自生成对抗网络GAN提出以后，现这一方向已成为人工智能方向的研究热点.GAN的思想采用二人零和博弈方法，由生成器和判别器构成，生成器负责生成样本分布，判别器则判别输入是真实样本还是生成样本，生成器和判别器不断交互优化，最终达到最优效果.GAN模型的提出无疑是很新颖的，但也存在很多缺点，比如梯度消失问题、模式崩溃等.随着研究的深入，GAN不断优化扩展，GAN的衍生模型也层出不穷.GAN可应用于不同领域，主要为计算机图像和视觉领域，在图像领域有着突出的效果，能生成高分辨率逼真的图像，能对图像进行修复、风格迁移等，也能生成视频并进行预测等.GAN也能生成文本，可以进行对话生成、机器翻译、语音生成等.同时，GAN在其他领域也有涉及，比如生成音乐、密码破译等.但是GAN在其他领域的应用效果并不显著，那么，如何提高GAN在其他领域的应用效果将值得深入研究，使生成对抗网络在人工智能方面大放异彩.
