這則傳說一開始就像是個打趣的笑話：一名研究員走進一間酒吧…最後在深度學習領域出現革命性的進展。
不過現在倒是沒人對於 Google 科學研究員 Ian Goodfellow 如何誕生出生成對抗網路（GANs）想法的這件事，敢抱著哈哈大笑的態度。
在本週的 AI Podcast 節目裡，Goodfellow 介紹深度學習領域的一大阻礙便是需要「大量加上標籤的訓練資料」，這需要龐大的人力作業。
「要是你手邊有一套深度神經網路，而且你教它閱讀、實際看著照片，辨識照片裡的字母，它能做到的程度就跟人類一樣，只是它的學習過程跟人類學習閱讀的方式並不相同。」Goodfellow 對 AI Podcast 主持人 Michael Copeland 這麼說。
GANs 允許深度神經網路以更快的速度，在減少人力作業的情況下消化和學習資料。兩個網路會相互競爭，而產生出「對抗」的局面。生成器網路建立影像，而判別器網路則是辨別影像的真偽。
「可以把它想成一個藝術評論家，判別器網路看著影像，評論這個影像的真偽。它還能告訴生成器網路該怎麼做，好讓影像看起來更真實。」Goodfellow 說。
Goodfellow 在說明他和 Les Trois Brasseurs 於安大略省某處酒吧裡，經過一番小小討論而產生出 GANs 想法時，堅定認為要當個成功的研究員，不應只是鑽研於研究主題，還要讓自己有點時間去發揮創意。
「我試著讓自己不要塞滿太多事情，得有一些讓事情自然發生的空間。」他說。
AI Podcast：人工智慧編排出電競重點片段
如果你是個電競迷，別忘了收聽上週的節目。我們邀請到 Yahoo! Research 的資深研究科學家Yale Song，介紹他如何訓練人工智慧編排出精彩的電競重點片段。
如何收聽 AI Podcast
可通過 iTunes、DoggCatcher、Google Play Music、Overcast、PlayerFM、Podbay、Pocket Casts、PodCruncher、PodKicker、Stitcher 及 Soundcloud 收聽 AI Podcast。要是這裡沒有列出你愛用的收聽管道，請透過 aipodcast@nvidia.com 留言給我們。
