近年來，人工智能在自然語言處理、商務(wù)智能、機器人和醫(yī)療診斷等眾多領(lǐng)域取得了突破性進展，其中生成式對抗網(wǎng)絡(luò)（generative adversarial network , GAN）開創(chuàng)性地使用對抗訓練機制對兩個神經(jīng)網(wǎng)絡(luò)進行訓練，是近年來復雜分布上無監(jiān)督學習最具前景的方法之一。
本項目以人工智能為出發(fā)點，從模型、算法和應(yīng)用系統(tǒng)等角度較好地研究了GAN的基礎(chǔ)理論和方法，并結(jié)合遷移學習、強化學習和大數(shù)據(jù)技術(shù)設(shè)計了GAN的一些可行應(yīng)用案例，闡述了如何通過GAN來實現(xiàn)人工智能，為廣大讀者在人工智能領(lǐng)域的理論學習和專業(yè)實踐提供指南。