他的回复:
GAN的用途目前还是挺多的,除了制造新图片之外,还可以用于图像/视频的补全,数据样本的扩增,序列数据的生成,还有运用在反向强化学习中。GAN本着上是一种生成模型,通过判别器和最大最小损失函数的使得生成的样本接近于源样本,但是又不同于原样本。GAN可以看作在模仿源数据并且生成一些不一样的东西,看上去确实像是在模仿中得到了一定的创造性一样。但是目前的程度离通用强化学习还很远。首先绝大部分GAN只能用于生成同一类型的样本,即使有跨域生成的工作,其域范围也很有限。而通用人工智能是需要能够同时适应多种完全不同任务的,也就是说是打破单一或者几个数据集限制,而推广到更广泛的域上的一种算法。目前的GAN还是依赖于大量的单一域的数据才能学习到该域中的特征,所以离通用人工智能的距离还很遥远。