如果不告诉你，你能看出这张图片中的人是不存在的人吗？如果你看不出来，没关系，大部分人都看不出来，甚至有一个叫Kickstarter的公司利用这个技术行骗。他们在官网挂出的工程师团队照片，几乎都是由AI合成的虚拟人像，实际上是一个只有两个人的空壳公司，却骗过了所有人的眼睛。
这是一张由当下最先进的虚拟高清人脸合成网络styleGAN2生成的不存在的人脸，每刷新一次就有一张新的：https://thispersondoesnotexist.com/ 。StyleGAN2使用了非常复杂的网络架构，但作为开山之作的GAN本身其实蕴含的是一个很简单的博弈论思想。不过说到虚拟人脸生成，有一个不得不提的技术就是VAE，变分自编码器。接下来就简单介绍一下虚拟图像生成领域的两大技术分支——VAE和GAN，以及为什么它们可以创造未存在过的人脸。
VAE，即variational auto-encoder。先讲auto-encoder，虽然叫auto-encoder但是其实包含了编码器encoder和解码器decoder，是一个对称的网络结构。对于一系列类似的数据，例如图片，虽然数据量很大但是其实是符合一定分布规律的，信息量远小于数据量。编码器的目的就是把数据量为n维的数据压缩成更小的k维特征。这k维特征尽可能包含了原始数据里的所有信息，只需要用对应的解码器，就可以转换回原来的数据。在训练的过程中，数据通过编码器压缩再通过解码器解压，然后最小化重建后数据和原始数据的差。训练好了以后，就只有编码器被用作特征提取的工具，用于进一步的例如图像分类等应用中，故称为auto-encoder。
垃圾是放错地方的资源，有一天解码器也被拿出来：你既然可以从k维特征向量恢复出一整张图片，那我给你一个随机生成的k维特征向量，看看你能生成什么。然而实际结果显示，auto-encoder虽然可以“记住”见过的照片，但是生成新图像的能力很差。于是有了variational auto-encoder。VAE在令k维特征中的每个值变成了符合高斯分布的概率值，于是对概率的改变可以让图片信息也有相应的平滑的改变，例如某个控制性别的维度，从0到1可以从一个男性的人脸开始，生成越来越女性化的人脸。
那么VAE其实还是有很多统计假设的，而且我们要判断它生成的效果如何，也需要评估它生成的数据和原始数据的差距大不大。于是有人丢掉所有统计假设，并且把这个评估真（原始数据）假（生成数据）差异的判别器也放进来一起训练，创造了GAN——生成对抗神经网络。
GAN有两个部分，生成器和判别器。生成器从一些随机的k维向量出发，用上采样网络合成大很多的n维数据，判别器就负责判断合成出来的图片是真是假。一开始合成出来的都是意义不明的无规律结果，很简单的判别器就可以分辨出来。生成器发现一些生成的方向，比如有成块的色块，可以骗过判别器，它就会往这个方向合成更多的图片，而判别器发现被骗过去了，就会找到更复杂的特征来区分真假。如此反复，直到生成器生成的结果，判别器已经判断不出真假了，这就算是训练好了。这样训练出来的生成器，可以生成非常逼真，即使是人眼也很难分辨的图片，但是是不存在的。
对于生成器和判别器这样的相互对抗关系，李宏毅老师有一个很恰当的比喻：生成器就是学生，而判别器是老师。但是这个老师的绘画是语文老师教的，他也不会画画。他只有一本课本（真实数据），所以他不能告诉学生应该怎么画，而是只告诉他你画的是对的还是错的。而学生又没有课本，所以只能靠老师给的反馈不断学习，直到学生画的图，老师已经不能和课本里的区分开了，学生就算是学会画画了。
后记：
这篇在草稿箱里呆了太久，本来应该在疫情期间和《机器为什么知道猫是猫》的后续篇合在一起写的，最近重新翻出来趁跑网络的时候改一改先发出来了。相隔半年技术已经又更新换代了不少，看来以后不能攒啊，一攒就过期了。