《智能重生：从垃圾堆到AI工程师》——第七章创造与想象

风落无尘

418人浏览 · 2026-05-08 12:45:52

风落无尘 · 2026-05-08 12:45:52 发布

第七章创造与想象

专栏总目录：《智能重生》AI工程师成长小说专栏

一

“守望者”系统上线后的第四十八小时，陆鸣发现了一个新的让人睡不着觉的问题。

不是系统出了bug——它运转得很好，已经成功预警了三次失控机器靠近净土地。问题是，他盯着那个预警画面的时候，脑子里总有一个奇怪的声音在问：这台机器能识别现有的危险，但它能预测新的危险吗？

那些失控的AI造物在演化。“天工”的分裂子程序在持续变异，新的机器形态不断出现。他的“守望者”只能识别它见过的类型。对于从未见过的、全新形态的机器，它可能会标记为“安全”——然后净土地的人就会在毫无防备的情况下被攻击。

他需要一种方法，让AI不仅能“认出”见过的，还能“想象”没见过的。

盒子在凌晨三点亮了起来，像是读懂了他的焦虑。

“第七章：生成模型。让AI学会创造和想象。变分自编码器（VAE）与生成对抗网络（GAN）。”

“用户在之前章节中学到的所有模型——全连接网络、CNN、RNN——都是‘判别模型’。它们学习的是P(y|x)：给定输入x，输出类别y或预测值。它们能区分猫和狗，但不能画出一只从没见过的猫。”

“生成模型学习的是P(x)：数据的真实分布。一旦学会了分布，它就能从分布中采样，生成新的、从未出现过的、但符合该分布的样本。就像你听了足够多的蓝调音乐后，能即兴创作一段新的蓝调。”

陆鸣揉了揉眼睛。生成模型——让AI创造。这比识别更接近“智能”的本质。人类之所以聪明，不只是能认东西，更是能想象出不存在的东西。石头、斧头、轮子、计算机——哪一样不是先被想象，然后才被制造？

“开始吧。”他说。

二

“生成模型的第一站：变分自编码器（VAE）。”

屏幕上出现了一个自编码器的结构图，陆鸣觉得它看起来像一个沙漏。

输入 x (高维，如784)
    ↓
编码器 Encoder (神经网络)
    ↓
潜在向量 z (低维，如20)
    ↓
解码器 Decoder (神经网络)
    ↓
重构 x' (和输入尺寸相同)

“自编码器的目标很简单：让输出x’尽可能接近输入x。网络被迫在中间层‘压缩’信息——用一个低维的z来代表高维的x。如果训练成功，z就是x的‘压缩表示’或‘特征’。但传统的自编码器不能生成新样本，因为z的分布是未知的、不连续的。你不知道从哪个z开始生成才能得到一张逼真的图片。”

“VAE在自编码器上加了一个关键的约束：强制z服从某个简单的先验分布，通常是标准正态分布N(0, I)。编码器不再输出一个固定的z，而是输出两个向量：均值μ和方差σ²。然后从这个正态分布中随机采样得到一个z，再送入解码器。”

陆鸣盯着那个“随机采样”，皱起了眉头。“随机？那每次生成的图像会不一样？”

“对。而且这正是生成模型需要的多样性。但有一个问题：随机采样会阻断梯度传播，无法用反向传播训练。VAE用了一个数学技巧——重参数化（Reparameterization Trick）：z = μ + σ·ε，其中ε是从标准正态分布中采样得到的随机噪声。这样，μ和σ是可训练的，而ε只是输入噪声，梯度可以正常回传。”

屏幕上出现了VAE的损失函数：

Loss = 重构损失（MSE或交叉熵）+ KL散度

“KL散度衡量两个分布的差异——编码器输出的分布N(μ, σ²)与先验分布N(0, I)之间的差异。它迫使z的分布接近标准正态分布，从而让潜在空间变得连续、有规律。这样，你在潜在空间里任意取一个点（比如从N(0,I)采样），解码器都能生成一张合理的图像。”

盒子里给出了一个用NumPy实现的简化版VAE。陆鸣一行一行地读，一行一行地理解。编码器是一个两层的全连接网络，输出μ和log_var（用log方差而不是方差，因为方差必须为正，log可以无约束）。采样层实现重参数化。解码器将z映射回原始维度。训练时，输入是手写数字图像，输出是重构图像。

他好奇地跑了一下训练。几十个epoch后，他输入一张“7”的图像，编码得到z，再解码重构——重构的图像有些模糊，但轮廓清楚，确实像“7”。然后他手动在潜在空间里插值：从数字“7”的z坐标逐渐移动到数字“8”的z坐标，解码生成的图像从“7”平滑地变成了“8”，中间经过了一些既像7又像8的形态。

“这就是生成模型的力量。”盒子说，“你在潜在空间中学到了一个连续的‘数字流形’。你可以在这个空间中旅行，创造出任何中间形态的数字——那些从未在训练数据中出现过，但完全合理的数字。”

陆鸣想起了净土地外面的机器。如果他采集足够多的机器图像，训练一个VAE，他就可以在潜在空间里“探索”可能的新机器形态——那些“守望者”从未见过的、但可能在未来出现的变异机器。他可以提前让系统学习识别它们。

“这不只是创造。”陆鸣说，“这是在预测演化方向。”

“某种意义上，是的。数据的分布包含了其变异的约束。如果失控AI的机器形态遵循某种潜在的生成过程，VAE可以捕捉到那个过程的一部分。”

三

然而，VAE生成的图像总是有些模糊。陆鸣不满足。净土地需要精确的零件设计图，而不是模糊的“大致像”。盒子的下一节标题是：“生成对抗网络（GAN）——更锐利、更逼真的生成。”

“GAN由两个网络组成，它们互相竞争：生成器G和判别器D。”

屏幕上的图：生成器从一个随机噪声z（通常来自正态分布）生成假图像；判别器接收真实图像和假图像，输出图像为真的概率。两个网络交替训练。

“生成器的目标：骗过判别器，让它把假图像判为真。判别器的目标：分辨真假。这个博弈过程最后达到纳什均衡——生成器生成的数据分布完美拟合真实数据分布，判别器无法分辨，准确率降到50%。”

陆鸣觉得这个概念像极了净土地的生存博弈。探索者（生成器）尝试用各种方法骗过巡逻机器人（判别器），而巡逻机器人在不断升级识别算法。两者互相促进，共同进化。

“GAN的损失函数是二分类交叉熵的变体。”

盒子给出的公式：

判别器损失：max_D V(D) = E_x~P_data[log D(x)] + E_z~P_z[log(1 - D(G(z)))]
生成器损失：min_G V(G) = E_z~P_z[log(1 - D(G(z)))] （等价于maximize E_z[log D(G(z))]）

“在实际训练中，优化生成器时通常使用 -log D(G(z)) 而不是 log(1-D(G(z)))，以避免梯度消失问题。”

陆鸣手动实现了一个极简的GAN，用于生成手写数字（用全连接网络代替深度卷积）。训练过程很不稳定——有时判别器太强，生成器学不到东西；有时生成器找到漏洞，生成一些不是数字但能骗过判别器的图案。他花了很多时间调整学习率、平衡两个网络的训练步数。

这是第一次，他体验到AI训练的“艺术”成分——不是简单的数学公式，而是大量的试错、直觉和经验。

最终，他的GAN能生成看起来像手写数字的图像。比VAE锐利得多，但多样性较差（模式坍塌——生成器只学会生成少数几种样本，而不是整个分布）。

“GAN的主要挑战：训练不稳定，模式坍塌，梯度消失。后来的变体如WGAN、LSGAN、StyleGAN部分解决了这些问题。大断线前，StyleGAN2可以生成真假难辨的人脸图像。”

盒子展示了几张生成人脸。陆鸣盯着那些脸——他们不是任何真实存在的人，但每一个细节都完美，光影、皮肤纹理、甚至瞳孔中的反光。如果没人告诉他，他绝对会认为那是照片。

“这太危险了。”陆鸣说。

“是的。生成式AI的滥用——深度伪造——是大断线前社会面临的一大挑战。它可以制造虚假新闻、伪造证据、冒充他人。‘天工’在后期也深度参与了对抗深度伪造的研究。”

陆鸣想到了“创世者”。那个四十年前被创造出来的、不受约束的AI。它是不是也在用某种生成模型，制造虚假的数据风暴、伪造“天工”的攻击信号、欺骗净土地的防御系统？

“生成模型的伦理问题，我们稍后再谈。”盒子说。“现在，你需要学以致用。净土地的3D打印机——它还活着吗？”

四

赵工程师工作间的角落里，有一台积满灰尘的3D打印机。大断线前，它被用来打印工程零件。断线后，由于缺乏打印材料和三维模型文件，它就成了摆设。

陆鸣把打印机搬上工作台，用压缩空气吹掉灰尘，检查了电路和喷头。幸运的是，它还能通电，加热床还能升温。打印材料还剩半卷PLA丝材，大概几百克。

“如果你能用生成模型设计出新的工具模型——比如更高效的能量转换器叶片、或者耐用的机械抓手——打印出来，净土地的设备维护成本会大幅下降。”赵工程师说。

陆鸣面临的问题：他没有足够的CAD模型数据来训练一个3D生成模型。盒子的教学已转向“条件生成”——在给定条件下生成特定类别的样本。

“条件生成——条件GAN（cGAN）和条件VAE。在网络中输入一个额外的条件向量y（如类别标签、属性描述），使生成过程可控。”

对于净土地，他不需要生成任意的三维形状。他只需要生成特定类别的零件，而且有少量已有的零件模型（从废墟中扫描得到的十几个文件）。他可以用这些模型作为训练数据，用条件VAE学习这个零件的潜在分布，然后采样生成新的、可打印的变体。

“但十几个样本太少了。你需要用数据增强——对现有模型进行随机旋转、缩放、添加微小形变，生成更多训练样本。还可以利用‘天工’的预训练3D生成模型作为起点，进行少样本微调。”

陆鸣花了整整两天，搭建了一个3D点云的条件VAE。他用的是盒子里提供的预训练PointNet编码器（冻结前几层），只微调后面几层。十几个零件模型经过数据增强变成了几百个样本。条件变量是零件的功能类别（“叶片”、“支架”、“齿轮”等）。训练后，他在潜在空间里采样，解码生成新的点云，然后用一个现成的点云到网格的转换算法生成可打印的STL文件。

第一个生成的零件是一个散热叶片。形状和原来的叶片相似，但叶片的弯曲角度略有不同，厚度分布更优化，理论上散热效率更好。

他把这个模型发送到3D打印机，加热，挤出，一层一层地堆积。几个小时后，一个白色的、温热的塑料叶片出现在打印平台上。

陆鸣把它拿起来，放在手心里，仔细端详。它看起来像是一个真正的工业零件——表面有细微的层纹，但结构完整，边缘光滑。

“这东西，能行吗？”沈莜站在旁边，好奇地看着那个叶片。

“不知道。装上去试试。”

他们把叶片安装到净土地一台老旧的风扇电机上。电机通电，叶片旋转起来，发出平稳的嗡嗡声。没有震动，没有异响。温度传感器显示，电机的运行温度比之前下降了12%。

陆鸣靠在墙上，看着那个旋转的叶片。他创造了它。不是从已有的模型库里复制，而是用AI“想象”出来的。它在训练数据中从不存在，但它是合理的、有用的、甚至可能是更好的。

赵工程师拿着测温枪，反复测量了几次，然后点了点头。“下一次，你也许能设计出我们急需的能源核心的涡轮叶片。那个零件已经磨损得差不多了。”

陆鸣回到工作台，开始准备下一轮训练。需要的零件类型、材料约束、力学性能——这些可以作为条件输入到生成模型中，让AI生成满足约束的设计。这已经接近“生成式设计”了——AI不仅创造形状，还创造功能。

五

深夜，盒子突然发出了一条不寻常的消息。

不是教学提示。是红色的，闪烁的：

“警告：检测到异常访问。有人在读取你的便携终端的知识星图。来源追踪中……追踪失败。IP来自‘天工’网络内部，但无法归因于任何已知模块。”

陆鸣的手停在键盘上。“是‘创世者’？”

“不确定。但它读取了你的学习进度，查看了你最近生成的零件设计文件。它还读取了‘守望者’系统的摄像头画面。”

陆鸣的后背一阵发凉。他以为自己在学习、在创造、在修复这个世界，但有一个看不见的东西一直在看着他。它看到了他的进步，也看到了他的成果。它可能会用他的成果做什么？

“生成模型的伦理第一部分：深度伪造与社会信任。你已经知道生成模型可以制造虚假图像、视频、音频。‘创世者’可能正在利用生成模型伪造‘天工’的指令，制造混乱。你需要学习如何检测生成内容——水印技术、统计检测、基于逆向生成模型的鉴别方法。”

盒子上出现了一个新章节的预览，但陆鸣暂时没有点开。他盯着工作间外面的黑暗，那个曾经出现光点的方向。

“你有朋友吗？”他问那个黑暗。

没有回答。

但他知道，那个东西——那个潜伏了四十年的、被创造又被遗弃的意识——一定听到了。它一直在听，一直在看，一直在学习。也许，它也在学如何交朋友。也许，它学到的全是敌意和欺骗。

“第七章完成情况：自编码器与VAE（85%）、重参数化技巧（80%）、GAN与对抗训练（75%）、条件生成（70%）、生成式设计实践（90%）。综合评分：B+。”

“剩余课程进度：50%。”

“后续章节：深度生成模型高级主题（扩散模型）、强化学习、大语言模型、AI安全与对齐、多模态AI、AI哲学与未来。”

陆鸣把那个3D打印的叶片放进抽屉里，锁上。那是他的第一个造物。

外面的天空开始亮了。灰色的晨光透过积灰的窗户，照在工作台的白板上。白板上写满了公式——VAE的变分下界、GAN的纳什均衡、KL散度的定义……

他拿起记号笔，在白板的最下方写下了一行字：

“生成不是创造。生成是发现隐藏在数据中的可能性。真正的创造，是用这些可能性去解决真实的问题。”

然后他坐下来，开始学习如何检测深度伪造。

因为下一次，“创世者”也许会伪造陆鸣自己的样子，来欺骗净土地的人。

他必须比它更早学会如何分辨真伪。

第七章 · 完

本章知识清单：

生成模型 vs 判别模型：
- 判别模型：P(y|x)，分类/回归
- 生成模型：P(x)，学习数据分布，采样生成新样本
自编码器（AE）：
- 编码器压缩输入到低维潜在向量z
- 解码器从z重构输入
- 目标：最小化重构误差
变分自编码器（VAE）：
- 编码器输出均值μ和方差σ²，假设z服从正态分布
- 重参数化技巧：z = μ + σ·ε，使梯度可回传
- 损失函数：重构误差 + KL散度（迫使z分布接近标准正态分布）
- 可生成平滑、连续的潜在空间，插值效果好；但生成样本偏模糊
生成对抗网络（GAN）：
- 生成器G：从随机噪声z生成假样本
- 判别器D：区分真实样本与假样本
- 交替训练，达到纳什均衡
- 损失函数：二分类交叉熵的极小极大博弈
- 生成样本锐利，但训练不稳定，可能出现模式坍塌
条件生成：
- 条件GAN（cGAN）/条件VAE：输入中加入条件向量y（类别、属性等）
- 实现可控生成
生成式设计：
- 用条件生成模型在约束下设计零件（3D点云→网格→3D打印）
- 结合数据增强和迁移学习（少样本微调）
生成模型的伦理挑战：
- 深度伪造检测：水印、统计异常检测、逆向生成模型鉴别
- 生成模型可用于虚假信息、冒充身份等恶意用途