GANGenerative Adversarial Network

Dos máquinas compiten por turnos

Un lado recibe un montón de números sin ningún sentido y arma un resultado con eso. Como los números cambian cada vez, el resultado también cambia cada vez. El otro lado recibe una mezcla de datos reales y resultados creados, y decide cuál es cuál.

El entrenamiento avanza en turnos. Primero se ajusta el lado que distingue, mostrándole datos reales y creados para que aprenda a diferenciarlos. Después se ajusta el lado que crea, pero esta vez en la dirección de engañar al que distingue. Tras un intercambio, los dos lados quedan un poco mejor que antes.

La razón por la que la competencia sigue es que el problema se vuelve más difícil solo. Si el que crea mejora, el que distingue tiene que juzgar algo más difícil; si el que distingue se afina, al que crea le cuesta más pasar la prueba. Cada uno se convierte en el examen del otro para la siguiente ronda, y ambos salen mejorando: no hay un lado que se limite a atacar y otro que se limite a perder.

El puntaje sale de los errores del otro

Este método llamó la atención porque nadie tiene que poner la respuesta correcta a mano. Crear una imagen no viene con una tabla de puntajes: no hay una forma clara de medir con un número si algo quedó bien hecho. GAN le deja ese trabajo de calificar a otra máquina.

Cuando el que distingue decide "esto parece hecho a máquina", el que crea recibe la señal de en qué falló y corrige justo eso. Al revés, si logra engañar, esa dirección queda confirmada como acertada. La tabla de puntajes se va reescribiendo sola durante el entrenamiento.

Gracias a esto, el resultado sale más nítido. Un modelo entrenado buscando el promedio tiende a dar resultados borrosos; aquí, en cambio, un resultado borroso se nota de inmediato y no pasa la prueba.

Cuando se rompe el equilibrio, el aprendizaje se detiene

El problema es que la competencia solo funciona si las dos máquinas tienen una fuerza parecida. Si el que distingue se vuelve demasiado fuerte, cualquier cosa que se le muestre la marca como falsa. El que crea deja de saber en qué dirección corregir, y el aprendizaje se detiene.

La situación contraria también es un problema. Si el que crea encuentra un solo resultado que funciona bien, se dedica a repetirlo sin parar. Aunque entren números distintos cada vez, lo que sale es siempre parecido: es como si una sola plancha de gofres hubiera resultado tan buena que la máquina solo tallara ese dibujo, una y otra vez. A esto se le llama colapso de modo.

Por eso el entrenamiento no es tranquilo. Hace falta bastante ajuste fino para emparejar el ritmo de las dos máquinas y evitar que una se adelante demasiado. Correr la misma configuración dos veces puede dar resultados bastante distintos.

Al terminar, se deja de lado a quien distingue

Cuando el entrenamiento termina, lo único que se usa de verdad es el lado que crea. La máquina que distingue solo fue un juez para el entrenamiento, y ya no hace falta una vez terminado el proceso. A un servicio solo se sube el lado que crea.

Como ese lado recibe un montón de números y entrega un resultado, el resultado sale con un solo cálculo. Es mucho más rápido que los métodos de varios pasos, así que sigue usándose donde hace falta generar la pantalla en tiempo real.

Dónde se usa hoy

Durante un tiempo, este método fue el centro de la generación de imágenes, pero ese lugar pasó en buena parte a los métodos que van despejando manchas poco a poco. Son más estables de entrenar, dan resultados variados con más facilidad y es más fácil guiarlos con una frase.

A cambio, GAN sobrevivió en los lugares rápidos y livianos: agrandar una foto de baja resolución, convertir una onda de voz en sonido, transformar la pantalla en tiempo real, tareas que hay que resolver de un solo paso. La idea misma de hacer competir a dos para que aprendan también se extendió a otros campos.