Ein GAN (Generative Adversarial Network) ist ein künstliches neuronales Netzwerk, das aus zwei Teilen besteht: dem Generator und dem Diskriminator. Der Generator erzeugt neue Daten, z.B. Bilder oder Texte, die dem Modell zuvor als Trainingsdaten vorgegeben wurden. Der Diskriminator prüft, ob diese Daten echt sind oder vom Generator erstellt wurden.
Die Idee hinter einem GAN ist es, dass der Generator immer besser wird, indem er vom Diskriminator Feedback bekommt und sich so auf die Schwächen der bisherigen Generierungen einstellt. Der Diskriminator wird gleichzeitig auch immer besser darin, zwischen echten und generierten Daten zu unterscheiden. So entsteht ein Wettbewerb zwischen Generator und Diskriminator, der dazu führt, dass der Generator immer bessere Ergebnisse erzielt.
GANs finden in der Bild- und Spracherkennung, aber auch in der Erstellung von Videos und Musik Anwendung. Sie sind eine vielversprechende Methode in der künstlichen Intelligenz und ermöglichen es, neue und kreative Inhalte zu generieren.
