近日，一位日本的宅男大叔佐藤推出了一个AI生成肖像画的网站AI Gahaku，短短10天内用户访问量从零激增至100万，引发了推特上的热议。
这个网站操作简单，只需上传一张人脸照片，便能生成一幅大师级的肖像画。
更令人惊讶的是，佐藤本人是自学成才，展现了令人钦佩的宅男创造力。
佐藤患有阿斯伯格症，这使他在某些领域展现出特殊才能，但在日常生活中却难以适应。
显然，他的专长正是人工智能领域。
pix2pix，TensoRFlow内置的cGAN模型
让佐藤声名鹊起的AI技术，正是闻名遐迩的GAN的变种。
他的人脸肖像生成技术源自于TensoRFlow内置的cGAN中的pix2pix模型。
与GAN的通用性不同，cGAN更侧重于特定场景的应用。例如，AI Gahaku仅能处理人脸照片，若用户上传猫脸，则无法生成结果。
GAN的特点在于其损失函数的自我计算与自动更新，这使得GAN与迁移学习的结合成为可能。近年来，GAN被视为实现迁移学习目标的工具，迁移学习为应用GAN提供了明确指引。
TensoRFlow中的pix2pix模型基于cGAN，专注于图像对图像的转换，已经达到成熟阶段，能够直接用于黑白图像上色、图像风格转化等多种场景。
具体而言，佐藤利用pix2pix模型，专注于生成大师肖像画，这也展示了该模型的强大扩展性。
使用方式完全取决于用户自身的需求。
在佐藤的另一款作品PixelMe中，同样利用pix2pix技术生成8位像素风格的头像，展示了同一模型的多样应用。
当然，生成效果因人而异，毕竟佐藤是在对现有模型进行二次开发，原有的算法和数据结构并未改变，因此性能和效果受到原有模型的局限。
宅男的AI进阶之路
佐藤的人生经历颇为复杂，他从大学退学后，曾做过面包师，也参加过护理学校的培训，但都感觉不合适，最终决心运用自己的才能投身于AI领域。
他立刻开始学习，选择从TensoRFlow入手。
利用Google Colab的计算资源，佐藤从头开始学习TensoRFlow的教程，显然他更适合从事AI而非糕点制作。
在学习过程中，他找到适合自己的方向，即迁移学习与GAN，能够有效实现图像的再生。通过不同的图像数据集进行训练，可以针对特定场景进行学习和生成。
GAN是一种典型的非监督学习方法，其核心原理是两个神经网络进行“对抗”，通过不断优化参数达到最佳结果，形成自我博弈。
这种技术主要应用于计算机视觉领域，这也是佐藤选择使用GAN的原因。
得益于Google的支持，佐藤使用的网站服务器和计算资源费用相对便宜，约为每天20美元，他表示在可接受的范围内，短期内不会考虑商业化。
AI for Everyone!
在成名之后，佐藤依然保持谦逊。
他强调这项工作是出于对自己感兴趣的事情，而非追求经济利益。
出于对技术的热爱，佐藤开启了自己的AI之路，并在两年后成功上线应用。
这种为梦想而不断努力的精神，才是真正值得我们学习的。
毕竟，并非每个人都有勇气去自学AI。
