GAN (Generative Adversarial Network)

Wat is een GAN?

Een GAN (Generative Adversarial Network) is een generatief AI-model dat bestaat uit twee neurale netwerken die tegen elkaar spelen: een generator die nep-data probeert te creëren, en een discriminator die probeert echt van nep te onderscheiden. Dit adversariële spel drijft beide netwerken naar verbetering, totdat de generator data produceert die nauwelijks van echt te onderscheiden is.

Waarom het ertoe doet

GAN's waren de eerste AI-modellen die fotorealistische beelden konden genereren en baanden de weg voor de huidige generatieve AI-revolutie. Hoewel ze grotendeels zijn vervangen door diffusion models voor beeldgeneratie, blijven GAN-principes invloedrijk in stijltransfer, superresolutie, data-augmentatie en video-generatie.

Hoe het werkt

De twee spelers:

• Generator (G) — ontvangt willekeurige ruis als input en probeert realistische data te genereren
• Discriminator (D) — ontvangt echte en door de generator gemaakte data en probeert te classificeren wat echt en nep is

Het trainingsproces:

1. Generator maakt nep-afbeeldingen
2. Discriminator beoordeelt echte en nep-afbeeldingen
3. Generator wordt bijgesteld om de discriminator beter te misleiden
4. Discriminator wordt bijgesteld om beter te detecteren
5. Het spel gaat door totdat een evenwicht is bereikt

Bekende GAN-varianten:

• StyleGAN — genereert fotorealistische gezichten met controle over stijlkenmerken
• CycleGAN — transformeert beelden van het ene domein naar het andere (foto → schilderij)
• Pix2Pix — gepaarde beeld-naar-beeld-vertaling

Uitdagingen:

• Mode collapse — de generator leert slechts een beperkt aantal outputs
• Trainingsinstabiliteit — het adversariële spel is moeilijk te balanceren
• Evaluatie — geen eenduidige metriek voor beeldkwaliteit

Voorbeeld

StyleGAN van NVIDIA genereerde gezichten van mensen die niet bestaan — zo overtuigend dat ze niet van echte foto's te onderscheiden zijn (zie thispersondoesnotexist.com). Dit demonstreerde zowel de kracht als de risico's van GAN's: dezelfde technologie die creativiteit mogelijk maakt, kan ook deepfakes produceren.