Çekişmeli Üretici Ağlar GAN (Generative Adversarial Networks)

Çekişmeli Üretici Ağlar GAN (Generative Adversarial Networks)

Çekişmeli üretici ağlar, iki yapay sinir ağının karşılıklı rekabet ederek gerçekçi veriler üretmeyi öğrendiği derin öğrenme mimarisidir. İngilizcede “Generative Adversarial Networks” olarak adlandırılır ve GAN kısaltmasıyla gösterilir. GAN yapısında üretici ve ayırıcı olmak üzere iki temel model bulunur. Üretici, gerçek verilere benzeyen sahte örnekler oluşturmaya çalışır. Ayırıcı ise bir örneğin gerçek veriden mi yoksa üreticiden mi geldiğini belirlemeye çalışır. Eğitimin başında üretici çoğunlukla anlamsız çıktılar üretir. Ayırıcı gerçek ve sahte örnekleri kolayca ayırt edebilir. Zamanla üretici, ayırıcıyı yanıltacak daha gerçekçi örnekler üretmeyi öğrenir. Ayırıcı da sahte örnekleri daha iyi tanımaya çalışır. Bu süreç iki oyunculu bir oyuna benzetilebilir. İdeal durumda üreticinin çıktıları gerçek veriden ayırt edilmesi zor hâle gelir. GAN’lar gerçekçi insan yüzleri, sanat çalışmaları, ürün tasarımları ve sentetik eğitim verileri üretmek için kullanılabilir. Görüntüden görüntüye dönüşüm yöntemlerinde bir fotoğraf farklı bir stile dönüştürülebilir veya düşük çözünürlüklü görüntü iyileştirilebilir. GAN’ların eğitimi zor ve kararsız olabilir. Üretici ve ayırıcı arasındaki denge bozulursa modellerden biri diğerine baskın hâle gelebilir. Mod çökmesi olarak adlandırılan durumda üretici veri çeşitliliğini öğrenmek yerine sınırlı sayıda benzer örnek üretir. GAN’lar ayrımcı veya etik olmayan sahte görüntüler üretmek amacıyla da kullanılabilir. Özellikle gerçek kişilere ait sahte içeriklerin oluşturulması ciddi güvenlik ve mahremiyet sorunları doğurur. Sentetik veri üretiminde GAN kullanılması gerçek kişilerin verilerinin doğrudan paylaşılmasını azaltabilir. Ancak sentetik verinin mahremiyeti otomatik olarak garanti edilmez. Son yıllarda görüntü üretiminde yayılım modelleri daha yaygın hâle gelmiştir. Bununla birlikte GAN’lar yüksek hızlı üretim ve belirli görüntü dönüşüm görevlerinde önemini korumaktadır. GAN’lar, yapay zekâ sistemlerinin yalnızca verileri sınıflandırmakla kalmayıp yeni veri örnekleri oluşturabileceğini gösteren önemli mimarilerden biridir.