Üretici ve Ayırt Edici: Oyun

Bir GAN, oyun oynayan iki sinir ağıdır: biri sahte veriler uydurur, diğeri bunları yakalamaya çalışır. Rekabetleri, ikisinin de gelişmesini sağlar. 🎭

Üretici, rastgele gürültüyle başlar ve bunu sahte bir yüz gibi gerçek verilere benzeyen bir şeye dönüştürür. Gerçek görüntüleri doğrudan görmez.

Ayırt edici bir yargıçtır. Bir örneğe bakar ve bu örneğin sahte değil gerçek olma olasılığını belirten tek bir sayı üretir.

Üreticiye gizli vektör adı verilen bir rastgele sayılar vektörü verirsiniz. Farklı vektörler farklı çıktılar üretir; böylece gürültü yaratıcılığın tohumu olur.

Sahte banknotlar üreten bir sahtekârı ve bunları bulan bir dedektifi düşünün. Her biri diğerini daha becerikli olmaya zorlar. Bu çekişme, GAN'in özüdür.

Ayırt edici etiketlerle eğitilir: gerçek görüntüler 1, üretilen görüntüler ise 0 alır. İkisini güvenle ayırt etmeyi öğrenir.

Üretici, ayırt edici sahte görüntülerini gerçek olarak etiketlediğinde kazanır. Bu nedenle amacı yargıcı kandırmaktır; herhangi bir görüntüyü birebir kopyalamak değil.

Amaçları birbirinin karşıtı olduğu için buna çekişmeli deriz. Ayırt edici haklı olmak, üretici ise onu yanıltmak ister.

Ayırt edici daha seçici hale geldikçe üretici onu kandırmaya devam edebilmek için daha iyi sahte veriler üretmelidir. Bu geri bildirim döngüsü, zamanla her iki ağı da geliştirir.

Oyuncuların amaçları farklı olduğu için her ağın kendi iyileştiricisi vardır ve eğitim sırasında kendi sırası geldiğinde güncellenir.

Eğitim ideal olarak ayırt edicinin yalnızca yaklaşık yüzde 50 oranında tahmin yapabildiği noktada sona erer. Bu noktada sahte veriler gerçek verilerden neredeyse ayırt edilemez.

Her iki oyuncuyla da tanıştınız: gürültüden veri üreten bir üretici ve bu verileri değerlendiren bir ayırt edici. Rekabetleri ikisini de gelişmeye iter. 🎉