生成模型与GAN：AI 学会了创作

两个骗子互相成就

2014 年提出的 GAN（生成对抗网络）是深度学习最有戏剧性的发明：两个网络互相对抗——生成器负责造假画，判别器负责辨真假。起初生成器画的是涂鸦，秒被识破；它从失败中学习，越画越像；判别器也被逼着越来越挑剔。几万轮军备竞赛后，生成器画出的「人脸」逼真到肉眼难辨——这就是当年刷屏的「这些人不存在」网站。

从造假到实用

GAN 不只是表演：老照片上色和修复、把草图变成照片级效果图、低分辨率视频超清化，背后都有它的身影。2022 年后，扩散模型（diffusion）接过了大旗——思路是先给图片加噪再学「去噪」，一步步把纯噪音还原成清晰图片，Stable Diffusion、Midjourney 都是这套原理，生成质量更稳更可控。

看懂创作的另一面

生成模型让我们第一次近距离看到「AI 的创作」：它没复制任何一张训练图，而是从海量图片里学到了「人脸该长什么样」的统计规律，再随机组合出新面孔。这带来一个严肃问题：以假乱真的视频（深度伪造）已经被用于诈骗，2024 年香港就有公司被 AI 换脸视频会议骗走约 2 亿港元。识别伪造、核实来源，是这个时代的必修课。

常见误区

生成模型不是「拼贴」训练图片，而是学会了分布后重新采样；也别以为「AI 图没有破绽」——手指、文字、光影一致性常常露馅，仔细看。

练一练：和家长讨论：怎么辨别一张「人脸照片」是不是 AI 生成的？列出至少 3 个检查点。