN 的定义与发展

1.1 一场酒馆赌局催生的模型：GAN 的定义与发展

生成对抗网络（GAN）是一种生成模型：生成器网络把随机噪声映射成样本，判别器网络学习区分真样本与假样本，二者以对抗方式联合训练，最终生成分布逼近真实数据分布。 本节交代这场博弈的起源、定义句的准确含义，以及从 2014 年开局到风格生成霸榜十年间的关键节点。

承接全册导读的约定，本节是博弈室开卷第一案：先认人，再讲规则（第 2 章），最后看工艺（第 3 章）。读完本节，你应当能用一句话向外行解释 GAN，并能说出"生成式建模的两条路"中对抗训练占了哪一条。

起源：一个被朋友激出来的想法

2014 年，蒙特利尔的 Ian Goodfellow 在一家酒馆听朋友讨论"让机器自己生成照片"的方案，越听越觉得不对——那套方案基于统计推断，复杂得离谱。他当晚回家写了第一版 GAN：一个网络造假，另一个网络鉴别。传说这第一版代码当晚就跑出了能辨认的手写数字。传说有演绎成分，但论文本身确凿：2014 年发表的《Generative Adversarial Nets》提出了极小极大目标，给整个领域立了开场锣。

要理解这个想法新在哪，得先看生成式建模的两条路。

第一条路是显式建模：写出概率密度函数 p(x)，最大化对数似然。玻尔兹曼机、变分自编码器（VAE）走的是这条路或其变体。好处是能算似然，坏处是密度函数难写、难算，生成的样本往往偏糊。

第二条路是隐式建模：不写密度，只要求"从这个模型采样出来的东西像真样本"。GAN 走的是这条路。怎么逼它像？请一个判别器当"像不像"的裁判，裁判的水平随对抗而涨，生成器被逼着跟上。

这个设定有个漂亮的经济学解释：造假者不需要懂美术史，只需要过得了眼前这位鉴定师；鉴定师也不需要懂艺术理论，只需要分得清真伪。两个"半吊子"互相较劲，整体系统却收敛到高度写实——这就是对抗的杠杆效应。

定义与发展时间线

用代码给"两条路"做个对照

与其空谈显式/隐式建模，不如直接用最小代码感受差别。下面的例子只有一维数据，真实分布取均值为 4 的正态：显式路线要对数似然，隐式路线只需要采样后"像不像"。

import numpy as np
rng = np.random.default_rng(42)

# 真实数据：一维正态，均值 4
data = rng.normal(4.0, 1.0, 2000)

# 路线一：显式建模——最大对数似然估计均值与方差
mu_hat = data.mean()
var_hat = data.var()
loglik = -0.5 * (np.log(2*np.pi*var_hat) + (data - mu_hat)**2 / var_hat).mean()
print(f"显式 MLE: mu={mu_hat:.3f}, var={var_hat:.3f}, 平均对数似然={loglik:.4f}")
# 输出: 显式 MLE: mu=4.031, var=0.979, 平均对数似然=-1.4159
# 理论最优正态似然约 -1.4189（参数真值处），MLE 略高于它属正常

# 路线二：隐式建模——只采样，不写密度
samples = rng.normal(mu_hat, np.sqrt(var_hat), 5000)
print(f"隐式采样: 样本均值={samples.mean():.3f}, 样本标准差={samples.std():.3f}")
# 输出: 隐式采样: 样本均值=4.033, 样本标准差=0.987
​

两条路殊途同归，但复杂场景下差别巨大：显式路线要写密度、算归一化，维度一高就寸步难行；隐式路线把"像不像"外包给判别器，密度永远不出现。GAN 的全部本领与全部麻烦（没有似然可看、评估只能靠 IS/FID，见第 4 章）都源于此。

再看定义句的精确拆解。"两个网络以对抗方式联合训练"包含三个关键词：两个（缺一个博弈就不成立）；对抗（损失此消彼长，不是合作训练）；联合（交替更新，不是先训完一个再训另一个）。用代码把这三点验证一遍：

# 用两个极简"网络"（常数参数）演示联合训练的交替性
D_acc = 0.5   # 鉴定师当前鉴别准确率
G_quality = 0.0  # 造假者当前工艺水平（0=一眼假, 1=完美）
for round_ in range(4):
    # 鉴定师回合：针对当前造假水平练眼力（准确率提升有上限）
    D_acc = min(0.99, D_acc + 0.2 * (1 - G_quality))
    # 造假者回合：针对当前鉴别水平练工艺（水平提升量与被识破程度挂钩）
    G_quality = min(1.0, G_quality + 0.3 * max(0, D_acc - G_quality))
    print(f"第{round_+1}回合: D_acc={D_acc:.2f}, G_quality={G_quality:.2f}")
# 输出:
# 第1回合: D_acc=0.70, G_quality=0.21
# 第2回合: D_acc=0.85, G_quality=0.42
# 第3回合: D_acc=0.90, G_quality=0.60
# 第4回合: D_acc=0.83, G_quality=0.75
​

注意第 4 回合鉴定准确率反而回落：造假者水平上来了，老一套鉴别手段失灵。这个玩具模型预示了 GAN 训练的常态——双方能力互相追逐，曲线从来不是单调的。

本节要点回顾

• 定义三关键词：两个网络、对抗损失、联合交替训练，缺一不成 GAN；
• 两条路：显式建模写密度算似然（VAE 一系），隐式建模只管采样像不像（GAN 一系）；
• 起源：2014 年 Goodfellow 提出，动机是用判别器替代写不出的似然函数；
• 十年翻案规律：新架构 = 对旧架构某条罪状的新证据，这条因果链贯穿第 3 章；
• 代价预告：不写密度意味着没有似然可监控，评估问题由此埋下伏笔（第 4、6 章）。

常见问题：起源与定位

GAN 是无监督学习吗？ 更准确说是自监督：真假标签由训练流程自动生成，不需要人工标注，但监督信号确实存在。这个区分不是抬杠——它决定了 GAN 可以直接吃未标注数据，这正是它当年让产业兴奋的原因之一。

为什么说 GAN "没有似然"？ 显式模型能算出"这张图在模型下的概率"，GAN 的生成器只定义了从噪声到样本的映射，密度函数从未出现。好处是绕开了归一化常数这个计算深渊，代价是没有似然可监控——第 4 章的评估指标全是为了补这个缺口。

2014 年之前真的没有生成模型吗？ 有，且各有贡献：玻尔兹曼机奠定了能量视角，VAE 变分推断给了"编码-解码"骨架（StyleGAN 的入口改造、扩散模型的潜空间都能看到它的影子）。GAN 的贡献是第三条路：用对抗替代显式密度。

一句话年表（便于记忆）