⼤⽩话版本
知乎上有⼀个很不错的解释，⼤家应该都能理解：
假设⼀个城市治安混乱，很快，这个城市⾥就会出现⽆数的⼩偷。在这些⼩偷中，有的可能是盗窃⾼⼿，有的可能毫⽆技术可⾔。假如这个城市开始整饬其治安，突然开展⼀场打击犯罪的「运动」，警察们开始恢复城市中的巡逻，很快，⼀批「学艺不精」的⼩偷就被捉住了。之所以捉住的是那些没有技术含量的⼩偷，是因为警察们的技术也不⾏了，在捉住⼀批低端⼩偷后，城市的治安⽔平变得怎样倒还不好说，但很明显，城市⾥⼩偷们的平均⽔平已经⼤⼤提⾼了。
警察们开始继续训练⾃⼰的破案技术，开始抓住那些越来越狡猾的⼩偷。随着这些职业惯犯们的落⽹，警察们也练就了特别的本事，他们能很快能从⼀群⼈中发现可疑⼈员，于是上前盘查，并最终逮捕嫌犯；⼩偷们的⽇⼦也不好过了，因为警察们的⽔平⼤⼤提⾼，如果还想以前那样表现得⻤⻤祟祟，那么很快就会被警察捉住。
为了避免被捕，⼩偷们努⼒表现得不那么「可疑」，⽽魔⾼⼀尺、道⾼⼀丈，警察也在不断提⾼⾃⼰的⽔平，争取将⼩偷和⽆辜的普通群众区分开。随着警察和⼩偷之间的这种「交流」与「切磋」，⼩偷们都变得⾮常谨慎，他们有着极⾼的偷窃技巧，表现得跟普通群众⼀模⼀样，⽽警察们都练就了「⽕眼⾦睛」，⼀旦发现可疑⼈员，就能⻢上发现并及时控制——最终，我们同时得到了最强的⼩偷和最强的警察。
⾮⼤⽩话版本
⽣成对抗⽹络（GANs）由2个重要的部分构成：
- ⽣成器(Generator)：通过机器⽣成数据（⼤部分情况下是图像），⽬的是“骗过”判别器
- 判别器(Discriminator)：判断这张图像是真实的还是机器⽣成的，⽬的是找出⽣成器做的“假数据”
下⾯详细介绍⼀下过程：
- 第⼀阶段：固定「判别器D」，训练「⽣成器G」
- 我们使⽤⼀个还 OK 判别器，让⼀个「⽣成器G」不断⽣成“假数据”，然后给这个「判别器D」去判断。
- ⼀开始，「⽣成器G」还很弱，所以很容易被揪出来。
- 但是随着不断的训练，「⽣成器G」技能不断提升，最终骗过了「判别器D」。
- 到了这个时候，「判别器D」基本属于瞎猜的状态，判断是否为假数据的概率为50%。
- 第⼆阶段：固定「⽣成器G」，训练「判别器D」
- 当通过了第⼀阶段，继续训练「⽣成器G」就没有意义了。这个时候我们固定「⽣成器G」，然后开始训练「判别器D」。
- 「判别器D」通过不断训练，提⾼了⾃⼰的鉴别能⼒，最终他可以准确的判断出所有的假图⽚
- 到了这个时候，「⽣成器G」已经⽆法骗过「判别器D」。
- 循环阶段⼀和阶段⼆
- 通过不断的循环，「⽣成器G」和「判别器D」的能⼒都越来越强。最终我们得到了⼀个效果⾮常好的「⽣成器G」，我们就可以⽤它来⽣成我们想要的图⽚了。
- 下⾯的实际应⽤部分会展示很多“惊艳”的案例。
