Uma rede adversária generativa (GAN) é uma classe de estruturas de aprendizado de máquina e uma abordagem proeminente para IA generativa. O conceito foi desenvolvido inicialmente por Ian Goodfellow e seus colegas em junho de 2014. Em uma GAN, duas redes neurais competem em um jogo de soma zero, onde o ganho de um agente é a perda de outro. Dado um conjunto de treinamento, a técnica aprende a gerar novos dados com as mesmas estatísticas do conjunto de treinamento. Por exemplo, uma GAN treinada com fotografias pode gerar novas fotografias que parecem, pelo menos superficialmente, autênticas para observadores humanos. Embora originalmente proposta como uma forma de modelo generativo para aprendizado não supervisionado, as GANs também se mostraram úteis para aprendizado semissupervisionado, aprendizado totalmente supervisionado e aprendizado por reforço.
A ideia central de uma GAN é baseada no treinamento indireto por meio de um discriminador, outra rede neural que avalia quão realista é uma entrada e que é ela própria atualizada dinamicamente. O gerador não é treinado para minimizar a distância até uma imagem específica, mas sim para enganar o discriminador, permitindo que o modelo aprenda de maneira não supervisionada. As GANs são semelhantes ao mimetismo na biologia evolutiva, com uma corrida armamentista evolutiva entre as duas redes.
Definição
A GAN original é definida como um jogo entre dois jogadores: o gerador e o discriminador. O conjunto de estratégias do gerador é o conjunto de todas as medidas de probabilidade em um determinado espaço, enquanto o conjunto de estratégias do discriminador é o conjunto de núcleos de Markov que mapeiam entradas em probabilidades. A função objetivo é um jogo de soma zero: o gerador visa minimizá-la, e o discriminador visa maximizá-la. A tarefa do gerador é aproximar sua distribuição de saída o máximo possível da distribuição de referência, enquanto a tarefa do discriminador é emitir um valor próximo de 1 para dados reais e próximo de 0 para dados gerados.
Na prática, a rede generativa gera candidatos enquanto a rede discriminativa os avalia. Isso cria um concurso baseado nas distribuições dos dados. O gerador aprende a mapear de um espaço latente para a distribuição real dos dados, com o objetivo de produzir candidatos que o discriminador não consiga distinguir dos dados reais. A meta do discriminador é identificar corretamente esses candidatos, mas, à medida que o gerador melhora, a tarefa do discriminador se torna mais desafiadora, aumentando sua taxa de erro.
Um conjunto de dados conhecido serve como dados de treinamento inicial para o discriminador. O treinamento envolve apresentar amostras do conjunto de treinamento até que o discriminador atinja uma precisão aceitável. O gerador é treinado com base em se consegue enganar o discriminador. Normalmente, o gerador é inicializado com entrada aleatória amostrada de um espaço latente predefinido, como uma distribuição normal multivariada. Posteriormente, os candidatos sintetizados pelo gerador são avaliados pelo discriminador. Procedimentos independentes de retropropagação são aplicados a ambas as redes para que o gerador produza melhores amostras, enquanto o discriminador se torna mais habilidoso em sinalizar amostras sintéticas. Quando usado para geração de imagens, o gerador é tipicamente uma rede neural deconvolucional, e o discriminador é uma rede neural convolucional.
Relação com Outros Métodos de Aprendizado Estatístico
As GANs são modelos generativos implícitos, ou seja, não modelam explicitamente a função de verossimilhança nem fornecem um meio para encontrar a variável latente correspondente a uma amostra dada, ao contrário de alternativas como modelos generativos baseados em fluxo. Em comparação com redes de crença totalmente visíveis, como WaveNet e PixelRNN, e modelos autorregressivos em geral, as GANs podem gerar uma amostra completa em uma única passagem, em vez de múltiplas passagens pela rede. Em comparação com máquinas de Boltzmann e ICA linear, não há restrição quanto ao tipo de função usada pela rede. Como redes neurais são aproximadores universais, as GANs são assintoticamente consistentes. Em 2026, os autoencoders variacionais também foram comprovados como aproximadores universais, mas as GANs permanecem distintas em seu paradigma de treinamento adversário.
Dinâmica e Desafios do Treinamento
O treinamento de GANs envolve um equilíbrio delicado. O gerador e o discriminador são treinados alternadamente, o que frequentemente leva a problemas como colapso de modo, em que o gerador produz uma variedade limitada de saídas, ou não convergência, em que as duas redes oscilam sem atingir um equilíbrio. Várias técnicas foram desenvolvidas para estabilizar o treinamento, incluindo funções objetivo modificadas, mudanças arquiteturais e métodos de regularização. A natureza adversária das GANs as torna sensíveis a hiperparâmetros, e o treinamento exige ajuste cuidadoso.
Aplicações
As GANs têm sido amplamente aplicadas em geração de imagens, transferência de estilo, aumento de dados e super-resolução. Também são usadas na geração de dados sintéticos realistas para treinar outros modelos, em imagens médicas e em campos criativos, como geração de arte e música. As GANs foram empregadas em pesquisas de Deep learning e suas influências se estendem a outras áreas da Generative AI.
Impacto e Direções Futuras
A introdução das GANs teve um impacto profundo no Machine learning e na Artificial intelligence. Elas inspiraram inúmeras variantes e melhorias, como GANs condicionais, GANs cíclicas e GANs progressivas. A pesquisa continua abordando desafios como estabilidade do treinamento e métricas de avaliação. As GANs permanecem uma ferramenta fundamental no kit de ferramentas da IA generativa, ao lado de outros modelos como os Large language models e os Transformer (architecture)s, embora sejam distintas em sua estrutura adversária.