123. 针对性报道（3/3）

相互对抗。

从给定的数据集（例如，人脸照片的集合）开始，生成器开始生成新图像，这些图像在像素方面与现有图像在数学上相似。同时，鉴别器被输入照片，而没有被告知它们是来自原始数据集还是来自生成器的输出；它的任务是识别哪些照片是合成生成的。

随着这两个网络反复地相互对抗——生成器试图愚弄鉴别器，鉴别器试图证明生成器的创造力——它们磨练了彼此的能力。最终鉴别器的分类成功率下降到&nbp;50%，不比随机猜测好，这意味着合成生成的照片与原始照片变得无法区分。

而我们现实当中的情况也是如此，一旦我们发现了某种足以识别生成式虚假内容的方式，生成端很快就可以修正这些内容。就像是猫鼠游戏，我们未来与生成式虚假内容的对抗，就像是gan方法一样，会不断促使生成模型变得更强大。”

“我超，这是纯纯的哲学家啊。”孟繁岐看完之后心头一震，这最后的升华是他自己也没有想到的。

在推特上又逛了一圈之后，孟繁岐才知晓为何这次技术突然引发了这么多人的关注。

原来是有行为艺术家，看了[这些人都不存在]网站后，从上面找了几张图当头像，直播去网聊。

结果跟他对话的人，有不少都评价过这些图像，但均没有一个怀疑过这些图像的真实性。

在数百万吃瓜群众的围观之下，faegan的实力被抬到了一个不属于它的高度。

而作为gan技术和faegan技术的第一作者，孟繁岐如今在推特上炙手可热。

无数的问题和@让他眼花缭乱，甚至发文的这几家主流媒体，也纷纷通过推特留言或者谷歌的关系，对孟繁岐发起了采访的邀请。

。