你可能覺得人類與機器最大的不同，在於人類會創作，就算是人工智慧，機器也只是擅長找規則，想要創作可能還要很久，對吧？這可不一定，台灣大學電機工程系助理教授李宏毅說：「機器可以藉由互相砥礪學會創造。」這個新的機器學習技術就是對抗式學習。

互相較勁，共同成長

今日的人工智慧已經能夠根據資料歸納出規則，例如我們可以給機器看一堆貓跟狗的照片，它就能分辨貓跟狗的不同。但科學家希望人工智慧能夠更上層樓：能不能根據所學到的規則，把一隻貓畫出來？

李宏毅解釋，想要讓機器學會創作，自然要有一個機器人負責創作，我們稱之為生成者。如果採用以往的機器學習技術，我們會提供許多範例給機器，希望機器學習後就能夠自己畫出來，然而這種機器所畫出來的結果，只會跟其中一個範例長得一模一樣，「只能算是抄襲，而非創作。」

為了讓生成者真的學會創造，就不能讓它看到範例，那它要如何知道怎麼創作呢？李宏毅說：「這時我們需要引入一個新的角色，稱為鑑別者。」鑑別者是另一個機器人，它不負責創作，但它看過很多範例，能夠歸納出規則，再與生成者的創作比對，如此生成者就知道自己的問題在哪裡。

李宏毅以創作二次元人物頭像為例：一開始生成者的創作可能只是雜訊，鑑別者發現每張圖片都有兩個圈圈（眼睛），但生成者的沒有。接著，生成者為了通過鑑別者的考驗，就必須加上兩個眼睛。不過，鑑別者會持續學習進化，找出新的規則來批評生成者的圖片，比如圖片是黑白的，於是生成者又針對新的批評做改善，為圖片加上顏色。如此反覆循環，最後產生水汪汪的大眼睛．由於生成者從未看過範例，所以它無法抄襲，而能創造新人物。

總而言之，鑑別者負責批評生成者；生成者要讓鑑別者無法批評。李宏毅說，兩者之間的關係就像日本動漫裡的名言「寫做敵人，唸做朋友」。表面上是互相對抗，實際上卻因為互相砥礪而越來越強。

更多新的想像

這種技術可以應用在很多風格轉換的情況。例如把風景畫重繪成梵谷的畫風，這裡的鑑別者負責觀察梵谷畫作範例，生成者則負責重畫。或者，如同網路上提供的惡搞人像app，把人像變性、變老、變金髮。如果用在語音的風格轉換上，例如把男聲變女聲，那麼「柯南變聲器可能已經不遠了！」

若應用在文字風格的轉換方面，可以把負面句子轉成正面句子，李宏毅開玩笑說：「這很有用，如果你的主管說話很刻薄，你可以在耳機上裝這個軟體，你的人生就會過得很開心。」

最具體的應用是翻譯。以往用的技術是督導式學習，讓人類老師去教導機器，但機器每次學新的語言，都需要人類老師重新教一次。對抗式學習則不需要人類老師，而是把每種語言視為一種「風格」，然後做風格轉換。

聽起來似乎很荒謬，事實上已經正在發生。以最近FB所釋出來的資料來看，發現用對抗式學習讓機器自己學翻譯，跟人類教機器10萬句的結果，兩者表現是一樣好。也就是說，除非你可以教機器超過10萬句，不然機器自己學的結果，不會比人類教導差。

如今我們有了對抗式學習技術讓機器學會創造，將可以為人工智慧帶來新的想像。