Generative Adversarial Networks
GAN ağlarının en büyük avantajı gerçek hayata dair verilere benzer verileri kolayca üretebilmesidir.
Generative Adversarial Networks (GANs), birbirine zıt şekilde bağlanmış iki derin ağın birleşiminden oluşmaktadır. GAN, ilk defa Montreal üniversitesi’nde başta, Ian Godfellow ve diğer araştırmacılar tarafından 2014 yılında yazılmış olan bir makale ile tanıtılmıştır. Facebook yapay zeka direktorü Yan LeCun’a göre GAN makina öğrenme alanında son 10 yılda ortaya konulmuş en ilgi çekici fikirdir.
Yukarıdaki resimde GAN’in calisma bicimi basitçe anlatmaya çalıştım, Şöyleki, rastgele girdi üretici (generator) sayesinde gerçek hayat verisi üretilmekte ve üretilen veri Ayırt Edici (Discriminator) sayesinde gerçek hayattan alınan veri ile karşılaştırılmakta ve üretilen örneğin ne kadar gerçeğe yakın olduğu belirlenmektedir. Oluşan Kayıp (loss)’ a göre ise generator yeni bir örnek üretmekte ve herbir döngüde gerçeğe bir adim daha yaklaşılmaktadir.
GAN ağlarının en büyük avantajı gerçek hayata dair verilere benzer verileri kolayca üretebilmesidir. Örneğin GAN’a ünlü bir ressamın eserleri öğretilerek benzerleri eserleri üretmesi beklenilebilir, ya da GAN ile var olan araç tasarımlarından yeni bir araç tasarımı üretmesi beklenilebilir.
Aşağıdaki örnekte GAN ile gerçekçi insan yüzleri üretiliyor, Nvidia’nin daha önceki örneklerinden farklı olarak yeni geliştirilen sistemlerde belli kurallara(isteklere) bağlı olarak insan yüzü üretilebiliyor.
Aşağıdaki video’da ise basit çizimlerle gerçekçi manzara çizimleri üretilmektedir
GAN gün geçtikçe daha fazla kullanım alanı bulmaktadır, örneğin finans alanında neredeyse her hafta bu alanda çeşitli makaleler yayınlanmaktadır.
Aşağıdaki makaleyi severek okuyacağınızı tahmin ediyorum 😁
