你應該還記得幾個月前把涂鴉變成照片的工具 pix2pix，得到奇形怪狀的貓咪讓許多人不舒服，不適感超過了涂鴉原本就很糟糕的反思。當時的那款工具是 pix2pix 項目的第一次迭代，學習了數千只貓的顏色和紋路特征。而現在，新的版本接受了人像的訓練，吸引著大批用戶前往恐怖谷觀光。

新版本的使用方法和之前的一樣，在輸入框中繪制人像涂鴉，點擊 process，生成的“照片”就會出現在 output 框中。如果想生成不那么恐怖的圖像，就比較考驗繪畫功力。當然如果畫功欠佳，也可以用 Fiddler AutoResponder 之類的工具導入圖像。

Pix2pix 基于一種很有前景的技術“生成對抗式網絡”（GAN）。在這項技術當中，兩個神經網絡相互對抗，生成器（Generator）隨機生成一張圖片，鑒別器（Discriminator）則要判斷生成的圖片和真實的樣本孰真孰假。二者相互博弈，砥礪相長，最終人工智能學會生成仿真照片，甚至能用照片合成視頻。

數據集龐大的情況下，GAN 可以從零開始繪制圖片。但在數據比較少時，比如在 pix2pix 當中，GAN 可以做到圖到圖的翻譯。也就是把此前神經網絡所學習的圖像當作繪圖材料，拼貼起來完成對手繪涂鴉的翻譯。在這個過程中，神經網絡分析涂鴉的特征，在數據集中找到相似的特征并配對，最后觀察繪制的結果。

除了貓咪和人像，pix2pix 只要經過訓練，就可以模仿任何風格，比如把電影變成繪畫。盡管它顯示了機器學習對圖像識別和處理的能力，但要想讓生成的結果更為準確，仍然需要大量的數據和時間來訓練神經網絡。

現在 pix2pix 的服務器可能會有些擁擠，輸入圖形后需要等待一段時間才能得出生成的結果。盡管看上去人工智能對人類仍有很深的誤解，但這項技術有趣的地方在于，GAN 可以是非常有用的機器學習手段，對事物的判斷力也是變得更智能的關鍵。