1
上个世界七八十年代，邓小平爷爷曾郑重其事地提出：和平与发展是当代世界的两大主题。如今，这一伟大宏愿实现的如何？
据联合国今年1月份发布的公报显示：去年一年仅在伊拉克一个国家就有至少6878名平民死于暴力冲突和恐袭，有12388人受伤……
码字至此，雷锋网小编已觉痛心疾首，泪如雨下；深感维护世界和平迫在眉睫，却又觉心有余而力不足。直至今日，小编偶在SIGBOVIK 2017评审论文中看到了Samuel Albanie、Sebastien Ehrhardt和Joao F. Henriques三人联合完成的学术论文：《STOPPING GAN VIOLENCE: GENERATIVE UNADVERSARIAL NETWORKS》，发现此三位作者竟心系黎民苍生，一心为消除人类暴力而上下求索、耗尽心力，顿时小编心中感到和平伟业指日可待！！！
作者在论文中表示，当今社会人类暴力严重泛滥，此点在生成对抗网络（GANs）的运行原理中表现的尤为明显。
为什么呢？我们来看一看GANs 的原理。
GANs 在运行时需要两个模型，一个生成器，一个判别器。
生成器的任务是生成看起来‘自然’的图像，要求与原始数据分布尽可能一致。
判别器的任务是判断给定图像是否看起来‘自然’，换句话说，是否像是人为（机器）生成的。（详情可参见雷锋网此前报道《生成对抗网络（GANs ）为什么这么火？盘点它诞生以来的主要技术进展》）
简单地说，即生成器想尽办法使生成结果能骗过判别器，而判别器则竭尽全力挑生成器的刺，不让它过关。
于是，作者们就针对GANs在论文中提出异议了。
他们认为此方法太过“暴力”，而且不够道德，完全不利于推动世界和平与发展；倒不如用他们发明的生非对抗网络（GUNs），和谐快乐又高产。
如果说GANs中两个模型是彼此虎视眈眈，那么GUNs的两个模型则相亲相爱的多。
三位专家在该生成非对抗网络框架下，同时训练了以下两个模型：
一个是生成器G，如果遇到自认为可以处理的数据分布，它都会尽力去捕捉。
一个是激励器M，帮助G达成这一“梦想”。
就这样，生成G提出样本PROPS，而激励器M作为回应给出确认和表扬：ACKS。两个网络之间友爱互助，最后共同实现愿望。
从理论上看，这一方法有点类似于博弈论中的“winner-shares-all”（雷锋网注：真相其实是，博弈论中为winner-takes-all，意为胜者全得，而此处却是大家一起分享收益）。
而且作者还强调，绝对禁止G和M“打架”，它们要学会尊重彼此之间的差异，并在此基础上进行演化。
贴心的作者也给出了训练过程：
(图a) 在激励器(红线)的帮助下，生成器(黄线)正为目标数据分布(蓝色虚线)拼搏努力。
(图b) 激励得当的情况下，生成器则能顺利完成目标。
(图c) 在激励器的鼓舞下，生成器还能额外做出10%的努力（word天，太勤奋了！），这不是说有错误，而是证明激励有效。
实验表明，这种和谐共处的方式比之前那种两相对抗的GAN方法效果好得多GANs即不道德，也无必要；而快乐又高产的GUNs则是激励机器学习扬帆起航的基石。
论文最后，作者还发自肺腑的说道：非对抗学习真是发展机会良多。未来，我们还计划在包括神经梯度和k-dearest neighbours等其他领域中给出更多和谐有爱的解决方法。
看到这里，小编真是觉得蜜汁感动……消除暴力无小事，不如就从禁止GANs暴力开始做起吧！
此论文一发，来自四海八荒的吃瓜群众立刻纷纷表示“给跪了”（小编：以此表达崇敬之意，实在可取）。
原来，论文作者除了有用GUNs拯救世界和平的“野心”，在写作上也是处处埋伏笔。
三位作者均来自牛津大学，Samuel Albanie为计算机视觉研究员，Sebastien Ehrhardt为哲学博士，Joao F. Henriques为视觉几何学研究学者。而他们对自己的介绍却是长酱：
（小编拙译：从上往下依次是深度统计和谐会、法国外籍兵团与分离的和平，爱与信任办事处）
Samuel Albanie、Sebastien Ehrhardt和Joao F. Henriques三人的姓名排序是按照各自祖国在去年欧冠上的排名而定（小编：真是对欧冠抑制不住的爱意）。
对于不明吃瓜群来说，像是格言警句一样的句子：
但据小编缜密调查，其实出自非裔美国西岸嘻哈饶舌歌手和演员2Pac的歌曲《changes》。
“NoN”在文中表示network-on-network的缩写，同时作者也用它当表情卖萌。
把生成对抗网络称为：GANs，GANGs，CAPONEs（译注：gang意为犯罪团伙；CAPONEs是因为税被IRS和FBI联合拿下的黑手党老大）。
称第一个把GUNs应用在生成模型中的人为Smith & Wesson（Smith & Wesson为美国军火制造企业）。
在论文中表示：GAN的暴力是不道德并且是没必要的。而GUN的潜力很大，它的潜力就在于你认为结果很好，它就很好（小编：这绝对不是自欺欺人，200%不是）。
在注释12中说，探索GUNs这个机器学习理论已使我们耗尽心力，剩下更具争议性的课题就留给后继勇往直前的研究者们了（小编：让别人替你填坑？）。
还有，作者们的实验结果：
GUN模型在MNIST上的视觉样本
（能在这么不明显的样本中选出最后一列，GUN模型确实是“前无古人，后无来者”）
论文最后的作者简介，Sebastien Ehrhardt部分：
字数不够，行数来凑？还是做了见不得人的坏事......（打死都不告诉你，选中文字，复制粘贴在别的地方，就能看到原文了）
| SIGBOVIK是一个“假”学术会议？
至此，小编敢肯定你可能已经有了这样一个判断：这论文不是在扯么？
没错，你今天真的看了一篇“假”论文。而且，这篇论文还发布在了名为SIGBOVIK的“假”学术会议上。
SIGBOVIK 开始于2007年，虽然形式上和一般学术会议并无二致，比如会评审论文并会做报告，但参与学者大多会提出各种稀奇古怪的创意想法（如以往的机器人反叛检测、如何在射击游戏中获胜等），而且还会煞有介事的用各种严谨的学术方法给出解决方案（如用到半监督学习，优化方法和本文的GUNs等）。
因此，就有网友评论称，“这个会议很像nerd的一次吐槽狂欢”。
而该论文，无论是选题，文风还是对词语的选用上，确实处处都侧漏着调皮劲儿（更多槽点请看原论文：https://arxiv.org/pdf/1703.02528.pdf）。
不过，这种正儿八经开脑洞的学术玩法确实挺能开拓研究者的思路的。毕竟，把消除人类暴力和GANs联系起来也是要有一定功力的。
另外，该会议过不久就要在卡耐基梅隆大学举办了，具体时间在可见下图：
不过如果你以为是3.29开始，那你可能就真参加了一场假的SIGBOVIK。
雷峰网版权文章，未经授权禁止转载。详情见转载须知。
