Üretken Çekişmeli Ağlar (GAN'lar)

Generative Adversarial Networks (GANs), denetimsiz makine öğreniminde kullanılan ve birbiriyle yarışan iki sinir ağından oluşan bir sistem tarafından uygulanan özel bir yapay zeka (AI) algoritması sınıfıdır. Bir GAN, belirli bir girdiye dayalı olarak sentetik veriler oluşturan üretken bir modelden ve oluşturulan verilerin gerçek olup olmadığını belirleyen ayırt edici bir modelden oluşur.

GAN'lar, başta görüntü sentezi, metinden görüntüye dönüştürme, video analizi ve son zamanlarda otonom araçlarda olmak üzere çeşitli uygulamalarda kullanılmaktadır. En güçlü uygulamalardan biri, gerçekte var olmayan insanların, nesnelerin ve sahnelerin gerçekçi görüntülerinin oluşturulmasıdır. GAN'lar görsel olarak karmaşık ortamların yorumlanmasına yardımcı olur, nesne ve jest tanımayı yönlendirir ve hatta video içeriğinde gelecek kareleri tahmin edebilir.

GAN'lar ilk olarak 2014 yılında bilgisayar bilimcileri Ian Goodfellow, Jean Pouget-Abadie, Mehdi Mirza, Bing Xu, David Warde-Farley, Sherjil Ozair, Aaron Courville ve Yoshua Bengio tarafından geliştirilmiş ve üretken modellemeyi derin öğrenme teknikleriyle birleştirmiştir. Rakip olarak hareket eden iki rakip modele sahip olarak etiketler veya denetim olmadan modelleri eğitmek amaçlanmıştır.

Üretken model, bir eğitim setinin veri dağılımını ayırt edici muadilinden daha iyi yakalamakla görevlidir. Ayrımcı model, üretici modelden örnekleri alır ve bunların gerçek olup olmadığını belirler. İki model birbirini geliştirmek için eş zamanlı olarak eğitilir ve her iki model de bir dengeye ulaşana kadar performanslarını aşamalı olarak geliştirir.

GAN'lar karmaşık eşlemeleri öğrenebilen ve yeni veri noktaları oluşturabilen güçlü araçlardır. Teknoloji ilerlemeye devam ettikçe, GAN'lar bilgisayarla görme, doğal dil işleme, veri analitiği ve daha birçok alanda değerli bir araç olma potansiyeline sahiptir.