दो नेटवर्क आपस में प्रतिस्पर्धा करते हैं। एक नकली नमूने उत्पन्न करता है। दूसरा यह जांचता है कि वे असली हैं या नहीं। प्रशिक्षण के दौरान, नकली नमूने उत्पन्न करने वाला नेटवर्क, नकली नमूनों को पहचानने में सक्षम हो जाता है। परिणामस्वरूप, एक ऐसा नकली नमूना उत्पन्न करने वाला नेटवर्क तैयार होता है जो विश्वसनीय कृत्रिम डेटा उत्पन्न करने में सक्षम होता है।

इयान गुडफेलो ने 2014 में इस विचार को प्रस्तुत किया। इसने शीघ्र ही फोटो-यथार्थवादी चेहरे, शैली स्थानांतरण और छवि-से-छवि अनुवाद जैसी क्षमताएं विकसित कर लीं। जनरेटिव एआई को लेकर शुरुआती उत्साह का एक बड़ा कारण जेनेटिकली मॉडिफाइड आर्टिफिशियल इंटेलिजेंस (GAN) था।

सामान्य प्रकार

• छवि निर्माण के लिए DCGAN
• अयुग्मित अनुवाद के लिए CycleGAN
• उच्च-विश्वसनीयता वाले चेहरों के लिए StyleGAN
• नियंत्रित आउटपुट के लिए सशर्त GAN

प्रशिक्षण प्रक्रिया अस्थिर है। मोड कोलैप्स विविधता को कम करता है। जनरेटर और डिस्क्रिमिनेटर के बीच दोलन अभिसरण को रोकता है। कई इमेज कार्यों के लिए डिफ्यूजन मॉडल ने GANs को पीछे छोड़ दिया है, लेकिन GANs अभी भी अनुमान लगाने में तेज़ हैं और विशिष्ट अनुप्रयोगों में उपयोगी हैं।