伊恩·古德费洛（Ian Goodfellow）

概况

伊恩·古德费洛（Ian Goodfellow）是一位机器学习研究者，他是《Generative Adversarial Networks》一文的第一作者；这篇论文提出了一种训练生成模型的方法：让两个网络互相对抗^[1]。他先后在 OpenAI、Google Brain、Apple 和 Google DeepMind 工作，MaxOut 网络与 GAN 这两项工作都与他联系在一起^[2]。

教育与早期研究

古德费洛在蒙特利尔大学（Université de Montréal）取得机器学习博士学位，导师是 Yoshua Bengio 和 Aaron Courville^[4]，学位论文标注的年份为 2014 年或 2015 年^[4]。这两位导师同时也是 GAN 论文的合著者，其他合著者是 Jean Pouget-Abadie、Mehdi Mirza、Bing Xu、David Warde-Farley 和 Sherjil Ozair^[1]。

生成对抗网络

这篇论文于 2014 年 6 月 10 日提交到 arXiv^[1]。它的核心思路是同时训练两个模型。生成器（generator）负责产出候选样本，判别器（discriminator）负责查看样本，并判断它来自训练数据还是来自生成器。两者被放在一起，作为一个双人极小极大博弈（two-player minimax game）来训练：生成器被推向「让判别器分不出真假」的方向，判别器则被推向「更擅长识破伪造」的方向^[1]。所谓极小极大博弈，是指一方力图把某个量压小、另一方力图把它顶大，因此任何一方都没有固定不变的目标——每一方的最优做法都取决于对方当下的做法。

论文明确写出了一个实际后果：这种训练方式不需要马尔可夫链（Markov chain），也不需要展开的近似推断网络（unrolled approximate inference network）^[1]。这两样东西是此前训练生成模型时往往要依赖的部分；把它们去掉之后，训练流程在描述和实现上都相对简单。

任职经历

2016 年 3 月 31 日，OpenAI 的「Team++」页面把他列为全职成员，并称他是 MaxOut 网络和 GAN 工作的作者^[2]。2017 年 4 月，Google Research 的一篇博客文章由他以 Google Brain 团队资深研究科学家（Staff Research Scientist）的身份发布^[3]。

据维基百科记载，他于 2019 年加入 Apple，担任特别项目组（Special Projects Group）机器学习总监，并于 2022 年 4 月因 Apple 要求员工到岗办公而辞职^[4]。此后他加入 Google DeepMind，担任研究科学家^[4]。

影响

古德费洛的名字与两项彼此独立的神经网络工作联系在一起——MaxOut 网络和生成对抗网络，OpenAI 的团队页面在介绍他时把这两项都写了进去^[2]。GAN 论文留下的持久贡献是它的表述方式本身：它不再为生成模型手工设计单一目标，而是把学习定义成两个网络之间的较量，一个负责造样本，一个负责判别样本^[1]。由于这套设置不需要马尔可夫链，也不需要展开的近似推断网络，研究者因此得到了一个相对紧凑的训练配方——训练出来的模型不只是给数据打标签，而是自己产出数据^[1]。