本文經AI新媒體量子位（公眾號ID:QbitAI）授權轉載，轉載請聯(lián)系出處。

最近，一位日本宅男大叔佐藤做了一個AI生成肖像畫的網站AI Gahaku，10天內用戶訪問量從0暴增到100萬，引爆推特。

簡單易操作，上傳一張人臉照片，就能生成一張大師級肖像畫。

而比技術更神奇的是佐藤自己，因為他是自學AI做出來的，不得不佩服的宅男創(chuàng)造力。

佐藤患有阿斯伯格癥——也被俗稱成“社交恐懼癥”，名副其實的天才病，一般來說，此類患者會在某個領域具有特殊潛能，但不適應普通人的生活。

當然，佐藤的技能點就點在了AI上。

pix2pix，TensorFlow內置的cGAN模型

讓大叔此次聞名的AI技術，就是是大名鼎鼎的GAN的變種。

此次的人臉肖像畫生成技術，就是大叔在TensorFlow內置的cGAN(條件生成對抗網絡）中的pix2pix模型上改造而來。

不同于GAN的技術通用性，cGAN更強調特定場景下的發(fā)揮，比如AI Gahaku，就只能針對人臉，如果用戶上傳的是貓臉，則是無法生成結果的。

GAN的特點在于損失函數的自行計算和自動更新，這使得GAN本身具有和遷移學習結合的潛質，在近年來的發(fā)展路徑上看，更多是把GAN當做手段，去實現(xiàn)遷移學習提出的目標，遷移學習為應用GAN提供具體指向。

TensorFlow的內置pix2pix的是基于cGAN的圖像對圖像翻譯的模型，模型本身已經成熟，直接調用便可運用到對黑白圖像著色、圖像風格變化等場景的使用上來。

具體到大叔的使用上，利用pix2pix模型，大叔其實是將模型限定在大師肖像畫的生成上，這也體現(xiàn)了模型本身強大的擴展性。

如何使用，都取決于你自身。

在佐藤的另一款作品PixelMe中，同樣使用pix2pix技術，但是生成的是8bit的像素風格頭像，一個模型，多種用途。

當然，實際效果因人而異，畢竟嚴格來說，大叔是在對既有模型進行二次開發(fā)，原有的算法和數據結構并未改變，因此性能和效果受到原有模型的限制。

宅男的AI進階之路

大叔人生經歷可以說復雜，從大學退學后，先后干過面包師，參加過護士學校培訓課程，但覺得都都不太適合自己，直到他決定運用自己的才智，投身到AI的事業(yè)當中去。

那說干就干，就從TensorFlow學起吧。

借助Google Colab的算力資源，大叔從頭按著TensorFlow教程學起，不過大叔也確實適合干AI，而不是去蒸糕點。

在學習過程中，佐藤找到了適合自己的方向，遷移學習和GAN，可以較好的實現(xiàn)圖像的再生成，使用不同的圖像訓練數據集，可以針對具體場景進行學習和生成。

GAN屬于典型的非監(jiān)督學習方法，核心原理是讓兩個神經網絡進行“對抗”，通過不斷優(yōu)化參數來得到最優(yōu)結果，自我博弈。

這種技術主要用在計算機視覺領域，這也是佐藤選擇GAN的主要原因。

得益于Google的慷慨，大叔使用的網站服務器和算力資源都較為便宜，大約為一天20美刀，大叔表示，在可接受的能力范圍之內，短期不會尋求商業(yè)化。

AI for Everyone!

在紅了之后，大叔也沒飄。

他認為這是在做自己感興趣的東西，而不是為了經濟利益。

出于對技術的熱愛，佐藤開始了自己的AI之路，并在兩年之后便能上線應用。

這份為夢想而不懈努力的奮斗精神，才是真正值得我們學習的。

畢竟，不是每個人有勇氣去自學AI。