Ce înseamnă GAN (rețele generative adversariale)
Un GAN (Generative Adversarial Network) este o arhitectură propusă în 2014 de Ian Goodfellow și colegii săi. „Adversarial” înseamnă „în opoziție”: sistemul este format din două rețele neuronale care joacă una împotriva celeilalte.
GAN-urile au fost, în a doua jumătate a anilor 2010, cea mai impresionantă metodă de generare a imaginilor. Site-ul „This Person Does Not Exist”, care arăta la fiecare reîncărcare fața unui om care nu există, folosea StyleGAN, un model GAN dezvoltat de NVIDIA. Pentru imagini generate din text, modelele de difuzie le-au luat locul, dar GAN-urile se folosesc încă acolo unde contează viteza.
Cum funcționează
Generatorul primește zgomot aleator și produce o imagine. Discriminatorul primește fie o imagine reală din setul de date, fie una făcută de generator, și trebuie să spună care e care.
Fiecare învață din greșelile lui: discriminatorul devine tot mai bun la depistat falsuri, iar generatorul devine tot mai bun la păcălit. Ideal, la final generatorul produce imagini pe care discriminatorul nu le mai poate deosebi de cele reale. În practică, antrenarea este instabilă: uneori generatorul ajunge să producă mereu aceleași câteva imagini, problemă numită mode collapse.
Pe înțelesul tuturor
Este duelul dintre un falsificator de tablouri și un expert de muzeu. Falsificatorul pictează, expertul îl prinde, falsificatorul învață ce l-a dat de gol și pictează mai bine. După mii de runde, falsurile devin aproape perfecte.
Exemplu
Aplicațiile care „îmbătrânesc” o față sau transformă o fotografie într-un desen animat în timp real au folosit adesea GAN-uri, pentru că acestea generează rezultatul dintr-o singură trecere, foarte repede. Tot GAN-uri se folosesc în unele programe de mărire a rezoluției pozelor.
De reținut
- Un GAN are două rețele: un generator și un discriminator, antrenate prin competiție.
- Generează rapid, dar antrenarea este greu de stabilizat.
- Pentru generarea de imagini din text au fost înlocuite în mare parte de modelele de difuzie.
Nu confunda
- GAN vs. deepfake: GAN este o tehnică; deepfake este un tip de conținut fals, care poate fi creat cu GAN-uri, cu modele de difuzie sau cu alte metode.
Termeni înrudiți
- Model de difuzie: Tip de model generativ care creează imagini, sunet sau video pornind de la zgomot aleator și curățându-l pas cu pas.
- Deepfake: Imagine, video sau înregistrare audio falsă, creată cu AI, în care o persoană pare să spună sau să facă ceva ce nu a făcut.
- AI generativă: AI care creează conținut nou (text, imagini, sunet, video sau cod) pornind de la o cerere scrisă în limbaj obișnuit.
- Upscaling cu AI: Mărirea rezoluției unei imagini sau a unui video cu ajutorul AI, care completează detaliile lipsă în mod plauzibil.
- Rețea neuronală: Model de AI format din mulți neuroni artificiali legați între ei, care învață din exemple ajustând puterea legăturilor.