Генеративно-состязательная сеть — это архитектура машинного обучения, состоящая из двух нейронных сетей: генератора и дискриминатора, которые соревнуются друг с другом для создания реалистичных данных. Генератор пытается создать данные, которые трудно отличить от реальных, а дискриминатор учится различать сгенерированные и настоящие данные.
Работа ГСС основана на принципе игры с нулевой суммой: генератор улучшает свои результаты, чтобы обмануть дискриминатор, а дискриминатор становится более точным в определении подделок. Этот процесс продолжается до тех пор, пока генератор не начнёт создавать данные, которые дискриминатор не сможет отличить от реальных.
ГСС широко используются для создания изображений, видео и даже текста. Например, модель StyleGAN, разработанная компанией NVIDIA в 2019 году, способна генерировать фотореалистичные портреты людей, которые выглядят как настоящие. Ещё один пример — создание синтетических медицинских данных для обучения моделей без нарушения конфиденциальности пациентов.
Важность ГСС заключается в их способности генерировать высококачественные данные, которые могут быть использованы для обучения других моделей или для творческих задач. В отличие от других генеративных моделей, таких как автокодировщики, ГСС создают более разнообразные и реалистичные данные благодаря соревновательному процессу обучения.