Réseaux adversoriels génératifs (GAN)

Les réseaux adverses génératifs (GAN) sont une classe spéciale d'algorithmes d'intelligence artificielle (IA) utilisés dans l'apprentissage automatique non supervisé, mis en œuvre par un système de deux réseaux de neurones en compétition. Un GAN est composé d'un modèle génératif, qui crée des données synthétiques basées sur une entrée donnée, et d'un modèle discriminatif, qui détermine si les données générées sont réelles ou non.

Les GAN sont utilisés dans diverses applications, principalement dans la synthèse d'images, la conversion texte-image, l'analyse vidéo et, plus récemment, dans les véhicules autonomes. L'une des applications les plus puissantes est la création d'images réalistes de personnes, d'objets et de scènes qui n'existent pas réellement. Les GAN aident à interpréter des paramètres visuellement complexes, à piloter la reconnaissance d'objets et de gestes, et peuvent même prédire les images futures du contenu vidéo.

Les GAN ont été développés pour la première fois en 2014 par les informaticiens Ian Goodfellow, Jean Pouget-Abadie, Mehdi Mirza, Bing Xu, David Warde-Farley, Sherjil Ozair, Aaron Courville et Yoshua Bengio, qui ont combiné la modélisation générative avec des techniques d'apprentissage profond. Il s’agissait de former des modèles sans label ni encadrement en ayant deux modèles concurrents agissant comme des adversaires.

Le modèle génératif est chargé de mieux capturer la distribution des données d'un ensemble de formation que son homologue discriminant. Le modèle discriminant prend les échantillons du modèle génératif et détermine s'ils sont réels ou non. Les deux modèles sont entraînés simultanément pour s’améliorer mutuellement et les deux modèles améliorent progressivement leurs performances jusqu’à atteindre un équilibre.

Les GAN sont des outils puissants capables d'apprendre des mappages complexes et de générer de nouveaux points de données. À mesure que la technologie continue de progresser, les GAN ont le potentiel de devenir un outil précieux dans les domaines de la vision par ordinateur, du traitement du langage naturel, de l'analyse de données, etc.