پاسخ داده شده: مفهوم عامیانه شبکه های GAN در یادگیری عمیق
GAN از زمان پیشنهاد آن توسط ایان گودفولر در سال 2014 یک موضوع رایج برای تحقیق شده . GAN متشکل از یک مولد و یک تفکیک کننده است.مولد وظیفه تولید نمونه ها را برعهده دارد و تفکیک کننده وظیفه صحیح بودن نمونه های تولید شده توسط مولد را برعهده دارد.مولد باید تا حد امکان تفکیک کننده را به اشتباه بیندازد و تفکیک کننده باید نمونه های تولید شده توسط مولد را تا حد امکان از نمونه های واقعی تشخیص دهد.
در مقاله اصلی GAN ، نویسنده این مولد را به یک جنایتکار که اسکناس های جعلی چاپ می کند ، تفکیک کننده را به پلیس را تشبیه کرد. مجرمان تلاش می کنند اسکناس ها را واقع گرایانه جلوه دهند ، و پلیس همچنان به پیشرفت توانایی خود در تشخیص اسکناس های تقلبی ادامه می دهد. این دو برابر یکدیگر بازی خواهند کرد و با گذشت زمان قوی تر می شوند. ژنراتور ، سپس مشابه کار تولید تصویر، بطور مداوم تصاویر کاذب را تا حد ممکن واقعی تولید می کند. تفکیک کننده قضاوت می کند که آیا این تصویر یک تصویر واقعی است یا یک تصویر تولید شده ، و این دو به طور مداوم توسط بازی بهینه می شوند. تصویر نهایی تولید شده توسط مولد باعث می شود که تفکیک کننده کاملاً نتواند بین تصاویر واقعی و نادرست تمایز قائل شود.