生成式對抗網(wǎng)絡(luò)（GAN, GenerativeAdversarial Networks ）是一種深度學(xué)習(xí)模型，是近年來復(fù)雜分布上無監(jiān)督學(xué)習(xí)的方法之一。模型通過框架中兩個模塊：生成模型（GenerativeModel）和判別模型（Discriminative Model）的互相博弈學(xué)習(xí)產(chǎn)生相當(dāng)好的輸出。原始GAN 理論中，并不要求 G 和 D 都是神經(jīng)網(wǎng)絡(luò)，只需要是能擬合相應(yīng)生成和判別的函數(shù)即可。但實用中一般均使用深度神經(jīng)網(wǎng)絡(luò)作為 G 和 D 。一個優(yōu)秀的GAN應(yīng)用需要有良好的訓(xùn)練方法，否則可能由于神經(jīng)網(wǎng)絡(luò)模型的自由性而導(dǎo)致輸出不理想。以AlphaGo為例，其經(jīng)歷了從AlphaGo到AlphaGo Master再到AlphaGo-Zero的過程。
