GAN或生成对抗网络是AI算法的社交媒体小明星，他们通过将两个神经网络相互对接来工作，以根据它们的输入创建真实的输出。麻省理工学院IBM沃森人工智能实验室的研究人员认为GAN是一个强大的工具：因为他们描绘了他们思考的东西，他们可以让人们深入了解神经网络如何学习和推理，这是更广泛的研究团体长期以来所寻求的东西，随着我们越来越依赖算法，它变得越来越重要。

我们有机会了解网络在尝试重建视觉世界时所了解的内容，负责该项目的麻省理工学院博士生戴维鲍说。因此，研究人员开始探索GAN的学习机制，为它提供风景树木草地建筑物和天空的各种照片，他们想看看是否会学会将像素组织成合理的群体，而不是明确告诉他们如何。令人惊讶的是随着时间的推移确实如此，通过开启和关闭各种神经元并要求GAN描绘它的想法，研究人员发现了不同的神经元簇，这些神经元簇已经学会了代表一棵树，其他群集代表草，而其他群集代表墙壁或门。换句话说，无论这些对象如何在训练集中从照片到照片改变颜色，它都设法将树像素与具有树像素的门像素和带有门像素的门像素分组。

戴维鲍表示这些GAN正在学习的概念非常让人想起人类所说的概念，不仅如此GAN似乎知道根据图像中所示的墙壁类型绘制什么样的门，它将在格鲁吉亚建筑的砖砌建筑上绘制格鲁吉亚风格的门或在哥特式建筑上的石门上，它还拒绝在一片天空上画任何门，GAN以某种方式掌握了关于这个世界的某些不言而喻的真理。

这对研究团队来说是一个很大的启示，戴维鲍说正在出现一些常识的某些方面，现在还不清楚是否有任何方法可以通过深度学习来学习这类事情，这有可能表明深度学习可以使我们更接近我们的大脑工作方式而不是我们之前的想法，尽管这仍然无处可去靠近任何形式的人类情报。

据戴维鲍介绍，其他研究小组已开始在处理其他类型数据的网络中发现类似的学习行为。例如在研究中人们发现了用于复数词和性别代词的神经元簇。

该团队现在发布了一款名为GANpaint的应用程序，将这种新发现的功能转变为一种艺术工具，它允许您打开特定的神经元簇来绘制有很多门的草地上的建筑物场景，除了它作为一个有趣的出路的愚蠢之外，它还说明了这项研究的巨大潜力。

人工智能的问题在于在要求它为你完成一项任务时，你会给予它极大的信任，你给它输入它是天才的想法，它给你一些输出。即使你有一位超级聪明的人类专家，也不是你想要与他们合作的方式。