Un modelo de machine learning en que dos redes neuronales son entrenadas de manera que compitan entre sí para generar nuevos datos.
[glossary_exclude]
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.