Çekişmeli üretici ağ, iki sinir ağının birbiriyle yarıştığı bir eğitim kurgusudur. Üretici sentetik veri oluşturuyor, ayırt edici gerçek örneklerle üretilmiş örnekleri ayırmaya çalışıyor ve her ikisi de diğerini yenmeye çalışırken gelişiyor.
Döngü şöyle işliyor. Üretici rastgele gürültüyü alıp bir aday örneğe çeviriyor. Ayırt edici gerçek ve üretilmiş örneklerin karışımını görüyor ve hangisinin hangisi olduğunu tahmin ediyor. Ayırt edicinin hatası üreticinin ödülü oluyor: her kandırma üreticinin yaklaşımını pekiştiriyor, her doğru tahmin ise üreticiyi düzeltiyor. Teorik olarak süreç, üretilen örneklerin gerçeklerden ayırt edilemediği noktada dengeye oturuyor.
GAN'lar en çok görüntü tarafında tanındı. Var olmayan kişilerin fotogerçekçi yüzleri, düşük çözünürlüklü görüntülerin büyütülmesi, sanatsal alanlar arası stil aktarımı ve sentetik eğitim verisi üretimi bu aileden çıktı. Görüntü üretiminde zemin bir süredir difüzyon modellerine geçmiş durumda.
Somut bir örnek: bir üretici firma nadir görülen bir yüzey kusurunu tespit etmek istiyor ama elinde yalnızca 60 fotoğraf var. Bu görüntülerle eğitilen bir GAN ek sentetik örnekler üretiyor ve genişletilmiş kümeyle eğitilen sınıflandırıcı, 60 fotoğrafla eğitilene göre ölçülebilir biçimde daha iyi çalışıyor.
Eğitimin istikrarsızlığı bilinen bir sorun. İki ağın dengesi bozulabiliyor ve üreticinin dar bir çıktı kümesini tekrarladığı mod çöküşü sık görülen bir başarısızlık biçimi.
