Două rețele concurează. Una generează eșantioane false. Cealaltă evaluează dacă acestea sunt reale. Antrenamentul împinge generatorul să păcălească discriminatorul, iar discriminatorul să prindă falsurile. Rezultatul este un generator capabil să producă date sintetice convingătoare.

Ian Goodfellow a introdus ideea în 2014. Aceasta a produs rapid fețe fotorealiste, transferuri de stil și traduceri de la o imagine la alta. Rețelele GAN au alimentat o mare parte din entuziasmul inițial legat de inteligența artificială generativă.

Variante comune

• DCGAN pentru generarea de imagini
• CycleGAN pentru traducere nepereche
• StyleGAN pentru fețe de înaltă fidelitate
• GAN-uri condiționate pentru ieșire controlată

Antrenamentul este instabil. Colapsul modurilor reduce diversitatea. Oscilația dintre generator și discriminator previne convergența. Modelele de difuzie au depășit GAN-urile pentru multe sarcini de generare a imaginilor, dar GAN-urile rămân rapide la inferență și utile în aplicații specializate.