複選題

24. 關於生成對抗網路 (GAN) 的訓練過程與其兩個子模型的角色，下列哪些敘述是正確的？ (複選)
(A) 生成器的任務是讓判別器對真實樣本的分類準確率最大化
(B) 判別器的任務是分辨輸入樣本是真實資料還是生成資料
(C) 生成器透過從隨機向量空間中學習資料分布並嘗試產出逼真的樣本
(D) 若 GAN 訓練成功，表示判別器應該能準確分辨出真實與偽造資料
(E) 在訓練初期，生成器幾乎無法騙過判別器，判別器準確率通常很高

以下關於生成對抗網路 (GAN) 的敘述：

(A) 生成器的任務是讓判別器對真實樣本的分類準確率最大化：不正確。生成器的任務是產生逼真的樣本，目標是讓判別器無法分辨真實樣本和生成樣本，也就是讓判別器的準確率下降（最好趨近於 50%）。讓判別器對真實樣本分類準確率最大化是判別器自身的任務之一，但不是生成器的目標。

(B) 判別器的任務是分辨輸入樣本是真實資料還是生成資料：正確。判別器扮演一個二元分類器的角色，判斷輸入資料的來源是真實資料集還是生成器產生的資料。

(C) 生成器透過從隨機向量空間中學習資料分布並嘗試產出逼真的樣本：正確。生成器接收一個隨機雜訊向量作為輸入，並透過神經網路將其轉換為資料樣本，學習的目標就是讓產生的樣本盡可能符合真實資料的分布。

(D) 若 GAN 訓練成功，表示判別器應該能準確分辨出真實與偽造資料：不正確。GAN 訓練的理想成功狀態是達到納許均衡 (Nash Equilibrium)，此時生成器產生的樣本非常逼真，以至於判別器無法區分真實與偽造資料，其分辨的準確率會接近 50%（即隨機猜測）。判別器能準確分辨出兩者反而表示訓練還沒有完全成功。

(E) 在訓練初期，生成器幾乎無法騙過判別器，判別器準確率通常很高：正確。訓練剛開始時，生成器還沒有學到如何產生逼真的資料，產生的樣本通常非常不真實，判別器很容易就能將其識別為偽造資料，因此判別器的準確率會很高。

綜合以上分析，正確的敘述是 (B)、(C) 和 (E)。

答案是 (B), (C), (E)。