VAE and Conditional VAE

今天要來介紹另一種generative model──variational auto-encoder (VAE) [1] 以及他的延伸 conditional variational auto-encoder (Conditional VAE) [2]
之前提到的generative adversarial nets (GAN) 是讓discriminator和generator透過互相競爭產生一個足夠好的generator來generate data
而VAE則是想透過機率模型模擬出data的distribution，新的data可以透過distribution sample得到

GAN and Conditional GAN

一直以來我都想寫一些類似科普的文章，希望能夠用沒那麼技術的文字來介紹一些東西
只是之前都太懶惰了哈哈哈哈
最近決定邊讀新的paper，邊用blog介紹這些paper，寫下我對這些paper的理解
有發現錯誤的地方請跟我說，也歡迎大家討論

這篇要介紹的是machine learning現在超紅的generative adversarial nets (GAN) [1] 以及他的延伸 conditional generative adversarial nets (Conditional GAN) [2]
適合對machine learning有些認識的人閱讀

聊聊AlphaGo

繼去年3月AlphaGo擊敗了李世乭之後
前陣子AlphaGo又擊敗了目前圍棋積分世界第一的柯潔
這樣的結果在圍棋界和AI界都造成了極大的轟動
剛好我對這兩個領域都稍有涉獵，就來談談AlphaGo的出現代表了什麼意義吧

和人類比起來，AI下棋會有什麼優勢呢
大部分人第一個想到的應該是計算能力吧
在下棋的時候，棋手會在腦內模擬棋局的各種變化
我下這、你下那、我再下這、你再下那，啊！這樣的下法好像不好
然後重新模擬另一種變化，直到找到一個比較滿意的下法
不過人類的計算能力有限，一秒鐘能夠計算3~4種變化就很厲害了
但AI一秒鐘卻可以計算上千甚至上萬種變化
這樣的計算能力的確讓AI在許多棋類佔盡優勢