from：https://www.zhihu.com/question/56171002/answer/155777359
GAN的作用，也就是為什么GAN會火了（有部分原因可能是因為Lecun的贊賞）。如果GAN只是用來生成一些像真是數據一樣的數據的話，那不會有像現在這么火。更多的，或者對於機器學習研究員來說，看待的最關鍵一點應該是GAN可以用來
擬合數據分布 。什么叫擬合數據分布，就是給你一個訓練數據，你能通過GAN這個工具，產生和這個數據分布相似的一些數據。有了擬合數據分布的思想，並在這上面做文章，才是一個真正的機器學習研究人員的素質。比如WGAN，也就是考慮到了GAN是一種擬合數據分布的工具，那么它可能和一些擬合數據分布的函數比如KL散度等是等價的，那么作者朝這個方向進行探索，自然能得出相應的結論，並且提出改進辦法，使其成為風靡一時的工作。其實，可以做的工作還有很多，比如，既然你有一個產生類似數據的工具，那么其實你就有了一個做數據增強的工具，也就是對於你的神經網絡來說，你有更多的訓練數據了。很多人可能會覺得這個想法很簡單，其實並不然。因為GAN本身用神經網絡訓練，如果你能把它融入你的一個任務當中，只用加一些損失函數，其實就能提高你任務上的性能，而且很多人還會覺得你性能好是因為加了神奇的損失函數，其實不過是用GAN做了一些隱式的數據增強吧了。但是你可以隨便吹自己的模型是多么厲害，損失函數設計得多么有意義，多繞幾下，別人也就忘了不就是GAN增強了數據嘛。因為GAN給各個任務開了一條提高性能的大門，那每把GAN用在一個任務上，就得引用GAN這篇論文，引用量上去了自然就火了。而且原始GAN是難訓練或者效果差的，那么這些嗷嗷待哺的任務和相關研究人員自然也會更多關注GAN的發展，以期望在自己的任務上用到最新，最好的技術。所以，最近做提高和改進GAN的工作也取得了極大的關注度。那么再解釋一下這個工作變火的本質：以前的神經網絡存在生成困難的問題，GAN提供了解決辦法，該方法簡單、強大、適用性廣。