香港中文大学教授李鸿升认为，除了在机器翻译、人脸识别、信息检索等诸多方向的具体应用，对抗性神经网络的价值和意义还在于其蕴含的对抗性思想，这有助于改进现有人工智能算法。
从技术上看，对抗性神经网络已经接近成熟。来自美国芯片企业英伟达的研究人员用明星照片训练出一套系统，进而生成了数百张根本不存在、但看起来很真实的人脸照片。还有研究团队让系统生成出看起来十分逼真的梵高油画。
展现巨大潜力的同时，这项技术发展带来的负面影响也不容忽视。比如不法分子可能利用此类系统制造出图片甚至视频来混淆视听，给监管、安全带来新挑战。古德费洛就表示，他当前的研究重心就在于避免这类技术的滥用问题，希望它“不至误入歧途”。
中国科学院自动化研究所副所长刘成林介绍说，中国的研究机构目前致力于研究对抗性神经网络理论的进一步改良及优化。对抗性神经网络的理论基础、算法和应用，都还有很大的发展空间。
中国企业界则更倾向于把技术应用在服务中，并在一些领域达到了业界领先。比如，百度利用这项技术构建语音识别框架，阿里云城市大脑则借此技术生成训练数据集以优化车牌精准识别功能。
