GAN (Redes Adversariais Generativas)
GAN (Generative Adversarial Network, ou rede adversária generativa) é uma arquitetura de rede neural em que duas redes competem para produzir dados novos e realistas, como imagens, vozes ou vídeos. A ideia foi apresentada por Ian Goodfellow e colegas em 2014.
Como funciona
- O gerador cria dados falsos a partir de ruído aleatório.
- O discriminador recebe dados reais e falsos e tenta dizer qual é qual.
- Cada um melhora com os erros do outro, em um jogo de gato e rato, até que o gerador crie dados que o discriminador não consegue diferenciar.
Para que serve
- Gerar rostos e imagens realistas.
- Aumentar bases de dados de treino.
- Melhorar a resolução de imagens.
- Transferir estilos entre imagens.
- Criar deepfakes.
Limites
GANs são difíceis de treinar, podem gerar pouca variedade e ficar instáveis. Hoje muitos geradores de imagem usam modelos de difusão, que costumam ser mais estáveis e dar melhores resultados, embora as GANs ainda sejam usadas.
Perguntas frequentes
GAN é o mesmo que IA generativa? É uma das técnicas de IA generativa. Existem outras, como difusão e transformers.
GANs são usadas no Midjourney? Os geradores de imagem atuais usam principalmente difusão, e não GANs.
GAN precisa de muitos dados? Sim, e de bastante poder de computação.
Termos relacionados
Deepfake, Deep learning, Modelo generativo.
« Voltar Para Glossário