Una red generativa antagónica (GAN, por sus siglas en inglés) es una clase de marcos de aprendizaje automático y un marco destacado para abordar la IA generativa. El concepto fue desarrollado inicialmente por Ian Goodfellow y sus colegas en junio de 2014. En una GAN, dos redes neuronales compiten entre sí en forma de un juego de suma cero, donde la ganancia de un agente es la pérdida de otro.
Dado un conjunto de entrenamiento, esta técnica aprende a generar nuevos datos con las mismas estadísticas que el conjunto de entrenamiento. Por ejemplo, una GAN entrenada con fotografías puede generar nuevas fotografías que parecen al menos superficialmente auténticas para observadores humanos, con muchas características realistas. Aunque originalmente se propuso como una forma de modelo generativo para el aprendizaje no supervisado, las GAN también han demostrado ser útiles para el aprendizaje semisupervisado, el aprendizaje totalmente supervisado y el aprendizaje por refuerzo.
La idea central de una GAN se basa en el entrenamiento indirecto a través del discriminador, otra red neuronal que puede indicar cuán "realista" parece la entrada, la cual también se actualiza dinámicamente. Esto significa que el generador no está entrenado para minimizar la distancia a una imagen específica, sino para engañar al discriminador. Esto permite que el modelo aprenda de manera no supervisada.
Las GAN son similares al mimetismo en la biología evolutiva, con una carrera armamentística evolutiva entre ambas redes.
Definición Matemática
La GAN original se define como un juego. Cada espacio de probabilidad \((\Omega, \mu_{\text{ref}})\) define un juego GAN. Hay dos jugadores: el generador y el discriminador. El conjunto de estrategias del generador es \(\mathcal{P}(\Omega)\), el conjunto de todas las medidas de probabilidad \(\mu_G\) en \(\Omega\). El conjunto de estrategias del discriminador es el conjunto de núcleos de Markov \(\mu_D: \Omega \to \mathcal{P}[0,1]\), donde \(\mathcal{P}[0,1]\) es el conjunto de medidas de probabilidad en \([0,1]\).
El juego de GAN es un juego de suma cero, con una función objetivo:
\[ L(\mu_G, \mu_D) := \mathbb{E}_{x \sim \mu_{\text{ref}}, y \sim \mu_D(x)}[\ln y] + \mathbb{E}_{x \sim \mu_G, y \sim \mu_D(x)}[\ln(1-y)]. \]
El generador busca minimizar la función objetivo, y el discriminador busca maximizarla. La tarea del generador es acercar \(\mu_G \approx \mu_{\text{ref}}\), igualando su distribución de salida lo más posible a la distribución de referencia. La tarea del discriminador es emitir un valor cercano a 1 cuando la entrada parece provenir de la distribución de referencia, y cercano a 0 cuando la entrada parece provenir de la distribución del generador.
En la Práctica
La red generativa genera candidatos mientras que la red discriminativa los evalúa. Esto crea un concurso basado en las distribuciones de datos, donde el generador aprende a mapear desde un espacio latente a la distribución de datos reales, con el objetivo de produce candidatos que el discriminador no pueda distinguir de los datos reales. El objetivo del discriminador es identificar correctamente estos candidatos, pero a medida que el generador mejora, su tarea se vuelve más desafiante, aumentando la tasa de error del discriminador.
Un conjunto de datos conocido sirve como datos de entrenamiento inicial para el discriminador. El entrenamiento implica presentarle muestras del conjunto de datos de entrenamiento hasta que logre una precisión aceptable. El generador se entrena según si logra engañar al discriminador. Típicamente, el generador se siembra con entrada aleatorizada muestreada de un espacio latente predefinido (por ejemplo, una distribución normal multivariante). Posteriormente, los candidatos sintetizados por el generador son evaluados por el discriminador. Se aplican procedimientos de backpropagation independientes a ambas redes para que el generador produzca muestras de mejor calidad, mientras el discriminador se vuelve más hábil para detectar muestras sintéticas. Cuando se usa para la generación de imágenes, el generador es típicamente una red neuronal deconincional, y el discriminador es una red neuronal convolutional.
Relación con Otros Métodos Estadísticos de Aprendizaje Automático
Las GAN son modelos generativos implícitos, lo que significa que no modelan explícitamente una función de verosimilitud ni proporcionan un medio para encontrar la variable latente correspondiente a una muestra dada, a diferencia de alternativas como los modelos generativos basados en flujos.
En comparación con las redes de creencias totalmente visibles como WaveNet y PixelRNN y los modelos autorregresivos en general, las GAN pueden generar una muestra completa en una sola pasada, en lugar de múltiples pasadas a través de la red. En comparación con las máquinas de Boltzmann y la ICA lineal, no hay restricción en el tipo de función utilizada por la red.
Dado que las redes neuronales son aproximadores universales, las GAN son asintóticamente consistentes. A partir de 2026, se ha demostrado que los autoencoders variacionales son aproximadores universales, pero las GAN siguen siendo un marco distinto e influyente en el campo del aprendizaje automático y el aprendizaje profundo. El marco ha inspirado numerosas variantes y aplicaciones, contribuyendo al desarrollo más amplio de la inteligencia artificial y la investigación redes neuronales.