采用生成式對(duì)抗網(wǎng)絡(luò)（GANs）進(jìn)行產(chǎn)品設(shè)計(jì)

趙羽

一、引言

人工智能模擬人類(lèi)思維過(guò)程的可能性不僅包括被動(dòng)任務(wù)（目標(biāo)識(shí)別）、反應(yīng)性任務(wù)（自動(dòng)駕駛），還包括創(chuàng)造性任務(wù)（文字音樂(lè)創(chuàng)作、圖像生成等）。人工智能實(shí)現(xiàn)創(chuàng)造性任務(wù)的一個(gè)重要方法是靠人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Network，簡(jiǎn)稱(chēng)ANN）中的深度神經(jīng)網(wǎng)絡(luò)（Deep Neural Network，簡(jiǎn)稱(chēng)DNN）實(shí)現(xiàn)的。

生成式對(duì)抗網(wǎng)絡(luò)（Generative Adversarial Networks，下文簡(jiǎn)稱(chēng)GANs）是一種深度神經(jīng)網(wǎng)絡(luò)模型，由Ian J. Goodfellow等人于2014年10月在論文“Generative Adversarial Networks”中提出。GANs包含兩個(gè)模型：生成模型（Generative Model，簡(jiǎn)稱(chēng)G），即以隨機(jī)噪聲作為輸入并試圖生成樣本數(shù)據(jù)；判別模型（Discriminative Model，簡(jiǎn)稱(chēng)D），即以真實(shí)數(shù)據(jù)或者生成數(shù)據(jù)為輸入，并試圖預(yù)測(cè)當(dāng)前輸入是真實(shí)數(shù)據(jù)還是生成數(shù)據(jù)。生成模型與判別模型都極力優(yōu)化自己的網(wǎng)絡(luò)，直到雙方達(dá)到一個(gè)動(dòng)態(tài)的平衡即納什均衡，迫使生成數(shù)據(jù)與真實(shí)數(shù)據(jù)在統(tǒng)計(jì)上幾乎無(wú)法區(qū)分，從而生成與真實(shí)數(shù)據(jù)無(wú)法區(qū)分的數(shù)據(jù)。截止到2018年12月，GANs已經(jīng)有了500多種變體，應(yīng)用非常廣泛，包括圖片生成、音頻生成、圖像轉(zhuǎn)換、圖像合成、通過(guò)文字生成圖像、圖像修復(fù)等。

鑒于GANs可以在計(jì)算機(jī)視覺(jué)環(huán)境下通過(guò)非監(jiān)督學(xué)習(xí)實(shí)現(xiàn)生成照片般逼真的圖像樣本的特點(diǎn)，本文認(rèn)為當(dāng)以大量的特定產(chǎn)品的已知的圖像作為訓(xùn)練數(shù)據(jù)時(shí)，GANs及其變體DCGANs（深度卷積生成式對(duì)抗網(wǎng)絡(luò)， Deep Convolution Generative Adversarial Networks）、WGANs（Wasserstein GANs）、BEGANs（Boundary Equilibrium GANs）、3D-GANs等可以通過(guò)對(duì)訓(xùn)練數(shù)據(jù)的深度學(xué)習(xí)從大批量無(wú)標(biāo)記圖像中學(xué)習(xí)到良好的中間特征，從而生成與訓(xùn)練數(shù)據(jù)中已知的產(chǎn)品圖像具有相似特征的、清晰的、逼真的圖像，從而生成新的產(chǎn)品設(shè)計(jì)。

二、采用GANs進(jìn)行產(chǎn)品設(shè)計(jì)簡(jiǎn)述

采用GANs進(jìn)行產(chǎn)品設(shè)計(jì)是指讓GANs從某產(chǎn)品已知的大規(guī)模無(wú)標(biāo)記圖像或視頻中學(xué)習(xí)到良好的中間特征，在計(jì)算機(jī)視覺(jué)環(huán)境下創(chuàng)造出可以表達(dá)該產(chǎn)品特征與形態(tài)的圖像以生成新的產(chǎn)品設(shè)計(jì)。其中，深度卷積生成式對(duì)抗網(wǎng)絡(luò)（Deep Convolution Generative Adversarial Networks，以下簡(jiǎn)稱(chēng)DCGANs）是GANs的一個(gè)重要變體，比起GANs，DCGANs在機(jī)器訓(xùn)練上表現(xiàn)得更加可控和穩(wěn)定。DCGANs的生成模型和判別模型無(wú)論是在對(duì)象個(gè)體還是場(chǎng)景方面都可以學(xué)習(xí)到豐富的層次表達(dá)，可以實(shí)現(xiàn)生成符合產(chǎn)品設(shè)計(jì)特點(diǎn)的圖像。本文的實(shí)例便采用了DCGANs作為深度神經(jīng)網(wǎng)絡(luò)模型用于生成新款“女士大衣”的圖像，以驗(yàn)證基于GANs的深度神經(jīng)網(wǎng)絡(luò)可以用于產(chǎn)品設(shè)計(jì)與創(chuàng)新。

在最早提出DCGANs的篇論文（Unsupervised Representation Learning with Deep Convolutional Generative Adversarial Networks）中，作者實(shí)現(xiàn)了采用DCGANs以273萬(wàn)張已知的臥室圖像作為訓(xùn)練數(shù)據(jù)，經(jīng)過(guò)了5次迭代（迭代，指的是DCGANs針對(duì)訓(xùn)練數(shù)據(jù)每完成一次深度學(xué)習(xí)便可以生成指定數(shù)量的輸出，這個(gè)過(guò)程稱(chēng)為完成一次迭代，通常情況下隨著迭代次數(shù)的增加，DCGANs可以從訓(xùn)練數(shù)據(jù)中更好地學(xué)習(xí)到特征并生成更好的輸出）生成了新的臥室圖像（圖1）。

我們可以看到，由DCGANs生成的圖像并不像設(shè)計(jì)師繪制的臥室設(shè)計(jì)圖那樣清晰，甚至生成的圖像有些混亂、怪異，以至于有些圖像帶有額外的斑塊或缺失的元素。我們采用GANs進(jìn)行產(chǎn)品設(shè)計(jì)的意義不在于追求比設(shè)計(jì)師的設(shè)計(jì)更加精美，而在于在沒(méi)有向計(jì)算機(jī)輸入任何關(guān)于產(chǎn)品定義、設(shè)計(jì)方法、設(shè)計(jì)步驟的情況下，由深度神經(jīng)網(wǎng)絡(luò)以已知的產(chǎn)品圖像作為訓(xùn)練數(shù)據(jù)并從中學(xué)習(xí)到了特征和經(jīng)驗(yàn)，模擬了人類(lèi)設(shè)計(jì)師通過(guò)瀏覽大量的產(chǎn)品圖像后進(jìn)行創(chuàng)作的過(guò)程。將GANs應(yīng)用于產(chǎn)品設(shè)計(jì)，一方面為產(chǎn)品設(shè)計(jì)的生成與創(chuàng)新建立了一個(gè)新的途徑；另一方面對(duì)由GANs生成的產(chǎn)品圖像我們需要打破思維定勢(shì)和對(duì)產(chǎn)品的成見(jiàn)，嘗試思考和理解其中的含義，吸取創(chuàng)造性靈感，促進(jìn)產(chǎn)品創(chuàng)新。

三、采用GANs進(jìn)行產(chǎn)品設(shè)計(jì)的實(shí)現(xiàn)功能和意義

（一）采用GANs實(shí)現(xiàn)無(wú)設(shè)計(jì)師情況下進(jìn)行產(chǎn)品設(shè)計(jì)

GANs是在無(wú)監(jiān)督深度學(xué)習(xí)的環(huán)境下對(duì)圖像的統(tǒng)計(jì)潛在空間進(jìn)行學(xué)習(xí)，然后從這個(gè)空間中采樣，創(chuàng)造出與模型在訓(xùn)練數(shù)據(jù)中所見(jiàn)到的圖像具有相似特征的新圖像，這個(gè)過(guò)程無(wú)需對(duì)產(chǎn)品設(shè)計(jì)進(jìn)行定義、規(guī)劃、分析，也無(wú)需對(duì)訓(xùn)練數(shù)據(jù)進(jìn)行解釋、描述或標(biāo)注。鑒于GANs的工作原理，在產(chǎn)品設(shè)計(jì)領(lǐng)域可以實(shí)現(xiàn)在無(wú)設(shè)計(jì)師、無(wú)任何產(chǎn)品設(shè)計(jì)經(jīng)驗(yàn)甚至無(wú)產(chǎn)品定義的情況下由GANs生成產(chǎn)品設(shè)計(jì)。

本文運(yùn)行了一個(gè)通過(guò)DCGANs進(jìn)行“女士大衣”設(shè)計(jì)的實(shí)例。本實(shí)例由DCGANs通過(guò)對(duì)7980張從互聯(lián)網(wǎng)采集并通過(guò)批處理規(guī)范為200像素*260像素分辨率的 “女式大衣”圖像經(jīng)過(guò)96800秒的深度學(xué)習(xí)，完成了300次迭代，以每次迭代生成64張100像素*130像素圖像的方式生成了總計(jì)19200張新的服裝設(shè)計(jì)圖像，實(shí)現(xiàn)了采用DCGANs生成產(chǎn)品設(shè)計(jì)的目標(biāo)。我們從19200張由DCGANs生成的圖像中選擇了18張圖像為例，展示由DCGANs生成的“女士大衣”產(chǎn)品設(shè)計(jì)（圖2）。

這個(gè)實(shí)例是在一臺(tái)配備N(xiāo)VIDIA（英偉達(dá)）GTX1080 Ti顯卡以Windows 10作為操作系統(tǒng)并連接到互聯(lián)網(wǎng)的計(jì)算機(jī)上實(shí)現(xiàn)的。本實(shí)例采用NVIDIA顯卡是因?yàn)槭褂蔑@卡的GPU加速后，神經(jīng)網(wǎng)絡(luò)訓(xùn)練速度要比使用CPU時(shí)快10-20倍，訓(xùn)練時(shí)間從數(shù)天甚至數(shù)周減少為僅需幾個(gè)小時(shí)。本實(shí)例采用了在計(jì)算機(jī)安裝Anaconda（一個(gè)用于科學(xué)計(jì)算的Python發(fā)行版）的方式，并在Anaconda中配置了Python 3.3、GPU版的TensorFlow（TensorFlow是一個(gè)基于數(shù)據(jù)流編程的符號(hào)數(shù)學(xué)系統(tǒng)，被廣泛應(yīng)用于各類(lèi)機(jī)器學(xué)習(xí)算法的編程實(shí)現(xiàn)）、SciPy、Pillow等為DCGAN建立了生產(chǎn)環(huán)境。本實(shí)例的訓(xùn)練數(shù)據(jù)來(lái)源是通過(guò)圖片搜索引擎以“女式大衣”為關(guān)鍵詞進(jìn)行了1000次圖像搜索，從40萬(wàn)個(gè)圖片搜索結(jié)果中使用大數(shù)據(jù)分析技術(shù)從中優(yōu)選出具有“高清晰度”、“正面角度”、“款式受歡迎”、“具有良好銷(xiāo)量”等特征的7980張圖像作為訓(xùn)練數(shù)據(jù)。在此需要指出的是，用于深度學(xué)習(xí)的訓(xùn)練數(shù)據(jù)的版權(quán)與使用權(quán)問(wèn)題有很多爭(zhēng)論，本文的觀點(diǎn)是深度神經(jīng)網(wǎng)絡(luò)是計(jì)算機(jī)模擬人類(lèi)思維對(duì)訓(xùn)練數(shù)據(jù)進(jìn)行學(xué)習(xí)的過(guò)程，凡是人類(lèi)可以看到的或是可以通過(guò)合法途徑獲取的數(shù)據(jù)都可以作為訓(xùn)練數(shù)據(jù)，該問(wèn)題不作為本文討論的重點(diǎn)。

本實(shí)例驗(yàn)證了只需要一臺(tái)裝有DCGANs并連接到互聯(lián)網(wǎng)的計(jì)算機(jī)便可以在無(wú)設(shè)計(jì)師參與的情況下由DCGANs成功生成19200個(gè)“女士風(fēng)衣”的圖像。經(jīng)過(guò)300次迭代后，由DCGANs生成的圖像已經(jīng)非常清晰和逼真，部分圖像可以直接用作新款“女士風(fēng)衣”的設(shè)計(jì)圖紙，或?yàn)樵O(shè)計(jì)師提供了創(chuàng)新思路和靈感。在實(shí)際的應(yīng)用中，在更多數(shù)量和更高質(zhì)量的訓(xùn)練數(shù)據(jù)、更強(qiáng)大計(jì)算能力的計(jì)算機(jī)、更優(yōu)化的程序和參數(shù)、更多的迭代次數(shù)等因素的作用下DCGANs可以生成更高清晰度、更符合設(shè)計(jì)需求的產(chǎn)品圖像。

采用GANs實(shí)現(xiàn)無(wú)設(shè)計(jì)師情況下進(jìn)行產(chǎn)品設(shè)計(jì)的意義：

1. 實(shí)現(xiàn)了由人工智能模擬人類(lèi)思維過(guò)程執(zhí)行了創(chuàng)造性任務(wù)。GANs作為深度神經(jīng)網(wǎng)絡(luò)模擬了人類(lèi)對(duì)未知領(lǐng)域的學(xué)習(xí)與認(rèn)知過(guò)程并嘗試進(jìn)行創(chuàng)造性地輸出，無(wú)論是面對(duì)生僻、繁重的任務(wù)，還是面對(duì)復(fù)雜困難的任務(wù)，GANs都可以從海量的訓(xùn)練數(shù)據(jù)進(jìn)行認(rèn)知和學(xué)習(xí)，替代或輔助人類(lèi)執(zhí)行創(chuàng)造性任務(wù)。GANs運(yùn)行的整個(gè)過(guò)程沒(méi)有人類(lèi)經(jīng)驗(yàn)與情感介入，更有機(jī)會(huì)從全新的角度生成有價(jià)值的輸出。GANs可以更好地從大規(guī)模的、不局限于產(chǎn)品傳統(tǒng)定義的、不受思維定式約束的訓(xùn)練數(shù)據(jù)中學(xué)習(xí)到良好的、廣泛的、深層的特征，從而生成各種特征相互作用與融合的、更符合產(chǎn)品本質(zhì)的或是更具有創(chuàng)新的產(chǎn)品設(shè)計(jì)。例如，當(dāng)我們采用DCGANs設(shè)計(jì)一把椅子的時(shí)候，無(wú)論是傳統(tǒng)的椅子圖片，還是“所有可以為人們提供坐臥休息的物體”比如樹(shù)林里的樹(shù)墩子、交織的藤蔓、可以騎的動(dòng)物、海邊的沙堆等都可以作為訓(xùn)練數(shù)據(jù)，由此生成的“椅子”可能有藤蔓一樣的椅子腿或是沙堆城堡一樣的椅子背，生成的圖像充滿(mǎn)創(chuàng)意而且非常有趣。采用GANs進(jìn)行產(chǎn)品設(shè)計(jì)必將成為一個(gè)具有廣闊前景的研究與應(yīng)用方向，是產(chǎn)品設(shè)計(jì)方式的革新。

2. 實(shí)現(xiàn)大規(guī)模、高效率的產(chǎn)品設(shè)計(jì)。當(dāng)面對(duì)數(shù)萬(wàn)個(gè)甚至更多的設(shè)計(jì)需求時(shí)，采用GANs可以在無(wú)需設(shè)計(jì)師參與的情況下對(duì)數(shù)萬(wàn)個(gè)設(shè)計(jì)需求分別建立GANs模型，實(shí)現(xiàn)自動(dòng)化高效率設(shè)計(jì)。例如，需要為一部游戲設(shè)計(jì)1000棵樹(shù)木、500個(gè)人物形象、200個(gè)房屋建筑、100個(gè)地形和600件人物服裝時(shí)，可以為上述設(shè)計(jì)目標(biāo)分別建立用于生成樹(shù)木、人物形象、房屋建筑、地形、人物服裝的5個(gè)GANs，并分別通過(guò)互聯(lián)網(wǎng)采集、素材庫(kù)、視頻采集、專(zhuān)家知識(shí)庫(kù)、數(shù)據(jù)購(gòu)買(mǎi)等多種方式獲取訓(xùn)練數(shù)據(jù)，從而由5個(gè)GANs分別自動(dòng)生成對(duì)應(yīng)的產(chǎn)品設(shè)計(jì)圖像，完成產(chǎn)品設(shè)計(jì)任務(wù)。

3. 建立“專(zhuān)家GANs”可以“模仿”特定專(zhuān)家或設(shè)計(jì)師的風(fēng)格和經(jīng)驗(yàn)生成新的產(chǎn)品設(shè)計(jì)。GANs的輸出是建立在對(duì)訓(xùn)練數(shù)據(jù)深度學(xué)習(xí)基礎(chǔ)上的，因此可以通過(guò)對(duì)訓(xùn)練數(shù)據(jù)的約束與引導(dǎo)實(shí)現(xiàn)特定風(fēng)格的輸出。通過(guò)以特定專(zhuān)家或設(shè)計(jì)師的歷史作品或其認(rèn)可、推薦的經(jīng)典作品為訓(xùn)練數(shù)據(jù)可以訓(xùn)練出具有專(zhuān)家或設(shè)計(jì)師風(fēng)格、經(jīng)驗(yàn)的“專(zhuān)家GANs”，以用于替代專(zhuān)家或設(shè)計(jì)師延續(xù)其風(fēng)格生成新的產(chǎn)品設(shè)計(jì)。例如，將達(dá)芬奇的歷史作品作為訓(xùn)練數(shù)據(jù)訓(xùn)練“達(dá)芬奇GANs”，可以創(chuàng)作出具有達(dá)芬奇作品風(fēng)格的新作品，成為達(dá)芬奇的“仿造者”?！皩?zhuān)家GANs”是人工智能模擬了專(zhuān)家或設(shè)計(jì)師的設(shè)計(jì)風(fēng)格與經(jīng)驗(yàn)，具有了模仿其進(jìn)行創(chuàng)造的能力，可以在無(wú)需專(zhuān)家或設(shè)計(jì)師參與的情況下生成新的設(shè)計(jì)。值得指出的是，“專(zhuān)家GANs”只能根據(jù)歷史數(shù)據(jù)“模仿”專(zhuān)家或設(shè)計(jì)師的風(fēng)格，不具備創(chuàng)造新風(fēng)格或創(chuàng)造新元素的能力。

（二）采用GANs實(shí)現(xiàn)大規(guī)模個(gè)性化產(chǎn)品設(shè)計(jì)

GANs在深度學(xué)習(xí)過(guò)程中采用的是無(wú)監(jiān)督學(xué)習(xí)，這意味著不需要對(duì)訓(xùn)練數(shù)據(jù)進(jìn)行任何的解釋、描述或標(biāo)注等工作就可以由GANs生成新的產(chǎn)品設(shè)計(jì)圖像，這個(gè)特點(diǎn)可以用來(lái)實(shí)現(xiàn)大規(guī)模個(gè)性化產(chǎn)品設(shè)計(jì)。通過(guò)為每一個(gè)用戶(hù)分別建立個(gè)性化GANs的方式并采用對(duì)應(yīng)的個(gè)性化訓(xùn)練數(shù)據(jù)，實(shí)現(xiàn)面對(duì)海量用戶(hù)的大規(guī)模個(gè)性化產(chǎn)品設(shè)計(jì)。

通過(guò)對(duì)用戶(hù)瀏覽行為、分享行為、搜索行為、購(gòu)買(mǎi)行為、用戶(hù)偏好、點(diǎn)評(píng)打分等用戶(hù)行為數(shù)據(jù)分析形成一個(gè)用戶(hù)特征數(shù)據(jù)集，使用大數(shù)據(jù)技術(shù)對(duì)其進(jìn)行洞察與挖掘，獲取用戶(hù)的個(gè)性化需求與偏好，最終在大數(shù)據(jù)分析結(jié)果的驅(qū)動(dòng)下建立用戶(hù)的個(gè)性化訓(xùn)練數(shù)據(jù)。例如，某個(gè)用戶(hù)近1年來(lái)頻繁瀏覽的2000件各種款式的大衣、曾經(jīng)購(gòu)買(mǎi)過(guò)的商品清單甚至喜愛(ài)的200位影視演員等都可以作為這個(gè)用戶(hù)的個(gè)性化訓(xùn)練數(shù)據(jù)。

采用GANs實(shí)現(xiàn)大規(guī)模個(gè)性化產(chǎn)品設(shè)計(jì)的意義：

1. 個(gè)性化GANs可以實(shí)現(xiàn)面向海量用戶(hù)進(jìn)行大規(guī)模個(gè)性化的產(chǎn)品設(shè)計(jì)，滿(mǎn)足用戶(hù)個(gè)性化需求。目前，用戶(hù)購(gòu)買(mǎi)一件商品通常是在基于工業(yè)時(shí)代標(biāo)準(zhǔn)化設(shè)計(jì)和大規(guī)模機(jī)器生產(chǎn)出來(lái)的產(chǎn)品庫(kù)中選擇，用戶(hù)只能購(gòu)買(mǎi)到基本符合自己需求的產(chǎn)品。當(dāng)今人類(lèi)社會(huì)進(jìn)入了大數(shù)據(jù)和人工智能時(shí)代，用戶(hù)的個(gè)性化需求日益增長(zhǎng)，大規(guī)模的工業(yè)化生產(chǎn)已無(wú)法滿(mǎn)足海量用戶(hù)的個(gè)性化需求，另外，為海量的用戶(hù)進(jìn)行個(gè)性化產(chǎn)品設(shè)計(jì)也是人力所不能及的。個(gè)性化GANs結(jié)合大數(shù)據(jù)技術(shù)可以實(shí)現(xiàn)獲取用戶(hù)的個(gè)性化需求與偏好并進(jìn)行深度學(xué)習(xí)，為每一個(gè)用戶(hù)生成符合其需求與偏好的產(chǎn)品設(shè)計(jì)。當(dāng)個(gè)性化產(chǎn)品設(shè)計(jì)與個(gè)性化生產(chǎn)或3D打印技術(shù)結(jié)合后，將有比目前多數(shù)百萬(wàn)倍數(shù)量的個(gè)性化產(chǎn)品誕生。例如，當(dāng)一個(gè)用戶(hù)打算購(gòu)買(mǎi)一輛汽車(chē)時(shí)，汽車(chē)的內(nèi)部空間設(shè)計(jì)款式是非常有限的。個(gè)性化GANs可以為用戶(hù)生成符合其需求和偏好的汽車(chē)內(nèi)部空間設(shè)計(jì)，不同用戶(hù)進(jìn)入同一型號(hào)的汽車(chē)所看到的設(shè)計(jì)風(fēng)格可以是不同的，有的采用了未來(lái)科技風(fēng)格，有的則是采用了藝術(shù)風(fēng)格，還有的采用了復(fù)古風(fēng)格。如今的汽車(chē)內(nèi)部空間設(shè)計(jì)大量的采用了“電子屏幕”，屏幕上展現(xiàn)的虛擬的儀表盤(pán)、人機(jī)交互操作界面取代了傳統(tǒng)的機(jī)械儀表盤(pán)和按鈕操作臺(tái)。屏幕的廣泛應(yīng)用為個(gè)性化設(shè)計(jì)的實(shí)現(xiàn)帶來(lái)了便捷的展現(xiàn)方式，個(gè)性化設(shè)計(jì)無(wú)需生產(chǎn)制造出來(lái)，而通過(guò)計(jì)算機(jī)視覺(jué)設(shè)計(jì)展現(xiàn)在屏幕上就可以了。當(dāng)汽車(chē)車(chē)身裝載了柔性屏幕時(shí)同樣可以展現(xiàn)豐富的個(gè)性化設(shè)計(jì)，用戶(hù)便擁有了個(gè)性化的汽車(chē)。從日常的個(gè)性化消費(fèi)品到個(gè)性化香水配方、個(gè)性化生物制藥等，個(gè)性化GANs都有望成為解決用戶(hù)個(gè)性化需求的重要途徑。

2. 采用個(gè)性化GANs建立個(gè)性化“數(shù)字化世界”。個(gè)性化GANs可以為每一個(gè)用戶(hù)生成符合其偏好的電腦游戲、數(shù)字電影、VR（虛擬現(xiàn)實(shí)）場(chǎng)景等。虛擬數(shù)字世界的景觀、建筑、人物形象、動(dòng)物、城市風(fēng)格、科幻場(chǎng)景等都可以根據(jù)每一位用戶(hù)的個(gè)性化偏好生成，不同用戶(hù)在數(shù)字化世界的體驗(yàn)都是不同的。個(gè)性化GANs在數(shù)字世界的另一個(gè)應(yīng)用是為用戶(hù)打造專(zhuān)屬機(jī)器人。機(jī)器人跨越了數(shù)字化世界和現(xiàn)實(shí)世界，個(gè)性化GANs可以為機(jī)器人生成符合用戶(hù)偏好的外貌容顏、體型、動(dòng)作、步態(tài)、穿著、聲音等。建立個(gè)性化數(shù)字化世界是GANs非常重要而廣泛的應(yīng)用方向之一。

（三）采用GANs與大數(shù)據(jù)技術(shù)結(jié)合進(jìn)行精準(zhǔn)的產(chǎn)品設(shè)計(jì)

大數(shù)據(jù)分析可以成為GANs的前置模塊，為GANs提供數(shù)據(jù)支持，輔助GANs進(jìn)行精準(zhǔn)的產(chǎn)品設(shè)計(jì)。大數(shù)據(jù)分析是指采用大數(shù)據(jù)技術(shù)對(duì)產(chǎn)品的流行趨勢(shì)、用戶(hù)需求、產(chǎn)品銷(xiāo)量、互聯(lián)網(wǎng)輿情、社交網(wǎng)站表現(xiàn)、用戶(hù)評(píng)論、用戶(hù)情緒等等任何對(duì)產(chǎn)品設(shè)計(jì)具有指導(dǎo)價(jià)值的數(shù)據(jù)進(jìn)行洞察，并從中獲取有價(jià)值的觀點(diǎn)和創(chuàng)新。例如，上文中的實(shí)例即采用DCGANs進(jìn)行“女士大衣”產(chǎn)品設(shè)計(jì)，在建立訓(xùn)練數(shù)據(jù)時(shí)，以“大衣”作為訓(xùn)練數(shù)據(jù)不如以“女式大衣”更有針對(duì)性，而以“歐洲+女式+大衣”作為訓(xùn)練數(shù)據(jù)就進(jìn)一步限定了產(chǎn)品的風(fēng)格，當(dāng)采用更全面的大數(shù)據(jù)分析時(shí)，例如，以“銷(xiāo)量大于每周20萬(wàn)件”+“用戶(hù)情緒傾向于贊美”+“每天在社交網(wǎng)站分享量達(dá)到1萬(wàn)次”的“女式+歐洲+大衣”等限定下，由DCGANs生成的“女士大衣”會(huì)更精準(zhǔn)。GANs在大數(shù)據(jù)技術(shù)的驅(qū)動(dòng)下對(duì)訓(xùn)練數(shù)據(jù)進(jìn)行約束、篩選、挖掘和創(chuàng)新，使得生成的產(chǎn)品設(shè)計(jì)更精準(zhǔn)、更符合用戶(hù)預(yù)期以及更具有商業(yè)價(jià)值。

（四）采用GANs實(shí)現(xiàn)面向復(fù)雜困難領(lǐng)域的產(chǎn)品設(shè)計(jì)

在面對(duì)諸如自動(dòng)駕駛、太空探索、醫(yī)療人工智能以及生物制藥等復(fù)雜困難領(lǐng)域進(jìn)行產(chǎn)品設(shè)計(jì)時(shí)，傳統(tǒng)的產(chǎn)品設(shè)計(jì)人員可能需要數(shù)十年的知識(shí)學(xué)習(xí)和經(jīng)驗(yàn)積累，并根據(jù)設(shè)計(jì)目標(biāo)目前的發(fā)展?fàn)顩r進(jìn)行深入學(xué)習(xí)才能夠勝任；而且在一定時(shí)間內(nèi)生成的產(chǎn)品設(shè)計(jì)方案有限，產(chǎn)品的進(jìn)步受到人類(lèi)思維能力、學(xué)習(xí)能力、創(chuàng)造能力和工作效率的限制。采用GANs進(jìn)行產(chǎn)品設(shè)計(jì)是一個(gè)全新的方式，可以以更大規(guī)模和更高效率對(duì)海量的數(shù)據(jù)與復(fù)雜的情況進(jìn)行深度學(xué)習(xí)并生成大量的并具有更多可能性的輸出，輔助人類(lèi)進(jìn)行面向復(fù)雜困難領(lǐng)域的產(chǎn)品設(shè)計(jì)。

在自動(dòng)駕駛領(lǐng)域，當(dāng)設(shè)計(jì)人員在訓(xùn)練自動(dòng)駕駛神經(jīng)網(wǎng)絡(luò)時(shí)，通常讓車(chē)輛在實(shí)際道路上行駛，通過(guò)攝像頭采集行駛中的各種場(chǎng)景來(lái)進(jìn)行自動(dòng)駕駛的機(jī)器學(xué)習(xí)。這種訓(xùn)練方式受到很多制約，例如，訓(xùn)練數(shù)據(jù)量小、訓(xùn)練速度慢、缺乏極端環(huán)境數(shù)據(jù)、缺乏道路突發(fā)情況數(shù)據(jù)等，因此設(shè)計(jì)自動(dòng)駕駛系統(tǒng)成為一個(gè)復(fù)雜的問(wèn)題。GANs可以為自動(dòng)駕駛系統(tǒng)的早日問(wèn)世提供支持。GANs通過(guò)對(duì)已知的街道場(chǎng)景、車(chē)輛型號(hào)、行人軌跡、道路環(huán)境、天氣情況等數(shù)據(jù)進(jìn)行深度學(xué)習(xí)，從而生成數(shù)以萬(wàn)計(jì)的新圖像。這些圖像數(shù)據(jù)量大，不受人類(lèi)思維定勢(shì)限制，充滿(mǎn)各種可能性，可以生成豐富的道路場(chǎng)景、極端環(huán)境甚至突發(fā)情況，彌補(bǔ)了傳統(tǒng)自動(dòng)駕駛訓(xùn)練數(shù)據(jù)的缺陷，加速了自動(dòng)駕駛技術(shù)的進(jìn)步。在太空探索領(lǐng)域，人類(lèi)在進(jìn)行火箭、衛(wèi)星、探測(cè)器等太空產(chǎn)品設(shè)計(jì)時(shí)，需要對(duì)太空環(huán)境、星體地形地貌等做出充分的學(xué)習(xí)、判斷和預(yù)測(cè)。GANs可以采用基于天文望遠(yuǎn)鏡拍照、衛(wèi)星拍照、探測(cè)器拍照等方式對(duì)太空環(huán)境進(jìn)行訓(xùn)練數(shù)據(jù)的獲取，從而由GANs通過(guò)深度學(xué)習(xí)生成豐富的太空環(huán)境與星體圖像，為太空產(chǎn)品設(shè)計(jì)提供大量的以及具有更多可能性的數(shù)據(jù)與圖像，輔助人類(lèi)進(jìn)行太空產(chǎn)品設(shè)計(jì)。人類(lèi)采用人工智能驅(qū)動(dòng)太空探索可以以更大規(guī)模和高更效率從未知領(lǐng)域獲取知識(shí)和規(guī)律，加速對(duì)未知領(lǐng)域的了解和發(fā)現(xiàn)。例如，采用GANs對(duì)由探測(cè)器拍攝的火星物體與場(chǎng)景的圖像進(jìn)行深度學(xué)習(xí)，從而讓GANs嘗試創(chuàng)造出火星的地形地貌、巖石、土壤、大氣環(huán)境等，甚至可以仿造出一個(gè)火星。在醫(yī)療人工智能領(lǐng)域，采用GANs可以生成大量的疾病病灶圖像，為醫(yī)療人工智能的機(jī)器學(xué)習(xí)提供豐富的訓(xùn)練數(shù)據(jù)。在生物制藥領(lǐng)域，Insilico Medicine是一家總部位于約翰霍普金斯大學(xué)新興技術(shù)中心的美國(guó)生物技術(shù)公司。該公司將基因組學(xué)、大數(shù)據(jù)分析和深度學(xué)習(xí)結(jié)合起來(lái)，采用GANs和強(qiáng)化學(xué)習(xí)，以產(chǎn)生具有所需特性的新型分子結(jié)構(gòu)并預(yù)測(cè)化合物性質(zhì)或產(chǎn)生新的分子結(jié)構(gòu)輔助藥物的研發(fā)。

三、結(jié)束語(yǔ)

2017年7月8日，國(guó)務(wù)院印發(fā)了《新一代人工智能發(fā)展規(guī)劃的通知》，指出人工智能的迅速發(fā)展將深刻改變?nèi)祟?lèi)社會(huì)生活、改變世界。與此同時(shí)，互聯(lián)網(wǎng)的高速發(fā)展以及人類(lèi)每時(shí)每刻都在產(chǎn)生的海量數(shù)據(jù)為人工智能的快速發(fā)展提供了良好的數(shù)字化環(huán)境和豐富的應(yīng)用場(chǎng)景。在人工智能領(lǐng)域，GANs被廣泛認(rèn)為是具有潛力又發(fā)展迅速的深度神經(jīng)網(wǎng)絡(luò)之一，未來(lái)可以廣泛應(yīng)用到產(chǎn)品設(shè)計(jì)領(lǐng)域，我們所消費(fèi)的大部分消費(fèi)產(chǎn)品或文化內(nèi)容，其設(shè)計(jì)或創(chuàng)造過(guò)程可能都有GANs參與其中。

工業(yè)革命利用電力驅(qū)動(dòng)機(jī)器運(yùn)轉(zhuǎn)促進(jìn)了工業(yè)的發(fā)展，實(shí)現(xiàn)了基于標(biāo)準(zhǔn)化設(shè)計(jì)的大規(guī)模工業(yè)化生產(chǎn)；21世紀(jì)，人類(lèi)社會(huì)進(jìn)入了“萬(wàn)物互聯(lián)”并“實(shí)時(shí)在線”的互聯(lián)網(wǎng)時(shí)代，涌現(xiàn)了海量的數(shù)據(jù)，大數(shù)據(jù)技術(shù)與人工智能的飛速發(fā)展將“數(shù)據(jù)”轉(zhuǎn)換為“知識(shí)”和“經(jīng)驗(yàn)”，并實(shí)現(xiàn)了由人工智能執(zhí)行創(chuàng)造性任務(wù)，推動(dòng)了包括從產(chǎn)品研發(fā)、產(chǎn)品創(chuàng)新到解決個(gè)性化需求、建立個(gè)性化數(shù)字化世界等領(lǐng)域的發(fā)展，為人類(lèi)社會(huì)生產(chǎn)方式甚至生產(chǎn)關(guān)系帶來(lái)新一輪的革新。在人工智能的深度神經(jīng)網(wǎng)絡(luò)領(lǐng)域，隨著人們對(duì)GANs的關(guān)注以及GANs在實(shí)際生產(chǎn)中的廣泛應(yīng)用，GANs不但會(huì)為人類(lèi)社會(huì)創(chuàng)造出豐富的產(chǎn)品，而且會(huì)加速產(chǎn)品迭代，輔助人類(lèi)面對(duì)和解決各種復(fù)雜問(wèn)題。