GAN (Generative Adversarial Network)

Wat is een GAN?

Een Generative Adversarial Network (GAN) is een type neuraal netwerk dat nieuwe, realistische data leert maken, zoals afbeeldingen die niet van echte foto’s te onderscheiden zijn. Het bestaat uit twee netwerken die tegen elkaar spelen: een generator die nepvoorbeelden maakt en een discriminator die echt van nep probeert te onderscheiden. De techniek werd in 2014 bedacht door Ian Goodfellow en was jarenlang dé motor achter realistische beeldsynthese.

Hoe werkt het?

De generator krijgt willekeurige ruis als input en maakt daar bijvoorbeeld een afbeelding van. De discriminator krijgt echte voorbeelden uit de trainingsdata en nepvoorbeelden van de generator, en moet raden welke echt zijn. Elke keer dat de discriminator de generator betrapt, leert de generator bij; elke keer dat de generator de discriminator misleidt, leert de discriminator bij. Door die wedstrijd worden beide steeds beter, tot de generator voorbeelden maakt die nauwelijks van echt te onderscheiden zijn. Vergelijk het met een valsemunter en een keurmeester die elkaar scherp houden.

Wat heb je eraan als bedrijf?

GANs maakten deepfakes en “this person does not exist”-gezichten mogelijk en worden gebruikt voor het genereren van synthetische trainingsdata, het opschalen van beeldresolutie en productvisualisaties. Voor beeldgeneratie zijn ze sinds circa 2022 grotendeels ingehaald door diffusiemodellen (de techniek achter de meeste hedendaagse beeldgeneratoren), maar GANs blijven in gebruik waar snelheid telt. Voor jou als ondernemer is vooral het besef belangrijk dat realistisch beeld, geluid en video synthetisch kunnen zijn, met alle fraude- en desinformatierisico’s van dien.

Gerelateerde begrippen

Een GAN is een vorm van generative models en bestaat uit twee neurale netwerken die met deep learning worden getraind. De discriminator is een voorbeeld van discriminative models.