由于天敌的捕食，枯叶蝶尝试着让自己变成树叶的样子，同时天敌对枯叶蝶的识别能力不断增强，枯叶蝶才不断变得像真正的树叶，这其实体现的就是枯叶蝶和天敌之间的对抗（Adversarial）
我们设想以下最终可能达到的状态，一种可能是天敌的识别能力变得特别高，以致于没有一只枯叶蝶能逃过它们的火眼金睛；还有一种可能是枯叶蝶的伪装能力不断提高，最终达到能够以假乱真的地步
这可能对应着对抗网络的两个方向
正如论文作者说的那样，The promise of deep learning is to discover rich, hierarchical models that represent probability distributions over the kinds of data
深度学习的目标是为了找到数据的某种概率分布，基于这一思想，就有了divergence这一概念，这被用来刻画两种分布之间的相似性，生成任务也就是要找到与数据的总体分布相似的分布，也就是要最小化divergence
枯叶蝶视为Generator，其任务就是map formulaic distribution(Gussian Distribution) to distribution over the given data
天敌视为Discriminator，其任务是尽可能地准确识别藏在真样本中的假样本
可以使用CNN等分类器构建Discriminator，网络结构比较简单
之前讲到DL的目标是找到两个distribution 之间的map，Generator 可以是从Gussian Noise到图像的map，这似乎听起来非常不可思议，我们竟然能从Noise当中提取出有用的特征，最后生成图像，但是已知两个distribution 的samples，神经网络确实可以找到这两者之间的联系
从特征恢复到图像，这是一个上采样的过程，可以通过转置卷积（Transpose Conv）实现
图像生成网络（基于DCGAN）