报告的标题一出，台下的学者们都露出感兴趣的表情。

生成式对抗网络，这完全是瑞秋新造出来的词语。

到底这里面的对抗是什么意思？

连江铭都仰起脑袋，眼睛盯着屏幕，等待着接下来的内容。

好在瑞秋并没有让大家等太久，她立刻开始了解释。

生成模型的目标，是为了生产出原本并不存在于世的数据。

我所设计的生成式对抗网络由两个部分组成，分别是生成器和判别器。

生成器就是那个不断创作的低水平乐手，他以一串随机数作为灵感输入，并将灵感转换成一段音乐。

如果单单只有生成器，这个神经网络是无法训练的，因为我想要的是乐手创造出当前数据集中不存在的新的音乐！

而加入我又根据音乐的数据集，训练出一个音乐评论家，他要努力区分到底这个音乐是真实存在的，还是刚刚那个低水平乐手创作的。

我们只需要不断交替地训练乐手和评论家，评论家的评判能力越来越强，而乐手的创作也越来越以假乱真。

最后，我们就训练出了一个最棒的音乐生成器，和一个最有效的音乐判别器！

轰！

全场震惊。

台下瞬间爆发出一片窃窃私语声。

卧槽，好像还真的可以？

这个生成方法，完全不同于以前的最大似然估计或是变分自编码器，简直是彻底的颠覆性工作！

是啊，这个方法没有显式的那种概率分布，甚至生成器和判别器用不同的模型都可以，非常灵活啊...    不知道最后的效果怎么样，不过，即使效果不好，也是可以继续改进的，光是这个想法就很棒了。

太妙了，真的给我打开了全新思路。

是啊，我们以前有一个很大的误区，就是总想靠一个模型解决问题。

她这提出用两个组件共同训练，竟然能起到这样奇特的效果！

江铭也是石化在原地。

这个成果的创新性毋庸置疑！

报告继续，但是众人还沉浸在刚刚的震惊情绪中无法自拔，直到瑞秋讲完都还没回过神。

钱峰及时走上台，宣布下一位报告人上台...    ...    之后的两个小时里，江铭又听了好几位研究员的报告，全部都是非常优秀的工作。

有的如同瑞秋一样，极具创新性，有的是非常简单高效，还有的是做了非常有意思的应用。

终于到了中午的茶歇，江铭跟着林欣然第一时间来到了会展中心大厅，拿着盘子开始取餐。

会议的午餐大多不会过于丰盛，但也种类齐全，不仅有樱花国比较特色的寿司，还有餐前的茶汤和餐后甜点。

江铭坐在角落吃得狼吞虎咽。

他还想着能在吃饭上节省点时间，再看看自己的围棋训练程序怎么优化。

吃完午饭，他背上电脑，准备在会展中心找个没人的小会议室，独自研究一下。

路过一处沙发的时候，他正好看到瑞秋和一男一女两位教授坐在会展中心走廊的沙发上，愉快地讨论着。

看到江铭路过，瑞秋招了招手，往旁边让开了点位置，示意江铭坐过去。

江铭有些不好意思，但在众人期待的目光下，也不便拒绝，只好坐了过去。