新华社北京３月１９日电（记者 刘石磊）当前，人工智能的计算力、识别力快速发展，但想象力、创造力仍处瓶颈。为破解这一局限，科学家设计出一套类似“猫鼠游戏”的技术，让人工智能在自动学习中变得更“聪明”。
这种技术被称为“对抗性神经网络”技术，美国《麻省理工学院技术评论》日前将其评为２０１８年“全球十大突破性技术”之一。
人工智能的识别能力有赖于海量样本学习，比如给它“看”数以百万计的鸟类图片，它才能“学会”辨认鸟类，而生成逼真的鸟类图像则更难。其局限性在于，有些事物缺乏海量样本，而且这种学习还依赖人类的“灌输”，缺少自主性。这限制了人工智能的发展，特别是向想象力、创造力这种更高层次的进阶。
美国人伊恩·古德费洛２０１４年在加拿大蒙特利尔大学读博士时想出一套设计方案：用两个神经网络，进行数字版的“猫鼠游戏”——一个负责“造假”，一个负责“验真”，从而在对抗中不断提高。
负责“造假”的神经网络称为“生成网络”，它依据所“见过”的图片来生成新图片，这需要它总结规律、发挥想象力和创造力；负责“验真”的神经网络称为“判别网络”，它需要凭训练累积的“经验”，来判断某张图片是真实事物，还是生成网络“自创”的“假货”。
生成网络并非一开始就足够“聪明”，比如它可能“认为”鸟类会有３条腿，这样的“假货”当然很容易被发现。但随着机器学习的不断深入和反复对抗练习，生成网络对事物的理解越发深刻，最终生成足以“以假乱真”的作品。
这样的神经网络具有广泛应用价值。比如在自动驾驶领域，人工智能如果创造出海量接近真实的合成图片，包含各种情形下的行人、障碍物等路况，自动驾驶系统使用这些图片展开自我训练，将有助于大幅提高应用性。
