GAN este o arhitectură de AI generativă formată din două rețele neuronale aflate în „competiție”: una (generatorul) creează conținut fals, iar cealaltă (discriminatorul) încearcă să distingă conținutul real de cel generat artificial — cele două se antrenează simultan, îmbunătățindu-se reciproc.
Pe măsură ce generatorul devine tot mai bun la a păcăli discriminatorul, iar discriminatorul devine tot mai priceput la a detecta falsurile, întregul sistem produce, în timp, conținut din ce în ce mai realist.
GAN-urile au fost tehnologia dominantă pentru generarea de imagini artificiale înainte de apariția modelelor de difuzie, fiind folosite pentru crearea de fețe umane inexistente, îmbunătățirea rezoluției imaginilor sau generarea de deepfake-uri.
Avantajul GAN-urilor este capacitatea de a genera rapid conținut foarte realist. Dezavantajul este instabilitatea procesului de antrenare (cele două rețele se pot „bloca” reciproc) și calitatea, în general, inferioară modelelor de difuzie moderne pentru sarcini complexe.
Deși parțial înlocuite de modelele de difuzie pentru generarea de imagini, GAN-urile rămân relevante în alte aplicații, precum îmbunătățirea imaginilor sau sinteza de date.