Generative Adversarial Networks (GAN)

คำนิยาม

GAN เป็นคลาสของโมเดลการเรียนรู้ของเครื่องจักรที่เครือข่ายประสาทสองเครือข่าย ได้แก่ เครื่องกำเนิดไฟฟ้าและตัวแยกแยะ แข่งขันกันเพื่อสร้างข้อมูลสังเคราะห์ที่สมจริง

จุดมุ่งหมาย

วัตถุประสงค์คือเพื่อสร้างข้อมูลที่สมจริง เช่น รูปภาพ เสียง หรือข้อความ GAN ถูกนำมาใช้ในอุตสาหกรรมสร้างสรรค์ การเพิ่มข้อมูล และการวิจัย

ความสำคัญ

• ผลิตข้อมูลสังเคราะห์ที่มีคุณภาพสูง
• ส่งเสริมความคิดสร้างสรรค์ในงานออกแบบและงานศิลปะ
• ความเสี่ยงในการใช้ในทางที่ผิดสำหรับ deepfake และข้อมูลที่ผิดพลาด
• การฝึกอบรมต้องใช้ค่าใช้จ่ายสูง

วิธีการทำงาน

1. เครื่องกำเนิดไฟฟ้าสร้างข้อมูลสังเคราะห์จากสัญญาณรบกวนแบบสุ่ม
2. Discriminator ประเมินว่าข้อมูลเป็นจริงหรือปลอม
3. ทั้งสองเครือข่ายได้รับการฝึกอบรมพร้อมกัน
4. เครื่องกำเนิดไฟฟ้าได้รับการปรับปรุงโดยการเรียนรู้ที่จะหลอกผู้แยกแยะ
5. การวนซ้ำจะดำเนินต่อไปจนกว่าผลลัพธ์จะมีลักษณะคล้ายคลึงกับข้อมูลจริง

ตัวอย่าง (โลกแห่งความเป็นจริง)

• NVIDIA StyleGAN: สร้างใบหน้ามนุษย์ที่สมจริง
• แอปพลิเคชัน DeepFake: การสร้างวิดีโอสังเคราะห์
• ภาพทางการแพทย์สังเคราะห์เพื่อการเพิ่มข้อมูลการวิจัย

อ้างอิง/อ่านเพิ่มเติม

• Goodfellow และคณะ “Generative Adversarial Nets” NeurIPS 2014
• บันทึกการบรรยาย GAN ของ Ian Goodfellow
• ธุรกรรม IEEE เกี่ยวกับเครือข่ายประสาทและระบบการเรียนรู้