Uma rede adversária generativa (GAN, na sigla em inglês) tem duas partes:
- O gerador aprende a gerar dados plausíveis. As instâncias geradas se tornam exemplos de treinamento negativo para o discriminador.
- O discriminador aprende a diferenciar os dados falsos do gerador dos dados reais. O discriminador penaliza o gerador para produzir resultados concretos.
Quando o treinamento começa, o gerador produz obviamente dados falsos, e o discriminador aprende rapidamente a dizer que é falso:
À medida que o treinamento avança, o gerador se aproxima da produção de informações que podem enganar o discriminador:
Por fim, se o treinamento do gerador funcionar bem, o discriminador piora a diferença entre o real e o falso. Ele começa a classificar os dados falsos como reais e a precisão diminui.
Esta é uma imagem de todo o sistema:
O gerador e o discriminador são redes neurais. A saída do gerador é conectada diretamente à entrada do discriminador. Por meio da propagação, a classificação do discriminador' fornece um sinal que o gerador usa para atualizar os pesos.
Vamos explicar as partes desse sistema com mais detalhes.