谷歌獲批GAN專利，一整套對抗訓練網路被收入囊中

作者 | 十、年

編輯 | Camel

雷鋒網訊息：谷歌獲得了“對抗訓練神經網路”專利。

根據FPO（免費專利線上）資訊顯示，此項專利申請於2016年的9月份，生效於2019年的12月31日。

其中，發明人為Ian J. Goodfellow，Szegedy, Christian。谷歌作為受讓人擁有專利權，這意味著繼神經網路 Dropout 專利之後，又一構建神經網路的基礎方法歸屬於谷歌。

根據該專利的宣告，保護條款有14條。其中第一條便指出這是一種用來確定神經網路引數的方法，在接下來的條款中詳細介紹了神經網路對抗訓練的過程，涉及到了資料處理、模型訓練等等。也就是說使用對抗訓練方法中的目標函式，迭代方法都是受法律保護的。換句話說，你如果使用對抗訓練神經網路可能存在著付費的風險。

專利的其他參考

另外值得注意的是，這項專利不僅包括GAN（ 生成式對抗網路）。根據專利宣告，其在申請中所用詞語為“方法”，“系統”，雷鋒網 (公眾號：雷鋒網)發現這意味著此項專利是用來解決某一類機器學習問題，而不是一個。另外，專利頁面也標明瞭此項專利的其他參考來源不僅僅侷限於Goodfellow的《 Generative Adversarial Nets》。

何為對抗訓練

對抗訓練神經網路最著名便是GAN，即生成式對抗網路，主要用在影像技術方面的影像生成和自然語言方面的生成式對話內容。

生成對抗網路框架

作為一種深度學習模型，GAN是近年來複雜分佈上無監督學習最具前景的方法之一。最初是Ian J. Goodfellow等人於2014年10月在“Generative Adversarial Networks ”中提出了的一個透過對抗過程估計生成模型的新框架，此框架能夠使得訓練模型的資料更具效益。

在GAN設定中，兩個由神經網路（生成器和鑑別器）在這個框架中要扮演不同的角色。生成器試圖生成來自某種機率分佈的資料；鑑別器就像一個法官。它可以決定輸入是來自生成器還是來自真正的訓練集。例如在影像生成中如果生成器構造的影像不夠好，那麼鑑別器就傳達一個負反饋給生成器，於是生成器根據反饋調整自身引數，讓下一次生成的圖片質量得以提升，它就是靠這種體內自迴圈的方式不斷提升自己構造圖片的能力。其執行過程類似於武俠小說《射鵰英雄傳》中，王重陽的師弟周伯通所使用的“左右互博”之術。

有何影響？只是谷歌的自我防禦？

谷歌這項專利在Reddit 論壇上有人提出憂慮，也有人相當樂觀覺得沒啥大不了的。

哇！多謝Goodfellow，這非常酷，為一個極其寬泛的概念申請專利肯定不會扼殺創新。

有的意味深長的表示，這涵蓋了神經網路的對抗訓練，即針對魯棒性，而不是一般的GAN。

還有網友質疑是否公平！甚至將問題引至了政治！

雷鋒網發現不過根據谷歌針對Dropout專利的態度，短時間內應該不會有風險，正如之前Jeff在Google 日本舉行的傳媒會議中回應的那樣，只是為了避免不必要麻煩，保護公司利益而做，並不為借專利技術賺錢，開發人員毋須擔心。

但是對於我們中國現狀，自主智慧財產權的底層框架和核心演算法缺乏，更多依靠開原始碼和演算法的情況下。谷歌一系列專利獲批，不僅關乎科研，還關乎更致命的自主核心演算法和背後的“卡脖子”困境。