Un modelo de machine learning en que dos redes neuronales son entrenadas de manera que compitan entre sí para generar nuevos datos.
Descripción
Las GANs son un tipo de arquitectura de redes neuronales introducida por Ian Goodfellow en 2014. Su objetivo principal es generar datos nuevos y realistasque imitan una distribución de datos original (como imágenes, sonidos, textos, etc.).
Una GAN consta de dos redes neuronales que compiten entre sí en un proceso de “juego” o entrenamiento conjunto:
- Generador
Toma ruido aleatorio (por ejemplo, un vector de números aleatorios) y lo transforma en datos falsos que intentan parecer reales. Su objetivo es engañar al discriminador.
- Discriminador
Toma datos reales y datos generados por el generador y trata de distinguir entre ellos. Su objetivo es identificar correctamente si un dato es real o falso.
El proceso de entrenamiento es un juego de suma cero:
- El generador mejora en producir datos más realistas.
- El discriminador mejora en detectar datos falsos.
- Ambos se entrenan en oposición, lo que hace que el generador, con el tiempo, produzca datos tan realistas que el discriminador no pueda distinguirlos de los reales.
Aplicaciones habituales
- Generación de imágenes realistas (como rostros humanos).
- Mejora de resolución de imágenes (superresolución).
- Estilo artístico (transferencia de estilo).
- Generación de voces, música o texto.
- Creación de datos sintéticos para entrenar otros modelos.