鱼羊 发自 纽凹非寺量子位 报道 | 公众号 QbitAI

比起自己埋头写论文，聊聊自己感兴趣的方向，期待一下旁人的智慧，或许也是个不错的主意。谷歌大脑研究员Augustus Odena最近有了新的想法，不是再写一篇GAN方面的论文，而是推荐几个他感兴趣的研究方向，看看别人在这些主题上都能写出什么样精彩的文章。Augustus Odena是谷歌大脑机器学习方面的专家，2016年他开始发表生成对抗网络（GAN）领域的论文，不仅跟GANs之父Goodfellow有过密切的合作，其关于GAN的论文也频频登上机器学习国际顶会的舞台，可谓是GAN这一研究领域的一线大牛。

就在近日，大牛在distill上发表了一篇新的文章，没讲什么新研究，只是提出了关于GAN的七个问题。大牛希望通过这七个问题，能向大家阐明他对于GAN这个研究课题的看法。而对于研究人员来说，大牛指路，简直就是把灵感源泉送到眼前，还不得赶紧多吸几口灵气？七个问题，七种方向问题1 GAN和其他生成模型之间的基本权衡是什么？Problem 1 What are the trade-offs between GANs and other generative models?问题2 GAN能为哪种分布建模？Problem 2 What sorts of distributions can GANs model?问题3 如何让GAN在非图像数据上表现良好？Problem 3 How can we Scale GANs beyond image synthesis?问题4 我们何时能够证明GAN是全局收敛的？Problem 4 What can we say about the global convergence of the training dynamics?问题5 我们该如何评估GAN，又该在何时使用它而非其他生成模型？Problem 5 How should we evaluate GANs and when should we use them?问题6 GAN训练如何按批大小进行扩展？Problem 6 How does GAN training scale with batch size?问题7 GAN与对抗样本之间的关系是什么？Problem 7 What is the relationship between GANs and adversarial examples?

这些问题其实一直以来也是研究者们关心的重点，不过仅仅提出问题显然不是大牛的追求。Augustus Odena通过提问题的方式对GAN的研究背景进行了总结，同时也给出了一些解决问题的参考方向。在Augustus Odena看来，GAN已经进入了一个发展的瓶颈期，现在是时候来梳理梳理这一研究领域的发展目标了。来看看他都是如何总结的吧。

总结一：GAN是否会被取代GAN并不等同于生成模型，但由于GAN在图像生成方面表现实在太突出，在网络上几乎成为了“网红”一般的存在。但事实上，生成模型是研究的热点没错，GAN却并不是唯一的方向。GAN的提出者Goodfellow就说过，如果不能找到稳定训练GAN的方法，GAN有可能会被其他的结构取代。AugustusOdena提到除了GAN以外，目前还有另外两种比较流行的生成模型：流模型和自回归模型。最近的研究成果表明，这些模型具有不同的性能特征和权衡。GAN并行高效但不可逆；流模型允许精确的对数似然计算和精确推理，但效率低；自回归模型可逆且高效，但不并行。这也就带来了第一个问题：GAN和其他生成模型之间的基本权衡是什么？Augustus Odena认为研究更多的模型能帮助解决这个问题，尤其是一些混合模型，比如混合GAN/流模型。他觉得在这个方向上还有很多值得发掘的东西。

总结二：用GAN给指定分布建模有多难大多数GAN研究侧重于图像合成，人们往往都是用MINIST、CIFAR-10、STL-10、CelebA和Imagenet这样的数据集来训练GAN。而哪些数据集更容易建模，总有一些坊间传闻，但如果想要验证这些结论，那就复杂了。Augustus Odena指出，与任何科学一样，GAN也希望有一个简单的理论来解释实验结果。 于是问题二就来了：我们怎么才能知道用GAN建模有多难？大牛建议从两个方面着手：合成数据集——通过研究合成数据集来探究哪些特征会影响学习性能修改现有的理论结果——尝试修改现有理论结果的假设来解释数据集的不同属性。

总结三：GAN只能合成图像吗GAN在图像合成领域的成绩有目共睹，而在图像合成之外，Augustus Odena提到了三个主要受到关注的领域：文本，结构化数据，音频。（快速生成高保真音频的新方法GANsynth, Jesse Engel, 2019）在无监督音频合成方面GAN是比较成功的，但在其他方面还是乏善可陈。那么如何才能使GAN在非图像数据上表现得更好呢？这就是第三个问题。是采取新的训练技术，还是从先验信息入手？大牛表示都不容易，这个问题的解决，也许得仰仗基础研究的进展了。

总结四：GAN的收敛问题Augustus Odena还对GAN的收敛问题的研究进展进行了总结。GAN的收敛问题一直备受关注。与其他神经网络不同，GAN的训练过程是在同时优化发生器和鉴别器，让两个AI相互对抗。模型不收敛的问题会使它变得不稳定。大牛总结了三条技术路线，目前都有所突破，但都还没有研究完成。简化假设——简化关于发生器和鉴别器的假设使用正常神经网络技术——应用分析正常神经网络（非凸的）的技术来回答有关GAN收敛的问题博弈论——用博弈论的概念对GAN训练进行建模。

总结五：GAN的评估问题关于GAN的评估，有很多提案但大多难成共识。这些建议包括：初始分数和FIDMS-SSIMAIS几何分数精确率和召回率技能等级这还只是GAN评估方案的一小部分，尽管初始分数和FID相对受欢迎，但GAN的评估显然不是一个一成不变的问题。Augustus Odena认为如何评估GAN的困惑来源于对何时使用GAN的不解，于是他把两个问题捆绑在一起，先考虑GAN的适用性，再在这样的背景下去进行评估。GAN很适合用来处理感知任务，它在图像合成、图像转换上的成绩已经证明了这一点。所以问题就变成了在感知任务的处理上我们如何评估GAN？一个简便的方法就是分类器双样品测试（C2STs），这个方法的主要问题是，哪怕发生器只是产生了一个很小的缺陷，它都会主导评估结果。大牛想了想，觉得这件事还是得由人来主导。为了降低成本，可以用机器来预测人类的判断结果，不过在预测结果不确定的时候，还是需要真人介入。

总结六：GAN训练如何按批大小进行扩展大部分GAN中的鉴别器只是一个图像分类器，如果瓶颈在于梯度噪声，那么增加批大小就能加速训练。但是GAN有一个不同于分类器的瓶颈：它的训练过程是不稳定的。Augustus Odena于是提出了第六个问题：GAN训练如何按批大小进行扩展？梯度噪声在GAN的训练过程中扮演什么样的角色？是否可以修改GAN训练，使其随批处理大小更好地实现扩展？他指出了三个解决方案，其中，他认为在批大小非常大的时候，Optimal Transport GANs会是不错的选择。而异步SGD也是一个值得关注的方法。

总结七：鉴别器的对抗鲁棒性会如何影响GAN训练众所周知，图像分类器会受到对抗样本的影响：对抗样本与真实样本的区别几乎无法用肉眼分辨，但是却会导致模型进行错误的判断。由于GAN的鉴别器就是图像分类器，所以它也可能遭遇对抗样本的问题。Augustus Odena提到，尽管有大量关于GAN和对抗样本的文献，但它们之间的关系却没有得到多少研究。那么问题就来了：GAN和对抗样本之间有什么样的关系？鉴别器的对抗鲁棒性会如何影响GAN的训练结果？

Augustus Odena认为这个研究课题很有价值。对生成模型的蓄意攻击已经被证明是可行的，而遭到“意外攻击”的可能性虽然比较小，但也没有决定性的证据证明发生器不会产生对抗样本。看完这些内容，你是否思路清晰了一些？总之，每一个问题都包含了大量的背景知识，听大牛讲那生成对抗网络的过去未来，总是没有坏处。而大牛本人也表示，他很希望看到其他领域的研究者也能写写类似的文章，帮助大家梳理思路。