人工智能的核心是机器学习，而近几年，在机器学习领域冉冉升起了一枚新星，生成性对抗网络（GAN，Generative Adversarial Networks），由 Goodfellow 等人于2014年提出，目前在图像鉴别和视频生成等方面都有大量的应用实例。GAN的基本思想源自博弈论的零和游戏，参与者由一个生成器 G（Generator）和一个鉴别器D（Discriminator）构成，它们通过对抗学习的方法来训练。G的目的是尽量去学习真实数据集 R的数据分布，而D的目的是尽量正确判别输入数据是来自R还是来G。为了取得游戏胜利，这两个游戏参与者需要不断优化自身策略，提高自己的生成能力和判别能力，整个学习优化过程就是寻找二者之间的一个纳什均衡（Nash equilibrium）。
